およそ14年前の2009年のこと。当時、広島県で電気工事業を営んでいたながおか〔現：CIA（広島市）〕の長岡秀樹氏は、ある大手スーパーマーケットに防犯カメラを設置しないかと営業をかけていた。ところが同スーパーの担当者は、「（防犯カメラを設置したところで）万引きなんて絶対になくならないよ」と、あきれたように冷笑を浮かべた（図1）。

NECとNTTコミュニケーションズは2023年8月3日、3D（3次元）マップとカメラを搭載したスマートグラスを活用して、製造プラントにおける作業員の位置を測る実証実験を始めたと発表した。作業員に異常が発生した際に、迅速に検知・救出することを目指す。スマートグラスを装着した作業員が歩行速度などを意識して巡回したところ、歩行開始から終了まで正確な位置測位ができたという。 一般に屋外での測位にはGPSを、屋内での測位にはBLE（Bluetooth Low Energy）ビーコンの信号などを使用する。しかし製造プラントでは、広大な屋内に多くの設備や機器が設置され、金属やコンクリート壁などの障害物が多い。電波の反射や干渉によって測位の精度が低くなり、人の正確な位置測位が難しい。 そこで実証実験では、GPSやビーコンを使わない測位を目指す。事前にスマートフォンで製造プラント内を撮影し、得られた映像デー

孫社長は総会内で生成AI（人工知能）に触れ、「最近ChatGPTで特にAI革命がかなり現実的なものとして多くの人々の手に触れるものになった。自分も毎日何度もChatGPTと会話をしながらブレーンストーミングをしている」と同サービスのヘビーユーザーであると語った。また米OpenAI（オープンAI）のサム・アルトマン最高経営責任者（CEO）とも毎日のように何回もチャットや直接連絡をしていることも明かした。 続けて「残念ながら日本が世界をリードしている立場はテクノロジーの分野ではほとんどない」とした上で、AIを開発している世界中の企業における最大のパートナーになるのはソフトバンクやZホールディングスだろうと強調した。 「AI投資ではいくつもの失敗があり、思い出すと恥ずかしくなるような名前の投資もいっぱいあった」とも明かした。一方で「おびただしい失敗の中から素晴らしい芽が今いくつも実現され、もうじ

ビジネスでデータサイエンスを活用するシーンとして、過去データを使って将来を予測するタイプの問題がある。商品販売数や店舗売上高など、折れ線グラフを使って表現するようなデータ（時系列データ）に基づいた時系列分析だ。過去の販売データに基づいて翌月の発注量を決めたり、3年後など中長期の計画を策定したりするのに使う。今回は、この時系列分析に活用しやすい3つのアルゴリズムを見ていこう。 Prophet

米Google（グーグル）にとっても、社内スタートアップの育成は容易ではないようだ。同社の社内インキュベーション機関「Area 120」で2022年9月中旬、14件あった製品開発プロジェクトのうち7件をキャンセルしたとの報道があった。 Area 120におけるプロジェクトのキャンセルは、米メディアTechCrunchが2022年9月14日（米国時間）に報じた。グーグルの広報はTechCrunchに対して、Area 120における開発のフォーカスをAI（人工知能）関連に移行するためにプロジェクトを整理したと説明しており、グーグル自身もプロジェクトのキャンセルを認めた格好だ。 Area 120はグーグルの有名な「20％ルール」、従業員が勤務時間の20％を自らが決めたテーマに費やしても構わないというルールの中で生み出されたアイデアを、商用化に向けて育成（インキュベーション）するために設けた社内機

人工知能（AI）を使うには大量の学習データが必要――。そんな常識を覆そうとしているのは、安川電機の子会社であるエイアイキューブ（東京・中央）だ。同社のAIソリューション「Alliom（アリオム）」は、「学習データがなければ自ら作ってしまう」という驚くべきアプローチでAIの普及に挑んでいる。 一般に、人が何となく判断していることを人工知能（AI）で置き換えるには、人の判断結果をAIに学習させる必要がある。例えば、図1に示したポテトサラダの写真を見比べて、どちらがうまく盛り付けられているかと聞かれたら、多くの人は（a）を選ぶだろう。しかし、それを自動化しようとすると、合否の条件を明確にしなければならないので、とたんにハードルが上がる。そこで、条件を明確にしなくても自ら学ぶAIを使おうとなるのだが、そのためには学習データとなる「うまい盛り付け」や「へたな盛り付け」の画像が大量に必要になる。 とこ

