山口行治（やまぐち・ゆきはる）
株式会社ふぇの代表取締役。独自に考案した機械学習法、フェノラーニング®のビジネス展開を模索している。元ファイザージャパン・臨床開発部門バイオメトリクス部長、Pfizer Global R&D, Clinical Technologies, Director。ダイセル化学工業株式会社、呉羽化学工業株式会社の研究開発部門で勤務。ロンドン大学St.George’s Hospital Medical SchoolでPh.D取得（薬理学）。東京大学教養学部基礎科学科卒業。中学時代から西洋哲学と現代美術にはまり、テニス部の活動を楽しんだ。冒険的なエッジを好むけれども、居心地の良いニッチの発見もそれなりに得意とする。趣味は農作業。日本科学技術ジャーナリスト会議会員。
◆制作ノート
英国の経済学者エルンスト・シューマッハー（1911～1977年）の「スモール イズ ビューティフル」における中間技術の提案を、「みんなの機械学習」として実現するため、「スモール ランダムパターンズ アー ビューティフル」という拙稿を連載している。前稿までは、「機械学習の学習」と題して、機械学習法の技術的内容について、筆者流の理解を展開した。機械学習法は、コンピューターがデータを学習する方法で、一般的に、データ解析の予測アルゴリズムを反復的に使って、データの前処理を自動化する技術として解釈できる。大ブレイクしたディープラーニングの技術内容も、同様に解釈できる。機械学習法は、データの前処理とデータ解析を一体化して、データサイエンティストによるプログラミングの負荷を大幅に削減している。しかし、個別的な大量のデータの場合は、データの発生場所に直結する特定の個人や組織が、データの意味や価値を試行錯誤しながら発見する必要があるので、みんなで探索的な機械学習することになるだろう。
近代的な、論理による論証を重視する微分的思考から、デジタル時代のデータによる積分的思考への移行について考えている。計算としては、乱数を用いる確率積分の話だ。特に、デジタル分解能で位相制御するデータの世界は、短時間で大量のデータを取得できるけれども、量子の世界のように、意味不明で、人類として未経験の領域になる。「スモール ランダムパターンズ アー ビューティフル」は途中の画像以降なので、制作ノートに相当する前半部分は、飛ばし読みしてください。
「スモール ランダムパターンズ アー ビューティフル」のゴールは、結論を論理的に構築することではなく、生活世界において、データの世界との共存・共生・共進化に希望を実感することにある。近代的なモノの価値を問う経済から、コト（サービスなど）の意味を重要視する経済への移行を時代背景として、近未来のデータサイエンス テクノロジー アンド アート（データの世界）が、人類の文明論的な変革をもたらす夢物語を、少なくともディストピアとはしない、複数の探索路を切り開こうとしている。物語のゴールにおいては、意味が認知される以前の「データ」そのものが、みんなの機械学習によって、「言語」とは別の、文明の道具になるだろう。
◆反復する最適化法
AI（人工知能）技術は、一種の最適化法であり、事前に大量のデータで膨大な反復計算を行っている。反復計算による最適化法では、局所的な最適解で計算が停止してしまい、より良い最適解を見逃すことがある。成功基準を達成できていれば、実務的には問題がないかもしれないけれども、科学技術計算としては不満が残る。データ解析における局所的な不都合の多くは、欠測値や外れ値に由来するので、データの前処理段階で、データマネジメントによって、これらの問題データに対処してから、データ解析を行う。データが大量にある場合、ランダムにサンプルデータを抽出して、多数のサンプルデータを使った解析結果を、統計解析する方法（ブートストラップ法）などが工夫されている。最近のディープラーニングでは、膨大な数のパラメーターを使用して、学習データの予測誤差による反復的な重みづけを、パラメータに分散的に記憶・調整することで、反復計算の局所最適化の問題を実務的に回避している。実務的という意味は、画像のエッジ抽出や分解能調整の機能を、学習層に適切に配置するなど、データの性質に応じた経験的な対処を行っているので、予備学習における試行錯誤が不可欠で、超高速のAIスーパーコンピュ―ターが活躍している。
