SIX2019 DAY2(“藝” Business Day) 参加レポート

はじめに

ABEJA社主催のAI CONFERENCE、SIX2019~技が共創し、藝があつまる~に参加してきました。

このイベントは2日に渡って開催されていて、本記事ではビジネスがメインの2日目のセッションで学んだ事を中心に書いています。

当日のメモだけだと詰めが甘いところもあったので、参加者の皆様のツイートを参考にさせて頂いております。

各セッションの資料は一部アップロードが予定されているようですが、まだ全てがアップロードされていないようなので、アップロードされ次第リンクを貼りたいと思います。

基調講演

ABEJA 岡田氏とパートナーの方々による基調講演からスタートしました。

基調講演にしてはボリュームが多く、これだけで結構疲れてしまいましたw

エンジニア兼IT推進という私の立場からだと、ABEJA 菊池氏が一番面白かったです。(資料のアップはあるのだろうか...)

真面目に書こうとすると、企業講演のボリュームが大きさにやられてしまうので、自分に刺さった内容だけを一部抜粋して記載します。

詳しく知りたいという方はASCIIさんの記事を見ると良いかもしれません。

ABEJA 岡田氏

  • 日本は世界各国と比較してAIに投資できているのかという問題提起

東京大学 松尾先生のビデオメッセージ

トプコン 福間氏

  • 衣・食・住の社会的課題の為にAIの活用が不可欠
  • ABEJAとのコラボレーションについて
  • 目から全身の健康を推測する事にトライ f:id:takahiro-kato:20190324152200j:plain f:id:takahiro-kato:20190324152222j:plain

ABEJA 菊池氏

  • ABEJA INSIGHT for Retailの事業内容について
    • 実績について
    • リピート推定と同線分析のデモ
  • AI Opsのパイプラインについて
  • ABEJA Platformについて
    • Annotation機能のアップデート
  • 新サービス、ABEJA Platform Acceletatorの発表

AI Ops: f:id:takahiro-kato:20190324152005j:plain

ダイキン工業 臼井氏

  • ダイキン工業でのAI活用の可能性について
    • ミッションはリードタイムの削減
    • 修理に必要な部品予測や在庫予測にトライ f:id:takahiro-kato:20190324152259j:plain f:id:takahiro-kato:20190324152322j:plain

現場への導入を見据えたAIシステム構築の考え方

基調講演の後はランチセッションです。本セッションにはタイトル通りの知識を身に着けたくて参加しました。

ちなみにランチはお茶付きで、しかも無料で美味しかったです。ただ文句ではありませんが、机が無かったので食べづらかったが難点でした。セッションが終わった後に広いスペースで食べた方が良かったかもしれません。 f:id:takahiro-kato:20190324152411j:plain

話の内容は下記の通り。

  • 自分が「AIを作る」のか「AIを使いたい」のかをはっきりする
  • 自分の目的にあったサービスを使う(「作る」と「使う」では異なる)
  • ストレージサービスのboxは、画像のアップロード時にGoogle Vision APIを使った情報のラベリングを行い、画像の特徴からの検索を可能にしている f:id:takahiro-kato:20190324152350j:plain

ABEJA PlatformとAIで作るサブスクリプションビジネス

このセッションには、AI開発・案件にはABEJA Platformを使った方が良いのでは?それを使ってのサブスクリプションビジネスとは?を知りたかったので参加しました。

売り切りのビジネスモデルとの違いや、継続的に高い価値を顧客に提供する考え方等、サブスクリプションビジネス未経験の私にとっては新しい知見が詰まっていました。 他にもAI案件の主な進め方やタスク、それに必要な期間等、知りたい事を知れたので良かったです。これからAIをやりたい人にとっては良資料だと思います。

https://speakerdeck.com/abeja/abeja-platformtoaidezuo-rusabusukuripusiyonbizinesu

デジタルマーケティング領域における共創型ビジネスモデルの展開とAIの活用

このセッションは、ちょっと自分向けではなかったセッションで、正直あまり理解できませんでした...

そんな中でも、勉強になった事はありましたので紹介。

  • AIは仕事ではなく「仕事の工数」を奪ってくれるもの
  • カメラを設置して、来客数をカウント出来るようになった事で、データの分母が分かるようになった

差がつくデータセットのつくり方

このセッションには、良質なデータセットを作る為に何が必要なのかを知りたくて参加しました。

データを用意するところで発生した問題点・課題と、それを解決する為に何をやったか等を発表して頂けました。

問題点・課題

  • 使いたいデータの保管場所がバラバラ
  • 欲しいデータが無い、足りない
  • 実用水準のAI活用には、独自のデータセットが必要

問題解決の為にやった事

  • データ整備に特化したチームの設立
  • 作業効率を上げる為のツールを使用
  • 散らばっているデータ群をまとめて保管するデータ保管システムを開発

「解決策は泥臭く気合で集める」と仰っていたので、現場に丸投げ系かな...と思っていましたが、参考になりました。 データの用意だけでも、システムや体制から考えないといけないレベルで大変な事が分かって良かったです。

