足ることを知れば、ちょっとしたことで大きく満たされる

COVID19で経済悪化や不安が広がっているこのご時世だからこそでしょう、京都の大垣書店では「心配事の9割は起こらない」という1冊の本が大きく取り上げられていました。

なかなかキャッチーなタイトルに思わず「え〜、そうなのかなぁ、言われてみればそうかも」などと思いつつ手にとって読んでしまいました。

その中で、よさげな言葉群の中から1つだけ特に強烈だった言葉が「足ることを知る」です。

自分のやりたいことがあり、どんなときに満たされた状態になるのか、「足ること」を知れば心は安らかで幸せを感じられる。その一方で、取り立てて目的や欲しいものもないのに、お金を追い続けて、いつ満たされるのかわからない、いつまでも満たされない姿は不自由である、と述べられています。

もちろん、成功したい!という気持ちを抱え、高い目標を掲げてトライすることは素晴らしいことです。この言葉はそういった志を否定するものではないでしょう。ただ、手段が目的化したり、満たされることのない欲を掲げるのは控えようということですね。

目的や自分のやりたいことを持ち、何をもって自分自身は満たされるのか見失わず、挑戦する生活を送りたいものです。

ガートナー「日本における未来志向型インフラ・テクノロジのハイプ・サイクル 2020」について考察

またこの季節がやってきましたね、ガートナーによるインパクトをもたらす技術の考察です。

ガートナー、「日本における未来志向型インフラ・テクノロジのハイプ・サイクル:2020年」 https://www.gartner.com/jp/newsroom/press-releases/pr-20200910

今回、やはり注目はデジタルヘルスとロボティック・プロセス・オートメーション(RPA)です。他サイトでも述べられていますが、COVID19影響でやむを得ない規制緩和・テレワークや遠隔業務の半ば強制的な普及・業績リカバリのための効率化推進といったところが一気に進みました。RPAについては「実際に使ってみた」という企業が急速に増えたので、「なるほど、こんなもんか」といった状況になったのでしょう、ガートナーの図でも「過度な期待」の時期を通り過ぎている点が印象的です。

デジタルヘルスケアは医療関連の規制緩和や、個人データの扱いに関する制度整備によって、いっそうできることが増える予感がしますね。これまではプライバシーなどの観点で個人に関するデータをハンドリングしにくかった点が、目的次第では規制緩和されていくことも予想されます。

5Gや量子コンピューティングは、その技術レベルに見合った課題・目的が見つかるかどうかが鍵になります。別にいまのコンテンツや通信環境で満足しているならば4Gでもいいわけで、セキュリティの課題だったり、ARやVR、またはオンライン化による大容量通信のニーズと課題あったりが台頭すると、やっと価値を生むのでしょう。量子コンピューティングも同様に、何に使うのか、を見つけられるビジネスマンがどれだけ今度出てくるかが鍵ですね。

黎明期にAIプラットホームが挙がっていますが、これが何を具体的に指しているのかちょっと疑問です。よくあるGUIベースで「素人でもAI開発できます!」といった類だとすると、私はなかなか懐疑的です。きれいに整ったデータしか入力できなかったり、ちょっと凝ったモデルは実装できなかったり、なによりモデリング手法やテクニックは今後も進化を続けそうなので追従できないのではないかと思っているからです。

人工知能は過度な期待を過ぎたとあります、これには研究者の私も納得(まだ若干、期待値がオーバーな印象は残りますが)。人工知能単体ではなくデータや運用とセットで検討したり、日立などいくつかの企業がAIコンサルティング+導入支援のサービスビジネスを始めたりと、人工知能の特性や条件を把握したうえで社会実装が進み始めたと感じています。

“課題は解くものではない!” エンジニアが新規事業創造本部に2年間出向して見えたこと

“課題は解くものではない”

これが、ソフト開発や、IoTシステム設計や、機械学習の研究など、エンジニアや研究者としてバリバリ技術どっぷりなキャリアを積んできた私が、新規事業創造本部に2年の出向をして気づいたことです。

もう少し正確にいうと “課題は解くものではなく形成するもの” ということです。これは私の師匠からの「険しそうな山があったので頑張って登ってみました、みたいな研究テーマはダメ」という言葉にも似ていて、思考が素早くて実行能力の高い優秀な人材ほどハマりがちな罠です。


