機械学習の判断軸を養う実務書3冊

著者の出発点は具体的な失敗だ。scikit-learnで組んだ需要予測モデルは精度が出たが、レビューでなぜそのモデルを使ったのかと問われ、チートシートの分岐に従ったとしか答えられなかった。APIは分かっても手法の前提を知らないというこの空白が、1冊目の本の狙いである。2015年刊行でTransformers以前に書かれた『マスターアルゴリズム』は、現在の深層学習の参考書としてではなく地図として提示される。機械学習の五つの学派であり、それぞれが学習とは何かについて独自の前提を持つ——知識の組み合わせから、誤差逆伝播による重み調整、確率の更新まで。

著者が挙げる2つ目の空白は構築後にある。予測を現場のスタッフがどう使うか、誤りに誰が気づくかの計画なしに引き渡されたモデルは、精度の問題ではなく半年で使われなくなった。HUMAN+MACHINEはこの問題の設計書として位置づけられ、人とシステムの役割分担やhuman-in-the-loopの振り分けを扱い、著者は運用フローのメモに直結したと語る。実装の詳細が欠けているとも指摘する。

AI世界秩序はより広い枠組みを与える。AIの決定的な土俵は発見から実装へ移り、新しい手法よりもデータパイプラインと速度が重要になったという主張を、インターネット、ビジネス、知覚、自律という四つの波で整理している。著者は2018年の刊行という古さから名称や数字は古くなったと指摘しつつ、データパイプラインと実装速度に関する論点はLLMアプリ開発にも依然当てはまると述べる。最後の助言は、3冊を順番ではなく各自の目の前の課題に対応づけるものだ。