第５９回ニッポンクラウドワーキンググループ会合報告

『AI/機械学習の本質を捉え、クラウドビジネスに活かす！』をテーマに、ニッポンクラウドワーキンググループ第５９回会合を開催いたしました。

【テーマ】『AI/機械学習の本質を捉え、クラウドビジネスに活かす！』
【日　時】２０１９年９月１８日（水）１７：００～１９：００
【会　場】富士通クラウドテクノロジーズ株式会社　セミナールーム
【参加者】メンバー、協賛各社および関係者の方々を含めて４０名

【司会者のご紹介】
実行委員　尾鷲　彰一（株式会社オープンウェーブ）

１．開催のご挨拶
NCWG副会長　藤田　浩之
みなさん、第５９回ＮＣＷＧ会合にお集まりいただき、ありがとうございます
副会長の藤田です

はじめに、本日会場をご提供いただきました富士通クラウドテクノロジーズさん、ありがとうございます。
富士通クラウドテクノロジーズさんといえば、ニフクラですよね。
その前身はニフティクラウドですが、我々も９年前に、ＮＣＷＧの前身としてニフティクラウドワーキンググループとして１年活動しており、そのころからずっとお世話になっており大変感謝しております。改めてお礼申し上げます。

そんなわけで、ニフティクラウドワーキンググループが９年前ですから、ニッポンクラウドワーキンググループに改名して活動してこの１０月で丸８年となります。

この８年、みなさんご存じのように我々は一貫して「サムライクラウド」＝日本から発出するクラウドビジネスモデルの創出のために活動しており、それはもうなかなかに年輪を重ねて味がでてきているかと思うのですが、やはりこれまでやってこれたのは、みなさんのご協力、ご支援があってこそだと感謝しております。本当にありがとうございます。引き続きよろしくお願いいたします。

８周年、今年も１１月８日に大久保の健保会館で、みなさんへの感謝を込めて、設立８周年　特別講演会・パーティを開催します。
是非みなさん、いますぐ予定を確保ください。

お知らせでもご案内しますが、今年の講演会はサムライクラウドサポーターの林　雅之さんに、これまでのクラウドを振り返るとともに、これからの（日本の）クラウドについて語っていただく予定です。
講演は１時間を予定しておりますが、講演のあと、林さんをモデレータとして、パネリストにご協賛の方々を迎え、パネルディスカッションとしてこれからのクラウドについて熱く議論していただきます。

ＮＣＷＧだからこそのパネルディスカッションだと思いますので、是非ご期待ください。

そんなわけで、本日の会合ですが、今期最後の会合となります。

テーマは「AI/機械学習の本質を捉え、クラウドビジネスに活かす！」で、ゲスト講演では、アックスの竹岡さんにAIについて、あますとこなく、お話いただきます。AIというと第三次ブームとかいわれてますが、竹岡さんは、かねてからAIについてよく知っている方ですので、本質をとらえたお話が聞けるのではと期待しております。
よろしくお願いいたします。

いつものように、講演後に質問を受け付けますので、あれやこれや、是非積極的に聞いて、

スローガン「Beyond the Clouds ～ムスビ（結）で、実を活かす！～」

でもありますので、クラウドビジネスに活かしてください。

ということで、会合を始めたいと思います。

よろしくお願いいたします。

２．部会報告
サムライクラウド部会
部会長　野元　恒志

サムライクラウド部会では、SAMLシングルサインオンをベースとしてマイクロサービスとの関わり、アプリケーション基盤全般に関して議論をしております。最近では、技術議論に加えて、ソフトウェア開発生産性の議論も行っております。前回は、大規模障害に関しての議論及び、プライベートマルチAZに関する議論を行いました。次回は、10月末に開催予定です。是非ご参加ください。

クラウドアプリケーション部会
部会長　尾鷲　彰一

一昨年前は、IoTでデータ収集、昨年度は、AIでデータ解析についての内容で部会を開催してきましたが、机上での活動でした。
今期は、実際にフィールド（屋外）で、雨量計や、照度計などのセンサーデータの収集などを行い、できればAIにつなげるところまでを実際にフィールドでやっていきたいと考え活動しております。
前回、８月２９日に開催しまして、LoRaWANのサービスである、The Things Networkおよび、センサーノードのプログラムについて理解を深めました。
次回部下開催は、９月末を予定しております。是非ご参加ください。

