機械学習

最高性能への挑戦:SOTAとは

「最先端技術」または「最高水準」を意味する「SOTA」とは、英語の"State-Of-The-Art"を短くした言葉です。特定の作業や分野において、今現在達成されている最高の性能を指し示す言葉です。 たとえば、写真を見分ける技術の分野でSOTAを達成したということは、他のどの仕組みに比べても高い正しさで写真を見分けられるということを意味します。 SOTAは常に変わり続けるもので、探究や開発が進むことによって絶えず更新されていきます。ある時点でSOTAを達成したとしても、すぐに他の探究によって記録が塗り替えられるかもしれないため、続いて努力していくことが大切です。 具体的な例を挙げると、自動で言葉を翻訳する技術を考えてみましょう。ある新しい翻訳の方法が開発され、これまでのどの方法よりも高い精度で翻訳できることが確認されたとします。この時、その新しい方法は翻訳技術の分野におけるSOTAとなります。しかし、技術の進歩は早く、すぐに他の研究者によってより精度の高い翻訳方法が開発されるかもしれません。そうすると、SOTAはそちらの新しい方法に移ることになります。 このように、SOTAという立場は決して安泰ではなく、常に競争にさらされているのです。このため、SOTAは技術の進歩を示す重要な指標として、研究者や技術者にとって大きな意味を持ちます。SOTAであり続けるためには、常に新しい技術を探究し続け、性能の向上に励む必要があります。SOTAを目指すことは、技術革新を促す原動力の一つと言えるでしょう。
アルゴリズム

移動平均でデータを見やすく!SMA入門

移動平均とは、刻々と変わるデータの動きを滑らかにし、全体的な流れを掴むための計算方法です。ある一定の期間のデータの平均値を次々と計算していくことで、細かい変動をならし、大きな傾向を浮かび上がらせます。 株価や為替の値動き、気温の変化、商品の売れ行きなど、時間とともに変わるデータによく使われます。例えば、過去5日の平均気温を毎日計算すると、日々の気温の上がり下がりではなく、5日間を通しての気温の傾向が分かります。 移動平均を計算する期間は、分析の目的に合わせて自由に決められます。短い期間で計算すると、直近のデータの影響が強く反映され、細かい動きに敏感な移動平均となります。逆に、長い期間で計算すると、過去のデータの影響が大きくなり、滑らかな移動平均が得られます。短期の移動平均は、最近の変化を素早く捉えるのに適しており、長期の移動平均は、大きな流れや方向性を見るのに役立ちます。 移動平均は、グラフに線として表示されることが多く、これを移動平均線と呼びます。移動平均線をデータと共にグラフに描くと、データの動きが視覚的に分かりやすくなります。例えば、株価のグラフに移動平均線を重ねると、株価の上がり下がりの激しい中でも、全体的な上昇傾向や下降傾向を捉えやすくなります。また、移動平均線は、売買のタイミングを判断する際の目安としても用いられます。 移動平均は、データの分析に役立つ、シンプルながらも強力な手法です。適切な期間を選んで計算することで、データの背後にある真の傾向を明らかにし、将来の予測にも役立てることができます。
アルゴリズム

