【本紹介】社長業のオキテ （斎藤 由多加 著）

 　「シーマンを作った人」と言われるとなんとなく私も分かる、ゲームクリエイターの社長が、日経ビジネスオンラインに連載した記事を加筆修正、書き下ろしを加えた本。ソフトバンクの孫氏の解説によると、ビジネスマン向けの本を装っている、エンターテイメント本とのこと。

　社長になるためには「願望」が必要で、自分、社内に強力な願望エンジンがないと途中で行き詰まる。会社を起こすと社長のやることが増え、無駄も生じる。

　社員が増えて、全員で同じ目標を持ち、一体化して進めるなんて理想論。社員は社長と同じ願望を持たないのだから。

　社長になって初めて気がつく、タスクや問題の山。他社との契約はともあれ、採用面接や、資金繰り、マスコミ対応や上場。社長になるまでは誰かがやっていたものに一つ一つ向き合い、自分と社員で成功させていかないと、会社は立ち行かない。

　作りたいゲーム、願望があり、会社を起こした著者が、一人で創業最前線に立ち、何が向かってきて、どうこなしていったか。記事の加筆修正なので本としての盛り上がりやまとまりについては少し物足りないところがあるが、起業を目指すなら今でも、今すぐ手に取っておくとよいだろう一冊。

【中古】 社長業のオキテ ゲームクリエーターが遭遇した会社経営の現実と対策 ／斎藤由多加【著】 【中古】afb 価格:200円 (2021/8/31 17:40時点) 感想(0件)

【本紹介】はじめてのグラフィックレコーディング

 　出版社（翔泳社）の「ブックアンバサダー企画」（http://go.shoeisha.jp/c/axyaaty83fwQ58bG　#翔泳社ブックアンバサダー ）として、レビューを書いてほしいと、頂いた本。（専用のコードをいただき、出版社のサイトから注文し、送付いただく形式。）

　グラフィックレコーディングは、２年ほど前から、自分が勤めている会社でも経営側の考え方を示す一手法として、いわゆる「会社を良くするための方針検討を会社に命じられて行う組織」が会社上層部にインタビューしてその内容をグラフィックレコーディングとしてまとめて会社内に展開し始めたことで、そういった文化が生まれていることを初めて知った。それからなんとなくその言葉が気になってしまい、実は世の中でちらほら見られるようになっていることに改めて気が付いたり、会社としてもグラフィックレコーディング研修が開催されたり、組織としてなんとなく推されている感じが垣間見られるようになった。（結局研修には参加しなかったが。）

　ちょうどコロナ影響で対面打ち合わせ、ホワイトボードでのやり取りがごっそりなくなり、ほぼすべての打ち合わせがオンラインで行われるようになり、オンラインだと（弊社はSoundOnly＋画面共有のみ。顔出し・動画は回線上NG）ホワイトボードに書きなぐるといったことがほぼ無くなってしまった。再び対面式会議が主流になった場合、以前の感覚を取り戻せるのか……。

　

　自分もこれまでちょこっとは絵を描いていたので、会社が提供するグラフィックレコーディングの結果イラストを見て、「いやこんなの打ち合わせ中に無理だろ難しいだろ」といった感じで見ていたが、この「はじめてのグラフィックレコーディング」本は、そういった「敷居が高い」感、「絵心がないとダメだろ？」といった「自分にはムリ」を、「グラフィックレコーディング」という共通技術としてマスターすることで、「自分でもできそうじゃない？」までうまく落とし込んでいる。

　線で構成すると人物や動きが簡単に描けること。目のパターン、口のパターンをおさえると生き生きとした表情が描けること。「きれいに見せる」ためのちょっとしたテクニック。色、影の効果的な使い方。面、線での動きの出し方。三色のペンを使う方法から、iPadを使いより時短＆美しく仕上げる方法。

　途中に出てくる課題に従い（桃太郎を描いてみる等）、描いていくと、技術が確実に身についているのが分かり、実際の会議で使えそうな気がしてくる。

　まったくイラストを描いたことがない人から、多少は経験があるがスピードアップや打ち合わせをより円滑に進めるためのイラストを描く技術を習得したい人まで、一度読んで試しておくと必ず役立ちそうな、技術がしっかり説明された一冊。

