AIに関すること、ただの雑感
最近、AIに関わる会社さんを私のクライアント企業さんにご紹介しました。AIについては、そうねっていう感じですが、世間の反応にちょっとズレを感じる次第。ChatGPTを使ってみた時には驚いたけど、特に、確からしさに関する留保条件の置き方がすごいし、素晴らしい。しかし、留保の背景を考えると、あ、そういうことなのね、って思うし。
AIでのタームやお作法がわからないので、自分がそうかな、と思う言葉使いで、その辺、つらつらと。
まず、AIについては、こんなところ⇓
・機械学習は伸びていくだろう。特に、反復性の高い対象には驚くほどの効果をもたらすだろう。でも、それは、とても”回帰的な”ことだろう。
・さほどデータ（ケース）がない場合は”辞書型”になるのではないか。結局、機械学習でパターンを蓄積していくと思われるので、パターン化を学ぶ対象データが不十分な場合や、そも、人がパターンを決められるのであれば、機械学習要らないかも。そうなると、UIにおける”問合せ”部分での認識を機械学習は残るかもしれないし。判断・返しが”辞書”化した際は、AIの価値はそれほど高くないか・・・
・データのサンプル数による統計的な制約を受ける。つまりは、サンプル数に依存した精度になると。サンプル数に制約がある場合、正しい答えが返ってくるとは限らないリスクがある
・数学的なランダムなデータ発生ではない場合には、データの偏りをモロに食らう可能性が高い。つまり、バイアスがかかってしまう可能性がある
・パターン化できる”判断・分岐の組み合わせ”もデータの偏りが起きるため、数学的なサンプル数の有意性に引っ張られ、論理的な関連ではなくなり、おかしな結果が返される恐れがある。要は正しくなくとも、多数派が勝つことになりそう
・ 確率的な結果の返しになるため、因果関係の導出には問題が生じる可能性がある。因果関係のモデル化ができるのかどうか・・・
・とはいえ、人間も同じようなもので、統計的・数学的な”あたり方”がある分、探索の広さ、サンプルの網羅性の担保、誤謬性の事前チェックはできるのかな
ということで、私の今のところの所感では、AIには期待しているものの、回帰的な解き方になるだろうな、と。回帰的な解き方に意味がある場合には、大きく発展することになりそう。
一方、多くの”AIを使いたいという側”が構造化してものを考えていないので、なかなか、どうして、古くはCIMに始まって、ERP、SCM、RFID、IoT、ビッグデータ、DXで起きた滑稽な混乱が、今後も起きることが予想される。だから、いきなりシステム導入に走ったり、なんとなくPOCなどやってしまうと迷走するので、やはり、きちんと構造化して構想を立てておくべきかと思う。
ニューラルネットや制約論理の時代よりは洗練されたようだし、でも、それはインターネットでのデータの蓄積の恩恵だけなのかもしれない・・・・ しかし、面白い世の中になったものだ。
下のイラスト（アイキャッチの画像）はAIで「SCMはAIで進化する」をイラストにしてみましたが、え？って感じ。質問の質にも影響されるね。
下の文章はChatGPTで「SCMはAIで進化するか？」と質問したもの。やはり、回帰的であり、アクション的である。論理的な推論とリスク考慮、プロアクティブなモノにはやはり”答えの返し”に制限があるのではないかな。AIの答えにもそれが多重化して、見える。
「SCM （Supply Chain Management、サプライチェーンマネジメント）は、AIの進化によって大きな影響を受ける可能性があります。AIはデータの解析や予測能力を向上させ、より効率的なサプライチェーンの計画や管理を可能にします。以下は、AIがSCMにどのように進化するかのいくつかの例です：
- 予測分析: AIは膨大なデータを解析して需要や供給のパターンを予測し、需要予測や在庫管理を改善します。これにより、在庫の最適化や生産計画の最適化が可能になります。
- 自動化とロボティクス: AIを活用した自動化技術やロボティクスは、物流や倉庫管理のプロセスを効率化し、人的ミスを減らします。自動化により、作業の効率が向上し、コスト削減や生産性の向上が実現されます。
- リアルタイムの可視性: AIはリアルタイムのデータ解析を可能にし、サプライチェーン全体の可視性を向上させます。これにより、問題が発生した際に迅速に対処し、リスクを最小限に抑えることができます。
- サプライチェーンネットワークの最適化: AIは複雑なサプライチェーンネットワークを最適化し、効率的なルートやパートナーを特定するのに役立ちます。これにより、物流コストを削減し、納期を短縮することが可能になります。
総じて言えば、AIの進化によりSCMはより効率的で柔軟性のあるプロセスになるでしょう。しかし、その一方で人間の専門知識や判断力も重要です。AIを使用する際には、人間と機械が協調して最良の結果を生み出すことが求められます。」
だってさ。私のコメントは
「
１.は無理。統計的に、サンプル数に制約があるから。
２．はそうだろうね。でも、AIにどうやって覚えさせるのかを考えると、機械学習は無理じゃない？。作業手順や作業標準を定義し、MESとかに仕込んだ方がよくない？
３．無理。１．と同じ。それに、可視性はAIじゃなくてもできるし。
４．無理。ネットワークは物理的制約、取引の継続性・パートナーシップ、取引コスト、リスクなどの要素があるため、機械的に最適化できない。
」
間違ってるかな？でも、反復性がある回帰的な対象には効果がすごそうだ。AI、仕事として取り組もうかな。構造化して説明したり、構想作ったりすることで、支援ができそうだから。でも、勝ち目のある領域が、自分の関心のある効果的で面白い領域じゃないんだよね。
