数値解析系

2018年12月10日 (月)

日本のIT産業は壊滅の一途か!?

最近、そう感じることがあります。

このままいったら、日本はダメじゃねぇ?

自分の会社にも感じていることですけど、これを読むと概ね日本企業全般の問題のようですね。

NTTから『GAFA』へ人材流出 日本式企業の"くだらない"問題点が転職者から赤裸々に

どちらかというとIT関係に近いところにいるため、うなずいてしまう言葉が多いです。

特に「低レベルのITリテラシーな人間が実権を握り経営判断をしているという状況への絶望」という一文には、思わず納得です。

いや、いるにはいるんです。上位者にも、今のままではダメだと感じている人が。でも、やはり少数派なんですよね。分からないから、通らない。そういう議案が、たくさんあります。

無尽蔵にお金を使えとは言いませんけど、機械学習やRPA、VDIくらいは大胆かつスピーディーに導入を決定しないと、もはや業務速度が世界標準に追いつけなくなるでしょう。

個人的には、そう思っています。

でもその予感、多分当たりそう・・・

いざというときのため、外資系に転職してもやっていけるだけの何かを、身に着けるしかなさそうですねぇ。

深層学習教科書 ディープラーニング G検定(ジェネラリスト) 公式テキスト

2018年12月 2日 (日)

平成でもっとも歌われたカラオケの曲は?

データというものは、眺めているだけでちょっと面白いものですね。

通信カラオケ「DAM」が、平成でもっとも歌われた楽曲ランキングを公開しております。

平成のカラオケで最も歌われた楽曲は? 歌手1位は「浜崎あゆみ」 - ITmedia ビジネスオンライン

1位は一青窈さんの「ハナミズキ」だそうです。第3位にはアニソンの「残酷な天使のテーゼ」が入ってますね。

歌手別だと、「浜崎あゆみ」さんが1位とのこと。

平成と言っても、すでに30年は経ってるわけでして、最近の世代からおっさん・老人世代まで、いろいろです。

必ずしも歌われる曲と売れている曲が一致するというわけではないようですね。聞きたい曲と、歌いたくなる曲には微妙に違いがあるようで、このランキングはあくまでも歌いたい方の曲です。

ところで今どき、カラオケってどれくらい歌われるものなんですかね?カラオケ屋って昔よりはずいぶんと減りましたが、今でもちらほら見かけます。

ちなみに、今年の1位は米津玄師さんの「Lemon」。ええと、どういう曲でしたっけ?もしかしたら、聞けばわかるかもしれませんけど。

時代を反映しているのかどうか微妙なランキングですが、この平成を生き延びてこられた方ならば、このランキングに思うところはあると思われます。

1人deカラオケDX 防音マイク

2018年12月 1日 (土)

Ubuntu 18.04のサポート期間が10年に

Ubuntuは2年に一度、長期サポートを謳うLTS版が出ますが。

このLTS版というのは、5年間のサポート期間を持ちます。

が、今年の4月にリリースされた18.04は、なんと10年に延長されるとのことです。

Ubuntu 18.04の長期サポート期間が10年に延長--シャトルワース氏が明らかに - ZDNet Japan

特に、機械学習用のOSとしてよく使われているUbuntu。この10年間サポートのニュースは、このバージョンへの乗り換えを進めることになると思われます。

ちなみに私が会社で使っているGPU端末は、Ubuntu 16.04が入ってます。微妙に18.04に移行できないものがあるんですよね。来年あたりには解消されそうです。

これで18.04への乗り換えへの障害が無くなれば、むしろ今後のディープラーニング用端末などはUbuntu 18.04 LTSが標準になりそうですね。10年という長期間のサポートは、かなりインパクトがあります。

Ubuntuも、ディープラーニングなどの機械学習で一気に脚光を浴び始めましたね。

この発表により、より機械学習向けOSとしてより一層利用されそうです。

Ubuntu 18.04 LTS 日本語 Remix 使い方が全部わかる本 (日経BPパソコンベストムック)

2018年11月30日 (金)

AIプロジェクトを突然やれと言われたら・・・

私にとっては、こういうトップダウンはありがたいんですけど、技術や準備の整っていない状態では、戸惑う人は多いのが現状です。

何事もそうですが、期待しなさすぎ、し過ぎ、どちらもダメ。「過ぎたるは及ばざるが如し」と言いますし。

かの徳川家康は「及ばざるは過ぎたるに勝れり」と言いましたが、AIに過ぎた期待をするトップがいた場合、どういう心構えをするべきでしょうか?

