松本健太郎のレビュー一覧

データから真実を読み解くスキル

松本健太郎

データの読み解き方を身近なものから解説していく。
数字にすると、どうしても信じてしまいたくなるので
そこをどうやって分析していくか。地頭力が必要であると感じました。

人は悪魔に熱狂する

松本健太郎

正論だけで商品が売れるわけではないなど、人間の矛盾した部分などをズバズバと書かれていて、面白く読めます。

行動経済学を学びたいというひとだけでなく、商品のヒットの裏側などが書かれているので読み物として面白いです。　

それにタイトルがいいですね。

普段わたしが読んでいる本などには特に興味を持たない高校生の息子も気になって手に取ってしまっていました。

人は悪魔に熱狂する

松本健太郎

データを扱う上で重要なバイアスの話しが数多く登場して非常に参考になる内容だった。

データを正しく見たり正しく伝えたりする事はとても大事ですが、その裏に隠されている人間の心理やバイアスもしっかりと理解しておかないと結局人を動かす事はできないなと感じられる良い本だったと思います。

なぜ「つい買ってしまう」のか？～「人を動かす隠れた心理」の見つけ方～

松本健太郎

創作をやっているのですが、アイディアの出し方のようなものが多く書かれておりやる気が出てきました。
街ブラでアイディアを出すのはプロの技など、改めて考えるに良い例が見つかります。

グラフをつくる前に読む本［一瞬で伝わる表現はどのように生まれたのか］

松本健太郎

【MOST】
円グラフは極力使わない。代替として,積み上げ棒グラフか面グラフ
総量が違うので、円グラフ同士を比較しにくい。時系列にできない
【info】
GHQマッカーサーと吉田茂の話。食料がほしい。➔統計的にどれくらい必要か出せ。➔余ったのでマッカーサー激怒。➔吉田、統計が出来ていたら、あんな無謀な戦争はしていない。「恐らく寓話か、吉田がたくさんの食料をもらうために画策したか」
グラフは1786年スコットランド人ウィリアムプレイフェアが始祖。
若者の〇〇離れは怪しい。
円グラフの始祖はナイチンゲール。ナイチンゲールは看護師である前に統計家。
レーダーチャートは使える。

データサイエンス「超」入門 嘘をウソと見抜けなければ、データを扱うのは難しい

松本健太郎

言われてみると当たり前のことばかりなんですが、ついつい忘れてしまうんですよね。
データを見るときには、そんなに難しく考える必要はなくて、「本当かな？」とか「自分の見方でいいのかな？」といった疑問を常に持つことが大切で、そういった疑問を持つだけで、嘘の多くは見抜けると思います。

データサイエンス「超」入門 嘘をウソと見抜けなければ、データを扱うのは難しい

松本健太郎

データサイエンス=機械学習とかができる頭の良い人
というイメージでしたが、そうではないと冒頭お話があったのがとてもしっくりきました。
本の内容もデータの読み解き方という形で、単に数字だけ見るとミスリードになるので、正しく解釈する必要があるなと再認識できました。

なぜ「つい買ってしまう」のか？～「人を動かす隠れた心理」の見つけ方～

松本健太郎

インサイトの探し方を解説した一冊。著者のちょっとくだけた文体も読みやすさを演出していて内容を実践することの難しさを緩和しているかのような錯覚に陥る方もおられるかもしれませんが、自分で”技化”しようとするとそれなりの時間は必要でしょう。
とはいえ、手法が体系化されているという面ではなるほどね～、と思う部分もありますし、マーケティングの達人はこうやって日々仕事をしているのか、と気づかされる一冊であると思います。

未来IT図解 これからのデータサイエンスビジネス

松本健太郎 / マスクド・アナライズ

データサイエンスについて、概念、環境、ツール、スキルをざっくりと説明した本。
これからこのキーワードで何かを考えなきゃいけない人には、最初の一歩になりそうな内容でした。具体的な事例や技術的な話はないので･･･