フェノラーニング®は、個体差をともなうデータの機械学習法として、ディープラーニングよりも手軽な、探索目的の機械学習をめざしている。個体差の問題に、反復計算でアプローチするという発想は、まさに、微分的な発想から、積分的な発想への転換だった。ここで止まれば、フランスの哲学者ジル・ドゥルーズ（1925～1995年）の『差異と反復』（河出書房新社、1992年）のデータ論的解読となったかもしれない。データは過去の出来事だとしても、過去のデータが反復して解析可能になる。拙稿では、文学で問題となる歴史や個人史の問題ではなく、データによる未来の予測を問題としているので、「差異と反復」で、立ち止まることはできない。実際に、特定の個体の予測モデルは、局所的な最適解のようなものなのだけれども、まずは母集団モデルを作ってから、個別のモデルを作るのが、データ解析の流儀だ。個体差における場所（身体の部位）の問題では、国家レベルのマクロ経済と、個別の経済活動であるミクロ経済の関係や、全身の健康状態と、個別臓器の機能との関係など、部分と全体の難しい問題がある。フェノラーニング®では、「差異と反復」に加えて、「くりこみ」、部分と全体のスケール変換を考えている。
◆共存・共生・共進化
前稿では、コンピューター（AI）との共存・共生・共進を、表現論の枠組みで考えてみた。共存は作品相互の共存であり、AIが制作する作品も含めて、多種多様な作品が共存する状態に対応する。共生は、作家相互の共生として、AIのアルゴリズムも含めて、表現者としての生活様式の多様性に対応する。共進化は、多様で豊饒（ほうじょう）な表現の場の進化に対応する。共存・共生・共進化に共通するのは、多様性であって、動的で「ゆらぐ多様性」をどう理解するのかという宿題を残した。共存・共生・共進化は生態学からの借用だけれども、そもそも、進化の段階が異なる多様な生命が共存している状態を、生態学や進化論は明快に説明できない。土壌細菌とミミズと農作物が共生している状態は、現在の科学では説明不可能で、奇跡でしかない。心地よく「ゆらいでいる」生態系を想像することはできるけれども、数百種から数千種の多様な生態系をデータ化しようとすると、デジタル技術に頼るしかなく、意味不明なデータとの格闘になりそうだ。
生態学では、食物連鎖のピラミッドが出発点であり、ドグマ（説明不能な定説）でもある。進化の系統樹は枝分かれするのに、ピラミッドの頂点は一つしかない。ピラミッドの形になる、種間競争の、微分方程式による説明は困難、もしくは不可能だろう。筆者が勝手に理屈をつければ、食物連鎖を「くりこみ」として、生態システムが安定化する条件としての「スケール依存性」として考えることはできそうだ。フラクタル図形としては、自己相似形でスカスカの三角形、シェルピンスキーのギャスケット（https://ja.wikipedia.org/wiki/シェルピンスキーのギャスケット）を思い出す。食物連鎖のピラミッドが、シェルピンスキーのギャスケットであれば、スケール依存的な多様性とも相性がよさそうだ。イメージが膨らんできたので、生態系をフラクタルでまばらな（スパースsparse）関係ネットワークとして再考してみたい。個体差や種差が、ここちよい「ゆらぐ多様性」を示すのは、関係がまばら（スパース）であることが重要なのだろう。スパース性は、データ解析でなじみの概念であるため、共存・共生・共進化をデータで理解する入り口にたどり着いた気がする。共存・共生・共進化は、特殊な状態ではなく、生態系そのものであって、生命にとっての「場」なのだから、表現の「場」による解釈も、あながち外れていなかったかもしれない。
◆スパースな確率測度
なんとなく、第4章のテーマ「ゆらぐ多様性」の、データ論的な入り口が見えたのだから、実務的な問題に戻ればよいのに、関係がまばら（スパース）であることの、確率論的な意味が気になってしまう。筆者としては、コルモゴロフ以降の標準的な確率論（https://ja.wikipedia.org/wiki/確率の公理）に違和感がある。ランダムネスが物理的直観をともなわずに、論理的に不完全な集合論で定義できたとしても、サイコロ遊びを無限に延長しているとしか感じられない。量子は無限のサイコロ遊びを、一瞬に行い、しかも不思議な相関を示すので、標準的な確率論では記述できない。量子確率やベイズ確率なども定式化されているけれども、それぞれ、物理的であり過ぎたり、データ解析の人為的な解釈のようで、生命現象における確率論としては、納得していない。フランスの哲学者・数学者ブレーズ・パスカル（1623～1662年）のように、サイコロ遊びを素直に確率にすれば、離散的な確率分布の範囲にとどまり、正規分布のような、実用的に重要な連続的な確率分布関数を定義できない。しかし、アレクサンドル・グロタンディーク（1928～2014年）以降の現代数学では、空間概念を離散化して代数的に取り扱い、離散的な空間の極限として、連続的な空間を取り扱うようになった。上記の「くりこみ理論」においても、離散的な空間モデルから出発している。同様のアプローチが、確率論でも有意義だとすれば、関係がまばら（スパース）な確率空間が気になってしまう。
