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

AI（人工知能）の社会実装が進む一方で、AIに含まれるバイアス（偏見）の問題やプライバシーの侵害、非倫理的なAIの利用など、AIに関するリスクへの関心が国際的に高まっている。AI倫理を実現するうえで、利用者はどのようなリスクを検討すべきか。今回は「利用者に起こりうるAIへの過信」について、仮想シナリオに基づいて考えてみよう。 AIに関する問題の原因は、必ずしもAIモデルの性能に起因するとは限らない。様々な環境変化がAIの性能に悪影響を与えることが考えられる。そのため利用者がAIに過度な期待を持っていると「思わぬ落とし穴」に遭遇する可能性がある。 そこで今回は、AIの利用者に起こりがちな「AIへの過信」に関する問題を、工場の不良品検知AIという仮想ケースに基づいて考えてみる。ビジネスの現場でAIを利活用する際に、利用者側でどのようなリスクについて考慮すべきか、検討の一助となれば幸いだ。 なお

混合整数最適化は整数と実数の両方が含まれる「線形計画」問題であり、制約条件のある中で、複数の変数の最適な組み合わせを見つけるアルゴリズムだ。 似た手法として数十年前から使われる「整数計画法」があるが、こちらは整数しか取り扱えない。しかし実際のビジネスの世界においては、整数と実数の両方を含んだ問題が多い。例えば配送個数（整数）と配送距離（実数）から最適な配送計画を立案する問題などだ。整数と実数の両方を含むことで最適な組み合わせを見つけるのが難しくなる。この問題に対応するのが、混合整数最適化のアルゴリズムだ。 最適解を求める考え方はシンプルで、初期の設定（変数の組み合わせ）から出発し、その周辺でより良い解を見つける。次に新しく見つかった解の周辺で、さらに良い解を見つけようとする。これらのプロセスを徹底的に繰り返すことによって、最適な解を見つけていく。計算量が莫大になるため、現実的な速度で解を得

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

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。第1回は導入編として、まずAtCoderを取り上げる。同社がヒューリスティックアルゴリズムに特化して開催している「ヒューリスティックコンテスト」などの取り組みを聞いた（聞き手は大森 敏行＝日経クロステック）。 まず、ヒューリスティックアルゴリズムとは何かを教えてください。 アルゴリ

「連合学習」は、学習用データを1つの拠点やサーバーに集約することなく機械学習モデルを開発する手法。2017年に米Google（グーグル）が提唱した。個人情報に関わるデータや機密性の高いデータなど外部と共有できないデータを扱うモデルを、プライバシーを確保しながら開発する際に有用だ。 機械学習によってモデルを開発するには、大量のデータを使ってモデルをトレーニングする必要がある。多くの場合は、複数のサーバーや拠点などに分かれているデータを1カ所にまとめてデータセットを作成し、モデルの開発に使う。 一方で連合学習は、トレーニングや評価などに使うデータはやり取りせず、トレーニングによって得られたモデルの変更点のみをやり取りする点が特徴だ。複数の病院が個別に保有する臨床データ、消費者のパソコンやスマートフォン内のデータなど、一定の形式のデータが多数の場所に散在する環境でモデル開発する場合に向く。 連合

「買わない人＝未顧客」を理解する初めての教科書『“未”顧客理解 なぜ、「買ってくれる人＝顧客」しか見ないのか？』（2022年6月、日経BP発行）。経験豊富なマーケティングサイエンティストであるコレクシアの芹澤連氏が様々なエビデンスに基づいた未顧客理解の原理原則と、日々のマーケティング実務で実践できるフレームワークを、マンガと図表で詳しく解説した書籍です。本連載では「未顧客理解」のエッセンスをお届けします。（技術プロダクツユニットクロスメディア編集部） あなたが何か商売をしているとして、「商品を買う人」と「商品を買わない人」、どちらの話に耳を傾けますか。普通は「買う人」、つまり顧客の声を聞き、顧客のデータを分析すると思います。「買わない人のことを考えよう、買わない人を分析しよう」という商売人はあまりいません。 なぜ「買ってくれる人＝顧客」しか見ないのか？ 売り上げは「顧客数×購買頻度×平均単

カインズやワークマン、ベイシアらを束ねる流通の巨人、ベイシアグループ。2021年2月期に初めて売上高1兆円を突破し、さらなる高みを目指して現在力を注ぐのがDX（デジタルトランスフォーメーション）だ。グループ各社をとがらせる「ハリネズミ経営」を標榜し、DX戦略の舵（かじ）取りを担うプロCDO（最高デジタル責任者）らを相次ぎ招き入れている。業績拡大の裏で虎視眈々（たんたん）と進めてきたDXへの足場作り――。ベイシアグループDXの今に迫った。 流通DXのトップランナー、ベイシアグループの全貌（1）より続く ベイシアグループにおいて最大の売り上げを誇り、DX（デジタルトランスフォーメーション）の筆頭でもあるカインズ。ホームセンター事業を手掛ける同社は、SPA（製造小売り）化やIT小売業への変貌など、時代の流れに合わせてグループの先陣を切って変革を続けてきた。同社会長であり、ベイシアグループ全体の舵

