どうも、カタミチです。
さて今日は、実際にサービスやプロダクトとしてAIシステムを世に出す局面の話ですね。見てみましょう。
本番環境での実装・運用を行う
PoCでの検証を終えて十分に価値を生み出せるという見積もりが得られたら、本番環境での実装と運用を行っていきます。本番環境で構築すべき仕組みは、推論を行う環境、データを継続的に蓄積する環境、再学習をするための環境が挙げられます。なるほどー。そういう感じの構成なんですね。
推論を行う環境は、クラウドなのかエッジなのかで変わりますね。エッジの場合は再学習はどうやるんだろう…？
成果物を知的財産として守る
収集・生成したデータや学習済みモデルは、一定の条件を満たせば、知的財産として保護されます。収集・生成したデータは、著作権法での保護は難しいですが、営業秘密や限定提供データとして保護される余地があると言われています。学習用データセットは著作権保護の対象になり得ますが、網羅的にデータを集めた場合、データ選択の「創作性」が認められる可能性が低く、対象外となりそうです。学習済みモデルは、基本的にはプログラムとパラメータで構成されていますので、プログラムの著作物として保護される余地があります。ただ、パラメータがプログラムによって自動的に規定されるのであれば、創作的とはいえず、著作権法による保護を受けるのは難しい場合もあるでしょう。
ここまで見てきたように、法制度上の知的財産権が認められないか、認められるか不明なものもあります。そこで、実務では関係者間で契約を結び、権利の帰属、利用範囲、禁止行為などを明示することで一定の解決を図ることが重要なようです。
利用者・データ保持者を保護する
既に何度も出てきましたが、個人情報を取り扱う場合には注意が必要です。利用目的をできる限り特定する必要があります。原則として事前の本人の同意が必要になります。また、個人データの漏洩防止などの安全管理措置を講じなければなりません。
ビジネスをやる上では常に意識する必要がありますが、データを取り扱うことを主目的とするAIシステムであるからこそ、各種ガイドラインや規格によって具体化されている「求められる具体的な対策例やレベル」などは、きっちりと把握しておきたいですね。
また、2018年5月にEU一般データ保護規則（GDPR）が運用開始されました。勢いの止まらない米国GAFAへの、EUにおける対抗措置とも言えるこの規則ですが、EU向けにサービスを提供する場合に注意が必要なのはもちろんのこと、今後の潮流として広がりを見せる可能性は理解しておいた方がいいでしょうね。
ということで
実装・運用までを見てきました。引き続き、「AIシステムは取り扱い注意」という論調ですね。それだけ強力な力がある…ということでしょう。次は「実装・運用・評価する」のその2ですね。
ではまた。
勉強に使ってる書籍はこちら↓
深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト 第2版
