README_kimura.md :職務経歴書(木村正彬)

連絡先

独立前の経歴1行

独立後の経歴3行

出版物

「AIの民主化」時代の企業内研究開発: 深層学習の「実学」としての機能分析

AI vs. ノイズトレーダーとしての投資家たち: 「アルゴリズム戦争」時代の証券投資戦略

自然言語処理のバベル: 文書自動要約、文章生成AI、チャットボットの意味論

# Table of contents

対応可能なご相談の例

費用の見積もり方がわからない

如何に「AI」や「機械学習」と言っても、ビジネスとして取り組む以上、初期費用はなるべく抑えたいところです。しかし「AI」や「機械学習」の場合、どのような観点から見積もり、技術選定していけば良いのかわからないというご相談を受けます。

確かに、「AI開発」には通常のソフトウェアの制作とは異なる論理が介在しています。機械学習のアーキテクチャ設計やアルゴリズム設計、モデリング、実装の経験が無ければ、正確な見積もりは難しいでしょう。

「AI開発」の技術選定もまた、専門知識が要求される試みです。例えばGPUサーバを選定する場合であっても、スペックが高ければ高いほど良いという訳ではありません。実際これは、「AI開発」の専門家の技術力や知識をはじめとした「実力」に依存して決まる変数でもあります。

人によっては、メモリが16~32GBのGPUサーバで無ければ動作させることのできないタスクであっても、例えば私が技術顧問として設計から実装まで見直せば、8GBのメモリで済んだという事例もございます。恐ろしいことに、「AI開発」のコストは1/2にもなれば1/4にもなり得るということです。

「AI開発」を発注する場合にせよ、「AI人材」の雇用を強化する場合にせよ、あるいは「AI」に関わるスタートアップ企業に「出資」する場合にせよ、こうした技術選定の背景知識をおさえておかなければ、貴社は「AI」の投資対効果の面で不利な立場に立たされることになります。巷の「AI開発」を担っている研究開発者たちやデータサイエンティストたちは、貴社に必ずしもこうした背景知識を教えてくれるとは限りません。

「AI(機械学習)」のモデルが思うように動作しない

高い費用をかけて内製・外注した機械学習モデルが、ビジネスのソリューションとして機能しないという問題は、「AI」という概念が大衆化されて以来、スタートアップ企業、中小ベンチャー企業、そして大企業が共通して直面し続けている問題です。

中長期の研究開発を通じて出来上がった「AI」が、ビジネスの何の役に立つのかわからないといった悲しい状況も発生しているようです。あるいは、納品された直後までは順調に機能している「AI」でも、その既存モデルを「横展開」した途端に精度が落ちてしまったといったご相談も頻繁に受けます。

このようなお悩みをお持ちの企業様に対しては、単に機械学習や統計学の理論や方法を詳解するだけではなく、お客様のニーズを明確化させるための「概念実証(proof of concept: PoC)」や、お客様のニーズに合わせてカスタマイズできる独自の機械学習ライブラリのソフトウェア・アーキテクチャ設計、Pythonコードの実装、性能の比較検証などのノウハウを伝授致します。

社内に「AI」や「機械学習」の専門家が定着しない

ベンチャーと大企業の正社員時代の経験や独立後の経験を踏まえ、今年発表されたばかりの論文の調査内容や市場の動向なども踏まえ、貴社のCTOの「壁打ち役」や、若手のエンジニアへのメンタリングも行います。

社内に「AI」や「機械学習」の専門家が定着しない

スキル概要(PyPiでの公開ライブラリとGitHubのコード)

データサイエンス/人工知能の概念実証(PoC)と研究開発(R&D)関連

強化学習問題の枠組み

  1. ベンチャー企業では、アドテクノロジー領域の配信アルゴリズムに「強化学習(Reinforcement Learning)」(Sutton., R, Barto, A., 1998)の一種である「バンディットアルゴリズム(Bandit algorithms)」(White, J., 2012)を採用し、設計・実装・検証までフルスタックに実施した。
  2. 某多国籍コングロマリットでは、訪問介護の送迎ルートや宅配業者の宅配ルートに関する「組み合わせ最適化問題(Combinatorial optimization problem)」(Du, K. L., & Swamy, M. N. S., 2016)に対して、「深層強化学習(Deep Reinforcement Learning)」のモデルの一つであるDeep Q-Network(Mnih, V., et al., 2013)のアルゴリズムを応用する概念実証を展開し、アプリケーション化に着手している。

プライベートの活動

  1. Python3で「強化学習」の一種である「Q学習(Q-Learning)」のソースコードやJupyter Notebookを公開している。
探索アルゴリズムの可視化

以下の二つのGIFアニメーションでは、それぞれDeep Q-Networkによる迷路探索や「ハンターと追跡者問題」の学習過程を可視化している。

Deep Reinforcement Learning (Deep Q-Network: DQN) to solve Maze.