実は無関係じゃない、AI開発者も知っておきたい欧米のAI法規制・倫理と日本の現況
AI（人工知能）の活用が急速に広まる一方、AIの開発やAIを活用したサービスの運用について倫理や法律の観点から問題提起されるケースが時として見受けられるようになった。Amazon.comが求職者の履歴書をスコアリングするAIを開発したところ、女性の求職者に対して不利な評価を判定してしまうことが判明し非難を呼んだことは記憶に新しい。 「AIは現在の日本の法律と相いれない部分が非常に多い。AIで何か新しい事業を始めようとすると既存の法律によって、これまでのビジネスでは生じたことのない法的障壁が出てきてしまう」 そう語るのは、欧米と日本のAI政策に詳しい渥美坂井法律事務所・外国法共同事業のパートナー弁護士である三部裕幸氏だ。三部氏は中央大学AI・データサイエンスセンターが主催した講演「文理融合の先端：AI技術と社会制度の関係」に登壇。欧米の法律、AI倫理の動向と日本の現況をテーマに語った。 三部
「Kubernetes Native」なCI/CDとは何か――クラウドネイティブ時代に至る歴史、主要ツール、パイプラインとフローの在り方
「Kubernetes Native」なCI/CDとは何か――クラウドネイティブ時代に至る歴史、主要ツール、パイプラインとフローの在り方：Cloud Nativeチートシート（5） Kubernetesやクラウドネイティブをより便利に利用する技術やツールの概要、使い方を凝縮して紹介する連載。今回は、Kubernetesの利用を前提とした「Kubernetes Native」なCI/CDについて踏み込んで説明します。
個人情報の処理に向く「Amazon EC2」の新機能「AWS Nitro Enclaves」、一般提供開始
Amazon Web Services（AWS）は2020年10月28日（米国時間）、同社のIaaS「Amazon EC2」の新機能「AWS Nitro Enclaves」の一般提供を開始したと発表した。個人を特定可能な情報（PII）や医療、金融、知的財産データなど、機密性の高い情報を簡単かつ安全に処理できる。 AWS Nitro Enclavesは、信頼性の高い、高度に分離された堅牢（けんろう）なデータ処理環境を提供し、ユーザーがアプリケーションの攻撃対象領域を縮小できるよう支援する。 Amazon EC2インスタンスにおいてCPUとメモリの分離を実現している「Nitro Hypervisor」技術を使って作成された仮想マシンを利用する。この仮想マシンは永続ストレージを持たず、管理者も運用担当者もアクセスできず、外部ネットワークとは接続できない。ユーザーのインスタンス（下図のInstan
RPA開発におけるテストの自動化と継続的インテグレーション
RPA（Robotic Process Automation）の品質向上、運用コスト削減につながるテストファーストなRPAにおける開発アプローチを紹介する本連載「テストドリブン型のRPA開発のススメ」。第1回、第2回の連載で、テストドリブン型のRPA開発の概要と、UiPathを例にしたその実践方法を理解できたと思います。 連載最終回となる今回は、テストドリブン型RPA開発の発展系として、テストの自動化と継続的インテグレーション（CI：Continuous Integration）を紹介します。 継続的インテグレーション テストドリブン型の開発が軌道に乗ったとすると、その次に期待されることは継続的にそのテストが実行されることです。連載初回で述べたように、RPAは、「外的環境の変化に弱い」という弱点があります。作成したテストを、定期的に実行することでその変化を、運用者としていち早く捉えられる仕
fastMRI Dataset：膝MRI／脳MRIの画像データセット
データセット解説 FastMRIは、Facebook AI Research（FAIR：フェイスブックAI研究所）とNYU Langone Health（ニューヨーク大学ランゴーン医療センター）の共同研究プロジェクトで、AIを活用することでMRI（磁気共鳴画像）スキャンを10倍高速化する調査を行っている。これによって、患者の負担を軽減し、MRIスキャンにアクセスしやすく、かつ安価にすることを目的としている。 その調査内容は、論文で公開（2018年11月に初版提出、2019年12月に第2版改訂）されている。さらに、より広範な研究コミュニティーからの参加が可能となるように、データセットをロードして基準モデルを構築するためのコード（PyTorch）が、
ダイソーが6年でIT内製化、マイクロサービス化、サーバレスに成功した理由