「AIプロジェクトを担当してくれ」突然の上司のむちゃぶり あなたが最初にやるべきことは? (1/5) - ITmedia NEWS

こういう記事がありました。

まさにAIプロジェクトをやってくれ、と突然言い渡されたら、何をするべきかを説いています。

まず、当然のことですが、AIでできることとできないことがあります。

いわゆるディープラーニングによる画像認識は、人の目でしか判別できなかったものを識別可能にする技術として注目されています。しかし、逆に言えば人の目でも間違えるようなものは、やっぱり間違えてしまう可能性があります。

ついついIT技術に100%を求めてしまうんですよね。気持ちはわかりますが、人間ですら100%でないものをAIだからといって100%求めるのは・・・そういう事実を知ると、突然幻滅してしまう人が現れます。

でも、人の目の検査で1万個に10個の誤品を出していた工程で、ディープラーニングを用いたAIでそれを5個にしたならば、それだけでも大いに成果があると思います。もちろん、0が言いに越したことはないのですが、単に精度を上げただけでなく、検査を人から解放することができただけでも十分かと思います。

最近は、意図的ともいうべき不正が増えてます。私は、人に検査を依存していることの裏返しだと感じてます。

複数の別々の人が検査をすればこういう事態を防ぐことができると思うのですが、おそらく検査の人を減らす、納期を早める、コストを減らす、などの要因が背景にはあったのではないかと勘繰ってます。

そんな状況になれば、不正をする気がない人でもそうならざるを得ず、一度通ってしまった不正は前例となり、その後常態化する・・・

なんとなくですが、私は一連の不正検査ニュースを聞くたびに、「検査のワンオペ」があったんじゃないかと感じてます。

もし人と同時に機械によるクロスチェックをさせていたら、昨今騒がせている不正検査の多くが防止できたかもしれません。

たとえ80%程度の精度しかないAIだったとしても、クロスチェック用ならば十分に威力を発揮します。

そういう用途もAIにはあるのだと感じていただければ、100%でなくても使えるAIが作れると思いますね。

かなり話が脱線しましたが、このリンク先にも書かれている通り、AIには3段階の活用方法があるといわれています。

まず、最初に行われるのは「作業の効率化・人の代替化」。まあ、これはよくあるAIの活用方法ですね。今はこれが中心だと思います。

次の段階では「従来価値の高度化」。早い話が、人を超えた精度や技量を持つ特化型AIの登場です。

そして最後には「新しい価値の発見・創造」。アルファ碁が3千年以上かけて人々が築いてきた囲碁のパターンをひっくり返すような手を生み出し、それが囲碁界に新たな知見を与えたように、これまで想像もできなかった手段や事実の発見につながるのではないか?

日本のどこかの研究所が、まさにAIを使ってノーベル賞級の発見をしようと取り組んでますね。

最後の段階はとても到達困難な領域ですが、最初の自動化、効率化ができなければ、最終形態には到底たどり着けません。

だから、まずは今できることを取り組み、徐々にレベルを上げていくというのがこの技術に取り組む前提ではないかと思っています。

でも、なかなか理解が進まないですね。AIが作り上げる未来は、多くの人が抱いているのは概ね仕事がなくなるというものが多いです。あるいは、鉄腕アトムのような汎用AIの登場を夢見ているかのどちらかです。

ですけど、今の世の中にあるのはある特定のことができる特化型AIであって、やれることは限られている。でも、その限られた活用術が、大いに会社に人々に貢献できる。そういうものだと思ってます。

今は、手を動かして実例を挙げていくしかないですね。一日も理解を得られるだけの何かを作り上げて、その成果でAIをドリブンしていく。個人的には、それしかないと感じてます。

図解 人工知能大全 AIの基本と重要事項がまとめて全部わかる

2018年11月22日 (木)

キリンが好みのビールを案内するAI”ビアナビ”を試行中

最近は何でもかんでもAIですが、とうとうキリンもAIを使ったビールのサービスを開始です。

キリン、AIを活用したクラフトビールの案内サービス「ビアナビ」キリンシティ2店舗でテスト開始 | クラフトビールの総合情報サイト My CRAFT BEER

この「ビアナビ」というのは、よくある「AIを使って作った最強の○○」という類のものではなく、いくつかの質問からユーザーの好む既存のビールを割り出すというサービスなようです。

iPad mini上に現れる10ほどの質問から「ブルックリン ラガー」「JAZZBERRY」「Daydream」「496」の4種類のクラフトビールの中から好みのものを割り出してくれるそうです。

個人的には、もうちょっと種類があってもよかったんじゃないかと・・・キリンラガーや発泡酒、第3のビール、それにライセンス生産しているハイネケンもあるというのに、たった4種類から選ぶなんて、ちょっともったいない気がします。

ちなみにこの「ビアナビ」サービスは、キリンシティプラス池袋WACCAとキリンシティプラス横浜ベイクォーターの2店舗で12月16日まで行われている試験的なサービスらしいです。本格導入ではないんですよね。

