Miguelさんは毎日、AIによってモバイルネットワークを最適化する方法を研究しておられますね。AIによる方法がローデ・シュワルツに特に適している理由は何でしょうか。
私たちが機械学習によって目指しているのは、モバイルネットワークの「ガイド付き最適化」と呼ばれるものです。この方法では、テストデータの時間的次元を考慮することで、ネットワーク内の異常な動作を検出します。例えば、KPIの突然の低下や、ネットワーク性能に影響するグリッチなどです。このような現象は、他の標準的な統計的手法では検出が困難です。さらに、この方法は、異なるプロバイダーの間のベンチマーク比較にも役立ちます。複数のネットワーク条件で実行された何十万件もの他のテストを調査する学習プロセスに基づいて、それぞれのプロバイダーのテストにスコアを付けることができるからです。機械学習から得られたこのようなスコアは、既存のネットワーク条件の下でのテスト性能を測定するものであり、テスト結果の比較のための新しい方法を提供するユニークなものです。
人間のアナリストに比べてAIが優れている点は何ですか。
主にコストの節約です。人間のアナリストが何千時間分ものモバイル・テスト・データを調べて、テストのスコア付けや異常なネットワーク条件の検出のためのルールを抽出するには、非常に時間がかかります。機械学習なら、このようなルールはデータから自動的に学習されます。これにより、人間のアナリストは、発見されたテストのみに集中してさらに詳しい解析を行うことで、優れたソリューションを見つけることができます。
Miguelさんの職歴について伺いたいと思います。AIとの初めての出会いはどのようなきっかけでしたか。
何年か前に、AIベースのアプリケーションを使えば、従来のソフトウェアでは実現の手がかりすらつかめなかったことが可能になると気づきました。すぐに、AIについて学ばないとソフトウェアエンジニアとしては時代遅れになると気づいたのです。そこで、Udacityのナノディグリーに登録し、ディープラーニングに関するサマースクールに出席し、音楽へのAIの応用に関してPh.D.のコースを始めました。
AIのどのような面に最も関心がありますか。
AIの中でも、ディープラーニングという分野に特に関心があります。これを使えば、これまで考えられなかったようなソフトウェアアプリケーションを作り出せるからです。ディープラーニングは、ソフトウェアで達成できる自動化のレベルを飛躍的に高める効果があります。ソフトウェアとデータはどこにでもあるので、ディープラーニングは経済のあらゆる分野を変える可能性を持っています。
当社の理念は、従業員がアイデアを現実化できるように、その自由をできる限り尊重するというものです。個人的にローデ・シュワルツのどのような点が最も気に入っていますか。
私は、従業員を信頼し、その見返りに健全な作業環境を実現するという当社の文化を全面的に支持しています。特にありがたいと思うのは、自宅で仕事ができることです。仕事に集中できるし、最新のテクノロジーについて学ぶこともできます。
では最後に、自分でAIによる方法を開発しようと考えているすべての人たちにアドバイスをお願いします。絶対に必要なスキルは何でしょうか。
堅牢で有用なAIアプリケーションを実現するには、ディープラーニングで何ができて、何ができないのかを理解することが不可欠です。
貴重なお話をありがとうございました。