2017年の3月、私はお客様のデータを分析する日々を過ごしていて、次年度はどんな手法を適用しようかなどと無邪気に考えていた所に2年間の出向が伝えられました。まぁまぁ突然でした。

しかも技術系の部署ではなく新規事業創造本部、しかも新設の部署、しかも京都じゃなく東京、なんかもう環境が変わりまくりです。

異動先では事業実現するための技術アプローチを設計するという技術者らしい役割を与えられました。しかし、ゼロから事業を作っていく段階なので、ある程度アイデアが形になるまでは手を動かす仕事はお預け。私が生み出すものは商品でも技術プロトでもなく多産多死のアイデアとパワポ。チームメンバと「こんな事業はどうだ」「ここにチャンスがあるのでは!?」と議論する日々でした。

外部コンサルに論破されたり、外部コンサルを論破したりするうちに、pptをキレイに作る方法が身につき、従来以上にショートカットキーを使いこなすようにもなりました。何をやっているんだ自分はと思ったこともあります。


大きな気づきの機会となったのはCTOとの初ディスカッションです。チームで考え抜いた渾身の事業仮説プレゼンに対して、CTOからのコメントはシンプルな3つのクエスチョンのみでした。

“顧客は誰?価値は何?競合にどう勝つ?これをちゃんと示せ”

ああ、なんかもう、序盤からズレてたんだな。。。そんな気持ちになりました。自分でもビックリするのは、新規事業を考えているうちに3つのシンプルかつ最重要なクエスチョンを見失うことです。これは注意していてもいつの間にかやってしまうというタチの悪いものです。

どう儲ける?自社にできる?差別化は?と考えていると、知らず知らずのうちにHowにフォーカスしてしまい、解決すべき課題の特定や課題の具体化が未完のままHowの発想ばかり加速します。

この罠にハマりやすい大きな理由としてHowを考えることは夢が広がるようで楽しく心地よいことが挙げられます、だから本当にタチが悪い。そして、完成した美しい事業ストーリーを、Howを考える快感の外側から見たときに「で、これって人々が最も求めるものなの?ただの自分が一番やりたいことじゃないの?」となってしまうのです。


よくよく考えると新規事業創造だけでなく研究や開発でも同様です。別のシーンで次のような経験をしました。

学会聴講中にアイデアを閃き、意気揚々と技術部署の後輩に話を持ちかけ、その技術検証に乗り出そうとしたときです。決裁者の言葉はこうでした

“技術のImproveがあるのは認める、ただし顧客にとってのImproveが見えない”

またやってしまった、、、orz そんな気持ちでした。

まだ誰もやってない、まだ解決されていない、そんな問題を解けば役に立つだろうし論文にもなるだろう、高度なカッコいい手法で解決してやる。そんな考えが私の中にあったのです。師匠からの「険しそうな山があったので頑張って登ってみました、みたいな研究テーマはダメ」という忠告の通りでした。


このような経験を通して私が今後大切にしていきたい、そして皆様にお伝えしたいことは「課題は解くものではなく形成するもの」ということです。

世の中には課題がたくさん溢れていますが、解決する価値がある課題は一部分のみだったり、まだ顕在化していなかったりします。

解決する価値のない課題を、かっこいい手法を考えて検証を重ねて見事に解決したところで誰も喜びません。汗水流した達成感だけ残るので本人はいい気分だし、かえってそのせいで価値を認めない他人を馬鹿だと罵るかもしれません

大切なのは解決する価値のある課題を見極めること。または、まだ誰も気づいていない課題を見つけ出して形成することです。


いま私は京都に戻って少数部隊の研究所でアシスタントマネージャーを勤めています。大好きな京都で楽しい楽しい研究に打ち込む事になりますが、メンバーも含めてこの教訓を忘れずにいようと思います。

最後に、この学びを共有することで皆様の活動に役立てられれば幸いです。

ICLR2019読み会in京都に登壇しました

ちょっと遅れながらの更新ですが、6月2日に京都オムロン本社で開催されたICLR2019読み会に登壇しました

リンク:ICLR2019読み会in京都

 

私の発表はさておき、ABEJA白川さんのゲスト講演が最高におもしろかった(学術的な興味と笑いを取るという二重の意味でおもしろかった)ので、ここにメモしておきたい。

 


ヒトの機械学習

第1部は、店舗ソリューションの話、年齢推定がなぜ難しいかという話。

第2部は、アノテーションを正確にすることの重要性の話。

第3部は、感情推定と双曲空間の話。

個人的に気になったのは2点、アノテーション品質を定量的に測ることが出来るのメトリックが求められるようになってきているのではないか?、そして平面と球面と双曲空間の使い分けについて(それぞれに適した典型的なデータ例は何か?)

