AIの社会実装に向けて（G検定 技術分野）

この分野で扱うこと

AIを「作れる」ことと、業務で「使い続けられる」ことのあいだにある課題を扱う分野です。数式はほとんど出てこず、プロジェクトの場面ごとの判断が問われます。中項目は2つ、キーワードは23語です。

• AIプロジェクトの進め方：企画からPoC、本番運用までの流れ（CRISP-DM、MLOpsなど）、体制や社外との連携、開発の道具。
• データの収集・加工・分析・学習：オープンデータセットやコーパスの利用、アノテーション、データリーケージ。

2つの中項目のつながり

後者は、前者の流れのうち「データを集めて学習させる」部分を詳しく見たものです。CRISP-DMでいえば主にデータの理解とデータの準備にあたり、データリーケージはモデリングと評価にもかかわります。

学ぶ順番

1. CRISP-DMの6つのフェーズの順番と、評価のあとで前に戻る流れをつかみます。
2. PoCと本番運用の違い、MLOpsが必要になる理由を押さえます。
3. 2つ目の中項目で、アノテーションとデータリーケージを具体例で理解します。
4. 法律・倫理分野の「AI開発委託契約」で、PoCの契約もあわせて確認します。

つまずきやすいところ

DockerやJupyter Notebookなどの道具は、使い方までは不要で、「何のための道具か」を1文で言えれば足ります。理解に時間がかかるのはデータリーケージです。検証では高精度なのに本番で外れる場面から逆にたどると、仕組みがつかめます。