ITエンジニア調査では、経済産業省が作成した「ITスキル標準（ITSS）」に基づいて、IT人材の職種やスキルレベルを分類した。職種は、ITSSにある11職種に「品質保証」「クラウド」を独自に加えた。スキルレベルは「未経験レベル」とレベル1から7で、レベル7に近づくほどスキルが高いとみなせる。未経験レベルは「レベル1に達していない」位置づけである。 年収が最も高かったのはコンサルタント 表はITエンジニア約3000人の回答結果を基に算出した職種別、スキルレベル別の平均年収および平均年齢である。回答数が全体の0.3％未満（9人未満）は参考値扱いとした。回答のなかった職種とスキルレベルは「－」で示した。 回答者の平均年齢は36.9歳で、36～40歳（21.9％）、31～35歳（19.3％）、26～30歳（16.6％）、41～45歳（15.6％）が多かった。 平均年収が最も高かった職種はコンサルタ

少しずつ普及しているとはいえ、MTシステムに全く触れたこともない参加者が少なくないのではないか。講師や編集部のこうした予想と裏腹に、セミナー当日は「MTシステムを使っているものの、なかなかうまくいかない」という悩みを抱えた参加者からの鋭い質問が相次いで寄せられた。 セミナーの名称にもあるように、今回は企業によるMTシステムの活用事例を多数紹介しつつ、その使い方や効果を分かりやすく説明する形式だった。そのため、多くの参加者は自社と似たような品質問題に直面していた企業の事例が紹介されると、今がチャンスとばかりに日ごろの疑問を講師にぶつけていた。質問の中身も「この場だから話せるけど…」といった“濃い”内容のものが多い。 講師の立林和夫氏は、MTシステムやその大本であるタグチメソッドのコンサルタントとして、多くの企業で導入を支援している。同氏はその豊富な経験に基づいて、さまざまな業種・職種の参加者

特許庁は2013年3月15日、特許庁システム刷新の指針となる「特許庁業務・システム最適化計画」の改訂版を公開した。企業からの要望が強い中国語・韓国語対応の文献検索・翻訳システムは2014年度までにリリースする考え。その後もシステムを段階的に刷新し、2022年度の完成を目指す。 特許庁はこれまで、2004年に策定した業務・システム最適化計画を基に、2006年から2012年までシステム刷新プロジェクトを進めていた。だが計画は相次ぎ遅延、2012年1月には開発の中止を表明していた。 今回の新プロジェクトでは、開発工程を二つに分ける。前半の5年間、つまり2017年度までは、多言語の機械翻訳・検索システムの構築、新商標・新意匠など制度改正への対応、特許・実用新案の経過情報のリアルタイム提供といった、産業界からの要望が強い機能を集中的に開発する。そして後半の5年間で、複数のシステムに散在しているデータ

（その4から続く） iPhone 5の大きな特徴の一つは、従来のiPhoneで使われていた30端子コネクタを廃止して、新たに小型の「Lightningコネクタ」を採用した点だ。従来の30端子コネクタがアナログ信号の端子を含むのに対し、Lightningコネクタは「完全デジタルで、8つのシグナルを使う設計」（米Apple社）だという。ユーザーがコネクタの向きを気にせずに挿せる「リバーシブル」も大きな特徴だ。コネクタ側には表と裏に8個ずつ端子が露出しているのに対し、iPhone 5のレセプタクルには片面にしか端子がない。つまり、コネクタのどちらかの面だけを接続に使うのである。 コネクタを変更すると、従来の周辺機器が直接接続できなくなるため、周辺機器メーカーに対する影響が大きい。30端子コネクタ向けの周辺機器をLightningコネクタで接続できるようにするアダプタをApple社が用意するとはい

米ヤフーは現地時間2012年10月26日、公式表明を掲載するブログ「YAHOO! POLICY BLOG」において、米マイクロソフトの「Internet Explorer 10」が個人情報管理手段「Do Not Track（DNT）」を初期設定（デフォルト）で有効としたことに改めて反発を示し、「IE10初期設定のDNT信号をYahoo!サイトでは認識しない方針」と表明した。この方針は同日付の「In Support of a Personalized User Experience」と題された投稿において発表された。 DNTはインターネットユーザーがオンライン行動の追跡を拒否できるようにするための機能である。米連邦取引委員会（FTC）が2010年12月に提案した。しかしマイクロソフトがIE10でDNT機能を初期状態で有効とする方針が明らかになると、広告業界からは反発が相次いだ（当サイトのまと

