大規模言語モデル（LLM）は、あらかじめ学習した内容の範囲でしか回答できない。そこで、個々の企業に特有な情報などをプロンプトに組み込んで回答の精度を上げる仕組みが「RAG（検索拡張生成）」だ。ただしRAGの導入は一筋縄ではいかない。RAGの導入時に注意すべき点を解説し、RAGの未来を展望する。 第4回 知られざるRAGの真のインパクト、ノーコードで動く「万能業務マシン」が実現 この特集ではここまでRAG（検索拡張）を導入する際に企業が陥りがちな落とし穴とそれを回避するノウハウを紹介してきた。第4回では「RAGの未来」をテーマに、技術の最新動向や今後の展望を解説する。 2024.11.06 第3回 実運用では細かい工夫が不可欠なRAG、導入後にも継続的な改良やユーザー教育 導入は簡単でも回答精度を出すことが難しい生成AI技術の「RAG」。第3回ではRAG導入後に企業が陥りがちな落とし穴である

今回は、ついに登場した米Microsoft（マイクロソフト）のOffice製品に対応するCopilotの実用度をチェックしていく。個人向けの「Copilot Pro」は月額3200円、ビジネス向けの「Microsoft Copilot for Microsoft 365」は月額3750円だ。 今回利用しているのは後者である。Officeに比べてもかなり高価といわざるを得ないだろう。僕は年間契約で4万5000円を支払ったので、その価値があるのか考えつつレビューしていきたい。 今回はWordとPowerPointの2本を紹介する。この他にもOneNoteやTeams、Outlookなどに対応しており、Excelはまだプレビュー段階の英語版なので、正式版がリリースされたらまた取り上げたいと思う。 最大の特徴はOfficeアプリに組み込まれていて、シームレスに使えることだ。アップデートを有効にする

クルマの先進運転支援システム（ADAS）/自動運転システムで、次世代の中核センサーとして期待されてきたLiDAR（レーザーレーダー）。採用に前向きな自動車メーカーもある一方で、普及への道のりは険しさを増している。高止まりする価格や自動運転市場の鈍化といった逆風に加え、ステレオカメラやレーダーといった従来の前方監視用センサーの性能向上が進み、点群データを取得できるようになってきたからだ。低コスト化が進まなければ、LiDARはこうした流れに飲み込まれる可能性もある。

プログラミング分野で、久々に大きなニュースが飛び込んできた。米GitHub（ギットハブ）が2023年11月上旬に米国で開催したイベント「GitHub Universe 2023」で発表した新サービス「Copilot Workspace」だ。同月8日（米国時間）に行われた初日の基調講演の最後で、同社のThomas Dohmke（トーマス・ドムケ）最高経営責任者（CEO）が披露した。2024年に提供を開始する予定だという。 GitHubを使ったソフトウエア開発では、解決すべき課題を「Issue（イシュー）」という形で管理する。それぞれのイシューについてソフトウエア開発者がコードに手を加え、変更したコードをリポジトリー（ソフトウエア本体のコード）に取り込んでもらうよう依頼する。この依頼を「プルリクエスト」と呼ぶ。 Copilot Workspaceは、こうした一連の作業をAI（人工知能）がすべて

「要件定義をやめないといかんね」――。ある勉強会が終盤に近づいた頃、隣席の参加者がこうつぶやいた。それを聞いた周囲の参加者がうなずいた。驚いたことに自分も「おっしゃる通り」と同意してしまった。 なぜ驚いたかというと、「要件がすべてを決める」「じっくり時間をかけるべき」と教わってきたからだ。日経コンピュータ編集部に配属された1985年以降、取材先の情報システム部長やソフトハウスの幹部を取材した際、「情報化で重要なこと」を問うと、たいていこう言われた。だから「いわゆる最上流工程が大事」という記事をたびたび書いてきた。 勉強会に登壇した講演者たちが「要件定義をやめよ」と言ったわけではない。しかし隣に座っていた参加者は、講演の趣旨を「要件定義をやめよ」という一言に集約した。同じ話を聞いてきた筆者を含めた参加者はすんなり納得したわけだ。 失敗につながる要件定義の実態 DX（デジタルトランスフォーメー