フランスの数学者アンリ・ルベーグ（1875～1941年）の測度論は、、ユークリッド空間上の長さ、面積、体積の概念を拡張したものだった。グロタンディークは、ユークリッド幾何学および測度論に「点」の定義がないことを見逃さなかった。量子論では、点電荷を定式化するために、デルタ関数が発明され、シュワルツ超函数（https://ja.wikipedia.org/wiki/超函数）として解析学的に整備された。グロタンディークは、さらに飛躍して、空間概念そのものを代数化してしまった。空間概念を離散化して、連続な空間は離散的な空間の極限として構成した。幾何学と解析学の問題を、より厳密で計算可能な代数学で取り扱えるようにしたのだから、画期的だった。専門的な数学者であれば、確率論をグロタンディークの方法で代数化することは困難ではないだろう。しかし、抽象数学といえども、何の役に立つかわからないのでは、従来の確率論で十分ともいえる。もし、スパースなデータ解析の役に立つのであれば、超多変量の遺伝子データ解析、機械学習、そして生態学データ解析にも役立つかもしれない。なによりも、「ものからことへ」という経済活動の、意味と価値の変革に、データを介して代数学的な最強力な方法が加わることで、言語からデータへという、文明論的な変革が加速すると期待している。AI技術など、技術の変革が加速されて、予測困難な大量の問題を生みだし、近代的な社会制度では対応できなくなっているので、技術の変革に先回りする文明論的な変革で、新たな社会制度を構想したい。
◆まばらでゆらぐ日常
デジタル技術の時代では、市場経済が日常生活を網羅（もうら）し、デジタル化した資本が、ミリ秒以下の時間分解能で、地球を駆け巡る。生態系のように、ミミズと人間が共存・共生する多様性は、デジタル技術の世界には期待できない。しかし、デジタル技術が最後の技術ではなく、量子技術など、未来の技術が健全に発展する社会や、シューマッハーの中間技術が普及する社会もありうるはずだ。問題は逆で、経済や技術全体を生態系（エコシステム）と考えて、生態系を破壊する経済活動や技術を規制すれば、デジタル技術やデジタル資本主義の独占的な一人勝ちにはならないだろう。規制は、国家の制度として実現されるとしても、規制を受容する社会的なコンセンサスとしては、医療データの公共性が想定できる。医療技術は医療の一部でしかなく、デジタル医療技術は医療技術の一部でしかない。医療の進歩には、人びとのデータが不可欠で、細菌やウイルスのデータや、食事や食品のデータなども含めて、医療データは生態系そのものだ。医療データの多様性を健全に運用管理するためには、医療データは公共的な社会資本でなければならないのは明らかで、医療データを独占することは不可能であるか、可能であっても自殺行為でしかない。医療データは、経済的な利益相反がある医師や医療関係者が独占するのではなく、経済や技術の独占に拮抗（きっこう）する公共財として、適切に公開されることを期待したい。医療データのゆらぐ多様性によって、社会的エコシステムの健全性が評価できるようになるだろう。
心地よくゆらぐ多様性は、おそらく、まばらな（スパースな）関係性によってもたらされる。都市文化のように稠密（ちょうみつ）な関係性は、短期目標としての社会的・技術的な効率化には寄与しても、進化論的な時間スケールでは、エコシステム全体の健全性を損ねるリスクが大きいだろう。巨大組織内のエコシステムや、大企業と中小企業のエコシステムにおいても、エコシステムとしての健全性や脆弱（ぜいじゃく）性を評価したい。公共的な経済オルタナティブデータの、まばらでゆらぐ多様性を、みんなで機械学習する近未来は、ユートピアでもディストピアでもなく、データ文明の日常となるだろう。公共的な経済データや健康データを整備する事業は、データ資本主義を、健全な成長軌道に導く社会インフラ事業となり、AI技術やAIサービスへの国家的規制と表裏一体となる。まばらでゆらぐ多様性と、公共性の関係は単純ではないかもしれないけれども、データが言語のように文明論的な役割を担う近未来への探索路としては、検討の余地がありそうだ。
