ai questについて - signate3...
Post on 07-May-2020
6 Views
Preview:
TRANSCRIPT
AI Questについて
経済産業省 商務情報政策局
1
政府「AI戦略 2019」における位置付け
出典)令和元年7月内閣府「AI戦略2019(概要版)」
戦略目標Ⅰに「人材」を掲げ、具体目標として「教育改革」を設定。
更にはⅡとして「産業競争力」の強化を目指すことが掲げられ、具体目標として「社会実装」が主要項目の一つ。
AI Questは新たな形での産業政策である。「人材不足の解消」と、「人材育成を通したAI実装」を実現することを目指す。
2
「人材不足」が招く「社会実装」の遅れ
出典)中小企業の成長に向けた事業戦略等に関する調査(2016年11月)
日本でAI活用が進まない大きな要因の一つが圧倒的な「AI人材の不足」。都市の大企業でも足りているとは言えず採用は困難であり、地域の中小企業であればより困難である。
求められるのは技術・ノウハウを持った人材であり、座学に留まらない実践的な人材育成が求められる。
)
8
21
28
30
39
45
0 20 40 60
適切な相談相手が見付からない
費用対効果が望めない
必要なコストの負担が大きい
新技術について理解していない
自社の事業への活用イメージがわかない
技術・ノウハウを持った人材が不足している
0 20 40 60
顧客ニーズの適切な把握
売上高の増加
生産管理、在庫管理の高度化・最適化
人的ミスの削減
業務の効率化・コスト削減
非製造業(n=63) 製造業(n=59)
AI・ビッグデータ・IoTで解決できる中小企業の経営課題(業種別)
(%)
中小企業がAI・ビッグデータ・IoTを活用する際の課題
人材関連の課題
(%)
3
社会実装ができる人材を育成する上での課題は「講師不足」
出典)NEDO「Connected Industriesの取組を社会実装するための統合的な支援施策のあり方に関する調査」 2018年度
日本国内でもAI人材育成のプログラムは産学官問わずここ1年で増加。ただし、現状の教育施策は裾野のリテラシー教育(MOOCsやEラーニング等)と、少人数で対面にて行う実践的なハイレベル教育(大学・民間講座等)の二極に偏りがち。
構造的問題としてAI自体が教育体系化できるほど成熟しておらず、且つ変化のスピードが速いため、必然的に前線でAIを推し進めている人材を講師にしないと実践的な教育が困難。故に講師の確保がままならなず講師不足が起きている。
50名~
30~49名 10.Deep learning Immersive Course
【30名】[PBL有]
7.AI人材育成講座【・30~50名】[PBL
無]
12.実データで学ぶ人工知能講座(東京
大学)【40名】[PBL無]
19.札幌AI人材育成プログラム (AIエン
ジニア講座)【・30~50名】[PBL無]
13.実データで学ぶ人工知能
講座(大阪大学)【40名】[PBL
有]
18.リーディングDAT【35名】
[PBL有]
10~29名 4.AI Business Engineering Program(AI
技術特論)【20~30名】[PBL有]
2.AIエンジニア講座【20名】[PBL無]
5.AI Business Engineering
Program(AI技術概論)【20~
30名】[PBL有]
11.Data Science Bootcamp
【25~30名】[PBL有]
14.自走できるAI人材になる
ための6ヶ月長期コース【20
~30名】[PBL有]
21.データサイエンティスト育
成コース パートタイムプログ
ラム【15~20名】[PBL有]
15.機械学習エンジニアコー
ス【10名】[PBL有]
16.滋賀大学データサイエン
ス研究科(大学院)【20名】
[PBL有]
1~9名 6.Tech x Summer Internship
2017【8名】[PBL有]
8.AI Academy BootCamp(データ分析
コース)【8名】[PBL無]
不明 20.Data Science Hill Climb
【不明】[PBL有]
17.AI活用人材育成プログラ
ム【不明】[PBL有]
~50時間 50~100時間
100時間~200時間
200時間~500時間
500時間~1,000時間
1,000時間~
規模
プログラムの教育時間(座学等の時間も含む)
数か月以上のフルタイム数日間 OR 週1×数時間×2~3か月 長期間のパートタイム
大量のAIやデータサイエンティスト人材を一度に育てる実践的なプログラムが無い
長時間のプログラムほど規模が小さくなる
凡例:【XX名】:受講者数(1期あたり) ≪PBL有/無≫:プログラム内でのPBLの実施有無 ※「PBL無」はグレーアウトで表示
国内で実践的な形式で行われている授業の一覧
講師に依る手法では拡大性に限界がある
4
課題解決方法:講師に依らない”拡大生産性の高いAI人材育成“ 仏42に2018年11月下旬に訪問したところ、教育チーム10名程度で「拡大生産性のある教育手法」を実践し、プログラ
マーを年間1000人以上を育成していることは大きな気付きであった(注:AIに特化したスクールではない)。
命題は”拡大生産性の高いAI人材育成手法“の確立。理数系教育の強化等を行う教育改革と共に、ConnectedIndustriesの実現の上で、産業界と連携したAI人材育成を広げるべく後押しをしていく。
• 2013年にXavier Niel氏(仏通信グループIliadのCSO)が設立した無料のテックアカデミー。
• 18-30歳の若者をゼロからコーディングのプロに育てる教育が目的で、高卒30%、未経験者40%。
• 4週間の厳しい入学試験をクリアした者が入学。年約1000名入学(倍率80倍以上)、就職率はほぼ100%。
