生成AIが「開発者のキャリアと給与」にもたらす希望と“残酷な結末”
関連キーワード 人工知能 | 開発ツール | 開発プロセス 学習データを基にテキストや画像などを自動生成するAI技術「生成AI」（ジェネレーティブAI）は、幅広い業界の課題解決や業務効率化に役立つ存在として、世間の期待を集めている。 中でも企業の関心を集めるのが、開発分野における生成AIの活用だ。その実用性や期待される効果から、開発部門にとって生成AIは欠かせない存在になりつつある。ただし生成AIの普及がもたらすのは、開発者のキャリアにとっては好ましいことばかりではない。 生成AIが「開発者のキャリアと給与」にもたらす“明暗”とは？ 併せて読みたいお薦め記事 連載：生成AIで変化する開発 第1回：“従来型のAI”ではなくなぜ「生成AI」の人気上昇が必然だったのか？ 第2回：なぜ開発者は「ソースコード自動生成」を素直に喜べないのか？ 第3回：人気の「ソースコード自動生成ツール」に共通する“2
“古いCOBOL”が動き続けるのは「単に動くから」である可能性
情報化時代を経て、企業はさまざまな技術を導入してきた。その中でITは飛躍的な進化を遂げ、絶え間ないイノベーションを起こした結果、旧世代の技術は急速に廃れた。一方で企業はいまだに、こうしたレガシー技術に依存している。1959年誕生のプログラミング言語「COBOL」で開発した古いシステムを、メインフレームで稼働させ続けている企業は珍しくない。 なぜ企業はレガシーシステムを使い続けるのか。主な理由は6つある。 理由1．まだ動く 併せて読みたいお薦め記事 連載：レガシーシステムがなくならない6つの理由 第1回：世の中には「2種類のシステム」しかない――レガシーか、レガシー以外か レガシーシステムにどう向き合うか 「定年退職したレガシーエンジニア」を高給で奪い合う企業の本懐 COBOLをやめても消えない“亡霊”「JOBOL」とは何なのか 企業によっては「レガシーシステムが思い通りに動作している」とい
MetaのAIチャットbotが物議 「教師データをネットで調達」はありなのか？
関連キーワード 機械学習 Meta Platforms（旧Facebook）が一般公開した「BlenderBot 3」が物議を醸している。BlenderBot 3は一般のインターネットユーザーのやりとりを通じて学習する、人工知能（AI）技術ベースのチャットbotだ。 「AIチャットbotの教師データをインターネットで調達」は是か非か 併せて読みたいお薦め記事 連載：“未成熟なAI”を公開する難しさ 第1回：MetaのAIチャットbot「BlenderBot 3」が公開直後に“バッシングの嵐”に 第2回：AIチャットbot「BlenderBot 3」が物議 Metaは何かを間違えたのか？ あらためて知りたいチャットbotのこと 「チャットbot」でコロナ禍の人材獲得を効率化 アパレル企業はなぜ成功した？ 放送局は「人格を備えたチャットbot」の倫理問題をどう解消したのか 普通のチャットbot
AIを使いたい金融機関が頭を抱える「データプライバシー」「ツール習得」問題
関連キーワード データ分析 | 機械学習 詐欺検出に人工知能（AI）技術を取り入れたツール（AIツール）を使用する際に「データプライバシー」が障壁となる――。保険会社American International Group（AIG）でシニアプロジェクトマネジャーを務めるベサ・アブラシ氏は、こう指摘する。データプライバシーは、データへのアクセス権限を誰が所有するか、誰がそのアクセス権限を認定するかといった問題だ。 「データプライバシー」問題の回避に必要なもの 併せて読みたいお薦め記事 連載：金融業界のAI活用に立ちふさがる課題 前編：金融機関が「AI」投資を増額へ それでも残る“あの問題” 中編：クレジットカード会社が「AI」と距離を置きたくなる“説明責任”問題 金融機関の技術活用 Googleの調査で分かった「金融機関がクラウドを使わない“本当の理由”」 大手金融機関がAIとデータを頼りに
多くの企業でAIプロジェクトが失敗してしまう根本的な要因と勘違い
多くの経営幹部はAIを活用して他社をリードし、事業を成長させる必要があると考えている。だがAIプロジェクトを全社に拡大できない企業は多いとAccentureの専門家は言う。 Accentureのリー・ジュン・ソン氏（ASIAM：ANZ［Australia、New Zealand］、Southeast Asia、India、Africa and Middle East応用インテリジェンス担当マネージングディレクター）は、世界の経営幹部の88％は自社が生き残るためにAIが必要だと考えている一方、同じ割合の経営幹部がパイロット段階以上にAIプロジェクトを拡大するのに苦戦していると指摘する。 「多くの人々がAIの可能性を理解し、AIプロジェクトに着手している。だが、その可能性を完全に実現している人はあまりいない」 iStock.com/PhonlamaiPhoto リー氏によると、データと分析の最
