「AutoML」の可能性と限界【後編】「AutoML」（自動機械学習）の使用に慎重になるべき用途とは？

「AutoML」（自動機械学習）をうまく活用すれば、データサイエンティストの業務負荷を軽減できる可能性がある。ただし他の技術と同様、AutoMLは万能ではない。

[Kassidy Kelley，TechTarget]

　データサイエンティストの作業の一部を自動化、または拡張するために、機械学習モデルの設計や構築を自動化する「AutoML」を使用すれば、成功するチャンスがある。データサイエンティストチームの代替を目的にしたり、一晩で結果が得られることを期待したりすると、AutoMLに失望することになるだろう。

　選択すべき手段は、企業の目的や目標、解決したいプロジェクトによって大きく異なる。AutoMLを使用して実現できるのは「手動や手書きのコードでは不可能な大規模なことを試せることだ」とテクノロジーサービス企業Clairvoyantで最高技術責任者（CTO）を務めるシェックハー・ベムリ氏は言う。

　自然言語処理を扱うPrattleでCEOを務めるエバン・シュニッドマン氏も同様に、AutoMLがデータサイエンティストを支援するツールである点を強調する。成熟したデータサイエンティストチームを抱える企業は「AutoMLの真の価値を引き出す準備が整っている」とシュニッドマン氏は指摘する。AutoMLはデータサイエンティストの能力の延長線上にあるためだ。

併せて読みたいお薦め記事

連載：機械学習を始めるなら知っておきたいアルゴリズム5選

• 機械学習の代表的アルゴリズム「線形回帰」「決定木」とは？
• 機械学習の代表的アルゴリズム「SVM」「k平均法」「アプリオリ法」とは？

「機械学習」についてもっと詳しく

• 「量子コンピュータ×機械学習」は何の役に立ち、何の役に立たないのか
• 機械学習アプリを「FaaS」で開発すべきこれだけの理由

　「これまでできる限りのことを手動でこなしてきた企業に、AutoMLはうってつけだ」と、調査会社Gartnerでデータサイエンスとビジネス分析のシニアディレクター兼アナリストを務めるカーリー・イドイン氏は話す。「AutoMLを使って先入観を取り除けば、これまで考えもしなかったことが確認できるようになる」とイドイン氏は考えている。

　企業がAutoMLをデータサイエンティストチームの代わりになると考えていたり、人工知能（AI）システム開発の唯一のポイントとしていたりする場合、AutoMLの使用によって得られるメリットは限られる。AutoMLはAI戦略の1ステップでしかない。厳しい規制を受ける企業や最近施行されたデータ保護規則の影響を受ける企業にとっては、特にそうだ。

AutoMLを慎重に適用すべき用途