他にも、FaceBookのマッチングサービス系の広告は、ユーザー情報の結婚ステータスを見て広告を出す出さないの判断をしている事や、 実存しない人間の画像を生成する事で撮影に掛かるコスト(契約や打ち合わせなど)を減少させるような新しい取り組みの話しもありました。

こんなAIプロジェクトは失敗する! ~導入効果?適切なデータ活用?稟議が通らない!~

このセッションには「失敗」、「導入効果」、「稟議が通らない」というキーワードに惹かれて参加しました。 心なしかスーツ率が高かったように思いますw

まず、最初にセッション参加者に向けて下記質問を投げました。

  • AIプロジェクトを自社取り組んでいる方→全体の約4割
  • 上手くいっていない方→全体の約4割

...最近は成功事例をよく見かけますが、裏では失敗も多々あるのかもしれません。

その後本題に入ったわけですが、そこでは失敗パターンと成功させるキーポイントのお話をして頂けました。

失敗パターン

  • 導入効果 vs メリットがわからない
  • PoCで止まる
  • 関係者が複雑怪奇

記事のアップがまだみたいなので、とりあえず写真でよければどうぞ。 f:id:takahiro-kato:20190324152713j:plain f:id:takahiro-kato:20190324152734j:plain f:id:takahiro-kato:20190324152759j:plain f:id:takahiro-kato:20190324152853j:plain f:id:takahiro-kato:20190324152913j:plain f:id:takahiro-kato:20190324152939j:plain f:id:takahiro-kato:20190324152957j:plain

AI活用プロジェクトを成功させる3つのキーポイント

f:id:takahiro-kato:20190324153022j:plain

[後日資料公開との事。実際の資料はもっと詳しい情報があります。]

話の中では、上記の内容を少し具体的にしたものなのか、「導入効果やメリットを正確に捉えてるか?」、「現場の声を吸い上げる仕組みが出来ているか?」といった事も仰っていました。

「現場の協力が長期的に必要な事」や「結果が直ぐに出ない事」、「システムベンダーとアルゴリズムベンダーとの間で話が通じない」等が従来のシステム開発プロジェクトと大きく異なっていると思いました。この辺はプロジェクト開始前から気を付けたいところです。

AI、データ時代の法律~データは?アルゴリズムは?誰のもの?~

最初は「ABEJA Insight for Retail Workshop」に申し込んでいましたが、「実際に小売店舗を経営・運営されている方」が対象という事に前々日くらいに気付き、急遽こちらに参加しました。

自分には合わない内容でしたが、データやモデルの所有権などの話は少し面白かったです。 データに対する所有権は存在しない事やデータをどうやって守るか等の話は参考になりました。 法的に守られていないからこそ、権限や契約、ガイドラインの作成等で守る事が必要だと思いました。

所感

この日は「どうやってAIを使うところまでに辿りつくか」の部分について学べたと思います。

AIはやってみないと分からないという話でしたが、それでも準備可能なもの(AIを作るのか使うのか、プロジェクトの体制・指標・事例など)を事前に知れたのは良かったなと思いました。

あと、今回は全てのタイムテーブルのセッションに参加しましたが、次回は無理に参加しないでおこうと思いました。 空いた時間で「Ask the Speaker」スペースで講演者に質問した方が有意義なケースもあると思いましたし、展示ブースを色々覗く時間も欲しいからです。

次回の開催スケジュール(2020.03.10 - 11)も既に決まっているので、今から予定を埋めて参加しようと思います。

SIX2019 DAY1(“技” Developer Day) 参加レポート

はじめに

ABEJA社主催のAI CONFERENCE、SIX2019~技が共創し、藝があつまる~に参加してきました。

このイベントは2日に渡って開催されていて、本記事ではAI技術がメインの1日目のセッションで学んだ事を中心に書いています。

当日のメモだけだと詰めが甘いところもあったので、参加者の皆様のツイートを参考にさせて頂いております。

各セッションの資料は一部アップロードが予定されているようですが、まだ全てがアップロードされていないようなので、アップロードされ次第リンクを貼りたいと思います。

特別講演

ABEJA 緒方氏による特別講演からスタートしました。

内容は下記の通りです。

  • ABEJAの唱える「Technopreneurship」について
  • ディープラーニングの過去と現在
  • AI利用の為のタスク・パイプライン
  • ABEJA Platformについて(サービスや未来の展望など)
  • ABECOINについて(行動によるマイニング × バーチャルマネー

speakerdeck.com

講演中の「AIの社会実装準備は完了した」というメッセージが印象に残りました。

EngineerからTechnopreneurへ ~AI時代における21世紀のリーダーシップ論~

本セッションには、Technopreneurとは何か?AI時代における21世紀のリーダーシップとは何か?を知りたくて参加しました。

本セッションのディスカッションを通して語られた話は概念論や精神論、思考をベースにした表現が殆どで、Technopreneurとリーダーシップについて具体的にまとめた表現は語られませんでした。(聞き逃した?)