NTTドコモが実践、「Amazon EC2」の料金を“半額”にする方法
関連キーワード Amazon Web Services | Oracle（オラクル） | 富士通 | IaaS IaaS（Infrastructure as a Service）に関するスキルを身に付けたいと思ったら、クラウドベンダーの無料サービスを利用するのも一つの手だ。クラウドサービスの認定試験や学習教材の無料提供開始、クラウドサービス導入事例など、クラウドに関する主要なニュースを6つ紹介する。 併せて読みたいお薦め記事 OCIについて詳しく Oracleが「1コア1時間1セント」のArmインスタンス提供開始 常に無料のOCI「Always Free」の基礎 何が使える？ AWS無料プランとの違いは？ AWSではなく「Azure」「GCP」「IBM Cloud」「OCI」を選びたくなる強みとは？ 福井銀行が顧客情報管理システムをクラウド移行 その理由とは オンプレミスインフラで稼働させ
Googleの調査で分かった「金融機関がクラウドを使わない“本当の理由”」
関連キーワード Google | 金融 | ハイブリッドクラウド | IT投資 金融機関でクラウドサービスの導入が進みつつあるものの、相変わらず法規制やレガシーシステムの複雑さがその進展を妨げている――。これはGoogleからの委託を受けて、市場情報機関Harris Insights and Analyticsが実施した調査で明らかになった事実だ。日本と米国、カナダ、フランス、ドイツ、英国、シンガポール、オーストラリアの金融機関で働く1300人以上のリーダーがこの調査に回答した。 回答者の83％はクラウドサービスを「最も重要なITインフラ」として利用していると答えた。38％の回答者がオンプレミスシステムとクラウドサービスを併用するハイブリッドクラウドを採用している。単一のクラウドサービスを利用していると答えたのは28％だった一方、複数のクラウドサービスを併用するマルチクラウド戦略を進めてい
「AI」の“電力食い過ぎ”問題 その意外な深刻さとは
関連キーワード データセンター | 環境保護 機械学習モデルなどの高度なAI（人工知能）モデルのトレーニングには、時間、コスト、データに加えて、大量のエネルギーが必要になる。企業が大規模なデータセンターにデータを蓄積して、そのデータを使ってAIモデルをトレーニングするまでの間には、膨大な電力量を消費する。AI技術は企業に金銭的利益をもたらす反面、環境に害を及ぼす側面もある。 AI技術の利用に必要な電力量は、どの程度なのか。言語データを基に単語の出現頻度をモデル化した「言語モデル」を例に、具体的な数字を見てみよう。 併せて読みたいお薦め記事 企業の消エネ対策 約300億円の光熱費を削減 AWS活用企業の「データ駆動型省エネ策」とは？ 機械学習のCO2排出量は乗用車5台分？ 「AI」の消費電力を減らすには 「AI」が消費する電力量は“想像以上” NVIDIAは言語モデル「Megatron-LM
AI×IoTの融合技術「AIoT」とは？ 製造業も成果を上げるその仕組み
関連キーワード IoT（Internet of Things） | 機械学習 「IoT」（モノのインターネット）を使うことで、新しいビジネスが始まったり既存のビジネスの仕組みが変わったりしている。昨今は機械学習をはじめとした「AI」（人工知能）技術の分野でも驚くほどの進化が起こっている。今後、IoTとAI技術が補完し合い、技術の新たな変化の波を生み出すと考えられる。これらの技術が融合することを「AIoT」（Artificial Intelligence of Things）と呼ぶ。 AIoTを正しくビジネスモデルや顧客へのサービス提供に取り入れることができれば、その企業は競争上の優位性を長期的に維持できる。AIoTはこれから活用が広がると考えられる。まずはAIoTがどのような仕組みであり、ビジネスに何をもたらそうとしているのかを理解しておこう。 「AIoT」とは何か AIとIoTの融合技術
EUのAI規制法案、制裁金はEU最高レベル
EU（欧州連合）が、AIの信頼性とEU市民のプライバシー保護を目的とした新しい規制案を公開した。 2021年4月中旬に草案がリークされるとEUは公式リリースを発表し、AIがもたらす特定のリスクに取り組み世界最高の標準を設定するため、「バランスの取れた柔軟な規則」を実現したいとした。 EUは2種類のシステムに規制が必要だとしている。一つは許容できないリスクをもたらす恐れのあるシステム。もう一つは重大なリスクを提示すると考えられるシステムだ。 Hogan Lovells法律事務所のダン・ホワイトヘッド氏（シニア弁護士）によると、この規制は製品やサービスでAIを開発および利用している企業に大きな影響を及ぼすという。 「このAIに関する規制は、デジタルの世界と現実の世界の未来を規制する大胆かつ画期的な試みだ。この枠組みはGDPR（一般データ保護規則）が個人情報に与えたのと同レベルの影響をAIの使用