安全な認証方式:チャレンジレスポンス

インターネットの世界で安心して様々なサービスを使うためには、間違いなく本人だと確認することがとても大切です。これまで広く使われてきた、利用者が決めた合い言葉をそのまま伝える認証方法には、大きな問題がありました。それは、合い言葉が送られる途中で盗み見られると、簡単に漏れてしまうということです。まるで、家の鍵をそのまま郵便で送るようなもので、途中で誰かに盗み見られ、合鍵を作られてしまう危険性があります。 このような危険を避けるため、より安全な本人確認の方法が求められています。従来の合い言葉による認証は、鍵を使って扉を開ける仕組みに似ています。正しい鍵を持っている人だけが扉を開けられるように、正しい合い言葉を知っている人だけがシステムに入れるようになっています。しかし、この方法では、鍵そのものを送ってしまうため、盗まれたり、複製されたりする恐れがあります。 そこで登場したのが、問い合わせと応答による認証方法です。これは、システム側から利用者に対して、ある問いかけをします。利用者は、その問いかけに対する正しい答えを、事前に共有されている秘密の情報を使って作成し、システムに送り返します。システム側では、利用者と同じ方法で答えを作り、送られてきた答えと照合します。もし答えが一致すれば、本人だと確認できます。この方法では、合い言葉そのものを送る必要がないため、通信経路を盗み見られても、合い言葉が漏れる心配はありません。 例えるなら、暗号を使ってメッセージをやり取りするようなものです。暗号の鍵を知っている人だけが、メッセージの内容を解読できます。このように、問い合わせと応答による認証方法は、より安全に本人確認を行うための、重要な技術となっています。 今後、インターネットサービスの安全性を高めるためには、このような新しい技術の普及が不可欠と言えるでしょう。
言語モデル

積み木の世界を動かすSHRDLU

「積み木の世界」は、コンピュータと人間が言葉を介してやり取りするための、初期の画期的な試みの舞台となりました。この仮想世界は、まるで子供部屋に広げられたおもちゃ箱のようです。様々な大きさ、形、色の積み木や、四角錐、球などが配置され、単純ながらも多様な操作が可能です。この世界で活躍するのがSHRDLU(シュルドゥルー)というプログラムです。SHRDLUは、画面上に表示されたこの積み木の世界を認識し、人間の指示に従って積み木を動かしたり、積み木の状態について説明したりすることができます。 SHRDLUとの対話は、まるで人間同士の会話のようです。例えば、ユーザーが「赤い積み木を青い積み木の上に置いて」と入力すると、SHRDLUは画面上の赤い積み木を探し出し、それを青い積み木の上に丁寧に積み上げます。また、「一番大きな積み木はどこにありますか?」と質問すれば、SHRDLUは現在積み木の世界の中で最も大きな積み木を見つけて、その位置を言葉で教えてくれます。さらに、「緑の四角錐を動かせる?」といった質問にも、「はい、動かせます」や「いいえ、その四角錐は他の積み木の下敷きになっています」といった具合に、状況を理解した上で返答します。 SHRDLUの革新的な点は、単に命令を実行するだけでなく、言葉の意味や文脈をある程度理解しているかのように振る舞う点です。これは当時としては驚くべきことで、コンピュータが人間の言葉を理解し、現実世界の問題を解くための大きな一歩となりました。積み木の世界という限られた環境ではありますが、SHRDLUは見事に言葉を理解し、行動で示すことで、人とコンピュータが自然な言葉で対話する未来の可能性を示したのです。まるで魔法使いが魔法の呪文で物を操るかのように、言葉によって仮想世界を自在に操るSHRDLUの姿は、多くの人々に人工知能の未来への期待を抱かせました。
ハードウエア

改ざん防止の技術:耐タンパ性

「耐タンパ性」とは、機器や装置、または仕組みの中身や構造が、許可されていない人に調べられたり、勝手に改造されたりするのを防ぐ性質のことです。製品の安全を高く保ち、大切な発想や秘密を守る上で、とても大切な考え方です。不正なアクセスや改ざんから仕組みを守り、信頼性と安全性を保つことができるのです。 具体的には、様々な工夫が凝らされています。例えば、特別なねじや接着剤を使って箱を開けにくくしたり、中身を見られないようにする工夫があります。また、仕組まれた内容が書き換えられていないかを確認する機能を組み込んだり、暗号を使って情報を守ったりする技術も使われています。 例えば、銀行の現金自動預払機を想像してみてください。現金自動預払機は、多くの人が利用するため、不正なお金の引き出しを防ぐための対策が必要です。そこで、機械の箱を特殊なねじで閉めたり、内部にセンサーを設置して不正な開封を検知したりすることで、物理的な攻撃から守っているのです。また、保存されている情報が書き換えられないように、暗号化技術を用いて保護しています。 近年、インターネットに繋がる機器が増え、不正アクセスも巧妙化しています。こうした状況の中で、耐タンパ性の重要性はますます高まっていると言えるでしょう。例えば、家電製品や自動車など、様々な機器がインターネットに繋がるようになりました。もしこれらの機器が不正に操作された場合、大きな損害が発生する可能性があります。そのため、機器の開発段階から耐タンパ性を考慮することが不可欠です。耐タンパ性を高めることで、安心して機器を利用できる環境が作られ、私たちの生活はより安全で便利なものになるでしょう。
アルゴリズム