クラウドビジネス推進部会・クラウドサービス部会
部会長　藤田　浩之

クラウドビジネス推進部会は、クラウドサービス部会とともに、二部会共同で部会を定期開催をしております。

クラウドサービス部会では、セオドア・レベットの『ホールプロダクト』の概念を軸に、クラウドサービスを多くの顧客に利用してもらうために「備えるべ き機能や特徴とは何なのか」を、技術的な側面ではなく「サービス」と「クラウド（サムライクラウド）」の視点から考察し、また参加メンバーからサービス視点での発表を行っています。」

部会では小堀部会長の論点が面白く、「ホールプロダクト」の概念に始まり、生物学の「超固体（スーパーオーガニズム）」の概念＝「多数の個体から形成され、まるで一つの個体であるかのように振る舞う生物の集団で、さらに限定的な知能と情報しか持たない個体が多数集まって個体の能力を超えた大きなことを成し遂げるもの」をクラウドサービスに適用するなど、その飛躍がすごいです。なにやら次の展開として「宇宙」をクラウドサービスに取り入れるとのことで期待が高まります。

クラウドビジネス推進部会では、今注目されつつある「シチズンデータサイエンス」をテーマに、ビジネス視点で『機械学習』に目を向け、様々なデータの利活用について議論し、また参加メンバーから発表を行っています。

次回部会では、総務省統計局が提供しているオンライン講座の「社会人のためのデータサイエンス入門」を題材に勉強会を開催する予定です。

是非部会にご参加ください！

３．ゲスト講演
テーマ：「失望させないAI ～ディープラーニングの向こう側」
株式会社アックス 代表取締役社長　竹岡 尚三 氏

最初に自己紹介をさせていただきます。
第一次AIブームが終わってから生まれた世代になります。
1977年に○×ゲームをプレイする論理推論人工知能(AI)を開発し、今年で59歳になります。
スレイブというMITにいらっしゃった方が書いた本があり、第一次AIブームの集大成と言われるような本を読み、プログラミング等々全て独学で習得しました。
バブルの時期は超並列計算機の開発や、Wnnを作ったメンバーがProlog papaというPC98で早くにPrologを作った方々と親しくし、色々と取り組みをしておりました。
東京にでてきてからは、エックスビートというハードウェアの作り方からアーキテクチャ設計関する開発に携わり、ソフトウェアについては4名の同僚がいたので一緒に独自OSを作りました。

神戸にあるスーパーコンピュータの京や、次のスーパーコンピュータである富岳のスパコン用OSの開発を手伝い、京にRDMAを入れたり富岳用のCPUシミュレータ開発をしたり、シャープのザウルスにLinux OSではない独自OSを提供したり、産総研のロボット開発のプロジェクトに関与していました。

第二次AIブームの頃に超並列計算機が流行ってきて、元々コネクションマシンというのが有名でした。ニューラルネットワークのシミュレーションは当時アプリでやられていました。それからデジタルラーニング（現在はデジタルシミュレーティングアニーリング）を、量子コンピュータを使って、ランニングされていますが、それが始まったのもこの当時かと思います。

SFCの教材として使われていたJavaの教科書や「SambaでRumba」という本を監修させていただきました。

アックスは創業27年になり、シャープの携帯・ザウルス等々のOSに関しては、弊社で対応しておりました。独自アーキテクト、OSに関して言いますと国内・国外の特許申請しているものも数多くあります。

自動運転に関するプロジェクトにも関与しております。
国内で走行実験されている自動運転車両に搭載の自動運転ソフトウェアのAutowareの開発に当初から携わっております。
動画内に出てきた車は三次元地図をもとに走行してます。この車を行動にて走らせるときには三次元地図が重要になります。この場合、白線を検知して走っていると思われがちですが、思ったよりは白線を全く見ずに走行しており、一部映像でもありました通り路肩に白線が無かったり、センターラインのないところも走行できるようになってます。日本の一般道は白線の無いところがたくさんあるので白線を検知して走行しているうちは実用できないと考えてます。
Autowareの応用として、郵政省・ジャパンポストとの施策を去年＋一昨年とやっております。また、関西電力の施策で大阪の堺筋本町から本庁の間くらいにて、気軽に乗り降りできる自動運転車を走らせる施策を行ってます。この自動運転車には日本で初めての損保ジャパン提供で損害保険が付けられました。

