社会福祉 × キャリアデザイン (CD) × ICT (情報通信技術)スキルの強みを、社会資源化していくオッサンの blog

[受講] Google Developers ML Summit Tokyo : Human-Centered Machine Learning 2019/09/18

[受講] Google Developers ML Summit Tokyo : Human-Centered Machine Learning 2019/09/18

予定休(有給休暇)を取得しGoogleML Summit へ。
一般企業でちょっと英語が使える程度のイケテナイ英語力ながら、会場では同時通訳レシーバを使用せずに聴講したので、ヌケモレが大いにあると思います。気になる方は全スルーでどうぞ。日本語は多分大丈夫。

本イベントでは、Google I/O 2019 で公開した、People+AI Guidebook (有志の方が翻訳してくれた日本語ドキュメントはこちら) の内容を中心に、”Human-Centered AI Products” をキーワードに機械学習を活用したプロダクトを設計するうえでいかに人間中心設計を考慮するかについて」がメインテーマです。
ref. https://developers-jp.googleblog.com/2019/09/google-developers-ml-summit-9-17-18.html

===

◼️10:10 AM – 11:00 AM Socially Responsible AI : Practical Challenges and Lessons Learned (社会的責任とAI : 実践する上での課題と学び)

受講メモ

  • データ入力数と出力数がアンマッチによるUnIntension (意図しない)悪影響が発生すること。
  • メンタルモデル(思い込み)が結果に悪影響をもたらす。
  • 取り組んでいるモデル(データセットを使うモデル全体)は社会で説明し得るものなのか。メンタルモデルによって、差別助長をしていないか。
  • 顔認識だけで犯罪リスクを計算する場合は有色人種で区別する人間の評価バイアスを与えていないか。
  • データ収集を全世界で平等に行なっているか、いないか。データセットは何処でどう作成されたのなのか。

===

◼️11:00 AM – 12:00 PM Fairness and Explainability in ML (機械学習における公平性と説明可能性)

受講メモ

  • Google Cloud デベロッパーアドボケイト佐藤さん https://twitter.com/kazunori_279 の講演
  • 演繹的ではなく帰納的に動作するシステムが機械学習。
  • 例として摂氏と華氏の変換は公式を投入するのではなく、入力と結果を与えることで計算式を見出す。
  • Fairness 公正性を保つのは、データが同じであれば結果が同じとなるもの。しかし医療情報(画像診断)では同じデータであっても読み手の能力に依存した結果を得る。(臨床検査)機器によってはキャリブレーションチューニングが必要だが、適切な運用になっていないこともある。
  • 「にゃんこ」、「わんこ」の識別でお馴染みのラベリングはラベラーのバイアスが含まれている。人間が介在するものはバイアスがあり、どう公正性を保つのか。
  • Explainability 説明可能性は、同じシステムを使えば誰もが同じ説明できて当然のはずだが、医療画像診断では謝診が少なくない。特徴量設計が検査時に盛り込まれていない。(設計および評価時の Explainability がない)
  • WIT What-It-Tool の紹介
    ML ではお馴染みなので、ここでは割愛。場内写真で済ませるw 

◼️12:00 PM – 1:00 PM Designing Human-Centered AI Products (人間中心設計な機械学習プロダクトの作り方)

People + AI Research (PAIR)

https://ai.google/research/teams/brain/pair

今日一番受講したいテーマへ。

私はユーザごとに最適な UI / UX を提供するために ML を使いたいと思っている。通信事業者に向かないと思われがちだが、5G では広帯域且つ低レイテンシ環境 (3GPP 規定)ゆえに実現できると信じている。仕事で IoT を楽しんでいるのは、BD / ML / AI のキーテクノロジにより人々が中心で Happy になれると考える。

「人にうれしいAIのためのUXデザインガイド

人間中心のAIプロダクトをつくるために」を併読しながらの受講となった。

http://storywriter.jp/pair/ (有志による和訳コンテンツ)

  • ユーザーニーズ+成功の定義
  • データ収集+評価
  • メンタルモデル
  • 説明+信頼感
  • フィードバック+コントロール
  • エラー+上手な失敗

私はこれまでにも人間中心設計について AIIT (産業技術大学院大学)でも履修し、またエスノグラフィーについて PARC におられた佐々さんのミニセッションも AIIT enPiT を通じて学び、実務や福祉機器の取り扱いなどでも役立ててきたが最近考えるのは「HCD 専門家を目指すのではなく、本当に Happy な設計(デザイン)とは、全世界の誰もにとって受け入れられるプロダクトで、それをどう実現していくのか」と。今回はとても良い学び機会となった。

===

◼️ランチタイム

セッション中の sli.do (スライド)による質問も少なく、少々早くお昼時間を迎えました。

お弁当はとても美味しゅうございました。中には余っているからと2個お召し上がりになられた方も。(私は痩身活動をしているので・・・)

◼️ちょっとお昼休憩

外の景色を。雨ですな。

午後のセッション受講メモは、一部ミミズの文字(基本的に手書き受講)が入り乱れているので解読しつつ・・・。そのうち公開します。

ご覧いただき有難うございました。

以上

      

機械学習カテゴリの最新記事