ディスカッションの内容も少し難しく、ツイートが他のセッションに比べて少なかったように思いますw

その為、きちんと理解しきれていない部分もあると思いますが、理解できる範囲で自分なりにまとめて書こうと思います。(誤解していたら御指摘頂けると嬉しいです...)

Technopreneurとは

Technopreneurshipとは、TechnologyとLiberal ArtsとEntrepreneurshipから構成されるもの(それぞれの詳しい説明は下の資料を参照)

f:id:takahiro-kato:20190314001118j:plain

f:id:takahiro-kato:20190314001626j:plain

ディスカッションの中で語られた「Liberal Artsとは」(記憶の限り原文)

  • 常識からの自由
  • 未来を創造する力
  • 何かを作る話になるとフワッとした話になるが、それを埋めるもの
  • やればやるほど見えてくるものがあって、見えない未来が見えてくるようになる

リーダーシップとは

今回語られたリーダーシップは21世紀ならではの新しいリーダーシップではなかった様に思います。 (Technopreneurの話が21世紀のリーダーシップの話も含んでいたのかもしれませんが...)

しかし、語られた内容は良かったと思います。これを聞くことで2歩目以上を踏み出せなかった人が踏み出せるようになるかもしれません。

以下ディスカッション中で語られた「リーダーシップとは」を簡単にまとめたものです。(記憶の限り原文)

  • 最初はお馬鹿さん(周りに「やめとけよ馬鹿だな」とか言われる)
  • 歯を食いしばってやっていると、フォロワーが生まれ、やっとリーダーになれる
  • 自分の夢・志が皆の夢になる
  • 皆の本当の夢とは何かを理解する(自分の夢が皆の夢になる為には共感してもらう必要がある為)

所感

あくまで私の解釈ですが、Technopreneurとは

いつまでも新しい未来を思い描くことが出来て、
それを実現する為の具体的なプロセスをデザインする能力や技術を持った、
豊かな世界を実装できる人材

の事だと思いました。

多数のエンジニアは新しい技術を習得しても、それなりの結果を出すとそれなりに満足してしまいがちです。
少なくとも世界を変える意識は中々持っていないと思います。
しかし、「それで満足してはダメだ。もっと世界に影響を与える凄いものを目指すべきだ。」というメッセージをこめて「EngineerからTechnopreneurへ」というセッションタイトルにしたのではないかと思いました。

AI活用の要件定義から運用までをスムーズに

本セッションには、実際のAIプロジェクト話を聞きたくて参加しました。

本セッションの中で最も興味深かったのは、プロジェクトの失敗談でした。

エラー予知率55%という、最初の結果としては悪くない精度が出たにも関わらず、これからという時に現場からの協力が得られず失敗した話は、大きい知見だったように思います。

成果が出るまでに時間が掛かるAIだからこそ、ちゃんと現場と話や取り決めををして、ガッカリさせずに希望を持ち続けて頂く事は重要だと思いました。

資料はコチラ

少数データからの学習法の展開とABEJAの取り組み

本セッションには少数データというキーワードに惹かれて参加しました。

内容は期待以上のものでした。

小数データで精度が出るのは勿論、手戻り作業が減少する等の運用面でもメリットがあるExternalNet。
3分でデータ収集からモデル構築、検証までを実現するシステム(ABEJA Platform Acceleratorに搭載予定)のデモなど、強烈な内容でした。

正直この発表を聞いて、「AI基盤を作る」のはABEJAに任せて、それ以外の事に注力した方が良いのでは?と思ったくらいです。

データが足らない問題は、多くの企業に当てはまる問題だと思っています。 それを解決する為のノウハウを知る事ができて良かったと思いました。

(資料は後日、アップロード予定?)

徹底討論 : AI導入・運用を加速せよ、40分一本勝負!

この日最後のセッションです。 正直なところ、具体的な目的はなく面白そうな話が聞けそうなので参加しました。

セッション開始と共にマスクド・アナライズ氏がリングコールを背負って入場し、一部の参加者を盛り上げ、それ以外の参加者を置いてきぼりにして、始まりましたw f:id:takahiro-kato:20190314002027j:plain

本セッションは下図の内容に焦点を当ててのディスカッションでした。 真面目で面白い内容だったので、来年もあったら良いなと思います。 f:id:takahiro-kato:20190314001923j:plain

以下、学習した内容。詳しく書くとキリがないので箇条書き。

AIの阻害要因とは

  • 明確な目的・ビジョンが無い
  • ベンダー丸投げ(ガートナーも追認)
  • AI人材の採用問題(給与水準が高い)
  • 効果を書かないと稟議が通らない(AIだと無理)
  • 先行事例がありますか?問題