移動平均:データの平滑化

移動平均は、時間とともに変化するデータの傾向を掴むための統計的手法です。日々の気温の変化や株価の動きのように、時間とともに変動するデータを時系列データと呼びます。この時系列データには、短期的な細かい動き(ノイズ)と長期的な大きな動き(トレンド)が含まれています。移動平均を使うことで、この細かいノイズを取り除き、全体的な傾向やパターンを把握することが容易になります。 移動平均の計算方法は、一定の期間のデータの平均値を順番に求めていくというシンプルなものです。例えば、3日間の移動平均を求める場合、最初の3日間のデータの平均値を計算し、次に2日目から4日目のデータの平均値、3日目から5日目のデータの平均値というように、1日ずつずらして平均値を計算していきます。この計算を繰り返すことで、平滑化されたデータの列が得られます。この平滑化されたデータが移動平均線と呼ばれ、元の時系列データのトレンドを表すものとなります。 移動平均は、様々な分野で活用されています。例えば、株式投資の世界では、株価の短期的な変動に惑わされずに、長期的なトレンドを把握するために利用されています。また、気象データの解析にも応用されており、日々の気温の変動を取り除くことで、季節ごとの気温変化の傾向を分析することができます。さらに、ウェブサイトへのアクセス数の解析にも利用され、アクセス数の急増や急減といった一時的な変動の影響を受けずに、安定したアクセス数の傾向を把握することが可能になります。このように移動平均は、データの解析や予測において非常に有用な手法と言えるでしょう。
ビジネスへの応用

生成系AI活用フォーラムin品川

品川区と東京商工会議所品川支部は、事業を営む皆様のために「生成系人工知能」のビジネス活用を考える会を開きます。近年、様々な分野で技術革新が進んでいますが、中でも人工知能技術の進化は目覚ましいものがあります。とりわけ、文章や絵、音声、そして計算機の指示を作る生成系人工知能は、大きな注目を集めています。この新しい技術は、様々な仕事で効率を上げたり、新しい事業の基盤となると期待されています。 この会では、生成系人工知能とは何かという基本的なことから、実際にどのように役立てられているのかというお話、そしてこれからの見通しまで、幅広くお話しします。話を聞くだけでなく、話し合いを通して、参加者の皆様に役立つ最新の情報や、事業にどのように役立てられるのかを考えるヒントをお伝えします。 生成系人工知能を使って新しい事業を始めたいと考えている企業の皆様はもちろん、最新の技術について知りたいという方にも、情報収集や交流の貴重な機会となるでしょう。ぜひご参加ください。 会では、生成系人工知能の基礎知識を分かりやすく説明します。専門用語をなるべく使わずに、皆様が理解しやすいように工夫してお伝えしますので、初めての方でも安心してご参加いただけます。さらに、様々な業種における導入事例を紹介することで、具体的なイメージを持っていただき、自社の事業への応用可能性を検討するきっかけを提供します。加えて、人工知能技術の専門家による講演や、企業の担当者によるパネルディスカッションを通じて、活発な意見交換の場を設けます。 皆様の事業の成長に繋がるヒントを、この会で見つけていただければ幸いです。皆様のエントリーをお待ちしております。
その他