大創産業は1972年、家庭用品を販売する商店として創業された。今やよく知られた『100円SHOPダイソー』を運営する事業者である。ダイソーの展開に着手したのは1987年。2019年には国内3367店舗を数え、海外ではアジア、北米を中心に28の国、地域で2175店舗を構えるほどのグローバル展開を果たしている。 キッチン用品や文具、衣服やコスメ、食品やガーデン用品など、幅広い商品展開もダイソーの魅力の一つだ。商品数は7万点を超え、売れ筋の電池は1秒間に5本、ネクタイも15秒に1本、“つけまつげ”は1.3秒に1つ売れる勢いとのことだ。 取り扱う商品が多く、また尋常ではない速度で売れていくことは、それだけデータ管理の難しさが増すということでもある。アイティメディアが2019年9月17日に開催した「ITmedia DX Summit 2019年秋・ITインフラ編」に登壇した大創産業 情報システム部
「コンテナセキュリティ」とは――コンテナを活用する人が知っておくべき6つのポイント
運用管理が楽になり、クラウドとの親和性も高い――エンジニアならば避けては通れない「コンテナ」技術のメリットは、既に多くのエンジニアが肌で感じているものだろう。コンテナアプリケーションを動かすまでには、コンテナイメージを作成し、レジストリにアップロードし、そのイメージをデプロイ先にダウンロードし、コンテナを実行するというプロセスを踏む。コンテナアプリケーションの構成はDockerfileなどのテキストで表現できることもあり、構成管理は可読性も高い。 では、そこに“脅威”はないのだろうか？ コンテナ技術が普及期に入ったこともあり、昨今では“コンテナセキュリティ”に関しても注目が集まっている。しかしコンテナセキュリティが指すポイントについてはさまざまな意見があり、「いったいどこを守るべきなのか」「どこに脅威があるのか」がよく分からないというエンジニアも少なくないだろう。 そこで今回、トレンドマイ
ディープラーニングも使える確率的プログラミングツール「Gen」を開発、MIT
ディープラーニングも使える確率的プログラミングツール「Gen」を開発、MIT：AIモデルやアルゴリズム作成の民主化に貢献 マサチューセッツ工科大学（MIT）の研究チームが開発した確率的プログラミングツール「Gen」を使えば、初心者でも簡単にAIに触れることができ、専門家は高度なAIプログラミングが可能になる。ディープラーニングよりも適用範囲の広いことが特徴だ。 【訂正：2019年7月4日10時50分 記事タイトルの一部に誤解を招く表現があり訂正しました。 訂正前：ディープラーニングを超える汎用AIツール→訂正後：ディープラーニングも使える確率的プログラミングツール】 マサチューセッツ工科大学（MIT）の研究チームは、2019年6月下旬に米アリゾナ州フェニックス市で開催されたカンファレンス「Programming Language Design and Implementation」で、新し
アナリティクスの成熟度を次のレベルに引き上げるには
ガートナーの米国本社発のオフィシャルサイト「Smarter with Gartner」と、ガートナー アナリストらのブログサイト「Gartner Blog Network」から、＠IT編集部が独自の視点で“読むべき記事”をピックアップして翻訳。グローバルのITトレンドを先取りし「今、何が起きているのか、起きようとしているのか」を展望する。 高度なアナリティクスや機械学習などのデータイノベーションが盛んにもてはやされているが、いまだに相当数の企業がスプレッドシートを使った分析を行ったり、データ品質について論じたりしている。 Gartnerの最近の調査によると、回答企業の87.5％がデータとアナリティクスの成熟度が低く、「基本レベル」または「場当たり的」という分類カテゴリーに該当した。 「基本レベル」は、ビジネスインテリジェンス（BI）機能として、主にスプレッドシートベースの分析や、個々人によ
「データセットの準備を丸投げしない」――健康管理アプリ「FiNC」AI開発5つの教訓
「データセットの準備を丸投げしない」――健康管理アプリ「FiNC」AI開発5つの教訓：“おいしいデータ”で、成果が出るAIモデルを育てる（2）（1/2 ページ） ヘルスケアプラットフォームアプリ「FiNC」を開発するFiNC Technologiesで代表取締役CTOを務める南野充則氏は、AI研究開発プロジェクトを通じて得た「5つの教訓」を紹介した。その教訓とは。 「FiNC」は、パーソナルトレーナーAI（人工知能）が、利用者一人一人の興味関心や悩みに適した健康メニューを推薦するヘルスケアスマートフォンアプリだ。FiNCでは、「撮影した料理の写真から栄養素とカロリーを自動計算する」機能に、深層学習で生成されたAIモデルを活用しているという。 連載「“おいしいデータ”で、成果が出るAIモデルを育てる」第2回は、2019年3月4～5日に開催された「SIX 2019」において、FiNCを開発、運