阻害要因の回避方法・AIの活用に必要な事

  • AIを活用したビジョンや未来図のデザイン
  • 優秀なAI人材の採用
  • AI人材を探すための費用はコストではなく投資と考える
  • ビジネス部門が稟議を出す
  • 失敗を覚悟した上での挑戦

PoCについて

  • PoCの目的や成果基準が曖昧な為、PoCから進まないことが多い
  • ただの技術検証になってしまっている、ビジネス検証であるべき

運用について

  • 基準さえ満たしていれば、精度向上だけを目指すのではなく、現在の精度から何が出来るのかを考える事も重要。
  • 精度が低くても、動くシステムに組み込む必要がある
  • スモールスタートはサブのシステムでは効果が出ない、お金を生んでいるところに本番システムを使わないとリターンが無い
  • 中国、アメリカに比べるとスピードが遅い

予算について

  • 予算を一億円確保しておかないと門前払い
  • 新たな価値を生み出す事を考えないと費用対効果に合わない

AI導入の為のサイクル

AIプロジェクトは...

  • Planから入ると進まない。やってみないと分からない
  • 試行錯誤を繰り返し、長期的に改善を重ねる必要がある
  • 成果が出るまで時間が掛かる
  • 確実に成果は出ない
  • 「成果が出ていないにも関わらず、予算使いまくっている」と周りに思われる

以上の為か、AI導入においてはPDCAサイクルはうまく回らない。

AI導入のサイクルを回すにはDGWA(出川)サイクルが適切。 DGWA(出川)サイクルを回し続けて、ノウハウを蓄積する事でAI導入の道が開けてくる。

ref. DGWA(出川)サイクルの詳しい内容はコチラをどうぞ

ベンダーに依頼する前に

まずは自身でAIを勉強して、触って、感じ取ってみる。

それでもダメ、技術的に実現できない、となったらベンダーに依頼。

参加者からの質疑応答

質問: 売上規模も小さい中小企業がAIに投資する価値があるか?
回答: 逆に大きなステップアップのチャンスと捉えて欲しい。AIはゲームチェンジをもたらすもの。

飲み会

SIXの後は知り合い同士で飲み会をやりました。その飲み会の中で良い事を言っていたので紹介。

  • AIの強みは現場担当者の最高実力者を超える事ではなく、熟練者の知識を展開できる事。

  • AI投資一億円はIT投資と考えると難しい。だから事業投資と考えるべき。事業投資にはそれ以上の費用をかけているはず。

AIに限らない話でしたが、以下の内容も面白かったです。

  • 時間も経営資源だが理解はされていない

  • 日本では、短時間でやる事が評価されず、長時間を掛けてやる事が美徳とされている

  • ライバル会社のスピードを意識していないのでは?→殆どの会社が足並み揃えてのんびりやっているから、意識しても尚更理解されない

  • 丁寧にやっても品質が上がるとは限らない(遅いだけになる恐れあり)

  • 早く実行して、早く失敗をし、早く改善する方が良い方法では?

今思うとこの飲み会、武闘派CIO 友岡さんとABEJA 小島さんによるセッションみたいなものでした、贅沢ですねw

所感

この日は、AIの第一線の方々の技術・知識や現場のリアルな話を知る事ができました。

それを通して、AIに関する情報のアップデートが出来たように思います。

基調講演で言っていたように、実装の為の準備は出来ているように思いますので、やってみる事が出来る事はやってみて、知見・経験を貯めていきたいと思いました。

GCPUG Tokushima #4 機械学習 Machine Learning 参加レポート

はじめに

2019年2月17日に開催されたGCPUG Tokushima #4 機械学習 Machine Learningに参加してきました。

この記事では学んだ内容について書いていきます。

Google Cloud Platform 演習

GCPUG Tokushima オーガナイザーの塩士さんによるGoogle Cloud Platform 演習です。

QWIKLABS(自学習サイト)を使ってGoogle Cloud PlatformでのVM構築とTensorFlowの利用をハンズオン形式で学びました。

GCPUG Tokushima側にご提供頂いた無料クーポンを使用する事で、QWIKLABSのGCPの学習コンテンツを無償で学ぶことが出来ました。 無料クーポンは、2019/02/01から始まったJapan Cloud Study Jamsに参加する事でもらえるとの事。

この演習を通して、基本操作は勿論、塩士さんオススメの機械学習の論文資料やTensorBoardについて知る事ができました。

” 30分でわかる ” GCPを使った 機械学習システムの構築

株式会社ビヨンド 大原さんによる発表です。

機械学習の基礎や全体像、設計のポイントを御説明頂いたうえで、それらに対してGCPの何のサービスを使えば良いのかを御説明頂きました。

分かりやすくまとめて頂いていたので、理解しやすかったです。

www.slideshare.net

あと、話の本筋とは離れていますが、GoogleAppEngine(GAE)とGoogle Cloud Functionsの違いにも触れられており、同じサーバーレス技術でも何がどういう判断基準で使い分けるのかも教わりました。