処理時間:ターンアラウンドタイム徹底解説

処理の速さは、計算機の良し悪しを判断する上で欠かせない要素です。どれほど高性能な機械でも、作業に長い時間がかかってしまっては意味がありません。そこで、作業の速さを測る尺度として「処理に要する時間」が用いられます。この尺度の中でも、依頼から結果が返ってくるまでの全体時間を指すのが「ターンアラウンドタイム」です。まるで、仕事を受けてから仕上げて納品するまでの時間、あるいは、遊園地のアトラクションに並んでから乗り終わって出てくるまでの時間のようなものと言えるでしょう。 このターンアラウンドタイムは、計算機の性能を測る重要な指標となります。なぜなら、この時間が短ければ短いほど、計算機は速く仕事をしていると判断できるからです。例えば、同じ仕事を頼んでも、ある計算機は1時間で終えるのに対し、別の計算機は2時間かかるとします。この場合、明らかに1時間で終えた計算機の方が速く、性能が良いと言えるでしょう。 では、ターンアラウンドタイムはどのように計算するのでしょうか。これは単純に、結果が返ってきた時刻から、依頼をした時刻を引くことで求められます。例えば、朝9時に仕事を依頼し、夕方5時に結果が返ってきたとします。すると、ターンアラウンドタイムは8時間となります。 ターンアラウンドタイムを理解し、その値を短縮するための工夫をすることは、計算機の効率を上げ、より多くの仕事をこなせるようにするために大変重要です。プログラムの作り方を工夫したり、計算機の構成を見直したりすることで、ターンアラウンドタイムは大きく変わってきます。本記事では、このターンアラウンドタイムについてさらに深く掘り下げ、計算方法やシステム性能との関わりについて具体例を交えて解説していきます。これらを理解することで、皆様の仕事がより速く、より効率的に進む一助となれば幸いです。
機械学習

機械学習の解釈:SHAP値の活用

近ごろ、人工知能、中でも機械学習はめざましい進歩を遂げ、様々な分野で役立てられています。買い物でのおすすめ商品の表示や、病気の診断支援など、私たちの生活にも身近なものになりつつあります。しかし、多くの機械学習の仕組みは複雑な計算に基づいており、なぜそのような結果になったのか、その理由を人間が理解するのは難しいという問題があります。例えるなら、まるで中身の見えない黒い箱、ブラックボックスのようです。このブラックボックスの中身を解き明かし、人工知能がどのような根拠で判断を下したのかを人間が理解できるようにする取り組みが、説明可能な人工知能、あるいは説明可能なえーあいと呼ばれています。 説明可能なえーあいは、人工知能の信頼性を高める上で重要な役割を担っています。なぜなら、人間は理由も分からずに提示された結果を簡単には信用できないからです。例えば、医者が診断結果だけを告げ、その理由を説明してくれなかったら、患者は不安に感じるでしょう。人工知能も同じで、判断の根拠が分かれば、その結果への信頼感や納得感が高まります。また、誤った判断をした場合でも、その原因を特定しやすく、改善にも繋がります。さらに、人工知能がどのように判断しているかを理解することは、新たな知識発見の可能性も秘めています。例えば、人工知能が病気の診断を支援する際に、人間の医者が見落としていた重要な要素を捉えているかもしれません。このように、説明可能なえーあいは、人工知能をより安全で信頼できるものにし、社会に広く受け入れられるために不可欠な技術と言えるでしょう。
ビジネスへの応用

目標利益達成のための価格設定

利益をあらかじめ決めて、その利益に見合うように商品の値段を決める方法を、目標利益達成のための価格設定といいます。この方法は、売り上げや市場での立ち位置を大きくすることよりも、一定の割合で利益を確実に得ることを大切にしています。目指す利益の割合は、投資に対する見返りや会社全体の利益の目標などを考えて決めます。 例えば、新しい機械を導入するために1億円投資したとします。経営陣はこの投資から年間2000万円の利益を得たいと考えています。この場合、目指す利益率は20%になります。もしこの機械によって1万個の製品を作るとすると、1個あたり2000円の利益を確保する必要があります。 この方法を使うと、会社は安定した収入を確保し、長く続く成長を目指せます。また、なぜこの値段なのかという理由がはっきりするので、会社の中の人や外の人にも説明しやすくなります。 しかし、周りの会社がどんな値段で売っているか、お客さんが値段の変化にどう反応するかなどを考えないと、目指す利益を達成できないこともあります。例えば、周りの会社が同じような商品をもっと安く売っていたら、お客さんはそちらを買ってしまうでしょう。また、お客さんが値段に敏感で、少し値段が上がると買わなくなってしまう場合も、目標利益を達成するのは難しくなります。そのため、市場調査や競合分析をしっかり行うことが大切です。お客さんがいくらまでなら買ってくれるのか、周りの会社はどんな価格戦略をとっているのかなどを詳しく調べる必要があります。 目標利益達成のための価格設定は、安定した経営を目指す上で有効な方法ですが、市場の状況やお客さんの気持ちなどをしっかりと理解した上で、慎重に進める必要があります。
機械学習