梅干しの個体差 筆者撮影 2023年8月7日、しだいに梅干し色になる
『スモール ランダムパターンズ アー ビューティフル』
1 はじめに; 千個の難題と、千×千×千×千（ビリオン）個の可能性
1.1 個体差すなわち個体内変動と個体間変動が交絡した状態
1.2 組織の集合知は機械学習できるのか
1.3 私たちは機械から学習できるのか
2 データにとっての技術と自然
2.1 アートからテクノロジーヘ
2.2 テクノロジーからサイエンス アンド テクノロジーへ
2.3 データサイエンス テクノロジー アンド アート
2.4 データサイクル
2.5 データベクトル
2.6 局所かつ周辺のベクトル場としてのデータとシミュレーション
3 機械学習の学習
3.1 解析用データベース
3.2 先回りした機械学習
3.3 職業からの自由と社会
3.4 認知機能の機械学習とデジタルセラピューティクス(DTx)
3.5 学習は境界領域の積分的探索－ニッチ＆エッジの学習理論
3.6 機械学習との学習（前稿）
4 機械学習との共存・共生・共進化－まばらでゆらぐ多様性（本稿）
言葉や論理、そして科学は、どの程度信頼できるのだろうか。神話や物語が、現実感を持て伝承された時代があった。近代以降は、言葉や論理、そして科学が実在（リアリティー）そのものとして信頼されていた。例えば、数直線が実在して、実数が稠密に存在するおかげで、微積分学が論理的に無理がなく発展できた。しかし、私たちが実際に構成できる（計算可能な）実数は、ルートなどの実根としての無理数や、π、指数、対数、などの、わずかな超越数だ。関数の値域が実数であっても、そのほとんどは厳密解ではなく、有理数による近似的な値しか計算できない。実数が実在するとしても、私たちの実数に対する知識（理解）はスカスカ（まばら）でしかない。
近代以降の産業社会では、エンジンの動力と、精密な機械、そしてコンピューターによる制御技術が発展して、モノの生産性が飛躍的に高まった。需要と供給の経済原理により、ありあまるモノを大量消費する社会となり、モノからサービスへと、サービス業の需要が高まった。現在は、AI技術の発展により、サ－ビス業の技術革新が進展している。チャットGPT などのAI技術は、コールセンターや接客対応だけではなく、弁護士・弁理士や企業法務などの専門・技術サービス業、さらに医師や医療従事者も含めて、知的サービス全体に普及し始めた。クイズ番組やボードゲームなどでは、AI技術は人間の能力を超えている。しかし、現時点での、反省能力や責任能力のないAI技術サービスでは、どの程度信頼できるのか疑わしい。AI技術だけではなく、プログラムの停止問題やゲーデルの不完全性定理など、プログラムや論理的な証明の限界が明らかになり、量子力学のように、科学的で実験的に実証可能であっても、因果関係が単純には仮定できずに、専門家であっても、物理的意味が理解困難な理論など、言葉や論理、そして科学を単純には信頼できなくなっている。
一方で、近代以降の産業社会は、グローバル資本主義として、国家のスケールを超えた経済活動を行い、地球規模での環境破壊や、深刻な社会問題を山積みにしている。こういった近代社会が生み出した問題群を解決するためには、近代的な言葉や論理、そして科学とは異質な、新しい方法と、既成の利益構造には依存しない、新しい社会活動が必要だろう。そしてまた、中世以前の古い社会活動も含めて（自然信仰や宗教など）、機械学習と共存・共生・共進化するための、生態学的に健全なエコシステムを構想したい。
4.1 生活と経済の不確実性（本稿）