以下、簡単メモ。

  • 毎秒数100万アクセス規模になる場合はGAEを採用する事
  • Cloud Functionsはリアルタイム応答に向いていない

質問タイム

以下、質問タイムで発生した質問の内容と回答を簡単にまとめたものになります。

Q. BigTableとBigQueryの違いは何なのか?
A. BigTableはKVSデータベースで、BigQueryは分析基盤・DWH。同じデータベース系だと思われがちだが役割が全然違う。実践的な例で言うとアプリのデータベースとしてBigTableを使用し、BigTable内のデータをBigQueryにコピーして分析などを行う。BigQueryは更新系の機能が弱く、アプリ等のデータベースには向かない。

Q. モデルのバージョン管理・履歴はGCPで可能か?
A. Cloud ML Engineにて可能。最後に作成したモデルが従来よりも精度が落ちた場合、以前に作成したモデルを再度採用する事が可能。

TensorFlow Lite と Edge TPU:モバイルアプリをAIで賢くする方法

Google合同会社 佐藤さんによる発表です。

本題に入る前に、機械学習の勉強に関する良い情報を御提供して頂けました。

以下、簡単メモ。

  • 今から学習する場合、機械学習フレームワークはKerasがオススメ
    • TensorFlowは難しい
    • TensorFlow2.0からはKerasがAPIになる
  • 機械学習環境はGoogle Colaboratoryがオススメ
    • 無料
    • GPU, TPUが使用可能
    • Googleカスタマイズ版Jupyter Notebookが環境構築作業抜きで使用可能

本勉強会の内容ではありませんが、佐藤さんがtwitterColabとKerasでTPUを使ったサンプルを紹介していたので記載。 https://twitter.com/kazunori_279/status/1096148775251243008

その後は本題に入って、エッジデバイスにAIを導入する際の問題点やメリット、TensorFlow LiteやML Kit for Firebaseについて学習しました。

以下、簡単メモ。

  • 機械学習を使って作成したモデルのダウンロードが厳しい(モデルの容量が約100MB)
    • TensorFlow Liteを使用する事で解決可
  • モバイルML(Machine Learning)は情報の圧縮を可能にする(※)
  • TensorFlow Liteは推論だけ実行可能。学習は対応していない
  • TensorFlow LiteのモデルはTensorFlowで作ったモデルをLite用にコンバートして作るもの

※. 情報の圧縮例: モバイルカメラが捉えた「猫」を情報としてサーバーに送信する場合、通常だと画像を送信するが、モバイルMLを使用するとモバイル側で画像認識処理を実施して、catという猫を表す文字データだけ送信する事が可能になる

質問タイム

以下、質問タイムで発生した質問の内容と回答を簡単にまとめたものになります。

Q. Firebase ML KitはJavaScriptで使用可能にならないか?
A. 今のところ、使用可能になるという情報は無い。

Q. AndroidアプリでML Kitを使用する場合、apkに含めないといけないのか?
A. どちらでもよい。apkに含めておいても良いし、後でML Kitだけダウンロードさせる事も可能。

Q. TensorFlow.jsは学習に向いていないのか?
A. 向いていない

最後に

GCP系はあまり触っていなかったので、サービスの役割もきちんと分かっていませんでしたが、本イベントで大雑把ではありますが理解できました。参加して良かったと思います。

今後は、ビッグデータ機械学習系のサービスが強力だと思うので、その辺を触っていこうと思います。

JAWS-UG愛媛 (日本 Amazon Web Serviceユーザ会愛媛)第20回勉強会 参加・登壇レポート

はじめに

2019年2月2日に開催されたJAWS-UG愛媛 (日本 Amazon Web Serviceユーザ会愛媛)第20回勉強会で登壇してきました。

この記事では登壇内容や学んだ内容について書いていきます。

登壇スライド

スライド内容は下記の通りです。

  • 機械学習の基礎
  • Amazon SageMakerで何が便利になるのか
  • Amazon SageMakerを使ったWebアプリの作成

初心者でも機械学習を理解できて、尚且つSageMakerの便利さや使い方を体験して頂く構成にしました。

ハンズオンの最中では、SageMakerでエンドポイントを作成する際にResourceLimitExceededエラーが数名発生しましたが、 他の参加者の方がご自身のPCをエラーが出た方に操作させてあげたり、サイボウズの方のフォロー等があって、事なきことを得ました。 本当にありがとうございました。

speakerdeck.com

JAWS-UG 愛媛 沖さん: Amazon Goの売上ってどんな感じ

JAWS-UG 愛媛 沖さんによるAmazon Goのお話です。

Amazon Goの売上データの検証や、未来のお店の展望についてお話し頂けました。 元スーパー経営者の視点のお話なので、普段自分が考えないような話が聞けて面白かったです。