機械学習／Deep Learningの仕事が増える2017年、ソフトウェアエンジニアがFPGAを学ぶべき理由
ソフトウェアエンジニアがFPGA（field-programmable gate array）を使うハードルがさらに下がってきている。クラウドサービスでFPGAを活用できたり、Pythonで記述したニューラルネットワークをFPGAに高位合成できる研究成果が出てきたりしているのだ。 ソフトウェア開発者の立場でFPGAに取り組むイベント「FPGAエクストリーム・コンピューティング」を主宰する佐藤一憲氏、FPGAの高位合成によるディープラーニングについて研究している東京工業大学の中原啓貴氏（中原研究室）、そしてFPGAベンダーであるザイリンクスの神保直弘氏が、急激に常識が変わりつつあるFPGAの動向を語り合った。 本稿では座談会の中から、ソフトウェアエンジニアにFPGAや高位合成が求められる現状、そして、今後どのようなツールを使うべきか、ソフトウェアエンジニアがFPGAに取り組む際の課題などにつ
データサイエンスを加速させる「TDSP」とは何か？
マイクロソフトが、データサイエンスの方法論などをまとめた「Team Data Science Process（TDSP）」を発表。データサイエンスのためのガイドラインやツールをGitHubで公開した。 米マイクロソフトは2016年10月11日（米国時間）、データサイエンスにチームで協力して取り組むための方法論／事例集「Team Data Science Process（TDSP）」を発表。TDSPのガイドライン、プロジェクト構造、ツールをGitHubで公開した。 TDSPは、データサイエンスにおけるコラボレーションやチーム学習を改善する「アジャイルで反復的な方法論」。以下の要素で構成される。 データサイエンスライフサイクルの定義 標準プロジェクト構造 分散共有型の分析インフラ データサイエンティスト用のツール／ユーティリティー データサイエンスライフサイクル データサイエンスライフサイクル
優秀なエンジニアと優秀なチーム、日本企業が欲しいのはどっち？
連載目次 本連載のテーマは「チームリーダーシップスキルの向上」です。では、そもそも、なぜチームで仕事をしなければならないのでしょうか？ 今回は経営者の視点に立って、企業にとってのチームの有用性を考えます。 メンバーは個人の成果を優先しがち ITエンジニアの仕事は、設計やプログラミング作業を始める時点でモジュール分割がきちんとなされ、自分の分担が明確になっていることが多いものです。スケジュールがはっきりして仕様もしっかりしているので（例外もありますが……）、きちんと計画的にこなしていけば、仕事は一人でやれるという認識が強くなりがちです。そうなると、「仕事の成果は自分の成果」で、自分の成果を上げるためには人に邪魔されないようにバリアーを張らねば、といった極端な考えに陥る人も出てきます。 しかし、メンバーが個性を発揮し、自主的に生き生きと仕事をするためには、チームを活性化させることが必要です。そ
プッシュ通知の基礎知識＆秒間1万を超えるプッシュ通知基盤のアーキテクチャと仕組みとは
連載目次 プッシュ通知とは？ なぜ開発者はアプリにプッシュ通知機能を搭載するのか スマートデバイスにおける「プッシュ通知」はアプリにとって欠かせない機能の一つであり、メールマガジンと同様に重要な集客ツールです（図1）。スマートフォンをお使いの方でしたら、一度はプッシュ通知を受け取ったことがあるのではないでしょうか。 プッシュ通知はユーザーがスマートデバイスを起動していなくても通知を送ることができる仕組みであり、以下の特徴があります。 開くと直接アプリを起動するためアクションにつながりやすい アプリをインストールしているユーザーのみに届くため開封率が高い 上記のような特徴から、プッシュ通知は以下の用途で使うことが多くなります。 リアルタイムな情報配信 直接アプリ起動につながるため、ニュースなどリアルタイム性の高い情報の配信に向く ユーザーのアクティブ率向上 開封率が高いため、定期的にアプリを
OpenStackで激変するシステム開発・運用 “抽象化”が実現する「究極の自動化」とは
