探索的段階型

- 予測と異なるAI開発人工知能（AI）の開発は、従来のソフトウェア開発とは異なる側面があり、注意が必要です。従来のソフトウェア開発では、契約時に明確な仕様を定義し、その通りに開発を進めれば、予測可能な結果を得ることができました。例えば、会計ソフトであれば、入力された数値に基づいて、あらかじめ決められた計算式に従って正確な計算結果を出力します。これは、開発の初期段階で、どのような入力に対してどのような結果を出力する必要があるかが明確に定義されているためです。しかし、AI開発においては、開発の開始時点で最終的な成果や精度を完全に予測することは困難です。これは、AIの性能が学習データの質と量に大きく依存するためです。例えば、画像認識AIを開発する場合、大量の画像データとその画像に写っているものが何であるかというラベル情報をAIに学習させる必要があります。しかし、学習データに偏りがあったり、十分な量がなかったりすると、AIは期待通りの性能を発揮できない可能性があります。つまり、AI開発は、従来のソフトウェア開発のように、あらかじめ全てを決定づけて進めることが難しいのです。開発を進めながら、学習データの質や量を調整したり、AIのアルゴリズムを改善したりする必要があり、柔軟な対応が求められます。

- 人工知能開発の独自性人工知能（AI）の開発には、従来のソフトウェア開発とは異なる特有の難しさがあります。従来のソフトウェア開発では、契約時に顧客が求める機能や性能が明確になっている場合がほとんどです。開発者はその要求に基づき、明確な計画を立てて開発を進めることができます。しかし、AI開発の場合、開発の初期段階では最終的にどのような成果物が完成し、どの程度の精度を実現できるのかを明確に示すことが難しいという側面があります。これは、AIの性能が学習に用いるデータに大きく依存するためです。 例えば、画像認識AIを開発する場合を考えてみましょう。AIの認識精度は、学習に使用する画像データの質と量に大きく左右されます。鮮明で多様な画像を大量に学習させることで、AIはより正確に画像を認識できるようになります。逆に、学習データの質や量が不足していると、AIは期待通りの性能を発揮できません。つまり、開発の初期段階で十分な質と量のデータが揃っていない場合、最終的にAIがどの程度の性能を発揮できるのかを予測することは非常に困難になります。これは、AI開発が従来のソフトウェア開発とは異なる不確実性を抱えていることを示しています。