AIのお話から麻雀上達の為の注意事項をちょっとだけ書いてみた記事}

近年IT業界で、
いや世間で話題になっている物の一つに「AI技術」がある。

このワードで多くの人が連想すると思われるのはやはりGoogle社の「AlphaGo」、
将棋よりも選択の範囲が多い囲碁というゲーム、
数年前まで機械が人間に勝てるのはまだまだ先と思われていたこの世界において、
2015年に欧州王者の棋士相手に勝利をおさめ、
さらにその2年後には世界レート1位の「柯潔」を相手に勝利し世界に衝撃を与えた。

また、我々の生活に近い物だと「Google翻訳」、
2016年にAlphaGoとおなじロジックを用いて内部刷新をした結果、大きな精度向上を実現している。
僕も仕事でちょくちょく使ってるがここ数年の翻訳精度の高さはマジでビビる。
 


さてそんなAIだが、
実は根幹部分は人間に近いシンプルな部分があったりする。

AIの利用方法として注目されている例の一つが、
製品等の画像データを元に故障検知をAIが行う「画像解析」、
以下の例は送電線に異常がないかを確認しているサンプルである。

そしてこれを実現するためにAIに対して施すべき作業、これが実はシンプル、
「大量の正常画像データと異常画像データをシステムに投入して学習させる」
これだけである。

まあつまり人間でいうところの「経験」を大量に投入するわけだが、
ここで重要なのは「正常」「異常」の両方が必要な点
「正常」だけでも、「異常」だけでも機械は正しいロジックを導き出せない。

こんなことは当たり前のような話なのだが、
人間はこの本質を忘れがちで、
どうも正常データだけを集めたがる習性があり、たかが麻雀でもそれは当てはまる。
このブログで麻雀を強くなる考え方の基本について私見を色々書いて、
その中の大体で「とにかく楽しんで経験を積むべき」って書いたきた。
http://susumutakenaka.blogspot.com/p/blog-page_78.html
 


が、「知りたいのはもっと簡単に上達できるコツだ」ってご意見はやっぱその度あるわけで。

まあ「多少なりともの便利なシステム化されたやり方」ってのは世の中にも麻雀にもあるけど、
僕自身はあまりそういう物を他人に教える気はない。
結局正確な判断を下すのに必要なのは清濁織り交ぜた経験、
それをベースにしたDeepLearningのような反復学習によって得る「ロジック」なわけで。

そして例えば、
有名プロを師匠に持つ、
有名プロの勉強会に行く、
正常データを集めるには手っ取り早いかもしれないけど、
それだけで上達できると思うのはちょっと考え違いなんですよ。僕の中では。

自分の中にある情報の再精査も必要。
自分の中に多くの経験(データ)があるのに、「それが正常か異常かを精査してない
=無駄な経験になってる」って人も多い。
勉強会とかで「ただひたすら黙って話聞いてる人は上達しない」って言われる理由はここなのです。(これについは別記事書くかな)
「有名な人に教わってる=上達してる」と根拠なく妄信するのも危険なのです。
 


ただ近年結構話題になってるのが、
「少量の正常データだけで判断が出来るようになる最先端AI」
なんでも正常データだけを見て、波形分析をして、異常データはほとんどいらずに故障を認知してしまうらしい。

「ホントか?」と思う反面、
そういう人達、
ほんのわずかな経験で、
正常データだけで、
麻雀のロジックを把握してしまうような人、
まあ俗に言う「天才」って奴を何人か見てきただけに、
「あるのかもなあ」とか思うわけです。

ただ天才以外の人達は、
「良質な情報だけ集めて上達した気分になってないか?」
って常に自分を疑いましょう。
そして上達したけりゃ自分の意見を出すのを僕は勧める。
恥はかき捨て。

そんなお話でした。

こちらの記事はhttp://susumutakenaka.blogspot.com/2019/05/ai.htmlより引用させて頂いております。情報の真偽につきましてはリンク先よりご確認ください。