あなたのアプリでの機械学習の役割を定義
機械学習システムは大きく異なり、アプリが機械学習を使用する方法も大きく異なります。あなたのアプリの設計を取り組むにつれて、その機能が以下の各領域で機械学習をどのように使用しているかを考えてください。
不可欠または補完的
機械学習が有効にする機能がなくてもアプリが機能する場合、機械学習はアプリを補完します。それ以外の場合は、不可欠な依存関係です。例えば：
一般に、アプリの機能が重要であるほど、正確で信頼できる結果が人々は必要になります。一方、補完的な機能が提供する結果が常に最高品質であるとは限らない場合、人々はより寛容になる可能性があります。
Private または public
機械学習の結果はデータに依存します。適切な設計上の決定を下すには、あなたのアプリの機能に必要なデータの種類について、できるだけ多くのことを知る必要があります。一般に、データの機密性が高いほど、不正確または信頼できない結果の影響は深刻になります。例えば：
アプリの不可欠な機能と同様に、機密データを使用する機能では、精度と信頼性を優先する必要があります。データの機密性に関係なく、すべてのアプリは常にユーザーのプライバシーを保護しなければなりません。
革新的または反応的
proactive (革新的) なアプリ機能は、人々が要求しなくても結果を提供します。革新的な機能は、予期せぬ、時には偶然の結果を提供することで、新しいタスクや操作を促すことができます。対照的に、アプリの reactive (反応的) 機能は、人々が要求したり、特定のアクションを実行したときに結果を提供します。通常、反応的機能は、人々が現在のタスクを実行する際に役立ちます。例えば：
人々は革新的な機能が提供する結果を求めないため、質の低い情報に対する許容度が低くなる可能性があります。革新的な結果が煩わしい、または無関係であると人々が考える可能性を減らすために、機能に追加のデータを使用する必要があります。
見えるか見えないか
アプリは機械学習を使用して、目に見えるかまたは見えない機能をサポートする場合があります。人々は通常、目に見えるアプリの機能を認識しています。そのような機能は、人々が表示して操作する提案や選択肢を提供する傾向があるためです。たとえば、目に見えるキーボード機能は、人々が入力している単語を推測し、最も可能性の高い単語を人々が選択するリストに提示します。
名前が示すように、目に見えない機能は、人々には明らかではない結果を提供します。たとえば、キーボードは時間の経過とともに人々の入力方法を学習するため、各キーのタップ領域を最適化し、入力ミスを減らすのに役立ちます。このアプリの機能は、人々が選択する必要がなく入力体験が向上するため、多くの人はこの機能の存在を認識していません。
結果の信頼性に対する人々の印象は、機能が目に見えるか見えないかによって異なります。目に見える機能を使用すると、人々はその結果から選択することで、その機能の信頼性について意見を形成します。目に見えない機能は、その信頼性を伝えるのが難しく、フィードバックを受け取る可能性があります。これは、人々がその機能をまったく認識していない可能性があるためです。
動的か静的か
すべての機械学習モデルは改善できますが、人々がアプリの機能を操作するときに動的に改善されるものもあれば、オフラインで改善され、アプリが更新されたときにのみ機能に影響を与えるものもあります。例えば：
アプリの更新頻度に加えて、静的または動的な改善は、ユーザー体験の他の部分にも影響を与えます。たとえば、動的機能には多くの場合、較正 とフィードバック (暗黙的 または 明示的 ) の形式が組み込まれていますが、静的機能には組み込まれていません。
リソース
開発者用文書
ML の作成 (Create ML)