前者についてはその場で質問させて頂き、メトリックの必要性は勿論YESで、センサ側とあわせて一緒に努力を重ねていこうという結論に。


私の発表

25分の論文紹介だけでなく、LT枠でも発表しました。幸いにもたくさんのご質問を頂戴して、多くの方に発表内容をご理解いただけたのかなと思いました。

質疑応答も途中で誤魔化さずちゃんと徹底的に議論できますた。関東から参加してくださった学生様からとても詳細で鋭い質問を頂きました。おかげで楽しいディスカッションが出来たと同時に、周囲の理解も深まったように感じます。(ありがとうございました)

 

 


 

コンセプトとして学術的な内容を現場価値に繋げるというものがありまして、論文内容の理解に留まらず、どんな使い方があるか?誰にとって役立つかということまで議論ができて、今回もとてもよい1日となりました。

運営の皆様、ご発表の皆様、参加者の皆様、ありがとうございました。

量子コンピューティング ~理論と仕組みとビジネスインパクト~

お久しぶりです、ロードローラーです。最近、縁あって量子コンピューティングについて聞く機会があったので、これを機に調査&まとめを作成しました。結論から言うと量子コンピューティングによる現在見えているインパクトは計算処理の飛躍的向上によって指数関数的に計算量が増大するような問題を解けるようになること。特に注目されているのは①組み合わせ最適化問題、②複雑なシミュレーションの実行です。


■量子コンピューティングとは

京都産業大学のコチラのサイトが非常にわかりやすいです。(https://www.kyoto-su.ac.jp/project/st/st14_03.html

従来コンピューターのビットは1か0のどちらかを表しますが、量子コンピューターで使われる「量子ビット」は同時に1と0の両方であり得るという性質を持ちます。表現できるパターン数が2のn乗(nはビット数)という点に変わりはありませんが、同時に1と0の両方であり得るという重ね合わせ表現によって、複数のパターンを同時に検証できるようになります。

例えば2ビットのとき、パターン数は(0,0), (0,1), (1,0), (1,1)の4つです(これは従来も量子も同じです)。ただしこれら4パターンを検証するときに従来のコンピュータだと4パターンを評価関数にかけるので計算が4回必要でしたが、量子コンピューティングでは4状態の重ね合わせに対して計算することが可能なので、いわば1回の計算で4パターンを評価できてしまいます。

正確には、複数状態を同時に計算できても、一度測定すればどれか1つの状態が確率的に選択されるので、欲しい答の状態だけを取り出す工夫(欲しい答が測定により選択される確率を高める)が必要です。


■計算量と指数関数

例えば配送員が50地点に荷物を届けるとき移動ルートのパターンは50!=30,414,093,201,713,378,043,612,608,166,064,768,844,377,641,568,960,512,000,000,000,000通りあります。

最も移動が効率的になるような移動ルートを算出したいとき、人間なら直感的にいくつか最適そうなルートにアタリをつけて検証することも可能でしょうが、厳密に最適化パターンを発見するには全選択肢について計算する必要があります(人工知能のフレーム問題とちょっと似ていますね)。

このような膨大な計算には従来コンピュータでは数年かかる、組み合わせの規模によっては数兆年かかるものまであり、解けない問題の1つとなっています。(そこで、実際には効率的に近似解を求めるアルゴリズムなどが提案されています。)


■ビジネスインパクト

よく話題になるのが次のものです

①組み合わせ最適問題を解決して効率向上

②複雑なシミュレーションが実行可能となり未知の問題を解決

③パスワードクラックなどデータセキュリティ

①については前述したとおり、組み合わせ最適問題について全選択肢を検証可能となり最適化社会がより促進されるであろうという説です。これについては私も賛同ですが、ビジネスインパクトは弱いと思います。Before-Afterで差分を考えると近似解が最適解になるだけの変化なので、量子コンピューティングの導入コストに見合うメリットなのか適切な見極めが必要です。