試みとしてはなかなか興味がわくものだけに、なんだかちょっと中途半端な感じがします。どうせなら、思い切り凄いのを作れなかったんでしょうかね?できれば、アプリにしてばらまくとかすれば案外バズりそうです。

などと言っている私は、どういうわけか発泡酒と第3のビールについてはキリンと相性が悪いです。ラガービールはいいんですけどねぇ・・・ハイネケンは大好きです。

【2018年発売】本麒麟 350ml×24本

2018年11月 7日 (水)

「My人工知能の育て方」特集のInterface 12月号を買いました

機械学習の勉強を、サボっているわけではありません。

今も現在進行形で動いております。

こんなものを買いました。

Img_2115

Interface 12月号です。ここは時々人工知能特集を組むので、気が抜けません。

Img_2116

今月号の特集は2つで、「My人工知能の育て方」と「AIひょっこり猫カメラ」です。いずれもディープラーニング系の特集です。

Img_2117

全部は紹介いたしませんが、まずは一つ目の「My人工知能」の方から。

まあ、こちらはわりと一般論が展開してます。画像に音声といったデータを教師データにして、識別器を作成するまでの流れを解説しております。

個人的に役立ちそうなのは、2つ目の特集。

Img_2121

この「AIひょっこり猫カメラ」の方です。

要するにこの特集は、Raspberry Piを使い、猫が出てきたらツイートするという、ただそれだけのものを作るという特集なのですが、画像認識においてとても役に立つ特集となっております。

要約すると、

(1) Imagenetという1000種類の学習器を使う

(2) これを、Raspberry Pi上で使うことで、手軽なエッジ端末での画像認識を支援

(3) さらにImagenetの一部のラベルを独自データに変える方法を解説している

という部分が、とても役立ちます。

Imagenetをベースにして、例えば工場の良品/不良品の識別に利用しているという話を聞いたことがあります。

一から作るより、1000種類を識別できる学習器をベースに独自データを入れ込む方が、学習時間が削減できるだけでなく、認識率も向上するようです。

そういう話を聞いていたので、私も試してみたくはなったんですが、そんな矢先にこの雑誌が出たので、これを参考にしようかと思った次第です。

ディープラーニング・AIといった機械学習に対する過剰な期待がだんだんと冷めつつありますが、一方で業務において実績をあげつつあるようです。

この時期に、もう一度勉強してみたい、業務で生かしてみたいと思われている方には、このInterface 12月号はおすすめです。

Interface(インターフェース) 2018年 12 月号

2018年10月25日 (木)

GeForce RTX 2080/2080Tiのディープラーニング性能はいかほどか!?

最近、NVIDIAから新しいビデオボード、GeForce RTX 2080/2080Tiが発売されました。

まあ、ビデオボードなんですが、個人的にはこいつのGPU演算の能力、特にディープラーニング性能が気になります。

そんなGPU計算の性能を比較した記事が出ておりました。

NVIDIA RTX 2080 Tiのディープラーニング性能をGTX 1080 Ti・Titan V・Tesla V100と比較 - GIGAZINE

いろんなテストがありますが、概ねRTX 2080(無印)とGTX 1080Tiが同等性能くらいですね。CUDAコア数では、RTX 2080が2844コア、RTX 2080Tiが4352コア、そしてGTX 1080Tiが3584コア。コア数のわりにRTXは健闘し、2080Tiがややどうかなぁってところでしょうか。

Voltaコアを搭載するRTXシリーズは、CUDAコアの他に、機械学習を高速化するTensorコアをとうさいしているということで、この手の計算では高速化が期待できるとされてましたが、概ねその通りくらいでしょうかね。

ただ、GTX 1080Tiも安くなりましたね。こちらの方がお買い得かもしれません。

しかし、このボードを買う人の大半は”グラフィックボード”として買ってますからね。なかなかこういう性能がかえりみられることはなさそうです。

MSI GeForce RTX 2080 GAMING X TRIO グラフィックスボード VD6723

2018年9月29日 (土)