誤解だらけの人工知能～ディープラーニングの限界と可能性～

田中潤 / 松本健太郎

「AI vs. 教科書が読めない子どもたち」新井紀子
「人工知能は人間を超えるか ディープラーニングの先にあるもの」松尾豊
と読んできてAI関連の3冊目。
人工知能をガチで作っている人の将来展望を知っておきたくて読んでみた。

2020年代、2030年代、2045年以降に区切っているが、2018年現在の課題解消に必要な時間が述べられている。
人工知能に置き換わっていく仕事と、人間でなければできないことの判断基準のヒントが得られる。

頭の片隅に留めておこうと思ったことを以下に少しだけ。

・ブロックチェーンが人工知能のデータベースになる。（??コストが高すぎるのでは??）
・仕事は人工知能がやってくれるのだから、労働時間が減少しベーシックインカムが必須となる。(現状では絵に描いた餅)
・人工知能に置き換わっていく仕事は地方にも波及するか疑問、情報格差が生じる。
・現状の社会や組織を人工知能に置き換えるという発想「現在の延長線」はダメ。人工知能の進化に組織や社会を合わせるべき。
・インターネット上を「匿名でなく」実名で生きられる人が人工知能時代を満喫できる。

誤解だらけの人工知能～ディープラーニングの限界と可能性～

田中潤 / 松本健太郎

研究者として人工知能研究を行う田中潤氏と統計や分析に精通する松本健太郎氏が話題の人工知能について初心者でも分かりやすく理解できるように解説した一冊。

本書を読んで人工知能にまつわる誤解が解けるとともに様々なことを知ることができました。
そして、人工知能の現在までの発展の過程や人間の脳と人工知能の違いやシンギュラリティの真実を学べました。
データを取得することがこれからのAIの発展において大切であり、
また、2018年から2045年までの人工知能の可能性やそれに基づいての地方創生や働き方改革にも言及されていて、研究や開発が他国より立ち遅れている日本の今後について書かれているところは刺激的で勉強になりました。

そんな本書の中でも意味や概念を理解させるために今後ディダクションという理由付けを行っていくことが大事だということは印象に残りました。
また、本書に書かれているGoogleやAppleが参入しているスマートスピーカーの真の狙いには驚きました。

ただ、フォントのみで区別されていて時折どちらの発言かがわからない部分は内容が素晴らしいだけに非常に残念でした。

本書を読んで人工知能の可能性を知るとともにこれから生きていく上で人工知能とどのように上手く付き合っていけばいいかというヒントを得ることが出来ました。
人工知能の発展とともにこれから起こるであろうパラダイムシフトのなかで本書で学んだ知識をしっかりと活かしていきたいと感じた一冊でした。

データサイエンス「超」入門 嘘をウソと見抜けなければ、データを扱うのは難しい

松本健太郎

データを正しく理解すること。データは万能ではないけど、そこから読むことができることもあるということがわかった気がする。とはいえ、結構難しいというか、基礎として必要な知識も必要なのでなかなか大変。

データサイエンス「超」入門 嘘をウソと見抜けなければ、データを扱うのは難しい

松本健太郎

タイトル通り「超」入門な内容だった。実際に取り組む前に概要をなぞりたいという人にはオススメ。庶民的で弱者に寄り添う文体がポップで面白いのでそれもあってかスラスラ内容が入ってきた。
数字に踊らされないためには複合要因を読み解く必要がある。

誤解だらけの人工知能～ディープラーニングの限界と可能性～

田中潤 / 松本健太郎

2018年時点の人工知能は、従来からの人工知能との組み合わせを含むディープラーニングだとして、とても分りやすくその機能を説明する。
人工知能の未来に向けて展望は、何ができるようになうか、そして何ができないのかを端的に解説する。
終章では、人工知能によって起る変化を組織から個人への回帰として、個人の価値の重要性を説き、自己表現や信用、共感そして数学が大きな課題になるであろうと示唆する。
夢物語や脅迫も無い手堅くかつ分りやすくとても良い入門書で好感が持てました。