②については私は非常に楽しみです。分子科学の分野でより複雑なシミュレーションが可能となると新薬開発の新たな扉が開く予感がします。(調べてみましたが分子シミュレーションはスパコンでも電子43個くらい規模しかシミュレーションできないそうです)

③については盗み聞きしなくても量子コンピューティングで全通り試せばパスワードを突破できてしまうような世界が到来しえるので、パスワードがなくなって生体認証の普及がさらに加速するかもしれませんね。指紋も行ってみれば2次元画像なのでクラック可能だったりするんでしょうか?そのあたりは素人なのでわかりませんが、自分を証明するための技術に注目が集まると思います。


いかがだったでしょうか?過熱気味ともいわれる量子コンピューティングですが、正確な理解と真剣な検討は1度してみてもよいかもしれません。

ICML@Stockholmに参加しました(開催概要)

ICMLとは


正式名称は『International Conference on Machine Learning』。毎年開催される機会学習のトップカンファレンスです。

 

開催地:Stockholm smassan


2018年は北欧のスウェーデンにて開催されました。メタルとギターポップの国ですね(偏見)。水の都ストックホルムということで心躍らせた人もいたのではないでしょうか?

会場はStockholmsmassan。ストックホルム中央駅から3駅のÄlvsjö駅からすぐの場所です。

周辺に施設が少なくランチに不便する場所でした。昼休憩には大量の昼めし難民が出現、ストックホルム中央駅まで昼食のために電車移動せざるえなくなり、そのまま午後のカンファレンスに遅刻した人も多かったとか。

 

スケジュール


2018年は”7月10~7月15日”の5日間で開催されました。初日がTutorial、それから3日間の本会議、最後に2日間のWorkshopです。

学会前にはスケジュール管理アプリなども配布されます、これが本当に良く出来てました。

 

Reception


最終日にはReceptionが行われました、場所はSkansenMuseum。どんなパーティーだろうと思って参加したらなんと屋外ステージ付きで4つ打ちの低音をズンズン響かせながらビールをあおるという最高仕様でした、パリピ感がすごかったです。

日付が変わるころまで日が沈まないまま明るいので22時頃まで屋外でReceptionは続きました。ところで学会会場からReception会場が遠すぎません???

参加登録


ICMLの開催は7月中旬ですが、Registrationは3カ月前の4月中旬に始まります。NIPSほど速攻ではなかったにせよ、今回もSOLD OUTによって参加できなくなった人が多数出たようです。

参加費用はEarly Registrationでworkshopとtutorialも全て含めると900ドル。

マーケットインとプロダクトアウト

マーケティングを勉強してれば必ず耳にする「マーケットインとプロダクトアウト」について簡単にまとめます。


プロダクトアウト

・技術ありきの戦略。
・企業側の思想に合わせた開発。
・提供側の発想で商品開発を行うこと

スティーブジョブズの有名な言葉に「多くの場合、人は形にして見せて貰うまで自分は何が欲しいのかわからないものだ」とあるように、イノベーションを起こすにはプロダクトアウト観点は必須です。

「もし顧客に、彼らの望むものを聞いていたら、彼らは『もっと速い馬が欲しい』と答えていただろう。」というヘンリーフォードの言葉もありますね。

なによりプロダクトアウトのいい点は、技術起点の開発のため他社に真似されにくい製品やサービスを世に送り出すことに長けている点です。


マーケットイン

・顧客ありきの戦略。
・売れるものを創ろうとする開発。
・顧客側の発想で商品開発を行うこと。

顧客要望を無視してやりたい開発だけを進めることは独りよがり、また、博打のようなもので、マーケットインの視点が堅実な利益へとつながります。


筆者の意見

ロードローラーさんの意見としては、やはり自身が技術者ということもありプロダクトアプトの視点が強いですね。他社に真似されてコモディティ化されると価格競争にしかならないので。

マーケットインを主体で進めるとしたら、市場で1番乗りになることを目指し、他社が追いかけてきたころには次のマーケットを見つける機動力を持つ必要がると思います。


注意点

マーケットインとプロダクトアウトは対立する思想ではなく、両方の考え方を同時に適用することは可能です。むしろ同時に持つべきです。

移動サービスのクラウド化

本日は移動サービスのクラウド化について述べます。

結論だけ先に言うと同じ車両がユーザ要求に応じて異なる移動サービスを提供できる状態だと筆者は考えています。

参考書籍はIPAより今夏発売されたAI白書(なんというパワーワード…!?)