スイスの国際経営開発研究所（IMD）が2022年に発表した「世界デジタル競争力ランキング」で、日本は前年から一つ順位を下げ過去最低の29位になりました。日本はデジタル先進国とは呼べないのが現状です。 デジタル化の後れを取り返す内製化はそのための有効な手段です なぜ日本は後れをとったのでしょうか。理由の一つは、デジタル化に参画する機会や仕組みの不足によって、全国民でデジタル社会を発展させる文化が形成されていないことにあるといわれます。 日本のソフトウエア文化もデジタル化の足かせです。多くの日本企業はソフトウエア開発を外部のIT企業に任せてきました。欧米ではソフトウエア開発は内製が一般的です。 ソフトウエアの内製化を根付かせ、デジタル競争力を強化し、デジタル社会の発展を加速させる。キーワードは「ノーコード」です。 ノーコードとはプログラムを書かずにアプリケーションやWebサービスを作成したり、

シンガポールのセキュリティー企業Group-IB（グループIB）は2023年6月中旬、人気の生成AI（Artificial Intelligence）▼「ChatGPT」のアカウント（ユーザーIDやパスワード）10万件超が、ダークウェブ▼の闇市場（アンダーグラウンドマーケット）で取引されていると発表した。それだけ大量のアカウントを一体どうやって盗んだのだろうか。 またその多くは無料アカウントだと考えられる。一体、誰が何の目的で欲しがるのだろうか。 売り出しアカウントは半年で10倍 Group-IBはダークウェブの闇市場やフォーラム（掲示板）などをリアルタイムで監視している。新たなマルウエア（悪質なプログラム）や窃取された機密情報などを特定し、さらなる被害の発生を防ぐために役立てている。 同社はダークウェブの闇市場において、10万1000件を超えるChatGPTのアカウントを2023年5月ま

日本のIT業界のトップが交代した。NTTデータグループが2023年8月に発表した2023年4～6月期の連結決算（国際会計基準）は売上高が前年同期比50％増の1兆149億円と1兆円の大台を突破した。一方、長らく国内トップを維持してきた富士通の売上収益（売上高に相当）は同2％減の7996億円だった。 2024年3月期通期の見通しでもNTTデータGは富士通を上回る計画だ。NTTデータGは4兆1000億円、富士通は3兆8600億円を見込んでいる。 NEC、NTTデータG、日立製作所、富士通のIT大手4社のうち、2023年3月期の売上高でNTTデータGは既にNECを抜き2位だった。日立は売上収益で10兆円を超えるが、IT関連事業だけで見ると、もともと他の3社より規模が小さい。 NTTデータGが急拡大している理由は、NTTグループの海外事業を統括するNTT Limited（NTTリミテッド）を2022

プログラムはほぼ英語で書かれているので、英語で習っても理解できるのではないか――。こんな期待を抱いて米ニューヨーク州で初心者向けのプログラミング教室に参加した経験がある。そこで得た経験を今回の本コラムではお伝えしたい。 私は2021年夏から1年強、家族の都合で2人の子どもと共にニューヨークに住んでいた。そこで英語が全くできない子どもたちが「Google翻訳」や「DeepL」といった様々な翻訳ツールを使いこなしながら、現地の小学校の学習をこなしていく経験を以前にまとめた。 子どもたちが奮闘している間、大人の私は何をやっていたのか。ビザの都合などで働けなかったため米国滞在中は、自由な時間が日本よりも多くあり、「日本でやりたいと思っていたけど時間がなくてできなかったことをやりたい」と考えていた。 そこで見つけたのがPython入門の教室だった。仕事でプログラミングに触れたり、学生時代に入門レベル

