あなたの会社は本当に機械学習を導入すべきなのか？ - bohemia日記

こんにちは。ぼへみあです。 こんな記事を読みました。 japan.zdnet.com よくあることだと思いますが、上から降ってきた機械学習プロジェクトは99%失敗し、導入したとしても技術的負債という形でエンジニアを苦しめることになるので、やらないほうがいいと思います。 僕は普段から、ディープラーニング面白しれー、機械学習サイコーと世に広めてしまっているのですが、 こちらの講演を聞き、機械学習をシステムに組み込んで運用する際に、普通のシステム以上に技術的負債が発生しやすく、どの企業でも気軽に導入を進めるべきでないと思いましたので、今の考えをまとめてみました。 ディープラーニング、実サービスへの導入の実際 〜niconicoにおけるレコメンド、コメント解析、画像解析〜 | Peatix 機械学習は技術的負債の高利子クレジットカード 近年高い成果を上げ、ブームになっている機械学習を導入したいと考

[koogawa]

“「大丈夫、うちのエンジニアは技術力高いから」という会社ほど技術力が低いので気をつけてください”

[stella_nf]

「あのGoogleでも大変なのに御社にできるの？」

[htbman]

大きく頷く内容だけど、技術軽視の文化においてこの説明は面倒くさがりの言い訳とされるだろうなぁ。機械学習/AI という単語が技術軽視おじさんの口から出てくるたびウンザリした気持ちになる

[papix]

わかるわかるわかるわかるわかるわかるわかるわかるわかるわかるわかるわかるわかるわかる........ “技術には積み重ねが必要であり、一夕一朝でできるものではありません。”

[pekee-nuee-nuee]

これ　「「大丈夫、うちのエンジニアは技術力高いから」という会社ほど技術力が低いので気をつけてください」

[T-norf]

作った本人も、よー分からんけど上手く動くモデルなので、そりゃ引き継ぐのはツライよね。いつでも切替えられる、ロジック明瞭な予備コードを用意していおいて、両方メンテが筋かな。確かにコストかかる

[y_uuki]

メンテナンス以外の観点ではWebサービスの場合、機械学習用のデータ参照と通常のユーザのデータ参照は参照パターンが異なるため、効率的なデータアクセスが難しいことがあり、インフラコストがかさむ傾向もありますね

[masayoshinym]

“「大丈夫、うちのエンジニアは技術力高いから」という会社ほど技術力が低いので気をつけてください。”

[zu2]

“「大丈夫、うちのエンジニアは技術力高いから」という会社ほど技術力が低いので気をつけてください”

[meeyar]

「機械学習すげー」と飛びつく前に。技術重視は本当にそう思う。

[monorod]

これは良いまとめ

[kent-where-the-light-is]

“外部データに依存するため、従来のコードメンテナンスに対する知見のみでは技術的負債を返すのは難しい”

[bleu-bleut]

複雑な外界の変化に対応して行く必要があるうえ、内部でどういう働きをしているのか把握することが難しい、機械学習を扱えるエンジニアは限られている、など技術的負債になる可能性がある。

[igrep]

"長期的に運用される機械学習システムは、技術的負債があっという間に膨らむ傾向がある"ので、小さくスタートしてゆっくり人材を育てましょう、と。

[nisisinjuku]

「導入した人が辞めると機械学習システムは本当にオーパーツ化するので、ちゃんと評価してあげて、辞めさせないようにしましょう。」コレこそ負債。目的遂行の柔軟性を削ぐことになりかねない感触。

[matsumoto_r]

企業における研究の取り組み方全般にも言えそうですねぇ

[georgew]

ディープラーニングにおいては、内部でどういう働きをしているのか、人間が把握することは難しく、ブラックボックスになってしまう可能性がさらに大きい > 同意。

[nilab]

あなたの会社は本当に機械学習を導入すべきなのか？ - bohemia日記

[tmatsuu]

ふむ。Googleも経験した技術的負債は機会学習APIを利用したとしても発生しそうな気がするんだが、そこらへんはどうなんだろう。

[braitom]

ほんとこれ。“まず、部下にAIや機械学習をやれ、というのはやめましょう。失敗します。 ソフトウェアエンジニアなんて文系でもできる、という人も諦めてください。公開されているAPIで我慢してください。”

[fashi]

SFでよくあるAIを管理するAIが必要だな

[watermaze]

技術の進歩でどうこう言っている人がいるが、未だにCobolで動いている巨大システムとかあるし、ブラックボックス化したAIを他のAIでリプレースできるかとかまだ誰も挑戦してない領域だろう。

[drylemon]

「しかし既に独創的なアイデアとサービスデザインによるサービスやプロダクトのを作る時代は終わりを迎えており、 AIやVR, AR, IoTといったテクノロジーの幅広い知見が求められるようになってきています。」

[kenjou]

なるほど。

[showii]

ほんとこれ。タイトルしか読んでないけど、ほんとこれ。

[rryu]

機械学習システムの引継ぎドキュメントを本気で書いたら論文になりそうだから最低でも一子相伝のシステムみたいな感じになりそう。

[yoshikidz]

“機械学習は技術的負債の高利子クレジットカード” うまいことゆーたな

[dazz_2001]

機械学習で成功している事例があるのだろうか？

[kazz187]

“「大丈夫、うちのエンジニアは技術力高いから」という会社ほど技術力が低いので気をつけてください。”

[TakamoriTarou]

機械学習でも言えるのだろうけど、それ以外に「なんでもかんでも自前主義にすんなや」ということで一つどうでしょうか

[houyhnhm]

属人化するというよりは業務及び機械学習に詳しい「専門家」が必要だから。／長期運用って多分十年二十年見越してなんだけど、それまで会社ある？同じ事してる？とか。

[kita-tuba]

あなたの会社は本当に機械学習を導入すべきなのか？

[hush_puppy]

コアコンピタンス経営みたいな考え方だろうか？ コアコンピタンスの構築のために、そのためのスキルを各個人に時間をかけて蓄積し、そのコア人材を集めて話し合わせて、新たなビジネスを発見させる。

[sifue]

運用に見合うモデル作ると本当にメンテナンスコストが高まっていきそうだし、複雑さが高いと属人性も高まるよなぁ。長期的運用は大変そうだ。

[t-cyrill]

“「大丈夫、うちのエンジニアは技術力高いから」という会社ほど技術力が低いので気をつけてください。”

[mumumu-tan]

“しかし機械学習とは、便利だから気軽に使ってしまうと、あっという間に技術的負債が膨れ上がり後々困る、クレジットカードのようなものだと言われています。 ”

[gonta616]

これは、全てに置いて肝に銘じるべき。 そして、時代時代で起こることよね

[invent]

“「大丈夫、うちのエンジニアは技術力高いから」という会社ほど技術力が低いので気をつけてください。”