ひどい手ぶれ動画やノイズまみれの写真を、AI（人工知能）がきれいに修正する。米Google（グーグル）が2022年9月8日（米国時間）、動画や写真の様々な不備を修正するAIである「MAXIM（Multi-Axis MLP for Image Processing）」のソースコードや学習済みモデルをオープンソースとして公開したと発表した。 MAXIMは動画や写真に対するノイズ除去（denoising）や手ぶれ補正（deblurring）、煙霧除去（dehazing、煙や霧の除去）、水滴除去（deraining、雨など水滴の除去）、低照度補正（low-light enhancement、暗い画像を明るく補正すること）などができるAIだ。 ノイズ除去や手ぶれ補正などができるAIは以前から存在する。ただし従来のAIがどれか1つの補正タスクに特化していたのに対して、MAXIMは1つの機械学習モデルで

日立製作所 研究開発グループ 自動運転研究部は、GPUによるCNN（Convolutional Neural Network：畳み込みニューラルネットワーク）処理において期待したような性能が出ない理由やその対処方法について、「DAシンポジウム2022 −システムとLSIの設計技術−」（情報処理学会 システムとLSIの設計技術研究会(SLDM)が2022年8月31日～9月2日に開催）で発表した。CNN処理は、ADAS（先進運転支援システム）や自動運転における画像認識でよく使われる演算である。 発表した日立の島村光太郎氏によれば、CNN処理をGPUで実行すると、その演算性能がGPUメーカー発表のピーク性能より桁違いに低い場合があるという（図1）。例えば、データセンターでの推論処理でよく使われている米NVIDIA（エヌビディア）のGPUカード「Tesla T4」の16ビット浮動小数点演算（FP1

米グーグルから、注目に値する“すごい”ロボット技術が登場した。 同社が得意とするロボット向け機械学習技術の領域での成果だが、これまで漸進的な進化が続いてきた強化学習や模倣学習といった範疇の技術ではない。それら旧来的な枠組みにとどまるものではなく、家庭やオフィスで使える汎用的なサービスロボット実現に向け、大きな前進となる技術である。細かいミクロな要素技術というよりも、こうした汎用的ロボットを実現するためのマクロなソフトウエアアーキテクチャの面で、今後の革新への萌芽となる成果を今回、出した（図1）。ロボット技術者であれば、決して無視できない成果である。 開発したのは、グーグルのロボット研究部門、および「Everyday Robots」という組織だ。Everyday Robotsは米Alphabet社（グーグルの親会社）傘下の基礎研究組織X Development社で発足したプロジェクトで、グー

NECは2022年7月6日、衛星の合成開口レーダー（SAR）によるリモートセンシングとAI（人工知能）技術を組み合わせて橋の異変を見つけ出す技術を開発したと発表した。従来では発見が困難だった「異常なたわみ」をミリ単位の精度で検出し、橋の崩落につながる重大損傷を発見する。 新技術は、衛星SARで得られた変位データと、橋の構造や気温の変化を独自のAIに学習させて橋の変位予測モデルを作成する。このモデルを用いて、点検期間に得られる変位データを分析することで、重大事故につながる可能性がある垂れ下がりなどの異常なたわみを発見できるという。 橋は構造や温度による変化を受けて変化するため、従来は異常性を見つけるためのしきい値の設定が難しかった。そこで、あらかじめ変位データをAIで解析して橋の変位予測モデルを作成することで「いつもの状態」を把握。予測から大きく外れる変位がある場合に、いつもと違う異常なたわ

マテリアルズ・インフォマティクス（MI）に取り組む日本の大手化学メーカーが、MI用の「データ・マネジメント・プラットフォーム（DMP）」の整備を急いでいる。MI用のDMPとは、社内で行った実験のデータなどを、機械学習モデルの開発に活用できる形で保存・蓄積するソフトウエアプラットフォームのことである。 人工知能（AI）を活用して材料開発の効率を高めるMIの成否は、精度の高い機械学習モデルを開発できるか否かにかかっている。そのためには教師データとして、大量の実験データが必要だ。しかし本特集の第1回で見てきたように、多くの日本メーカーはこれまで実験データをあまり蓄積してこなかった。 そこで現在、MIに取り組む日本のメーカーがDMPの整備を急いでいる。DMPを情報システム的な観点で説明すると、実験結果など数値化されたデータを蓄積するデータベース（DB）と、論文や実験ノートといった非構造化データを蓄