経済データが予測困難であることは、市場取引にとっては健全な状態を意味すると、経済学が教えている。しかし、時系列データとしての経済データは、どの程度のバラツキ（ボラティリティ）が健全なのだろうか。そもそも、ボラティリティーの変化は、自然な市場の機能というよりも、政治社会的な要因（例えば市場機能の破綻〈はたん〉や戦争など）が大きいので、経済活動は本質的に不確実な世界における活動であることは明らかだろう。トレーダーであったナシーム・ニコラス・タレブの『反脆弱性 : 不確実な世界を生き延びる唯一の考え方』（ダイヤモンド社、2017年）は、現代の社会・経済における不確実性とリスクの関係を深く考えた思想書だ。大きなリスクに備える強靭なシステムではなく、日常的な脆弱性に注目して、予測能力を鍛えるという処方箋（せん）には、生態学や機械学習の観点からも賛同できる。現代の生活は、経済の不確実性によって、不確実な日常とともにある。逆に考えて、生活データの不確実性を多少なりとも解明できれば、例えば、購買データの個体差をうまく理解できれば、経済データの不確実性にも対処できるはずだ。実際に、購買データから価格設定を最適化（企業の利益にとって）するアルゴリズムが活躍しているので、価格が市場の需要と供給で決まるという古典派経済理論以上の利益を、企業（供給者）にもたらしている。購買者（需要）はSNS（ソーシャル・ネットワーク・システム）の口コミなどによって対抗しているけれども、SNSは、購買者の利益の最適化というよりも、個人の生活データを無料で企業に提供している、負の効果のほうが大きそうだ。単純に言って、データ資本主義は独占資本主義の段階にあり、自然な市場原理など期待できない。
しかし、健康データが予測困難だからといって、現在の医学が健全な状態にあるという詭弁（きべん）には騙（だま）されない。患者の健康データが、病院や製薬企業に独占され、十分には活用されていないだけのことだ。日常生活における健康データは、体重計で一喜一憂する程度でしかない。もし、多くの人びとの健康データが、良質な経済オルタナティブデータだとしたらどうだろうか。経済データ（収入の格差など）が、良質な健康オルタナティブデータであることは確かなので（例えば、教育レベルで薬効が異なる）、その逆も「実務的」（倫理的配慮を無視した場合）にはありうる話だ。健康データの場合、個人情報の保護（保険会社や雇用者などに対して）を保証すれば、健康データそのものは公共データとして、共有され機械学習されることに違和感は少ない。経済データの場合は、税務署レベルのデータは別問題として、クレジットカードの利用履歴データが、公共データとして共有されることは、個人情報保護の問題が大きすぎる。そこで、経済データは既存の社会制度にまかせて、健康データも含めて、多種多様な経済オルタナティブデータを公共経済データとして、共有され機械学習されることを想定してみよう。
日本に限らず、多くの先進諸国では、安定して確実な年金制度は破綻している。政府は高齢者に投資を推奨するけれども、リスクは国民が負担することになる。もし、公共経済データによって、市場取引の不確実性が減少すれば、投資のリスクも減少するのだろうか。投資のリスクには、戦争や災害のリスクも含めれるので、戦争のインサイダー情報を有する独裁者や、よほどの億万長者でもない限り、リスクそのものは分散しようもない。確実に予測可能な範囲で、年金制度を再設計するほうが現実的だろう。労働人口の減少に、AI技術やロボットによって対処する場合、AI設備投資やデータ投資と、投資に伴うAI関連の新しい税金制度は話題になる。一方で、公共データを使う場合の、AI技術やロボットが「年金」に加入する話は聞いたことがない。年金は、税金とは異なって、短期的な利益には左右されないので、公共データを集積する事業との相性が良い。誤解は無いと思うけれども、筆者が想定している公共データは、デジタル時間分解能の世界におけるデータで、みんなで探索的機械学習をしても、容易には意味や価値が理解できないデータだ。もしくは、特定の個人とその近傍（きんぼう）以外には、意味や価値が伝播（でんぱ）しない「まばらな」社会を想定している。実際には、個人と国家の間に、様々なスケールの集団が経済活動を行っているので、くりこまれた結果が、国家レベルのマクロ経済になるように、「まばらな」状態を調整する必要がある。
再度考えてみよう。健康状態や経済活動が、ある程度予測可能になるとしたら、投資とリターンの関係は、予測不能な日常を生きる現在と、大きく変化するのだろうか。リターンの意味が、個人的な結果としての利益だけではなく、集団的な不利益の減少まで計算可能になるという意味では、予測可能性は集団的な意思決定に大きな影響をもたらすだろう。資本主義経済に勝る計画経済を構想しても、経済活動の結果としての予測可能性が市場経済よりも向上していないのであれば、その構想は、過去の感情を引きずったものに過ぎない（抑圧からの解放など）。現在は、データ独占資本経済が、価格設定において有利な状況にあるけれども、大量の公共データを、だれでも利用可能になれば、独占データの価値が希薄化され、経済的な優位性も限定的になるはずだ。集団的な意思決定における、予測可能性を向上させる公共データの整備を進めること、すなわち、公共データを実現するための公共投資が、民主主義的な政治の課題として、早期に意思決定されることを望みたい。