OpenStackで激変するシステム開発・運用 “抽象化”が実現する「究極の自動化」とは：特集：OpenStack超入門（3）（1/3 ページ） 前回はOpenStackの活用ポイントと、今後のシステム開発・運用に与える影響――特に自動化にフォーカスして紹介した。今回は日本OpenStackユーザ会 会長の中島倫明氏が、「OpenStackによる自動化の仕組みと実施法」を分かりやすく解説する。 「80％の自動化」と「100％の自動化」はまったく違う 前回「いまさら聞けないOpenStack ～よく知られた「常識」と知っておくべき「常識」の解説にもあるように、現在も多くのシステムにおいて「全体の80％前後の自動化」は実現可能だといえます。 数値で見ると「80％でも十分じゃないか？」という気になりますが、「100％の自動化が実現された環境」と、「80％止まりの環境」の間には越えがたい溝が存在し
HubotとJenkins、GitBucketを連携してCIをチャット上で効率化するには
連載目次 連載第1回の「GitHub製フレームワークHubotの概要とインストール、チャットアプリと連携する基本的な使い方」では、GitHub社が開発しているBotフレームワーク「Hubot」の概要、Hubotとチャットとの連携方法、Hubotの基本的な使い方を紹介しました。 前回の「Redmine連携でチケットをチャットに通知＆開発を楽しくするHubotスクリプト6選」と同じく、今回も、サンプルアプリケーションに対して修正を行うシーンを例に、Hubotと各ツールがどう連携するかを解説します。 ソースコードはGitHubそっくりなUIと機能を提供している「GitBucket」（Scala製）で管理し、ビルドやデプロイはCI（継続的インテグレーション）ツール「Jenkins」で行います。 利用したソフトウェアとバージョンは以下の通りです。 Hubot 2.4.7 Kandan 1.2 Git
Webブラウザーだけで学ぶ機械学習の「お作法」
Webブラウザーだけで学ぶ機械学習の「お作法」：Webブラウザーでできる機械学習Azure ML入門（2）（1/4 ページ） Azure MLの使い方を、機械学習の「お作法」に即して見ていきましょう。フローチャートと説明があるので、データを元にしたレコメンドの仕組みを確認できます。 連載バックナンバー 第一回は、Azure Machine Learning（Azure ML）がどのようなものかを紹介し、実際にワークスペースを作成してサンプルを確認するところまでを解説しました。今回はサンプルのこのフローを詳しく読み解いていき、Azure MLではどのようにすれば機械学習の仕組みが使えるようになるのかを見ていきましょう。 前回確認したサンプルの画面と「機械学習のお作法」を思い出しておきましょう。下の図は、サンプル画面に1～5の「機械学習のお作法」を当てはめたものです。 以降では、この図を基に、
LAMPに代わる構成として注目のMEANスタックの基礎知識とインストール、ひな型作成
LAMPに代わる構成として注目のMEANスタックの基礎知識とインストール、ひな型作成：MEANスタックで始めるWebアプリ開発入門（1）（1/3 ページ） MEANスタックを用いたWebアプリの開発方法について紹介していく連載。初回はMEANスタックの特徴と構成要素MongoDB、Express、AngularJS、Node.jsの概要、インストールの仕方とひな型の作成方法を解説。 連載目次 今でもよく使用されていますが、以前からWebアプリ開発ではLAMP環境がよく使用されていました。LAMPとは、一般的なWebアプリを開発するのに人気の高いオープンソースソフトウェアを組み合わせたもので、以下を用いたシステムのことです。それぞれの頭文字を取って「LAMP」と呼ばれています（参考）。 OS：Linux Webサーバー：Apache HTTP Server データベース：MySQL プログラ
徹底比較！ 運用自動化OSSと商用ツール、両者の違いと使い分け、見極めのポイント
徹底比較！ 運用自動化OSSと商用ツール、両者の違いと使い分け、見極めのポイント：特集：運用自動化ツールで実現する、クラウド時代の運用スタイル（3）（1/4 ページ） 企業におけるITシステムの運用自動化を徹底的に深堀りする本特集。今回は運用自動化のオープンソースソフトウェア（以下、OSS）と商用ツールの違いを比較。ケーススタディも交えてOSSと商用ツールを賢く使い分ける観点を紹介する。 OSSと商用ツールを使い分け始めた企業ユーザー サーバー環境は技術の変遷と共に変化し続けている。企業のIT基盤においては、現時点では「VMware vSphere」などによる仮想化サーバー群と、物理サーバー環境が混在していることが多いのではないだろうか。それに加えて、パブリッククラウドを利用するケースが増えつつある。 全てにおいて物理サーバーを調達・設置しなければいけなかった一昔前と比べると、迅速にサービ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
機械学習概論～ディープラーニングGAN、本格的に学べる全20時間の大学講義が無償公開