自動運転はAIを利用していると思われがちですが、現時点AIは使っておりません。AIで走ったら危険で、現状ですとドイツの自動車会社も日本の自動車会社も、道の録画を何百万キロにもわたって録画をして、それをAIで取り込み、アウトプットすることで自動運転が可能と思われてますが、私の見解は危なくて仕方がないと思ってます。
例をあげると、信号機を記憶する部分に機械学習のAIを使って、信号の動きについて判断できるという仕組みをつくった場合に、昔あったスーパーダイエーの赤いマルイロゴの看
板を赤信号だと認識してしまい、二度と動けなくなるようなことが容易に起こる不具合として想定されます。そういうことが起きないように信号をきちっと判断しましょうということで、AIを使った信号の判断をものすごい力を入れてやってます。

以前のAIブームの際にニューロンブームがあり、炊飯器や洗濯機にニューロンマシンと記載されてました。ディープラーニングはGPUがないと動かないと思われがちですが、炊飯器・洗濯機に搭載されていたチップは4～8ビットマイコンで、ニューロンで動いてました。
故障診断や病気の診断はこれできてます。エキスパート・システムとして、今も造船所や製鉄所の故障診断システム等は、前のAIブーム時に作られたものがまだ使われてます。現在も立派に稼働してます。YahooBBの苦情受付などもプログラムでずっと作ってます。
機械学習をやると人間がつかみ出せなかったものを、つかみ出せるので、良いと考えてます。人間の仕事が奪われるかというと、ある意味では奪われ、しかし全ては代替されません。

ディープラーニングは、作成当時100％は機械学習できません。これは機械学習を研究されている人が認めております。
100％は難しく98％までいけて、2％は何が起こるか分からないといった状況です。
機械学習について言うと、機械学習は大まかすぎて精度が上がりにくいです。
アヒルとウサギの両方に見える絵を使って学習させる場合、これだけ見たらウサギ50％、アヒル50％と判定し、正確にどちらかという判断は機械学習ではこれ以上無理です。これ以上やるには、ものすごくニューロンをたくさん使ったりする必要があります。そこに私が提唱している論理推論AIを使うと、記号化されたもので常識をルールとして書きます。記述は人間が書きます。人間が分かりきったことをちゃんと書き、これはたくさん量を書くことが大変です。これを使うことで、池に居るのがアヒルと判定できます（ウサギは丘に居ると）この場合、池が写っているので、池の絵との組み合わせから大体アヒルと推測し、最終結果がアヒルと判定します。この場合はさほどCPUパワーは要らないので、GPUがなくても動きコストパフォーマンスがいいシステムが作れるので、研究を続けてます。

因みに、強化学習について言及しておきますと、教師なくてもとりあえずアメとムチでずっと学習にしていけるっていうのが強化学習になり、機械学習も基本的にカテゴリ分けしかやっておりません。今流行りの機械学習は、論理的な操作はできなく、反射的な判断のようなことしかできません。
今は色んな情報がネット上にあり、電子的・電子化されているので、機械学習に取り組みやすい環境にあると思います。
論理推論は、問題と関係なく無関係なものを関係ないと見極めることが難しく、それか意味になりますが、結局意味とはなんぞやみたいなことから、理解したとはなんぞやみたいな流れがあって、それを考え出すときりがなくなり、実際そういうときには無限ループに入ってしまう様な問題があり、これは永遠の課題です。

機械学習ですが、いい加減っていうのは即効性があって限定された用途だったら即座に使えます。それとディープラーニングがすごいのは、自動的に学習パラメーターが調整できる。学習パラメーターを勝手に獲得するので、それ自身で調整をするような状態です。サポートベクターマシンという古いやつが、何がパラメーターであるかも自分で考えるようになったというのがディープラーニングのすごいところです。
学習でいうと、整備に手間がかかる印象です。難点をいうと、結構有名なディープラーニング施策でキュウリの仕分けをするシステムを作り、最初は完全自動仕分けを目指してました。規格に沿ったキュウリのみ扱うといった、性質はディープラーニングで境界線引き判定するといったものです。ただ100％ではないので稀に不良品が混ざることが起こってしまう、これは現状だと原理的に起こってしまいます。
こういった事態が、絶対にある一定の確率で起こるので、ディープラーニングはまだまだ使えないと考えてます。

論理推論については、固定AIは人間がルール組み込み100％にできます。冒頭に少しふれましたが、故障診断AIなどは第一次AIブーム時に構築され、現在も現役で運用されてます。人間が分かることはできて、あとは人間が思いも寄らないものを見つけてくれるキューリスクは大事かと思います。自動運転に関わってるんで機械学習だけでは危険です。