生成AI（人工知能）の基盤となる大規模言語モデル（LLM）を日本企業が独自に開発し、ビジネスに活用する動きが広がってきた。サイバーエージェントやAIベンチャーなどが自社開発したモデルを、自社の事業やサービスで本格的に活用し始めた。 モデルの規模や学習量では、ChatGPTを提供する米OpenAI（オープンAI）など米大手ITとの隔たりは否めない。国産勢は日本語に特化する、もしくは日本語を中心に用途を絞り込んで学習データを充実させることで、まずは自社事業や企業向けソリューションに活用しやすい点を強みにしていく考えだ。 開発者らは「モデルの規模が性能を決めるとは限らない。用途に合わせて、最も適した規模と学習量を選ぶチューニング手法はこれから発展する」と、日本語に特化した独自モデルを持つ意義を強調する。国産ではNTTグループや日立製作所、富士通などもそれぞれLLMの開発計画を表明している。日本発

「日本ではDX（デジタルトランスフォーメーション）に取り組むエンタープライズからのニーズが高い。ノーコード／ローコード開発支援はGoogle Cloud（グーグル・クラウド）事業として注力する大きな領域の1つだ」。米Google（グーグル）Google CloudのAmit Zavery（アミット・ザバリー）VP/GM and Head of Platformは、ノーコード／ローコード開発ツールの立ち位置をこう語る。 DXの普及を追い風に、日本を含めてグローバルでノーコード／ローコード開発のニーズが高まっている。米ガートナーが2022年12月に発表した調査結果によると、ローコード開発ツールの2023年の世界市場は2022年に比べて19.6％拡大する見込みだという。 そんな成長市場を狙うのはGoogle Cloudだけではない。米Microsoft（マイクロソフト）や米Amazon Web

横浜市立大学データサイエンス学部卒で現在同大大学院で研究する上矢莉子さんと吉水優里子さんには、忘れがたい経験がある。大学1年も終わろうとしていた2019年春、2人はデータサイエンスのイベントに向けたコンペでチームを組み、「学生の部」で最優秀賞を受賞したのだ。 テーマは「データを活用した次世代の新しい働き方」。「37,420,000パターン ～新しい時代の働き方～」。「働くお母さん」をターゲットとして設定し、ターゲットが置かれている現状分析を踏まえた新たな働き方を提案した。それを実現するためのツールや方法を提示したことが評価された。 データサイエンスの裾野を広げる草の根活動 2人が参加したこのイベントは「Women in Data Science（WiDS）」といい、データサイエンス分野において活躍する人材を育成する世界的な活動で、米スタンフォード大学を中心として2015年に始まった。WiD

東京大学大学院の石河孝洋氏らの研究グループは、進化的アルゴリズムと第一原理電子状態計算を組み合わせた結晶構造探索手法により、らせん構造をとる直方晶タングステンを発見した。巨大スピン流が観測されている立方晶タングステンよりも大きなスピンホール効果を示す。新たな巨大スピン流発生材料の開発につながる研究成果だという。

米Google（グーグル）は2023年2月22日（米国時間）、量子ビットのエラーを訂正する「量子誤り訂正」が可能であることを実験で示したと発表した。量子誤り訂正に使用する物理量子ビットの数を17個から49個に増やしたところ、エラー率がわずかに減少した。この先、物理量子ビットの数を1000個まで増やせば、有効な演算ができる水準までエラー率を下げられる見込みだとする。 グーグルは米科学誌「Nature」に掲載した「Suppressing quantum errors by scaling a surface code logical qubit」と題する論文で実験の内容を報告した。加えて、同社の量子人工知能研究所（Quantum Artificial Intelligence lab）を率いるHartmut Neven（ハルトムト・ネーヴェン）氏と、Google Quantum AI部門のQu

米Google（グーグル）は2023年2月22日（米国時間）、量子ビットのエラーを訂正する「量子誤り訂正」の実験に成功したと発表した。「表面符号」と呼ばれるアルゴリズムを使用し、量子ゲート操作のエラー率を低減させたとする。量子誤り訂正は実用的な量子コンピューターを生み出すために不可欠な技術である。 「0」と「1」とを重ね合わせて保持できる量子ビットは、エラーが非常に発生しやすいため、複数の物理量子ビットを使うことでエラーを補完する量子誤り訂正技術が実用上は必要になる。情報が長時間にわたって消えない「論理量子ビット」を1個実現するには、物理量子ビットが1000個は必要とされている。 グーグルはこのたび、72個の物理量子ビットと、物理量子ビット間の接続を制御するチューナブルカプラーを121個搭載する「第3世代Sycamore量子プロセッサー」を使って、表面符号方式の量子誤り訂正を実行。量子ゲー