宣戦を布告したのは米アマゾン・ウエブ・サービス（AWS）だった。アダム・セリプスキーCEO（最高経営責任者）は2021年11月29日から米ラスベガスで開催したカンファレンス「re:Invent」の基調講演で「メインフレームは高価だ。複雑だ。COBOLのプログラミングを学ぶ人は少なくなっている。顧客の多くはできるだけ早くメインフレームから離れ、クラウドの俊敏性と弾力性を手に入れようとする」と述べ、IBM zの複雑なアプリケーションをAWSに移行するための多くの作業をリファクタリングとリプラットフォームの形で提供する「AWSメインフレーム・モダナイゼーション」を発表した。 この発言から1週間後の12月8日、米IBMはメインフレームzの顧客がオープン・ハイブリッド・アーキテクチャーのもと、アプリケーションやデータ、プロセスのモダナイゼーションを加速できるよう支援する「IBM zアンド・クラウド・

今日のサーバーの内部では、OSやアプリケーション以外にも多種多様なソフトウエアが稼働している。ドライブやインターフェースカード、センサー、ファンなどの部品に組み込まれたファームウエアだ。現在は部品やメーカー単位でファームウエアの仕様はバラバラだが、米Google（グーグル）がそれを統一しようとしている。 グーグルやFacebookの運営元である米Meta（メタ）、米Microsoft（マイクロソフト）といった「ハイパースケーラー」、つまりは超大型データセンターを運営する事業者は長年、サーバーやストレージ、ネットワーク機器などを自らの手で開発し、台湾などのODM（相手先ブランドによる設計・製造）ベンダーに製造させてきた。 それが近年、ハイパースケーラーが開発するサーバーやネットワーク機器などハードウエアの仕様（スペック）の共通化が進んでいる。その舞台はメタの主導で2011年に生まれた「Ope

いささか刺激の強い題名は日経クロステック編集部が付けてくれたものだが若手のエンジニアを批判する意図はまったくない。題名にある「若手エンジニア」はかつての私だからである。 50代に突入した現在の私は、いわゆるWeb系企業に所属し、業務システムを含むバックエンド領域の設計と開発に従事している。もともとはPCのデスクトップアプリケーションを開発するプログラマーとして仕事を始め、途中から業務システムの設計・開発に移った。そのとき若手エンジニアであった私は「業務システムになぜRDB（リレーショナルデータベース）が必要か」、よく分からなかった。 RDBを使いこなせなかったわけではない。業務システムを使う利用者から要求を聞き、画面をつくる。部署によって要求は異なるから複数の画面ができる。画面で入出力されるデータ項目を集め、正規化してRDBにまとめ上げることはやれていたし実際につくった業務システムはきちん

三井住友フィナンシャルグループ（FG）が最先端AI（人工知能）の活用にアクセルを踏む。 自然言語処理に特化したAIである「BERT」をベースにしたAIシステムをこのほど開発した。SMBC日興証券ら2社のコールセンターの照会応答支援業務を皮切りに、三井住友銀行（SMBC）をはじめとするSMBCグループ全体で活用する。同AIシステムの外販も視野に入れており、国内金融機関にBERTの導入が加速する可能性がある。 コロナ禍で重要性高まるコールセンター、総コスト2割削減へ 新たに開発したのはコールセンターの照会応答業務を支援するAIシステムだ。顧客からの電話やメールを受けたオペレーターが端末に検索用の文章を入力すると、対応する回答を掲載した社内FAQ（よくある質問と回答）のWebページやPDF文書を表示。オペレーターが顧客の問い合わせに素早く正確に答えられるようにする。 AI技術ベンチャーの米All