ニューラルネットワークで考えさせると普通、現実的とはみんな思ってなく、こういう可能性がある意味無限に組み合わせがあり、それをニューラルネットワークに入れて学習させれば難しくないと現在は考えてます。では、戦略考えるときは記号化し、論理推論に入れるとコストパフォーマンスが良くなります。ものの生産ラインに、物が壊れるようなことをIoTで対応し、それで壊れたときの直前のパターンを学習させます。あらかじめ、もうすぐ部品が壊れると分かるので、計画的に生産ライン停止してメンテナンスすることが可能になます。また、10年に1回しか起こらない様な稀な故障はデータが作られませんので、こういったところは実際に作業をしている職人の知識を入れておくことで、コストパフォーマンスの良いAIが作れていけると思います。

言葉の表現でいうと、好きじゃないの「ない」という表現はとても大事で、好きじゃないっていうのは、大体や少し嫌いに近いはずなんですが、単純にAIで判定すると、「ない」を「ない」で入っているだけでカウントし、「好き」と「ない」で判定をしているので、文章内に「ない」が100回でたので、「好きじゃない」となり、文章のコンテクストが読み取れない雑なAIも生まれてます。

これまでにAIブームは2回来て、現在が第三次AIブームです。第二次の際はブームが終わった途端に大体みんな忘れて、キャズムを超えられませんでしたが、今回は超えられると思います。一部産業構造が変わっていって、WordやExcelの入力作業といった単純作業がなくなり、また秘書業務も同様にAI化されていくと思います。AIに正しく、推論AIを組み合わせると秘書的なことができるようになり、情報処理能力が向上するので一般の人でも秘書業務が対応でき、社会全体の生産性が向上するものと考えてます。

■FAQ
Q. 航空自衛隊がらみのお仕事をされていると申しておりましたが、差支えない範囲でどういった取り組みかお答えいただけますでしょうか。
A. 測定作業になります。Linuxの入った測定器を作って、Linuxにリアルタイム性がないのでリアルタイム運動を頑張って作った測定です。

Q. プレゼンテーションの途中に出ていた日本語処理に自信あるという箇所について、質問させてください。ディープラーニングの処理において、日本語の表現的なところは、ネックになったり、他の言語に比べて難しかったり、漢字やカタカナやひらがな等で、問題があったりしましょうでしょうか。
A. ディープラーニングですから雑にしかやられてないので、単語を切り分けたらおしまいみたいな感じに現状なってまいす。ディープラーニングでは日本語だからといった理由ではあまり困ってないようです。しかし意味をちゃんと認識させていこうとすると、主語が省略されていたり、日本語は語順が簡単に入れ替わるので、そういうところが難しいですね。ですので、正確な文章を解釈しようと思って苦労してるのが現状です。

Q. 前の話につながりますが、英語であれば精度良くできますか。
A. ディープラーニングではあまり変わらないと思います。文章を解釈しようとするAIの場合は、文章だと正しく書けるのでかなり楽かと思います。

Q. プレゼンテーションの中にもありましたが、機械学習の場合100％は難しく、論理推論だと一つの可能性として100％になり得るということで、そのバランスを取って両方（機械学習と論理推論）をどういった形で使うことが望ましいとお考えになりますか
A. 機械学習の特徴は、人間が特徴を分からないと説明できない事柄は、結局ほかにやり方がないので、とりあえずデータ入力したらアウトプットが出るみたいなことは、まずディープラーニングが良いと思います。論理推論は既にマニュアルがあるようなものです。問い合わせに答えるようなものの場合は論理推論が適していると思います。それを機械学習でやろうとしてる人がいますが上手くいっておりません。理由は、単語カウントをしているだけで、何等かのマニュアルの一部を対話的に全部電子化し、機械学習に入れるといったことで、質問があっても少ししか反応できなく、文章の解析が大ざっぱで正しいものが出てこないっていうのが現状です。元々文章がしっかりしている場合は、機械も解釈しやすいので論理推論のほうに入れておき、この質問来たらこれを返し、これを聞いてるうちにしっかりとした正しいマニュアルと答えが出てくるという流れかと思います。

