完成版を学習させても精度は上がらない — 暗黙知は「作り方」で渡す
非エンジニアの定型業務をAIに移そうとするとき、まず試されるのは「過去の完成物を見せて、同じように作らせる」だと思います。 これは、かなりの確率でうまくいきません。出力は形式こそ揃うのに、毎回同じような手直しが発生する。 理由は単純で、完成物にはそこに至るまでの判断が残っていないからです。 何が起きていたか ある部門で、定型的な文書作成をAIに任せる試みを見ていました。過去の完成版を渡して、同じ形式で作らせる。形式は揃います。ただ、出てきたものに毎回同じ種類の直しが入る。 担当者に「どこを直しているんですか」と聞いたら、直している内容自体は言語化できました。「この観点が抜けている」「...
出典: Zenn AI（配信元の紹介文より引用）
このニュースの全文は、配信元でお読みいただけます。 Zenn AIで元記事を読む →
編集部の実践記録から
本物の顔写真を使わずに、顔認証システムの優劣は比較できるのか（合成データ12件×モデル24本の検証）
ルクセンブルク大学らの研究が、AI生成の合成顔データセット12件と実データのベンチマーク7件を、学習済みモデル24本で突き合わせた。上位の合成データは実データとの相関が平均0.90に達する一方、最下位は-0.52まで落ちる。顔写真を集めずにベンダー比較ができる条件と、鵜呑みにしてはいけない境界を整理する。
続きを読む →
推薦モデルは再学習なしで更新できるか？ データ1.8%でRMSE0.810という実測
推薦システムを再学習せずに新しい行動データだけで更新する手法を公開した。データの1.8%しか読まずにRMSE0.810、更新は1バッチ90ms、CPU単体で動く。一方で大規模カタログではアイテムカバレッジ1%未満まで落ちる限界も報告されている。中小ECにとって何を意味するかを整理する。
続きを読む →
環境が変わるとAIの精度は33.26%まで落ちるのか — 医療画像研究が示す「持ち込んだ途端に壊れる」現象
学習した環境と違う条件にAIを持ち込むと精度は崩れます。2026年7月公開の医療画像研究では、造影CTで学習した手法を非造影CTに当てただけで精度が33.26%まで低下しました。デモでは高精度だったAIが自社では動かない、という現象の正体と、稟議での評価のさせ方を整理します。
続きを読む →