「機械学習」世界の Avatars（Becoming a Data Head: How to Think, Speak and Understand Data Science, Statistics and Machine Learning）

機械学習（世間一般では「人工知能」か？）の仕事を長いことやってると、関係する多くの人と出会う。この一年で痛烈に感じるのは

現場には我々の提案は受け入れられるのに

決済段階で頓挫

「日本は機械学習で遅れてる」と言われ続けて久しいが、その理由を垣間見る日々。

その「遅れ」の理由に、日本のIT業界やその顧客の「甘えた構図」を指摘する記事はほとんど読んだことがない。意外と重要な要素だと思ってるのだが...。

そんな中、読み始めたのは

Becoming a Data Head: How to Think, Speak and Understand Data Science, Statistics and Machine Learning

Introduction から既に「良書の予感」。

ここでは、Introduction で紹介された本書の "avatar"「登場人物」を取り上げて、私の出会った人らと比較。なお、以下の日本語訳は私によるもの。

Michelle is a marketing professional who works side-by-side with a data analyst. She develops the marketing initiatives and her data coworker collects data and measures the initiatives’ impact. Michelle thinks they can do more innovative work, but she can’t articulate her data and analysis needs effectively to her data coworker. Communication between the two is a challenge. She’s Googled some of the buzzwords floating around (machine learning and predictive analytics), but most of the articles she found used overly technical definitions, contained indecipherable computer code, or were advertisements for analytical software or consultation services. Her search left her feeling more anxious and confused than before. 

Michelle はマーケティング担当で、データアナリストと一緒に仕事をする。市場における新提案を行い、同僚がデータを収集してその新提案の影響を測る。同僚たちがもっと革新的な仕事ができる思っているが、データ分析の必要性について明確に彼らに伝えられていない。この意思疎通が非常に難しい。流行の専門用語（機械学習、予測分析）をネット検索するも、見つけた記事の大半は、過度な技術定義、理解不能なコンピュータコード、もしくは分析向けソフトウェアやコンサルタントの広告。この検索結果で、以前よりも不安になり混乱することとなった。

「この意思疎通が非常に難しい」は実感するが、私は同僚にではなく「顧客との意思疎通」。当然のように、意思疎通がうまくいく顧客とは良い仕事ができている。

Doug has a Ph.D. in the life sciences and works for a large corporation in its Research & Development division. Skeptical by nature, he wonders if these latest data trends are akin to snake oil. But Doug mutes his skepticism in the workplace, especially around his new director who wears a “Data is the New Bacon” t-shirt; he doesn’t want to be viewed as a data luddite. At the same time, he’s feeling left behind and decides to learn what all the fuss is about. 

Dough は生命科学で博士号を取得、大企業のR＆D部門で勤務。生まれつき疑い深い性格で、最近のデータ分析の流行は「あてにならない話」としている。職場では懐疑的な性格を抑えて、"Data is the New Bacon" とプリントされたTシャツを着た新所長の周囲では特に気を使い、a data luddite「データ反対主義」と目されたくない。同時に、取り残されたくなくて、この騒ぎが何なのか調べるつもりでいる。

この「Dough 的」な人は顧客に多い。「機械学習って信用できるのか？」と今更ながら尋ねてくる、そんな人ほど決済者の場合が多い。

Regina is a C-level executive who is well-aware of the latest trends in data science. She oversees her company’s new Data Science Division and interacts with senior data scientists on a regular basis. Regina trusts her data scientists and champions their work, but she’d like to have a deeper understanding of what they do because she’s frequently presenting and defending her team’s work to the company’s board of directors. Regina is also tasked with vetting new technology software for the company. She suspects some of the vendors’ claims about “artificial intelligence” are too good to be true and wants to arm herself with more technical knowledge to separate marketing claims from reality. 

Regina は経営幹部の一人で、データサイエンスの最近の傾向を十分承知。会社の新しい「データサイエンス部」を管理、上級データサイエンティストと定期的に交流。彼らを信頼し、仕事ぶりを讃えているが、彼らがやっていることをもっと深く理解したい。会社の取締役会へ頻繁にチームの実績を報告。また、自社向けの新技術の調査任務も担当。ベンダーが唱える「人工知能」は「夢のようなもの」と懐疑的で、事実と宣伝文句を区別できる技術知識で武装したい。

Regina みたいな経営幹部には出会ったことがないし、経営幹部から「機械学習による実績」を高く評価されても、機械学習の活用等について彼らと議論することは皆無。

Nelson manages three data scientists in his new role. A computer scientist by training, Nelson knows how to write software and work with data, but he’s new to statistics (other than one class he took in college) and machine learning. Given his somewhat related technical background, he’s willing and able to learn the details, but simply can’t find time. His management has also been pushing his team to “do more machine learning,” but at this point, it all seems like a magic black box. Nelson is searching for material to help him build credibility within his team and recognize what problems can and cannot be solved with machine learning. 

Nelson は、新しい任務として、三人のデータサイエンティストを管理。コンピュータサイエンスの教育を受けて、ソフトウェアの書き方やデータの扱いは知ってる、しかし統計学と機械学習は未経験。関連する技術経験から、それらの詳細を学ぶ意思と能力はあるが、単にやる時間がない。「もっと機械学習をやろう」とチームを鼓舞し続けてるが、現時点では得体の知れない「ブラックボックス」にしか見えない。チーム内での信頼を築き、かつ機械学習でどんな問題が解決できるか・解決できないのかを認識するために情報を収集中。

「統計学より機械学習は嫌い、ブラックボックスだから」という発言を顧客から言われる頻度は減った（行くところに行ったら言われるだろうけどね...）。「機械学習でどんな問題が解決できるか・解決できないか」を真剣に考える顧客は少ない（正確に考えられるエンジニアも多くはない）。

最後は「悪役」の George：

We also created an avatar to represent people who should read this book but probably won’t (because every story needs a villain): 

本書を読むべき人を代表する登場人物、とはいえこんな人は本書を読まないだろう（どんな物語にも悪役は必要）：

George: A mid-level manager, George reads the latest business articles about artificial intelligence and forwards his favorites up and down his management chain as evidence of his technical trendiness. But in the boardroom, he prides himself on “going with his gut.” George likes his data scientists to spoon-feed him the numbers in one or two slides, max. When the analysis agrees with what he (and his gut) decided before he commissioned the study, he moves it up the chain and boasts to his peers about enabling an “Artificial Intelligence Enterprise.” If the analysis disagrees with his gut feeling, he interrogates his data scientists with a series of nebulous questions and sends them on a wild goose chase until they find the “evidence” he needs to push his project forward. 

George は中間管理職、人工知能に関する最新のビジネス記事を読み、技術トレンドを追ってることの証拠として、気に入った記事を上司部下に転送。しかし会議室では、「直感で決める」ことを誇りとしている。部下のデータサイエンティストには「手取り足取り」教えてもらうのを好む、高々1、2ページのスライドで。彼の（直感による）決定に合意した分析の場合、上司に報告して、「人工知能帝国」の実現を同僚に自慢。分析が直感と合わない場合、データサイエンティストを曖昧な質問で尋問し、プロジェクトを進められる「証拠」を見つけるまで無駄骨を折らせる。

ここまで分かりやすい「悪役」はお目にかからないが、「近しい人」は確実におる（笑）。

本書の発売は2021年4月。日本は確かに遅れているが、世界的に「多くの機械学習プロジェクトが順調とは限らない」の証左が、本書の存在なのかもしれない。