Q. 例えば機械学習で絶対的な結果を求めるのではなく、機械学習である程度の方向、意味付けをし、この可能性があるのではないかといった方向を持って、そこから論理推論に入るみたいなことはどうなのでしょうか。
A. それはキーワードだと思っております。出願している特許も、実はそういったものになります。世界の常識・ルールを、全部ルール別に言うと情報量がでかくなってしまい、CPUが早くても、マルチCPUでもかなり時間かかるので、ある程度のあたりを付けて、推論を繰り返すというやり方になるかと思います。

Q. 8月下旬ぐらいに豊田市の美術館で行われた、豊田自動車と名古屋大学の自動運転の走行実験でトラブルがあったとお聞きしましたが、どういった内容だったのでしょうか。
A. アックス自体は直接かかわって無いので詳細は分かりません。走行実験自体は近所でやってまして、Autowareで走行していたと思います。

４．富士通クラウドテクノロジーズ株式会社からの各種ご紹介

テーマ：「データデザイン事業のご紹介」
富士通クラウドテクノロジーズ株式会社
セールスアーキテクト本部　第二テクニカルセールス部
部長　西尾　敬広　氏

弊社のデータデザイン事業は、3つのサービスカテゴリがあります。本日はそちらのご紹介をさせていただきます。

1つめは、Data Engneeringです。
Data活用を前提としたDWH設計構築、各種Data活用ツールの構築運用、BIツールを用いた分析を行います。

2つめは、Data Analyticsです。
AIを用いたモデルの開発支援を行っております。具体的には以下のような内容です。
・学習用データセットの準備、前処理
・学習プログラムへの投入
・学習済みモデルの獲得
・学習済みモデルによる推論

3つめは、Data Serviceです。
公的機関の統計や人工衛星で撮影された画像などのData収集と整形、BIツールやAI開発で利用可能なCSVファイル形式でのご提供を行っております。

それらを総合して、Dataプラットフォーム構築（デジタルマーケティング施策の基盤構築）を行っております。
AI開発であれば、事例として、
・需要予測AI(店舗への来店数など)
・不動産価格査定
・故障予測
・ヘルスケアAI（口臭判定など）
などがあります。

是非、ご活用、ご参考いただければと思います。
本日はありがとうございました。

■FAQ
Q.学習モデルの二次利用は可能ですか？
A.顧客のデータではなく、公的な権利フリーのデータであれば活用できます

Q.AIの漠然とした問い合わせには、どのように答えていますか？
A.何が改善できるのか、どんな価値を生むのかを、アセスメントの中で明確にするお手伝いをしています

６．会長からの総括
会長 小堀 吉伸

皆さん、お疲れ様でした。今回の会合は、59回目の会合です。
気が付けば、会の設立から59回会合を行ってきたのだと思うと、色々な方のお力添えをいただいていることを実感します。

アックスの竹岡さん、お忙しいところご講演いただき本当にありがとうございました。

竹岡さんとは、ありがたいことに十数年前からお付き合いさせていただいているので、
ニッポンクラウドワーキンググループの会合を始めてからどのタイミングでお話しいただくかをずっと考えていたので、今回、ご講演いただき本当にありがたかったです。ありがとうございました。

また、本日会場をご提供いただいた、富士通クラウドテクノロジーズさんには、ニッポンクラウドワーキンググループの設立以来、ご支援いただき、今回の会場のご提供も本当に感謝しております。ありがとうございました。

早いもので、会の設立から8年が経とうとしています。
今期は、予定していた会合を毎回違うかたちで盛況に、さらに有意義な内容で行うことが出来ました。

来期のニッポンクラウドワーキンググループについては、これから総会を開き、その後、新規役員で年間の進め方を考えて行きますが、我々ニッポンクラウドワーキンググループは、設立以来、会の拡大よりは、会の「質の重視」を考えながら活動をしてきたので、
メンバーが増えるよりも、良い形で、関係者の方々が関わりあうことの相乗効果が出来るような「場」を作って行きたいと考えています。

会に関わっていただいている方々の個の力が、ニッポンクラウドワーキンググループと言う「場」で掛け算的に関わりあうことが会の推進力になると考えています。

引き続き皆さんには、活動にご参加いただき、会を利用していただければ、会の活動している意味が強くなると考えています。

本日は、お疲れ様でした。ありがとうございました。

７．懇親会
懇親会についても大いに盛り上がり、メンバー・ご協賛の方々との積極的な交流を図ることができました。

ご参加された皆さん、お疲れ様でした。

【ＮＣＷＧ実行委員　報告書作成者】
長久保　純也（NOS株式会社）
宮原　哲也（株式会社アルティネット）