深層学習が苦手な「予測」を克服できるか？ メタ学習「ConvCNP」
医者が診断する際、一つの血液検査の数値だけでは病気の特定は難しい。だが検査項目を増やしていくことで、病気の特定はより確実性を増していく。このように、人はデータを増やすことで予測の精度を上げることができる。同様にAIの予測に不確実性を持たせ、観測点を増やすことでその不確実性を減らす最新の研究の一つを紹介しよう。 AIだって「自信がない」こともある。自分が学んでいないことについて「予測せよ」と言われたらなおさらだ。だがこの「予測の不確実性」を減らすための研究が日進月歩で進んでいる（写真はイメージ） ディープラーニングの弱点といわれているものの一つに、「データがなければ予測や変換ができない」点がある。ただ実はこれはほぼ誤解で、直接のデータを必要としない、「メタ学習」という予測モデルの研究が進んでいる（第10回「データがないのに学習可能？ 最先端AI『メタ学習』がスゴい」を参照）。 メタ学習は、一
マーケティングは“We”の視点で 「ブランドパーパス」とは
前回までで、戦略の肝である「STP（S＝セグメンテーション、T＝ターゲティング、P＝ポジショニング）」によってニーズ基準で生活者と向き合い、ユニークな価値を設定する方法を理解いただけたと思います。今回は勉強を先に進めましょう。強いブランドを構築するためのマーケティングの歴史、そしてそこで登場した「ブランドパーパス」の概念を見ていきます。 ブランドの思いやルーツを振り返り、現在の生活ニーズや社会変化を網羅的に捉えたとき、ブランドとして社会や生活にどう貢献できるのか。改めてブランドの存在意義を捉え直そうというアプローチが「ブランドパーパス」だ（画像提供／博報堂） マーケティングとは、「価値を創造し、製品やサービスが売れ続ける仕組みを作ること」です。その手法は、時代とともに進化し続けてきました。 はるか昔には、工場で生み出された製品を顧客に届け、生産コストや価格を抑えて大量に販売することがマーケ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
リクルートの校閲AIが驚異的な効果 検出率は人を超え数秒で完了