↓実際に描いてみた図の一部

https://twitter.com/nota_inu/status/1403902337060458504?s=20

↓自己採点。適当に描いて、また本を読んで添削すると、学ぶところが多い。きれいに見せるには「●は●としてきちんと描く」「線と線の起点をきれいにくっつける」は重要ですね。

↓表情パターンを活用してみた例（というには今一つだが）。眉の角度、目、口の種類、丸い顔で方向の付け方等。

はじめてのグラフィックレコーディング 考えを図にする、会議を絵にする。 [ 久保田 麻美 ] 価格:2,200円 (2021/8/15 23:08時点) 感想(0件)

【本紹介】AIソフトウェアのテスト 答えのない答え合わせ［４つの手法］

　AI系の教育用の本として入手。企業でAIソフトウェアを導入するには、「研究開発で精度が上がって良かったね」、といった時代は過ぎ、テスト、品質保証は当たり前の流れとして各メンバーに理解してもらい、方法を考えてもらう時代に突入しているため、こういった話は避けて通れない。

　これまでのロジック型ソフトウェアでは、プログラムを開発し、そして使ってもらう前に、テストを行い、品質保証をするのは「当たり前」。

　ではその「当たり前」は、AIを活用したプログラムの場合、どうすればよいのか？

分かりやすい例としてまず示されているのが、年齢層により傾斜で変わる入場料。

ルールがあって普通にロジック組んでプログラムし、きちんと限界値テストすれば、間違った結果を出すプログラムを提供するリスクは極めて低いだろう。ではそれを、「入場料と年齢との履歴を教師データとして与えて、年齢を入力として入場料を出力とする」AI（ロジックは不明）にした場合、正しい出力は得られるのか？　どうテストすればよいのか？

　AIでは、限界値テストができない。同じ入力で同じ出力が出るとは限らない。人間なら、今日の考えをよりブラッシュアップしたものが明日ふと思いつくかもしれないのは良いことだろう。だが、特に業務に特化したAIは、今日の出力と明日の出力が変わることを許容できるのか。変わる理由をヒトは説明できるか。

　ディープラーニングの登場等で、AIは人間とは異なる思考パターンで結果を出すことがある程度許容されているとはいえ、同じ細胞の画像を入力して、昨日は末期のガン、今日は全く元気、といったガン判定システムは許されないだろう。

　ではまだ発展途上ともいえるAIソフトウェアの世界で、どのように「正しい答えを出している」テストを行うか。

　この本では、その「答えのない答え合わせ」をするための考え方が、いくつかの例に基づいて示されている。実行環境はPython3.6.8。Windowsユーザ向けのインストール方法、tensorflow、keras等のライブラリインストール方法も書かれている。テスト用ツールやデータは出版社のサイトからダウンロードできる。

　まずは良く使われる数字画像認識モデル、住宅価格予測モデルの動作確認から。そのあたりは既に実践済みの人をターゲットとし、メインは、テストの考え方や実践方法。論理式、数式を用いてしっかりと解説されている。ある程度のAI知識がないと論理部分はかなり難しい。

　メタモルフィックテスティング、ニューロンカバレッジテスティング等、検証方法の考え方、検証ツールの実行例等が丁寧に解説されている。例えば、MNIST（数字画像データ認識）の方法として、画像データを５度回しても同じ結果になるか、ぼかして同じ結果になるか、といった考え方、実践方法は特に分かりやすい。住宅価格予測モデルだと、「この部屋の広さでこの値段はあり得ない」といった必ず守っておきたい条件を使う方法が示されている。

　ある程度もうAIに十二分に触れて中の仕組みも分かっており実践もしている人が、結果の説明を求められたり、精度を少しでも上げる方法の検討を求められたり、既に動いているシステムのVersionUp時に同じような出力が出せるのかの検証など、実践・活用の一歩先を考える必要が生じた場合に手に取りたい一冊。

AIソフトウェアのテストーー答のない答え合わせ [4つの手法] [ 佐藤 直人 ] 価格:3,080円 (2021/8/15 18:50時点)

