Mogicはかんがえる

少人数＋ソフトウェア＋サーバやロボットの組み合わせで
新しい時代の会社経営を進めています。
そのプロセスの一部をこのコーナーでお伝えできればと思っています｡

代表取締役　山根陽一

2023.08.07 posted by 山根陽一

スピードの時代、成熟の時代

eラーニングシステムLearnOのリブランディング・プロジェクトは、まもなく終わりを迎えます。

コロナ禍前の2020年にはじめて、かれこれ3年が経ちました。

これを長いとみるのか、短いとみるのか。

僕らとしてはちょうどいいリズムだったかなと感じています。

しっかり話し合って、きっちり作り込んで、細かなテストを重ねていく。

作業量だけみても、当たり前のようにたくさんの時間がかかります。

そして、なによりチームがもう一つ上のレベルまで熟成される時間が必要でした。

これについて機械学習絡みで適した表現を見つけたので、引用します。

ーーーーー
博士が解いた人付き合いの「トリセツ」
カミラ・パン（著）、藤崎　百合（訳）
https://bunkyosha.com/books/9784866516493

進めそうな経路は常にいくつもあるので、どれが目標まで最短経路なのかよくわからなくても仕方ない。

幸いなことに、ここでも機械学習が役に立つ。

略

この問題に答えるために機械学習では「勾配降下法」と呼ばれるアルゴリズムが用いられる。

これは、あるプロセスを最適化し、そのコスト関数（誤差）を最小化しようとする時に使用される方法だ。

略

勾配降下法は実験的に経路を見極めることを教えてくれる。

その方法は、試行錯誤すること、絶えず環境を評価し直して変化に対応すること、そして引き返すのを恐れないことだ。

そして最後の大切な教訓は、歩を進める方向ではなく、その長さに関するものだ。

これは「学習速度」と呼ばれる問題である。

最高の精度で結果を得るには、それ相応にステップを短くして、少しずつ前進し、ゆっくりと知見を積み重ねるようなアルゴリズムにする必要がある。

一方、学習速度を速くすれば、谷底まで到着するのは早いのだが、ステップの精度が粗いので最下点を単純に踏み越えてしまう可能性がある。

つまり、学習速度を微調整して最良の結果をできるだけ早く得ること、勾配降下法の最大の課題のひとつなのだ。
ーーーーー

ITサービスの黎明期、誰もがスピードを追い求めていました。

正確にいえばタイミングが良かったので、スピードを上げればクオリティはさておいても時代に間に合ったからです。

ところが今や、どこを見渡してもすっかり成熟した景色になりました。

おそらく、スピードだけではどうにもならない世界へシフトしたんだろうなと思っています。

その認識が正しいとして答えを出すのならば、僕らはひたすらチームの成熟を待つということだったのです。

【LearnO誕生からリブランディングの裏側】
https://prtimes.jp/story/detail/9B50qPSmqlb