専門家とのコミュニケーション例
ここまで、専門家とのコミュニケーションに対して重要という話をしてきたわけだが、、
おそらく具体的にどういうシーンの話をしているかが伝わりにくいと思う。
というわけで、コミュニケーション例。
車両移動上の物体検出をリアルタイムで行いたい。
振動が激しい環境のため、PCなどを使用した計測は困難であることからエッジデバイス利用が妥当。
リアルタイム且つエッジデバイスということから精度が落ちるのは避けられないが、可能な限りの精度維持が望ましい。
使用するモデルは演算リソースの都合、MobileNetが候補に挙がるが、
YOLOv8が使用可能かの検討も同時に進めたい。
先ほどのリソース都合でモデル圧縮は必須になる。
知らない人からしたら、
「日本語のようで日本語じゃねぇ！」
になるとは思うが・・・。
まず、ステージ1の語彙力が身に付いた状態だと、
エッジデバイス、MobileNet、YOLO、モデル圧縮はわかると思う。
このレベルでも十分コミュニケーションを取れていると言えるのだが、
ここに対してステージ2の因果関係も含めた知識を入れ込むと、こういう解釈が暗黙的に行われる。
- リアルタイムであることからYOLOのような1段検出器が望ましく、Faster R-CNNやMask R-CNNのような多段検出器は相性が悪い。
- MobileNetは物体検出器では無く画像分類器。ここでは暗黙的に物体検出器であるMobileNet-SSDなどを指している。
- MobileNetはDepthwise Separable Convolutionにより、畳み込み層の大幅なメモリリソース削減と演算効率向上を実現している。
- エッジデバイス利用より、YOLOv8は暗黙的にSmall、Nanoなどの軽量モデルを想定している。
- モデル圧縮は量子化、プルーニング、蒸留を指している。
- モデル圧縮手法の全てをいきなり実施するというより、一つずつ試して適正な度合の目途を付ける必要がある。
行間を読むとかそういうレベルは超えている・・・・。
このように、語彙力と因果関係を組み合わせたコミュニケーションは相当な情報圧縮が可能で、
その分、コミュニケーション効率が高いと言える。
MobileNet-SSDについてはG検定の範疇を超えている話ではあるが、
YOLOv8とMobileNetを対比していることからの違和感は拾える。
尚、Depthwise Separable Convolutionは用語として長い名称ことで有名である反面、実態がよくわからない用語でもある。
実際に会話で直接使われることはほぼ無いのだが、
MobileNetというキーワードを聞くと、その場にいる人全員の脳内で自動で流れるワードではある。
ステージ2をクリアしている人同士だったら数秒で終わる会話が、
ステージ1にも至ってない人が入ることで数時間とかに膨れ上がりそうというのも認識できたと思う。
会話しながらだと、ググったりChatGPTに質問している余裕もない。
音声入力でリアルタイムでLLMに解説してもらうという手法もあると言えばあるが、
それでも、語彙力と因果関係を身に着けた人たちのスループットに追いつけるものではない。
このスループットが目に見える差として現れる以上、これが今後の人間にとっての重要な付加価値になり得ると言える。
今後の進め方
一応、シリーズ化する予定ではあるのだが、
扱うカテゴリの優先順位を決めておく。
普通はシラバスの先頭からやるのだろう。
しかし、シラバスの先頭の方は、それほど因果関係がややこしくはない。
因果関係がややこしくなるのは後半以降。
G検定のテキストも最初の方はサクサク読めるが、途中から何を言っているのかわかりにくくなるのを感じている人も多い事でしょう・・・。
わかりにくいのに加えて、そもそも情報量が多くなる・・・。
これが、因果関係がややこしいって状態になる。
というわけで、この順番で解説していくことになると思う。
- ディープラーニングの応用例
- AIの社会実装に向けて
- AIに必要な数理・統計知識
- AIに関する法律と契約
- AI倫理・AIガバナンス
これら以外にもディープラーニングの概要や要素技術のカテゴリもあるのだが、
ここらへんはたぶん、個々人で普通に対応できるものとして、まずは対象外としておく。
ディープラーニングの要素技術に関しては、そもそも単体で覚えるというよりも、
ディープラーニングの応用例と紐づける形で覚える方が効率的。
この点も示していければと思っている。
まぁ、G検定のシラバスの最初の方は、他のサイトや他のYoutube動画でも扱ってること多いから、
あまり扱いきれてないところからやった方が良いと思う。
だいたい最初の方だけ情報が厚くて、後ろになるほど薄くなる傾向がある・・・。
これは、途中で力尽きたか、多忙とかで更新が難しくなったとかいろいろあるのだと思う。
後ろに行くほど単純な用語説明より因果関係の方が重要になってくるから、
説明しにくい、よってどうしても情報が薄くなる。
というのはあるかもしれない。
(用語単位で説明してもあまり説明にならないし・・・)
まとめ
- 究極カンペの作り方についての問い合わせが増えている。
- G検定の評判を確認し、ネガティブな意見を問題提起として捉える。
- 勉強のステージを定義し、語彙力と因果関係の把握が重要であることを説明。
バックナンバーはこちら
深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト 第3版
徹底攻略ディープラーニングG検定ジェネラリスト問題集 第3版 徹底攻略シリーズ
ディープラーニングG検定（ジェネラリスト） 法律・倫理テキスト
コメント