次世代Web技術「Web3」で重要な役割を果たすのが「NFT（非代替性トークン）」である。ブロックチェーンを利用してデジタルアイテムの一意性を保証するものだ。デジタルアイテムはコピーが容易なため、これまで常に海賊版の問題に悩まされてきた。NFTを利用すれば、本物とコピーを判別できるようになる。

人工知能（AI）というと機械学習や深層学習が注目されがちだが、実はそれはAIの半分にすぎない。あとの半分、いわば「アナザーAI」は企業の生産計画や物流などで重要な役割を果たす「最適化AI」だ。最適化AIを実現するための技術が、「焼きなまし法」や「ビームサーチ」などの「ヒューリスティックアルゴリズム（メタヒューリスティクス）」である。この連載では、競技プログラミングサービスを提供しているAtCoderの高橋直大社長が、アルゴリズムに対する深い知識を生かし、最適化AIを活用している企業を訪ねて取り組みを探っていく。 今回は、ディー・エヌ・エー（DeNA）からスピンオフしたAIベンチャーのALGO ARTIS（アルゴ・アーティス）を訪問した。電力、物流、製造といった重厚長大系企業のスケジューリング問題を最適化AIで解くことを得意としている。同社の取り組みを、永田健太郎社長、門脇大輔リードアルゴリ

統計数理研究所、神谷 直樹＝統計数理研究所、樋口 知之＝統計数理研究所、竹村 彰通＝東京大学、大西 立顕＝東京大学 ビッグデータ利活用の主要なボトルネックの1つが人材不足だといわれている．我が国におけるデータサイエンティストの育成を加速するため．我々は文部科学省委託事業「データサイエンティスト育成ネットワークの形成」を2013年に開始した．本稿では，この事業を推進する上で見聞きした，さまざまなデータサイエンティスト育成の取り組みと，データサイエンティストを実際に組織の中で活かしていく取り組みについて，ベスト・プラクティスとして紹介する． 1．はじめに 本データ分析を行う上で，特に我が国において最大の問題の1つとして指摘されているのが，人材の不足である．Mckinsey Global InstituteのBig Dataに関するレポート[1] によれば，“deep analytical ta

Pythonというと、日本では長らくややマイナーな存在でしたが、ここに来ていきなり、最も重要なプログラミング言語になった感があります。もし、“PRG48”というグループがあって、“プログラミング言語総選挙”をやったとしたら、人気急上昇で1位になりそうな勢い…。すみません、つまらない例えをしてしまいました。 Python人気の最大の理由は最近の人工知能ブームでしょう。「TensorFlow」や「scikit-learn」といった機械学習の有名ライブラリがPython向けに提供されているので、「人工知能や機械学習を学ぶならPython」という認識が広まっています。 書店の技術書売り場へ行くと機械学習をPythonのコードとともに解説する本が何冊も並んでいます。この出版不況のご時世に、お世辞にも簡単とは言えない機械学習の本が何冊も出ている状況は、日本のソフトウエア業界の未来は案外明るい、と思わせ

米ゼネラル・エレクトリック（GE）は産業機器向けのIoT（Internet of Things）を実現するために、プラットフォームである「Predix」を開発した。Predixは「グラフデータベース（DB）」などの最新技術を意欲的に採用する。 GEがシリコンバレーに置く「GEデジタル」でPredixの開発を指揮するハレル・コデッシュCTO（最高技術責任者）に、従来型システムとPredixとの違いや、Predixの技術的特徴などを聞いた。 Predixとはどのようなプラットフォームで、従来のシステムと比較して何が違うのでしょうか。 Predixとそのほかのシステムとの違いは、大きく四つに整理できます。 一つ目の違いは、用途です。Predixは産業用機器（設備資産）の“成果”の最大化を目的とした「System of Asset（産業用機器のシステム）」を実現するプラットフォームです。産業用機器