登壇スライドにはアレな内容もあったので、省略した内容をnoteにアップしています。

note.mu

学び

今回初めてハンズオンにCloud9を使用しましたが、下記の点が良いと感じました。

  • 参加者のローカル環境の影響を受けない
  • 全員が同じ開発環境になる
  • aws-cli等がインストール済み

ハンズオンで躓く大きな要素の一つに環境構築がありますが、Cloud9を使用することで開発環境の環境構築に躓く事がなくなるのではと思いました。

最後に

今回は、非エンジニアの方もいらっしゃっていて、機械学習の関心の高さを実感した日でした。

メインはあくまでAWSの勉強ですが、程よく機会学習の勉強も絡めていきたいと思いました。

3時間で始められる実戦IoTリレーハンズオン ~センシング、クラウド、見える化手法の最前線~ 参加レポート

はじめに

2018年10月10日に開催された「3時間で始められる実戦IoTリレーハンズオン ~センシング、クラウド、見える化手法の最前線~」に参加してきました。

目的はIoTの知識・実装技術を身に付ける為です。

この記事では学んだ内容と参加を通して得られたものについて書いていきます。

TL;DR

ゼロから開発すると難しいIoTだが、世の中のIoT向けサービスや便利なデバイス、組み込みプログラムのテンプレートを使用する事で初心者でもスピーディーな開発ができた。

逆に言うと、IoT向けサービスやプログラムのテンプレートにない事を行う必要が発生すると、難易度が急に上がると思われる。(だからこそ「ギリギリまで「検証です」を貫くこと」が重要?)

IoTは推進方法も重要。失敗率の高さは推進方法も悪い。

凄く良い勉強会だったのでIoTに興味がある人は参加するべき!!

概要

  • 講師陣によるIoTに役立つサービスの紹介
    • SORACOM
    • IoT.Kyoto VIS
    • WingArc1st Mortion Board
  • ハンズオン
    1. LED点灯
    2. 超音波センサーと対象物との距離をSORACOM Harvestで可視化
    3. 2で取得したデータをSORACOM BeamでMQTT通信しAWS IoT Coreに転送
    4. AWS IoT Coreのルールエンジンを使って双方向通信
    5. MotionBoardによる可視化

環境

OS

Windows 10 64bit

バイス

  • Wio LTE
    • LED
    • 超音波距離センサー
    • ブザー

サービス

  • SORACOM
    • Harvest
    • Funnel
    • Beam
  • AWS
  • WingArc1st
    • Mortion Board

ツール

IoT 向け通信プラットフォーム「SORACOM」ご紹介

まずはSORACOM 松下さんからSORACOMのご紹介。

www.slideshare.net

今回は主役がハンズオンの為か、事例や開発系ベースの話が多い印象でした。 中でも印象に残った話は下記の2点です。

  1. イデアがないとIoTは使いこなせない
  2. SORACOMは最初からプロダクション品質

1については同意で、結局何が出来て、どう活かせるのかを理解していないのが現状だと思います。 これは現場とIoT技術の両方の知識が必要で、両方の知識を持った人が居ない or 現場とIoT技術者をうまく繋げていない為なのかなと思いました。

2については、素晴らしいとしか言いようがないですね。検証と本番を意識しなくても良いのは助かります。

あと、当セッションではなくハンズオン中のお話でしたが、上記資料の35ページに記載された「IoTプロジェクトの進め方」は一見の価値ありです。 元ネタは武闘派CIOで有名な友岡氏の資料なのですが、IoTをどうやって推進するのかの良い学びになりました。 ただ「ギリギリまで「検証です」を貫くこと」をきちんと理解出来ていない事に、後で気づいてしまった事は痛恨のミスでした。

IoT.Kyotoサービス紹介

次にKYOSO 高木さんからIoT.Kyotoサービスのご紹介。

IoT導入サービスについての説明では、PoCからプロダクションまでサポートしてくるようで、これからIoTに挑戦する会社にはよいかもしれません。

他にも同社が提供するデータ可視化サービス「IoT.kyoto VIS」についても御紹介頂きました。

結構便利そうで、無償で大丈夫なのかと思いましたが、サーバーレスをうまく活用する事によって無償提供でも問題ないように作っているとの事です。

一番興味をそそられたのは「Flash AirによるIoT」の話でした。SDカードスロットがあればIoT化できるというのはすごい事だと思います。

MotionBoard最新アップデート

座学系コンテンツのトリをかざるのは、MAGLAB 武市さんの発表です。

タイトルはタイムテーブル上のタイトルは「MotionBoard最新アップデート」についてでしたが、内容はIoT導入の戦略がメインだったように思います。

PoCから本番に移行できる打率は14.2%のようで、きらびやかなIoT成功話の裏では失敗プロジェクトがたくさんあるようで、改めてIoTの難しさが分かりました。この辺をIoTプロジェクトのメンバーに認識しておいてもらいたいですね。