ヤフー子会社のファーストサーバは2012年7月31日、6月20日に発生した大規模障害（関連記事）についての調査報告書（最終報告書）を公表した（写真）。報告書は、ファーストサーバに利害関係のない3人の委員による「第三者調査委員会」（関連記事）が作成した。同社Webサイトに「要約版」を掲載している。 報告書は調査対象とする事故を、6月20日に発生した「第1事故」と、第1事故で消失したデータが想定外の場所に復元された「第2事故」（関連記事）の2つとしている。 1人だけ自作プログラムでメンテナンス 報告書は、第1事故の事実関係について次のように言及している。ファーストサーバではシステム変更を実行する際、社内マニュアルに沿って実行することになっており、第1事故の原因となったシステム変更の担当者（A氏）以外は社内マニュアルに従っていた。 ところが、A氏だけはマニュアルに従わず、自作の「更新プログラム」

昨今、ビッグデータというキーワード、およびその関連技術は非常に注目を集めており「R言語」というフレーズを耳にする機会も多くなってきたように感じます。 本稿は利用例を通じてR言語の概要、イメージを掴んでいただくことに加え、R言語を取り巻く業界の動向についてご紹介することを目的としています。 利用例としては、私がとあるシステム運用において実施していた分析を簡略化した形でご紹介します。システム統計情報に対する分析事例なので、ITシステムの設計や運用に携わる方であれば目にすることの多い、なじみ深いデータ分析と言えるのではないでしょうか。 なお、本稿では統計についての数学的な解説は極力行わず、R言語の利用者目線でのご紹介に重点を置きます。 対象読者としては、 などを想定しています。 また、Rは統計的なデータ処理を行うCUIベースのプラットフォームであり、CUI操作、スクリプト言語の経験、統計学に対す

図●NECが実施した電力消費予測実験のグラフ。上の従来技術による予測に比べて、下の「異種混合学習技術」による予測では実績と予測のずれが小さい（NECの資料より） NECの情報・ナレッジ研究所は2012年6月22日、ビッグデータの解析に役立つ「異種混合学習技術」を開発したと発表した。6月28日に英国で開催される「機械学習」分野の国際学会「The 29th International Conference on Machine Learning（ICML2012）」で詳細を報告する。2013年度の実用化を目指す方針だ。 機械学習（Machine Learning）とは、コンピュータプログラムを使って大量のデータから有用な規則性、ルール、判断記述などを抽出する技術。製造・流通業などの需要予測や、スパムメールの判定、ネット広告の表示、デジタルカメラの顔認識、囲碁・将棋などのゲームといった分野に幅広

特許庁が5年前から進めてきた基幹系システムの刷新プロジェクトを中止する方針を固めたことが、日経コンピュータの取材で分かった。当初は2011年1月の稼働を予定していたが、業務分析の遅れなどから要件定義と設計が難航。稼働を3年遅らせたが、立て直すことができなかった。 政府が策定したレガシーシステムの刷新指針に基づき、特許庁は2004年10月に「業務・システム最適化計画」を策定した。この刷新指針は、特定のITベンダーとシステム保守などを長期契約することによるITコストの高止まりを解消する目的で策定されたものだった。同庁はさらに、入札に分割調達の仕組みを採用して競争原理を働かせることを目指した。 要となるシステム設計とシステム基盤の構築については、東芝ソリューションが入札予定価格の6割以下の99億2500万円で落札した。ところがプロジェクトが始まると、現行の業務やシステムを理解した職員と技術者が足

ビッグデータを業務に生かす製品やサービスが整ってきた一方で、越えるべき課題が多く残っている（図1）。 最も大きな課題は人材不足だ。特に、大量データからパターンやルールを導き出す「深く」を実践できる人材が、世界的に足りないのが実情である。 「データの量や種類が増えるにつれて、データの分析はより難しくなる。少量のデータからも価値を生み出せない企業が、大量のデータから価値を生み出せるはずがない。統計学や機械学習に関する高度な知識を持つ人材がいないと、効果を上げるのは難しい」。国立情報学研究所の佐藤一郎教授は、こう警鐘を鳴らす。 専門家の取り合いに フェイスブックは、ビッグデータから有益なパターンを見つけ出し、製品やサービスの改良を図る技術職を「データサイエンティスト」と呼ぶ。データサイエンティストのような統計の専門家は世界的に不足しているという。このため、「米国では、ネット企業による統計の専門家