【本紹介】ここはウォーターフォール市、アジャイル町 －ストーリーで学ぶアジャイルな組織のつくり方－（沢渡あまね、新井剛著）

　出版社（翔泳社）の「ブックアンバサダー企画」（https://markezine.jp/article/detail/34654　#翔泳社ブックアンバサダー ）として、レビューを書いてほしいと、頂いた本。（専用のコードをいただき、出版社のサイトから注文し、送付いただく形式。）厚さ２ｃｍくらいで軽め、物語部分と知識説明部分が交互に出てきて、文書としては読みやすく、３時間ほどで一気に読めた。

　物語としては、突然情報システムの運用部隊に放り込まれた主人公が、日々問い合わせやクレームで炎上しっぱなしの運用チーム、運用のことを考えない開発チーム、勝手に決まる修正仕様、チーム内・チーム間の断絶、といった「IT部門あるある」な状況を目にして無力感を味わいつつも、ふと参加したアジャイル勉強会で刺激を受け、カイゼンに取り組んでいく。

「毎度こんな感じ」「何を言っても無駄」という無力感溢れた職場。

　特に運用チームはリリース、機能追加のたびに利用者からの問い合わせや文句に悩まされ、設計、開発は運用のことまで考える余裕はない。（自分は設計、運用側だが、開発専門の担当者に「こうしてくれないと運用で困るのでヨロシク」と言っても、運用を便利にするような仕様や、運用ユースケースはなかなか理解、納得してもらえなかったりする。）

　主人公は、勉強会で出会った人が薦めるままに、まずは属人化が進む運用チームに、チケット管理、朝会・夕会、ホワイトボード、ふせん、といったアジャイルでまずよくある方法から取り入れていく。どうしてこういった手法が有効なのかは、知識説明部分でしっかり説明されているので、アジャイル説明本を読んだことがない人でも手軽にやれそうな感は醸し出されている。（こういった「やれそう」感は大事なのだろう。）

　比較的初心者向けのような感じで進んでいるが、既にこういった手法を導入している人にも「そういえば」と思わされる点は多い。ちゃんと「振り返り」をしているか。やりっぱなしになっていないか。さらにカイゼンできないか。一つうまくいくとそのまま終了してしまいそうなところだが、それではそこで止まってしまう。「Story of Story」等、振り返りと軌道修正の話は、どれほどうまくいっていると思っても考えておくべきポイントだろう。

　

　読み始めた頃はなぜこのタイトルなのかと思ってたが、最後の方で「なるほどなぁ」と思った。ウォーターフォールの会社や組織でどのようにアジャイル的な考えを入れて組織改革、カイゼン、セイチョウ（カタカナ）していくか。だから、アジャイル町なのか。

　確かに、大抵の組織はウォーターフォール型で構成されていることが多く、その中でカイゼンしようとすると、部門、組織の壁にぶつかり、上司からは「うちにアジャイルは合わない」と言われ、内部はやり方を変えようとしない。協力会社や外注など、文化の壁も分厚くて高い。

　その中でどう自分から変えていくか。

　難易度としてはたぶんIT部門ではない人でも楽に読める感じだろうが、チケットシステム、コラボレーションツール等導入しようとすると、その辺りはサービスの例しか触れられていないので、有識者か、別の本等に頼る必要あり。（まぁこういったものは大抵の組織で既に使われているだろうが。使われなくなっている可能性も高いだろうが……。）

　

　チーム外とのコラボレーションをより推進する方法として、オフィスの空間デザインについても語られている。こういった自然にコミュニケーションが進む方法は最近だとどこのオフィスも少しは考えつつ対応しているだろう。

　まぁそういった「自然なコミュニケーション」が例に出されるところで、この本の主流なシチュエーションとしてはコロナ禍の前だが、最後、エピローグでは、新型コロナウィルスだと言及はされていないがまぁ誰しも想定できる原因で、リモートワークに入っていく。この本の執筆時期が2018年か20年か、22年か、によって、物語の内容は結構変わっただろう。

　この本では先にFaceToFaceでのカイゼンや成長のループが回り始めてからテレワークに入ったので、ちゃんちゃんと進めましたよ、との話だったが、もし2020年4月の人事異動からスタートしたら、リモートありきのコミュニケーション、カイゼンになっていただろう。

　米国等ならリモートでのアジャイルが当たり前になっているのかもしれないが、日本だとこれまで在宅勤務の制度はあったとしても、小規模なベンチャーIT企業以外は「ほぼ全員が強制リモートワーク」は初めての経験だろう（弊社もそうだった）し、主人公が最初に入ったこの組織の状況でリモートに突入したらまぁ言わずもがな。