誤解だらけの人工知能～ディープラーニングの限界と可能性～

田中潤 / 松本健太郎

難しいテーマのAIや機械学習について、非常にわかりやすく書けていると思います。

対談形式で書かれており、たまに口が悪いなと思う部分もありますが、かえって伝わりやすくなっている印象です。

AIに仕事を奪われてしまうなどと言われるが、一体どういうことなのか、本当にそうなるのかと思っている方によいのではないでしょうか。

IT業界で働いている関係上、もう少し技術的な話題も期待したのですが、そういった部分は殆どありませんでした。
技術書ではないですしね。

巷には、AIについて実際には良くわかっていないがSFチックに語っている本もあるようですが、それに比べ非常に良心的な本だと思います。内容についても、同意できる部分が多かったです。

AIは人間の仕事を奪うのか?～人工知能を理解する7つの問題

松本健太郎 / 池田憲弘

知能；既に決まった正解を探す能力
知性；まだ正解らしい正解が決まっていなくて、実際に行動を起こさないと
　　　分からない案を考える能力

STEM；Science、Technology、Engineering、Mathmatics

リベラルアーツ；７つの科目；artes liberaies←→artes mechanicae
　言語；文法、修辞学（弁論術）、論理学（弁証法）
　数学；算術、幾何、天文、音楽
　哲学はリベラルアーツ７科の上位に位置付けられている

AIは人間の仕事を奪うのか?～人工知能を理解する7つの問題

松本健太郎 / 池田憲弘

昨年(2017)後半辺りから興味を持っているテーマの一つに、AI(人工知能）があります。以前は、AIと言えば単なる技術のように思っていたのですが、AIは産業革命が人間の生き方を大きく変えましたが、それに匹敵する可能性があると思うようになりました。

この本は、人工知能が影響を及ぼすであろう７つの方面（働き方、ビジネス、政府、法律、倫理、教育、社会）について解説がなされています。光ファイバーが一気に普及したように、スマホがそれまでの特化したガラケーに取って代わったように、ノートパソコンがいつの間に誰でも持つようになったように、AIも皆が普通に使うようになるかもしれませんね。

それがいつ急に普及するか私はわかりませんが、仕事をしている間に来ることが十分に予想されます。その時に備えて、AIを怖がる、排除する、無視する方向ではなく、AIを上手に使って共存する道を探っておきたいものです。

以下は気になったポイントです。


・すでに決まった正解を探す能力が「知能」、一方まだ正解らしい正解が決まっていなくて、実際に行動を起こさないとわからない案を考える能力が「知性」である、知性には、「こんなものか」と考えを止めずに、途切れず考え続けられるか、共通点を発見して関連付ける汎用的思考と教養が問われる（ｐ２９）

・人工知能の定義を、答えのある問いに対して、答えを見出すことを目的に、人が作り出したシステム、とする（ｐ３０）

・仕事を奪われたくないから人工知能には反対だ、と考えるよりも、人工知能という武器を身に付けて仕事に就く、と考える方が自然な流れである（ｐ４２）

・オズボーン博士の論文から３年後、欧州経済研究センターのアルツ氏は、統計手法を見直した結果、自動化される可能性が高い仕事はOECD諸国全体で９％程度だと発表した、それでも過大評価していると論文は主張している、論文の中では教育水準や所得水準が低い労働者の仕事は自動化リスクが高く、技術革新による失業よりも、潜在的な格差拡大や職業訓練に注意を向ける必要があると指摘している（ｐ４５）

・自動化は後世にスキルが継承されないので、一度やってしまうと後戻りできない（ｐ４７）

・働き方改革、の一環として、リカレント教育が必要となる、新しい知識を取り入れて自分自身をアップデートさせる「学び直し」が必要、それが嫌な人はビジネスの現場には居づらくなる（ｐ６７）

