samacoba’s diary

普段思っていることをつらつら書いていきます。 技術に有用そうなことはQittaの方に書きたいと思います。

ストレスチェックを公開して、ブラック企業を壊滅できないか

自分の会社でもストレスチェックが昨年行われて、最近結果が返ってきました。

「あなたはストレスをあまりかかえておらず、またストレスの原因となる要素もあまりないようです。」

予想通り可も不可もない結果が出てきて、まあそんなもんかなという感想でした。

 

とはいえ、

全企業でのストレスチェックの結果を公開することで、明らかなブラック企業を壊滅できないものか

と思うのです。

 

学生の頃、バイトをしていた飲食店は、社員にとってはまさにブラックでした。24時間営業だったので、月100時間の残業なんて序の口という感じでした。

会社の中で働けば、すぐわかるものですが、就職活動の時に内部の正確に知ることは難しいものです。また、一度就職してしまうと、転職にはそれなりのコストがかかりますし、ストレスを抱えながらもブラックな環境に慣れてしまうものだと思います。

なので、ブラック企業に就職して苦労している人を減らすためには、就職活動時に正確な情報を得られることが重要だと思うのです。

 

このストレスチェックで出てくるグラフなんて大部分の人にとってあまり意味はないと思いますが、企業単位で集計したものが公表されれば、この会社はあきらかにヤバイってのはわかるはずです。

 

この結果、明らかなブラック企業は淘汰されていき、普通の企業でも人材を確保するため、社員の働きやすさ高めるインセンティブがはたらくはずです。いわゆる働き方改革が情報を公開するだけで促進されると思うのです。

 

しかしながら、公表したとしても過労死がなくなるわけではないと思います。同じ部署であっても、上司との関係性によって、ストレスが非常に高くなる人と全然感じない人がいるものです。こういった場合、集計すると埋もれるので、別な方法でカバーしていく必要があると思います。

 

 

ディープラーニングと機械学習

ディープラーニングやり始めて一年ちょっとのsamacobaです。

ちまたで人工知能(=AI)がブームな中、自分もそれにのっかっていろいろ遊んでいるわけですが、機械学習ディープラーニング(=深層学習)という言葉の違いについて、最初はよくわかなかったのですが簡単にいうと以下の図な関係なようです。

 

f:id:samacoba:20161227224439p:plain

というわけで、機械学習ディープラーニングを含みます。しかしながら、いきなりディープラーニングから始めると、自分の脳内のウェイトは下のように機械学習の占める割合はほとんどありません。

f:id:samacoba:20161227224443p:plain

専門家の方と話す場合、「ディープラーニング」という言葉は使わず「機械学習」という言葉が使われることがたまにあります。これに若干の違和感を感じることがあります。カテゴリとしては間違ってないのですが、自分の脳がそうできてないのです。

また、ディープラーニングを使うのに機械学習を理解しないといけないというのにも違和感があります。pythonでプログラムを書くのに、プログラミング言語全体に関して理解している必要はあるのでしょうか。知っていたほうがスキルは上がるもしれませんが、必須ではないはずです。

 

最近話題となっているディープラーニングによる線画の自動着色ですが、非常にきれいに着色されていておもしろいです。

qiita.com

漫画やアニメで多くの時間をかけて手作業で塗っていたものが、そのうち自動で彩色できるようになると思います。当然、そういったソフトを製品として開発しようと思うとディープラーニングに関する層構造や学習方法の知識は必要になってきます。一方、従来の機械学習では必須な統計・数学的知識は必須なわけではないと思います(見た目できれいに着色されていればOKなので)

というわけで、自分の脳内ではこれからもディープラーニング機械学習は別物として扱っていくのだろうと思います。(ディープラーニング以外の機械学習手法に関しても興味はあるのですが、そこまで時間がないもので…)