最後に、筆者が空想する経済オルタナティブデータを列記してみよう。よく引用される携帯位置情報や、クレジットカード履歴、人工衛星からのデータは成書（『入門オルタナティブデータ──経済の今を読み解く』〈日本評論社、2022年〉）などを参考にしていただきたい。以下は、意味不明なオルタナティブデータであって、経済的な価値が発見できれば、データ解析の実例は、特許の実施例になりうるだろう。
・水系・水域データ：過去の文明は、農業の発展と共にあったので、水系・水域の利権はとても重要だった。現在の都市文明は、上下水道と、多数の道路橋によって、水系・水域の経済効果が見えにくくなっている。上下水道の水温を、ミリ秒単位で正確に同期して、同時多点測定すれば、災害時はもちろん、平時においても経済活動のオルタナティブデータとなるだろう。
・風環境データ：ビル風による風害は、高層ビル近隣のモデルを作って、シミュレーションで検討されている。ビルの近隣で、風の通り道の気温を、ミリ秒単位で正確に同期して、同時多点測定すれば、シミュレーションよりも正確な、ビル風の実測が可能になる。ビル風は、特定の建物が、どの程度近隣に影響しているのかという、3次元的な都市環境の評価になる。風環境と商圏分析など、地方都市の課題解決にも役立つかもしれない。
・非可聴音域の音環境データ：ヒトの聴力には限界があり、超低音域は機械的な振動と重なり、超高音域はコウモリの声すら聞き取れない。非可聴音域をデジタル処理することで、ヒトの音声に含まれる個人情報を除外できる。地域の公道において、ミリ秒単位で正確に同期して、同時多点測定すれば、ヒトや車の交通量が、方向性のあるベクトル場として測定できる。
・ゴミ処理データ：ゴミ回収車は、回収ルートと回収量を経験によって最適化している。生活ゴミと事業所ゴミは別途回収されている。ゴミ焼却場のデータを、パブリックデータとして公開している地域はあるけれども、ゴミ回収車レベルでの詳細なデータは公開されていない。環境意識の向上と、経済オルタナティブデータの関係が興味深い。
・環境電磁波データ：生活環境における電磁波は、健康被害の話題が中心で、経済データとしては研究されていないようだ。健康被害の場合は、エネルギーが高い高周波が問題になるけれども、経済データとしては電源周波数（50Hzなど）付近のパルス状ノイズが有望だろう。同時多点測定で、ノイズの発生源が特定できる。
・公共データへのアクセスデータ：経済オルタナティブデータとして利用できる公共データが整備されると、そのアクセスログの解析が、データ経済の活性度を評価する良いデータとなるだろう。さらに、健康データを活用する経済効果は、医療・介護において膨大な効果となることが期待される。
・大気中ヴァイロームデータ：環境中のウイルスをゲノムレベルで一斉分析する技術がヴァイロームだ。通常は水環境が分析対象となる。花粉症やPM2.5などの大気サンプルでもヴァイローム分析が可能だ。分析データの時間分解能は天気予報程度であっても、ウイルスのゲノムレベルでの分子進化データから地域が特定され、遠く離れた経済環境の評価が期待できる。
◆次回以降の予定
4.2 生活と経済に関連する技術は、何を表現しているのか
4.3 スモール データ アプローチ－個体差のまばらでゆらぐ多様性
4.4 まばらでゆらぐ多様性の過去・現在・未来
4.5 生活の不確実性を予測する
4.6 弱い最適化－脆弱性/反脆弱性からのスタート
4.7 ひとつのビッグ予測、たくさんのスモール適応
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
『みんなで機械学習』は中小企業のビジネスに役立つデータ解析を、みんなと学習します。技術的な内容は、「ニュース屋台村」にはコメントしないでください。「株式会社ふぇの」で、フェノラーニング®を実装する試みを開始しました（yukiharu.yamaguchi$$$phenolearning.com）。
コメントを残す