戦略の話の中で印象に残ったのは次の2点でした。

  1. 小さな課題から解決するPoCから大きな課題の解決へ
  2. データをどのように意味づけするか

1については非常に重要な考えだと思います。IoTの事がよく分からないまま、いきなり大きな課題から始めるから、失敗プロジェクトが多いのかもしれないと思いました。

2はデータが活躍するまでのステップの中の1つですが、これが出来ない会社は多いように思います。そもそもこの考えがないのかもしれません。これが出来ないとデータを収集しても意味が無いですね...

ハンズオン

最後にお待ちかねのハンズオンでした。

運営の皆さんに用意して頂いたマニュアル通りに作業する事で「データ収集→可視化」が実現できました。

「モノ」のセットアップは、Wio LTEにセンサーなどの部品を組み合わせるだけで終わりました。ハンダ付け等の面倒な作業はなく、専用の差し込み口に差し込むだけです。

組み込みプログラムは、IDEに用意されたテンプレートのコードと用意して頂いたコードを使用するだけでセンサーデータの送受信が出来ました。 基本的にはIDEに用意されたテンプレートのコードを少し修正(データの送信先など)するだけで実装できる様です。 処理自体は単純なのでテンプレート化するのは簡単なのかもしれません。

最後にデータの可視化ですが、SORACOM Funnelは可視化の作業を殆ど意識せず、SIMに対する設定を変えるだけで実現できたので驚きました。

他にもMotionBoardでも可視化をしました。こちらの作業は少し難しかったのですが、作業の割に高度な可視化が実現できるので、これまた驚きました。 特に武市さんがデモで見せてくれた内容がすごかったので、必要に迫られた時には、自分たちで無理に作らずMotionBoardの採用を考えた方が良いのかもと思いました。

所感

わずか3時間弱でIoTが実現できました。ただのIoTではなく「ワールドカップのリアルタイム中継」に使われているシステムも殆ど一緒(センサーなどが異なる)との事で、実際に納品されているIoTを経験する事で技術的な事以外でも大きな学びがありました。

世の中のエコシステムを組み合わせる事によってIoTのハードルが下がる事、システムとしての体裁(モノの見た目など)を意識しすぎなくても良い事など、実際の業務で活かせそうな内容ばかりでしたので、今後に繋げていきたいと思います。

懇親会

日帰りだったので1杯1メニューくらいで早めに帰ろうと思っていましたが、結局最後まで参加してしまいました。高知グルメには勝てなかったよ...

四国クラウドお遍路2018 参加・登壇レポート

はじめに

2018年9月1日に開催された四国クラウドお遍路にスタッフ参加して、登壇してきました。

この記事では登壇内容や学んだ内容について書いていきます。

登壇スライド

speakerdeck.com

Amazon Machine Learningがどれほどの精度を出すのか、MLの知識無しで本当に作れるのか等を発表した内容です。 仕事で使用するのは様々な制約を越える必要があるし、MLの知識も結局は必要になるので使いどころは難しい感じです。 精度は割と良い感じのものが出ましたが、検証が1件の課題でしか試していないので断言は出来ません。

参加セッション

参加といっても、ルームAのタイムキーパーだったので、そこのセッションをすべて見ることになりました。

AWSにおける最新アーキテクチャパターン(AWSJ 桶谷さん)

色々なユースケースに対応したアーキテクチャパターンを披露してくれました。 ML関係もサーバーサイドのリアルタイム推論はもちろん、エッジサイドのリアルタイム推論もあり、勉強になりました。

www.slideshare.net

省エネWebアプリ開発(SIFTPLUS 西川さん)

AWSを活用することによって、実現する省エネ化についてお話頂けました。

「開発現場あるある」な話もあり、他人事とは思えませんでした。

複数のコミュニティに所属すると、フリーランスは楽しくなる(WCK+JAWS-UG高知 小森 洋さん)

コミュニティに所属することで得られた成功体験や、コミュニティを選ぶ指標についてなどお話頂けました。

自分になかった視点の話があって非常にためになりました。

組織にサーバーレスを装着する(CYDAS Inc. 吉田さん)

自社の経営にAWSがマッチした話や自社アプリのサーバーレスアーキテクチャについてのお話。

CYDASは沖縄の会社なので沖縄の風土や文化などにも触れた話があったり、アジャイルスクラムの話も興味深かったです。

仕事に効く、コミュニティ活用法(オッキー & オジー)

トリはStill Day One合同会社 小島さんとJAWS-UG 愛媛、kintone Café 愛媛ほか 沖さんによる漫才ですwww

打ち合わせを前夜祭のカラオケでやった画像を公開し掴みはオッケーって感じです。

アウトプットの重要性や、コミュニティとは何か?について改めて学ばせてもらいました。 あとは借金2億円かかえても大丈夫というのも分かりましたねwww(違う?