・2016年度国民生活基礎調査によると、等価可処分所得の中央値の２倍である、520万円以上は全体の１２－１３％（ｐ９８）

・ビックデータはデータ活用においては、１）量（Volume）、２）頻度（Velocity）、３）種類（Variety）のバランスが必要（ｐ１３３）

・リベラルアーツとは、言語に関する「文法」「修辞学（弁論）」「論理学（弁証法）」の三学と、数学に関する「算術」「幾何」「天文」「音楽」の四科、合わせて７つの科目で構成されている。古代ローマでは、技術は奴隷人が身に付けるべき、機械的技術と、自由人が身に付けるべき、自由諸技術、に区分されている。後者がリベラルアーツの大本になっている（ｐ１６５）

・奴隷人は生きるために仕事をしているので、機械的技術が必要であった、自由人は生きるために生きていたので、「僕らはなぜ生きるのか」という哲学が流行した。そのための基礎知識として、自由諸技術を必要としてた、哲学はリベラルアーツ７科の上位に位置付けられていた、やがてリベラルアーツは、欧州の大学制度において、人間が身に付けるべき最初の芸術と見なされるようになり、今日では「学士過程における基礎分野を横断的に教育する科目＝一般教養」となった（ｐ１６６）

・欧州では、人の手によって作られたもの全般を、芸術(art)、神の手によって作られたもの全般を、自然(nature)と分類する（ｐ１６６）

・変わりゆく機械的技術は、陳腐化してしまえば価値が下がるが、リベラルアーツは、不変の本質なので一生使い続ける技術ともいえる、人工知能を始めとするITが発展すれば、専門知識が陳腐化し、不要になるかもしれない（ｐ１６８）

・本当に大事なことは、コードを書けることではなく、自分以外の第三者でも理解できるコードを書ける論理力を養えるかである（ｐ１７６）

・人間の心を問うような、明確な答えがない、判断を下すのが難しい倫理的な問題においては、人工知能の判断に頼るのは難しいだろう（ｐ１９０）

2018年5月27日作成

誤解だらけの人工知能～ディープラーニングの限界と可能性～

田中潤 / 松本健太郎

本書は、人工知能の開発に携わる一人の著者に対して、データサイエンティストとしてデータ分析などをTVや雑誌で解説しているもう一人の著者が、現状の人工知能ブームの実態に対して、対話する形で進められる一冊。

人工知能が何でも人間のやることを代替えできる万能の技術のような論調が多い中、人工知能の可能性と限界について開発者の立場からその実態を冷静に論じている。

結局、人工知能（ディープラーニング）も従来の統計学手法の延長線上にある技術で、やっていることは物事を「分類」すること。

現在のディープラーニングは、分類するための特徴量を人間が指定する必要が無いことと、特徴量が高次元の場合にも対応できるようになったことが従来の技術と一線を画するようになったところ。

ただし、人工知能は「意味」を理解することはできない。この「意味付け・理由付け」をする技術が次のブレイクスルーを生む、と本書では言っているけれど、それは後30〜40年先ではとのこと。

また、人工知能に仕事を奪われるのではなく、仕事をする必要がなくなる、という観点も合点がいった。
仕事を人工知能がやってくれるようになっても、経済を回すためにはお金が消費する必要があるので、お金を使ってもらう存在が必要。いろいろ課題はあると思うが、将来的には労働時間は劇的に短くなる方向だと感じる。

技術的な解説はほとんどないが、人工知能の現状と今後の可能性を把握する上では、類書と比較して実態に即した内容となっている。

誤解だらけの人工知能～ディープラーニングの限界と可能性～

田中潤 / 松本健太郎

確かに人工知能を「誤解」してたかも。
あの犬っぽく見える板を、ちゃんと人工知能も「犬」だと錯覚していて、まぁそうだよね～となった。

グラフをつくる前に読む本［一瞬で伝わる表現はどのように生まれたのか］

松本健太郎

グラフの得意な表現方法をさらさらと読める程度のレベルでまとめてある。
データジャーナリズムの章は面白い内容だった。