機械学習に立ちはだかる壁に関する記事

職場でもそろそろ機械学習という言葉が出ているところもあるのではないでしょうか?私のところは・・・ノーコメントというところで。

ですがこの機械学習というやつは、いろいろと厄介でそう簡単には業務適用できません。

そのあたりの事情をまとめた記事がありました。

「機械学習」は本当に使えるの?「立ちはだかる壁」は?【「成果」を出すために、あなたができる3つのこと】

機械学習とは?という話から、具体的な実用例まで述べた後、いよいよ壁の話に入っていきます。また、機械学習の活用で陥りやすいパターンについても書かれてます。

この”壁”の部分については3つ述べられており、そのうち2つが私は深刻じゃないかと思っているものです。

一つ目は、数学、知識の壁。どうして機械学習によって現象の学習・推論が可能になるのか?など、数学的、技術的、プログラミング的な知識は当然必要です。

が、最近は市販のツールも充実してきましたし、お試しのコードもかなり出回っており、以前ほどは壁とは言えないかもしれません。

が、2つ目、3つ目の壁は、個人的には大きな障害だと感じてます。

2つ目の壁は、ずばり「時間」。

学習精度を上げるため、実用化までにはどうしても時間がかかるんですよね。AIって。

この辺が分からずに、すぐに「使い物にならない!」とあきらめちゃう人達がいて、あとちょっとでうまくいくかもしれないのに・・・という状況もあるようです。

はたから見てると、もたもたしているように感じるんでしょうかね。前例のないことをするんだから、もたもたするのはある意味で当たり前なんですけどね。そういうのがじれったくて仕方がない人が立ちはだかる場合もあります。経験上。

そして3つ目。必ずしもうまくいくとは限らない、ということ。

これも、前例がないことですから、仕方がないですね。

でも、ある程度の知識がある人ならば、こういうのが揃えばうまくいきそうだという感触というのはあって、大体その通りになるようです。でも、絶対ではないというのがやはりこの日本では致命的ですね。

技術者本人よりも、周りや経営陣の無理解が壁になっていることが多いと感じます。これで本当に世界と戦えるのだろうか?と不安に思うこともあります。

でも、だからこそ多くの人に読んでもらいたいですね、この記事。下手な本を読むよりよっぽどまとまってます。30分もあれば読めますし。

これすら読むひまがないという人は、この先やってられないでしょうね。技術的に追い上げをかける海外企業に太刀打ちできない未来しか待っていないでしょう。私は、そう思います。

マンガでわかる機械学習

2018年9月27日 (木)

いろいろな時系列データの手法のコードがまとめられた記事

機械学習・AIを始めようと思うと、まずやるのはネット上に存在するプログラムコードを入手して、とりあえず試してみるというのが定番でしょうか。

ですが、画像認識はともかく、時系列データを扱う手法というのは意外とサンプルコードが少ない。

ところが、この記事にはコードと、実際に独自データでの結果を並べられています。

時系列データを対象にした機械学習手法の比較

この記事では、近傍法、決定木、ランダムフォレスト、CNNの4手法のコードと実際に使った結果が載せられております。

決定木、ランダムフォレストの結果が悪いですが、この手法が決して悪いわけではなく、この記事で用いたサンプルではたまたまこの手法が相性が悪かっただけのようです。

ケースバイケースで、ランダムフォレストのような手法の方が良い結果を出すこともあります。このあたりは複数の手法を用いて比較するしかありませんが、これを自動的にやってくれるのが先回紹介したDataRobotです。

手近にデータがある人は、このコードで試してみるのもいいかもしれません。

仕事ではじめる機械学習

2018年9月22日 (土)

AI導入企業は国内では47%

最近、AI・機械学習も”幻滅期”に入りつつあるようです。過剰な期待がしぼみ始め、一方で現実的な適用がはじまりつつある、そういう時期です。

とはいえ、実際にその技術はあちらこちらで適用されつつあります。今さら、完全無視はできない技術。

そういう背景を反映するかのように、こんな調査結果が出てきました。

EconomicNews(エコノミックニュース)

日本におけるAI導入済みの会社は、47%だそうです。

導入を検討しているところも含めると、72%になるそうです。一方で導入する気がないと答えた会社は28%になるとのこと。

これがAPAC加入国平均では、導入が55%、検討まで含めると81%、予定なしが19%。日本はやや低いですね。

なお、導入済みと答えた会社では、製品・サービスの改良、マーケティングで成果をあげつつあるようです。

まあ、私は正直これでも多いなぁと思いました。もっと理解がないとばかり思っていたので、これは意外な数字です。

もっとも、「検討中」が「導入」フェーズに移行するところが最もハードル高いですが。しかし、スマホでもそうであったように、乗り遅れたらなかなか追いつけないのが今のIT関連技術の常。あまりうかうかしてはいられないと思っています。

個人的には、コストダウン、効率化のための技術というより、新しい知見のマイニングや新しい概念の創造へと結びつける技術として期待してます。ただ、いきなりそこにはたどり着けないから、まずは効率化から取り組んで、徐々にビジネスモデルの構築を図るというのが現実的な導入プロセスじゃないかと思っています。

GIGABYTE ビデオカード NVIDIA GeForce GTX 1080搭載  オーバークロック ゲーミングモデル GV-N1080G1 GAMING-8GD

より以前の記事一覧

当ブログ内検索

  • カスタム検索

スポンサード リンク

ブログ村

無料ブログはココログ