パネルディスカッション「地方自治体のそこまで言って委員会!!」

場はメインルームに変わって、「地方自治体のそこまで言って委員会!!」が始まりました。

各県の行政の活動が発表されて、時折羨ましくなる事もありました。何かを起こす場合、行政・国のサポートが有るのと無いのとでは全然違いますしね。

懇親会&LT

懇親会は高知らしく美味しいお酒にもてなされて良かったです。他にも餃子・カツオ(の心臓)・あかうし等、高知の本気を堪能しました。最高でしたね!

f:id:takahiro-kato:20180910002732j:plainf:id:takahiro-kato:20180910002925j:plainf:id:takahiro-kato:20180910002940j:plain

LTも相変わらずレベルが高く、学生さんも発表されて凄いなと思いました。

これからも、益々楽しくなりそうです。

最後に

今年も楽しく活動できてよかったです。今回はAWS関係以外にも「業務ハッカー」や「Microsoft」のエキスパートの方々とも縁ができたのでラッキーでした。「コミュニティは人を見つける(られる)場」という事をすぐに実感できました。

参加者・スタッフの皆様、お疲れ様でした。来年も宜しくお願い致しますm( )m

Google Colaboratoryで学ぶAIの基礎と正体 講師参加レポート

はじめに

2018年8月25日に開催されたGoogle Colaboratoryで学ぶAIの基礎と正体に講師として参加してきました。 この記事では勉強内容や参加者同士でディスカッションした内容について書いていきます。

Google Colaboratoryで学ぶAIの基礎と正体

speakerdeck.com

今回は機械学習[教師データあり]をベースにしてAIの事を勉強しました。

機械学習チュートリアルを実施しただけだと、何を作ったのか分からない事がある為、まずは座学で基礎を勉強して頂きました。

基礎勉強を通して何を作るのか、どういう性質のものなのかを簡単に理解できたところで、今度はハンズオンに使用するアプリやライブラリの説明をしました。 Google ColaboratoryはGoogleカスタマイズ版のJupyter Notebookのようなもので、Googleドキュメントやスプレッドシートの新規ファイルを作成する位の手軽さで、簡単に環境が構築できて無料です。GPUも使用できます。 ライブラリはおなじみscikit-learn。勉強用のデータもライブラリが用意してくれているので助かります。

私が作成したipynbファイルを参加者の皆さんに配布して、各自手元で下記の流れを実施して機械学習を勉強していきました。

  1. 学習データをセット
  2. 学習
  3. 予測結果を評価
  4. 学習データの前処理
  5. 学習
  6. 予測結果を評価(精度が上がったことを確認)

モデルを作ること自体は難しくないが、仕事に求められる精度にする事の難しさが分かって頂けたらと思いました。

勉強の途中に、参加者の愛媛大学の佐々木先生にもご説明頂き、私自身も勉強になってよかったです。

質疑応答

勉強会の内容を質疑応答する時間でしたが、ある参加者の方々が課題を持ってきていて、そこで話が盛り上がりましたので記載します。

まず課題ですが、図面(CADデータ)を自動で仕分けをしたいというものでした。熟練技術者が見れば分かる「あるカテゴリ」ごとに仕分けをしたいと。 そして下記のような話ができました。

  1. 図面データを機械学習に読み込ませるにはpngなどに変換する必要あり?
  2. 既存の図面データに対して、熟練技術者がアノテーションして、それを学習データとして機械学習するのが王道では?
  3. (2に対して)手間を考えると現実的ではない。カテゴリは抜きにして仕分けだけでもできないか?
  4. 機械学習[教師データなし] ではどうか?
  5. 他の方法としては、図面データ内にカテゴリの判断に使用できる情報を埋め込んでは?
  6. (5に対して)そこまでやると、ファイル名に名前を付けただけで良さそう。AIを使う意味が無い感じ。
  7. (後日twitterにて)CADデータを利用せず、部品の種類とか加工方法の種類、長さ、方向(特徴)を前処理として数値化してはどうか?

結論として、これといった答えは出なかったのですが、実践的な有意義な時間でした。 私も実戦経験はないので、このような経験はうれしいですね。

もくもく会

Google Colaboratoryで学ぶAIの基礎と正体と質疑応答だけでは時間が余ると思っていて、結局余らなかった為実施しませんでした。 参加者の皆さんに感謝!

最後に

今日の経験を通してAIのプロジェクトの難しさが少し体験できたように思います。 また、自分自身誤解して身に着けていた知識を見つけることができたので良かったです。 これからも、来るべき日のために勉強会を通して経験を積んでいければと思いました。