多くの企業が失敗している「AIの収益化」を成功させる方法
マサチューセッツ工科大学が出版する「MIT Sloan Management Review」と経営コンサルティング会社Boston Consulting Groupが実施した共同調査によると、AIを何らかの形で扱う組織は増えているものの、AIを本格的に導入して大きな利益を得ている組織は極めて少ないという。 調査対象の経営者、経営幹部、学識者3000人のうち、現在AIを試験運用またはデプロイしている割合は57％に上る。59％はAI戦略を既に考案しており、70％はAIによってビジネス価値を生み出す方法を理解していると考えていた。 この調査結果のレポート「Expanding AI's Impact With Organizational Learning」（組織的学習でAIのインパクトを拡大する）は、AIで財務上大きな価値を生み出している企業は10社に1社しかないと指摘している。 AIの基礎を正
コンテナ経由でホストを攻撃 「コンテナエスケープ」に備える3大ポイント
関連キーワード Linux | セキュリティ | 仮想化 | 脆弱性 | Docker コンテナが稼働しているホストシステムに、コンテナ経由で攻撃を仕掛ける「コンテナエスケープ」の脅威は絵空事ではない。オープンソースのコンテナランタイム（コンテナの実行に必要なソフトウェア）の筆頭格「runc」に見つかった「CVE-2019-5736」など、コンテナエスケープを可能にする脆弱（ぜいじゃく）性は実際に存在するからだ。セキュリティ担当者は、コンテナエスケープにつながる脆弱性に対処する上で、以下の3つのポイントをよく理解しておく必要がある。 利用中のクラウドサービスへの影響 対策として利用できる構成オプション（会員限定） コンテナオーケストレーションツールの潜在的リスク（会員限定） 併せて読みたいお薦め記事 コンテナのセキュリティ対策 「コンテナ」「オーケストレーター」のセキュリティを脅かす4大脆
Netflixが「REST」をやめて「GraphQL」に乗り換えた理由
関連キーワード API | データ統合 前編「Netflixがクエリ言語『GraphQL』を採用 何にどう使っているのか」は、Netflixのコンテンツエンジニアリングチームに所属するギャレット・ハインレン氏が、同チームで使うデータ連携用のクエリ（データ操作）言語として「GraphQL」を採用した背景を説明した。一方でハインレン氏のチームは、依然としてスキーマ管理、エラー処理、分散書き込みなどの問題に直面している。「GraphQLはクエリとAPI（アプリケーションプログラミングインタフェース）構築のプロセスを簡略化するが、特効薬ではない」と同氏は言う。 ハインレン氏はGraphQLを受け入れるまでに数カ月を要した。受け入れた理由は、テクノロジー面でのメリットがあるからというよりも「チームと組織の行動やコミュニケーションを改善するためだった」と同氏は明かす。同氏によればGraphQLは、スキ
機械学習の代表的アルゴリズム「SVM」「k平均法」「アプリオリ法」とは？
関連キーワード データ分析 | 機械学習 | アルゴリズム 前編「機械学習の代表的アルゴリズム『線形回帰』『決定木』とは？」は、主要な機械学習アルゴリズム5種類のうち「線形回帰」「決定木」について説明した。後編は残る3種類の機械学習アルゴリズムを紹介する。 併せて読みたいお薦め記事 前編を見る 機械学習の代表的アルゴリズム「線形回帰」「決定木」とは？ AIで何ができるのか AIの本当のすごさ、3つのユースケースから学んだこと AIフィーバーはまだ冷めない 次はどの分野でAIが活躍するか？ 結局、人工知能（AI）技術は何を可能にするのか？ AIのビジネス活用 GoogleのAIが指南する最先端デジタルマーケティング 「キスの仕方」動画も ゲーム業界のデジタルマーケティングに「AI」はどう活用されているか 「Alexa、油汚れの落とし方を教えて」を実現 P＆Gも挑む“顧客とつながるAI” アル
Kubernetesベースのディープラーニング環境「Nauta」