AIによる異常検知:未来を予測する技術

異常検知とは、普段と異なる行動や様子、つまり「異常」を見つける技術のことです。大量のデータの中から、人の目では見つけるのが難しい隠れた異常を見つけ出すために使われます。人は経験や直感で「何かがおかしい」と気づくことができますが、データの量が膨大になると、どうしても見落としが出てしまうことがあります。そこで、人の代わりに計算機の力を借りて、自動的に異常を発見しようとするのが異常検知です。 近年、様々な場所でデータが集められるようになり、また計算機の技術も大きく進歩したことで、この異常検知は多くの分野で注目を集めています。例えば、クレジットカードの不正利用を見つける場面を考えてみましょう。普段とは異なる高額な買い物や、いつもと違う場所での利用など、不正利用の可能性が高い行動を計算機が自動的に検知し、利用者に警告することで、被害を未然に防ぐことができます。 また、工場の機械の故障予測にも役立ちます。機械の稼働状況に関する様々なデータ、例えば温度や振動、音などを常に監視し、通常とは異なるパターンを検知することで、故障の兆候を早期に捉えることができます。これにより、突然の故障による生産ラインの停止を防ぎ、安定した稼働を維持することが可能になります。さらに、医療の分野では、病気の早期発見に役立てられています。健康診断のデータや日々の生活習慣のデータから、病気の兆候を早期に発見し、早期治療につなげることで、健康寿命の延伸に貢献することが期待されています。 このように、異常検知は様々な分野で活用されており、私たちの生活の安全を守り、より良いものにするために欠かせない技術となっています。まさに、これから起こるかもしれない問題を事前に察知し、まだ見えていない危険に対応することを可能にする、未来を予測する技術と言えるでしょう。
深層学習

画像認識の革新:SENet

画像を人のように見分けて、理解する技術は、今、人工知能の中でも特に注目を集めています。この技術を画像認識と言い、様々な分野で応用が期待されています。例えば、自動運転では、周りの状況をカメラで捉え、人や車、信号などを認識することで安全な運転を支援します。また、医療の分野では、レントゲン画像やCT画像から病気を早期発見するのに役立ちます。 このような画像認識の精度は近年、深層学習という技術のおかげで飛躍的に向上しました。深層学習とは、人間の脳の仕組みを模倣した技術で、大量のデータから複雑なパターンを学習することができます。特に、畳み込みニューラルネットワーク(CNN)と呼ばれる方法は、画像認識において優れた性能を発揮します。CNNは、画像の特徴を捉えるための特別な仕組みを持っており、まるで人間の目が物体の形や色を認識するように、画像の中から重要な情報を見つけ出すことができます。 2017年には、画像認識の精度を競う大会ILSVRCで、SENetという新しいモデルが登場し、大きな話題となりました。SENetは、従来の方法よりもより多くの情報を効率的に処理することができ、その結果、画像認識の精度をさらに向上させることに成功しました。この技術の進歩は、自動運転や医療診断だけでなく、私たちの生活の様々な場面で革新をもたらすと期待されています。例えば、防犯カメラの映像から不審者を自動的に検知したり、スマートフォンで撮影した写真の内容を認識して自動的に整理したりといったことも可能になります。