米Amazon Web Services（アマゾン・ウェブ・サービス、AWS）は2020年12月1日（米国時間）、製造現場や食品加工場、物流センターなどに向けた5種の機械学習サービスを発表した。同日から一部サービスの一般提供（General Availability）を始める。これまで特定業種向けのAI（人工知能）サービスを提供していたIT企業にとって強力なライバルが現れた格好だ。 AWSは近年、Amazon SageMakerなどの汎用的な機械学習サービスに加え、医療や金融など特定業界向けの機械学習サービスの開発を強化している。今回、新たに製造業を中心にラインアップを拡充した。日経クロステックの取材に応じたAWS 機械学習担当VPのSwami Sivasubramanian (スワミ・シヴァスブラマニアン)氏は、その狙いについて「我々は顧客の声に基づきサービス開発の方向性を決めている。我

韓国Samsung Electronics（サムスン電子）などが中国・華為技術（ファーウェイ）への半導体供給を停止すると報じられた。米国で2020年9月15日から施行される新たな禁輸措置に従った形だ。日本企業にとっても対岸の火事ではない。 従来の禁輸措置では、ファーウェイが独自に設計したプロセッサーやベースバンドICが主な規制対象だった。新たな禁輸措置では、米国由来のEDA（Electronic Design Automation）ツールや製造装置を利用している汎用半導体も規制対象になる。そのため、Samsung Electronicsや韓国SK hynix（SKハイニックス）はメモリー半導体などの供給を停止するという。さらに、韓国Samsung Display（サムスンディスプレー）や韓国LG Display（LGディスプレー）のスマートフォン用パネルについても、関連する半導体が規制対象

IoT向けの安価な小型コンピュータとして注目を集める「Raspberry Pi（ラズパイ）」の全シリーズに、GPUが標準搭載されていることをご存じだろうか。 元は教育用途として始まった同デバイスだが、ユーザーが3次元グラフィックスに触れられるよう、米Broadcom社製のメインチップにGPUコア「VideoCore」が搭載されているのである。 IoTやAI技術を手掛ける日本のベンチャー、Idein（イデイン）は、このラズパイ1～3のGPUをディープラーニング（深層学習）推論のアクセラレータとして使えるようにしたことで知られる1）。このラズパイのGPUは米NVIDIA社のGPGPUと異なり、グラフィックス以外の汎用演算を行うための開発環境やツールがチップ開発元から提供されている訳ではない。 本誌が2019年3月号で解説したように、Ideinは当時、公開されている命令セットアーキテクチャ（IS

ニューラルネットワークはあらかじめ設計されたネットワーク構造に従ってデータが入力から出力に向かって計算されながら伝搬していく。多くの問題では、事前知識を使って構造を設計することで性能を上げることができる。 例えば、畳み込みニューラルネットワーク（CNN）は、画像は近い位置にある情報が関係があるという事前知識を使って、近い位置にあるニューロン間のみをつなぐことでパラメータ数を減らし、特定のモデルが学習されやすいようにして汎化性能を上げている。 このような事前知識は帰納バイアスとも呼ばれ、学習が成功するかの重要な要素である。しかし、データの流れ方は学習によって決定し、データに合わせて変わることが望ましい。 自己注意（Self-Attention）機構1-2）は、データの流れ方自体を学習し決定するような方法である。もともとRNN向けに提案されたが、CNNなど他のニューラルネットワークにも利用され

「オレたち，マスゴミって呼ばれてるんだぜ，知ってた？」。向かいの席で藤堂さんが言う。もちろん知っている。小心者なので，そのことをいたく気に病んでもいる。 ゴミとか露骨に言われれば，ちょっと口を尖らせて言い訳してみたくもなる。けど，冷静に考えてみればちっとも意味があることではない。そう呼ばれるにはそれなりの理由があるわけで，弁明をしたらその「理由」がなくなるわけでもないだろうし。で，このことについて改めて考えてみることにした。 いらねーんだよ，お前ら まず，「マスゴミ」の意味である。ゴミと言うからには「不要なもの」，つまり，「偉そうにしてるけど，ちっとも役に立たないじゃないか。いらねーんだよ，お前ら」ということか。確かに年末年始のテレビ番組をつらつらと見ていて，「こりゃ，いらんと言われても仕方がないかなぁ」などと思わないでもなかった。一昔前まであったはずの，手の込んだドキュメンタリーや本格ド