人工知能（AI）のユースケースはまだごく初期段階にあるといえる。企業はAIによってビジネスモデルを強化するユースケースを依然模索中だ。Gartnerの試算によると、AIの展開は2022年までに約4兆ドル（約444兆5000億円）に達する見込みがあるという。その成長の鍵がディープラーニングだ。 企業におけるディープラーニングはイメージしやすい。だが、複雑でリスクが高く、時間がかかる課題であることは変わらない。ディープラーニングソリューションの連携、検証、最適化が難しいためだ。 こうした課題に応える試みの一つが、「Kubernetes」を使用する分散型ディープラーニング向けの新しいオープンソースプラットフォーム「Nauta」だ。 Nautaとは Nautaは「Xeonスケーラブル・プロセッサー」ベースのシステムでディープラーニングモデルのトレーニング実験を行うための、マルチユーザー分散コンピュ
Slackユーザーが「Microsoft Teams」へ乗り換えたくなる4つの比較ポイント
関連キーワード Office 365 | Slack | Microsoft（マイクロソフト） Slack Technologiesの「Slack」をはじめとするコラボレーションサービスの利用が広がっている。MicrosoftのSlack競合サービス「Microsoft Teams」は出遅れ、企業の話題には上りにくかった印象がある。 IT部門は全社規模で導入したツールや製品を、漏れなくエンドユーザーに利用してもらえるよう、日ごろから努力している。Teamsを含むMicrosoftのオフィススイート「Office 365」を導入した企業にとっては、社内のSlackユーザーがIT部門の頭痛の種になる可能性がある。Slackに慣れているエンドユーザーに、Teamsの利用を促すのは難しいと考えてしまいがちだからだ。 こうした中、IT担当者は最近、SlackからTeamsに切り替えるきっかけになり得
「Windows Virtual Desktop」の衝撃 Windowsをクラウド提供の意味は？
関連キーワード Windows | Citrix | デスクトップ仮想化 | VDI（Virtual Desktop Infrastructure） | アプリケーション仮想化 Microsoftは2019年3月21日、デスクトップおよびアプリケーション仮想化ツール「Windows Virtual Desktop」のパブリックプレビューの提供を開始した。2019年後半には一般提供を開始する予定だ。 Microsoftは2018年9月に開催したカンファレンス「Microsoft Ignite」でWindows Virtual Desktopを発表した。Windows Virtual Desktopはクラウドで実行するデスクトップとアプリの仮想化サービスだ。マルチセッション機能を備えるWindows 10と、オフィススイート「Office 365 ProPlus」が含まれ、同社のクラウドサービ
「Python」「R」「Jupyter Notebook」「Tableau」「Keras」が愛用される理由
関連キーワード BI（ビジネスインテリジェンス） データと分析は、デジタルトランスフォーメーションやデジタルディスラプション（デジタル時代の創造的破壊）を引き起こすガソリンになる。そして、企業がこのガソリンをハイオクに変える方法は1つしかない。それは、統計学者、数学者、ビジネス分析専門家のチームに適切なデータサイエンスツールを提供し、増大し続ける企業データのプールから洞察を引き出すことだ。 純粋な統計分析、機械学習のモデリング、視覚化など、その用途が何であれ、データ駆動型のビジネス文化を発展させるには強力な一連のデータサイエンスツールが欠かせない。 さまざまな業界に身を置く多数の経験豊かなデータサイエンティストと情報交換を行い、各自が最も使用しているツールについてインタビューした。本稿では、その中で何度となく名前が挙がった上位5つの厳選されたツールを紹介する。 併せて読みたいお薦め記事 進
機械学習で生じる問題を解決するPythonライブラリ「MLflow」
2018年6月に開催された「Spark Summit」で、Databricksは「MLflow」という新たなプロジェクトを発表した。Databricksはオープンソースの「Apache Spark」によるクラウドベースのビッグデータ処理に重点を置く企業で、同社のMLflowは機械学習（ML）のためのPythonライブラリだ。 同社のチーフテクノロジストを務めるマテイ・ザハリア氏によると、同氏が率いるチームは、MLに関してよく耳にする問題に対処するアプローチを構築したという。 MLの典型的な課題 データの準備からモデルのトレーニングまで、MLのライフサイクルの「フェーズ」には多種多様なツールがある。 「各フェーズでチームがツールを1つ選ぶ従来のソフトウェア開発とは異なり、MLでは結果が改善するかどうかを確認するため、利用可能な全てのツール（アルゴリズムなど）を試してみる。そのため、MLの開発
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
「線形回帰」「決定木」「SVM」「k平均法」「アプリオリ法」とは？ 機械学習の5大アルゴリズム