• 出身者により70社起業、時価総額の合計は800万ユーロに到達(2016年6月時点)。
• 授業は無く、ゲーミフィケーションを取り入れた自主学習のPBLを実施し、生徒同士がレビューし合い教え合う。
• 実課題や実データに基づいた問題作成を行う教務係10名程で年間1000人を育成。
教材
受講生同士の学び合い
講師による授業
拡大生産性の高いAI人材育成手法の確立
授業無し
5
実際の事例とデータを使った教材で“疑似経験学習”を行う 実際の企業で抱えている実課題とデータに基づいて、AIが社会実装された事例を基に教材を作成する予定。
既に、下記のような業の企業から事例とデータの提供を内諾いただいている。
教材作成の過程もノウハウ化し公開することで、その後の教材作成の広がりも加速させる。
小売り需要予測
鉄道会社業務最適化
タクシー会社配車予測
メーカーラインナップ最適化
引っ越し会社業務効率化
C2Cレンディングリスク推定
自動運転画像処理
ファッション業界画像処理
介護企業業務効率化
小売 モビリティ 物流金融アパレル 介護
6
AIの社会実装に必要なこと:今回実証で身に付ける知識・知恵 企業の現場でAIが社会実装される時に必要となるプロセスは、B:エンジニアサイドとC:ビジネスサイドが現場で連携しなが
ら企画したことを、A:意思決定者が承認し、実行されること。
今回実証では、AIの技術がどうビジネスケースに適用され、どういう課程を経て実装までされるか、そしてどうビジネスインパクトを生むかを学ぶことで、ビジネスとエンジニアの間で“翻訳”できる知識・知恵を持つ実践的な人材を育成する。
Business side・sales/marketing・business developmentEtc…
Engineer side・data scientist・AI-engineerEtc…
translate
Planning
CEO,CTO
Business manager
A
B C
7
AI Questに係る本年度調査事業内容(NEDO事業)
1. 実際の課題やデータを基にした自主学習教材(いわゆるケーススタディ)の作成を通し、問題作成のあるべき姿を実証
2. 自主学習教材を用いたPBLを実施することを通し、AI人材育成におけるPBLのノウハウについてあるべき姿を実証
3. PBL実施において拡大生産性が高く、かつ学習効果の高いオンライン環境のあるべき姿について実証
受講生 (推薦)高等専門学校 大学研究室 Eラーニング/独学 民間AIスクール 社会人
調査テーマ①教材作成
調査テーマ②PBL手法及び運営メソッド 調査テーマ③
オンライン環境整備
10月頭~2月中旬「教育手法」の全体設計から事業の準備・実施・効果検証まで実施
連携 連携
200名受入れ
BCG BCG SIGNATESIGNATE
Zero to One
採択事業者
8
実証した結果は全てオープンにし、大きな“うねり”にしていく 本事業は、既存教育機関の代替を目指すアプローチではなく、むしろ共存共有、相乗効果を目指すもの。
本事業の採択事業者の3社、報道関係の皆様、本日お集りいただいた各企業の皆さんをはじめとして、 「人材不足の解消」と「人材育成を通したAI実装」を産学官が連携して大きな取組となるように後押ししていきたい。
8
小・中・高 大学 リカレント教育 企業内研修
民間教育機関
オンライン・通信教育
「教材のオープン化」 「PBL運営メソッドの共有」 「PBLの場の協働運営」
企業 AI事業者・団体 各研究機関
事例・データ 教材作成人材採用 PBL運営 最新論文 技術支援
受講生 教材共有 協働運営
参考資料
9
10
(参考)「社会実装ができるAI人材」の”拡大生産性の高い“育成手法仮説 講師に依らない、受講生同士の“学び合い”を促進するための仕掛けを実施。
オンライン環境を活用しながらも意欲が継続する環境づくりと場の運営を行う。
実例に基づいた教材で、ビジネス課題特定から実装まで現場で求められる内容を“疑似経験学習”する。
「拡大生産性」を見据えた工夫ビジネス~AI実装までを一気通貫で“疑似経験学習”
オンライン/オフラインの場や受講生同士のレビュー機会を通じて
受講生同士の学び合いを促進
オンラインを活用しながらも意欲継続できる学習環境づくり
ツール化・仕組化による運営者・コーチの負荷を最小化
課題設定 解決策の特定 要件定義 実装
ビジネス課題 AI実装課題
最終プレゼンテーション
8
(参考)汎用性の高い教材の一例 ~AIによる外観検査~ 外観検査は高品質を支える上で重要な工程だが、ラインを流れる製品を短時間で正確にチェックするには確かな判断力が必
要となり、ベテラン依存が大きい。
既に検査機などのソリューションも存在するが、検知に限界があり、導入コストの割に誤検知が多い。
一方、画像分析AIを用いた社会実装の進歩は目覚ましく、正解データのみのインプットでも高い検知精度が出てきており、過去のエラーデータのストックが無い中小企業でも導入がしやすくなり、活用が期待されている。
写真出典)https://www.e-aidem.com/aps/02_A90206880978_detail.htm 画像出典)https://jpn.nec.com/manufacture/monozukuri/iot/solution/manufacture.html
12
(参考)今回実証に基づく、今後のターゲット人材の仮説
出典)AI戦略(人材育成関連)平成32年4月 平井大臣資料より
I. 主に各産業をリードしていく中堅~大手企業の中で、AIの社会実装を行う可能性の高い層– 我が国の資本金10億円以上の企業数は約6000社、売上高1000億円以上は約1000社弱
II. 中小企業課題および地方課題へのAIの社会実装を行う可能性の高い層– 中小企業(資本金3億円未満、または従業員300名未満等の定義)は約360万社
位置付け
top related