①移動サービスとは:

バス、タクシー、電車といった移動を提供するサービス。

 

②移動サービスの現状:

サービスとハードウェアとが分かちがたく結びついている。例えばバス車両はバスとしてのサービスに徹しており、タクシーのようには機能させない。タクシーがバスの代わりをすることもない。

 

③「クラウド」が指す概念

現在では、CPU、GPU、データベースなどのリソースを仮想化して、ネットワーク経由でサービス提供することを指す場合が多い。

もう少し抽象度を上げると、ユーザ要求に応じて柔軟にハードウェアリソースを割り当ててサービス提供し、ユーザはどのハードウェアを使っているのかを意識することが無い。と表現できる。

 

では、これらを踏まえて移動サービスのクラウド化とは何なのか考えます




 


移動サービスのクラウド化

冒頭申し上げました通り、同じ車両がユーザ要求に応じて異なる移動サービスを提供できる状態だと筆者は考えています。

現状では、1台のバス車両は同じルートを巡回するといった1つのサービスしか提供しておらず、ユーザが「私はコッチ方面に行きたい!」と要求してもサービス内容は変わりません。

タクシーはユーザごとに行先を定めるので、そういう意味では要求に応じて異なるサービスを提供できているのかもしれません。

しかし、ハードウェアリソース量と時空間の制約から、乗降場所と乗降時刻についてユーザ要求を満足したサービス提供をできているとは言い切れません。(平たく言うと近くにタクシーがなかなか見つからなかったり、タクシー到着までに時間がかかったりする。)

 

<未達成の問題>:
クラウドの特徴である「ユーザ要求に応じてハードウェアリソースを柔軟に割り当てる」という部分が最適化しきれていないこと。

<移動サービスのクラウド化が目指す姿>:
柔軟なハードウェアリソース割り当てによって乗降場所と乗降時刻についてユーザ要求を満足させること。そのためには需要予測に基づいた全体最適な配車管理が必要となる。

1997年のアメリカ映画『メン・イン・ブラック』では、道路を走っている車にKが手を上げると、実はその車は無人で自家用車に即変身するというシーンがあった。あれは未来像としてとてもよくできている。

 

・・・まとめると凄くフツーになってしまいましたね。

ここで注意してほしいのは、近年流行っている「Uber」は自家用車をついでにタクシー代わりに有効活用しようという発想であり、事前予約を必要としている以上、全体最適を達成しているわけではないということ。

以上

 

 

経費、資産、償却、税、について

会社で研究開発していて、部材やパソコンを買うときによく直面するこの問題。

「消耗品費?資産?20万未満?え~っと・・・(”^ω^)」



 

というわけで簡単にまとめました。(※少額減価償却資産の特例については省略しています)

シンプルにまとめると

①1年未満しか使わないなら消耗品費として経費で支出

②1年以上使うとしても10万円以下なら消耗品費として経費で支出

③1年以上使うけど20万以内なら一括償却資産(固定資産税がかからない)

④1年以上使うし20万を越えたら堪忍して資産計上して償却する(固定資産税がかかる)

CEATEC 2017:衛星みちびきによるcm単位の自車位置測位(三菱電機)

CEATEC2017より注目技術を紹介。

それが下記リンク記事にある高精度測位サービス『CLAS(シーラス)』。

https://response.jp/article/2017/10/04/300657.html

簡単に言うとGPS測位がセンチメートル単位の誤差範囲に高精度化されたサービスといったところ。

自動運転といった小さな誤差も許されないような領域での活用を狙っている様子。一方でGoogleMapみたいな応用領域では誤差が数メートルあっても困らないので出番はなさそうですね。

測位精度が高いのは素晴らしいですが、一方で即時性が気になります。通信がボトルネックになって即時性が失われるようなシステムならば命を預けられないので。

また、「例えば雪が積もって道路が判別しにくい厳しい状況でも、高精度な自律走行が可能になります」と述べられてます。が、これについては衛星による走行制御が先か、コンピュータビジョンのロバスト性確保が先か、、、(や、両方進めればいいんですけどね)