　この本に第二段が出るなら、完全にリモートワークだの、地方や海外からの勤務でまったく顔を合わせない等、そういった中に突然放り込まれてリモートからどのようにカイゼンするか、チームを超えてどうコミュニケーションするか等、「現実世界で起こるちょっとした偶然の立ち話」等が発生しない状況での日本ならではのチーム作り、ネットワーク県、アジャイル町についても是非語ってほしいところ。

ここはウォーターフォール市、アジャイル町 ストーリーで学ぶアジャイルな組織のつくり方 [ 沢渡 あまね ] 価格:2,508円 (2020/12/29 01:11時点) 感想(0件)

【本紹介】「地方」と「努力」の現代史

 　【地方出身の馬が中央で勝ち、アイドルに。それは[田舎から出てきた人が都会で活躍する]と同列なのか？】

　その作られたイメージの間違いから始まり、地方競馬のイメージと実情との乖離、ギャンブルと税、ギャンブルと郊外、ギャンブルに集う人たち。どのように過去のイメージが変わり、同時代の似たものと被り、時代のアイコンと化すか。【競馬場は、赤ぺん刺した小汚いおっちゃんが集う場所】【ギャンブル場は地方を潤す】。そういったギャンブル場のイメージは、今どう変わっているか、変わろうとしているか。

　馬、競馬場、ギャンブルに関するイメージだけではなく、あらゆる概念は、「その時代を生きてその空気の中で感じていたもの」「数年後に振り返って捉えるもの」とはギャップがある。そのギャップに気が付かないまま、人は生きていく。今（2020年12月）にしても、コロナ第三波が来たとか菅政権がどうのとか、「今（2020年12月）に自分たちが感じている「今」」は、一年後に振り返るとまったく違うイメージでとらえているのだろう。そこに自分自身は気が付かない。「たぶんあの頃もそうだったよな」とかなんとなく思うだけだ。

　その時代を生きていても、振り返ると正しいイメージで過去、歴史を捉えているとは限らない。その「なんとなく」を明確にするため、当時の新聞記事等から、当時の人がどう捉えていたか、そして時がたってどういうイメージに変貌しているかを、アイドルホースを主題として洗い出していく。

　ハイセイコーとオグリキャップも、当時は全く違うものとしてとらえられ、オグリキャップは過労死や金と結び付いた負のイメージがあったのに、バブルの華やかな象徴、立身出世の代名詞として、まとめて扱われるようになる。いつからそうなったのなんて、気が付けばそう捉えてしまっていると、そんな「前のイメージ」があったことすら人は気が付かない。だが、当時の新聞記事や雑誌は、そのイメージを切り取って形にして、今に残している。ただ、そういった媒体はその時代の空気を読んでいたり、空気や思想を導こうとしたり、それすら本当に正しいとは限らない。

　

　歴史というものをどうひも解いていくか。何が正しい歴史で、その当時の人が考えていた時代なのか。その研究の難しさを明らかにする一冊。

「地方」と「努力」の現代史 アイドルホースと戦後日本 [ 石岡学 ] 価格：2640円（税込、送料無料) (2020/12/13時点) 楽天で購入

【本紹介】21Stepで体得 Vue.jsハンズオン

　Vue.jsの開発環境構築から、実際に動くWebアプリを作りつつマスターしていくような教育本。辞書的な使い方より、Vue.jsの開発プロジェクトに入る際に一気に読んで手を動かしてみることでレベルを初級から中級に引き上げるような一冊。 

　Vue.jsは半日程度の研修であっさり概要、使い方などを聞いた程度だが、クラウドサービスとの相性が良く、今後主流になっていくかもしれないとの話で気になっていた。研修ではVisualSourceCodeにプラグイン入れて開発環境を構築し、GoogleChromeでデバッグしつつ、ログイン、メニュー、画面コンポーネントを軽く弄った程度だったか。

 　この本では、Vue.jsのVersion3.0を中心に（3.0中心の部分と、2.xをベースとしている部分がある。（3.0は執筆当時でドキュメント、ライブラリが3.xに完全対応していないとのこと））、実際に動くものとして、

（１）名前・メールアドレスを入力、検索するサイト、

（２）Googleカレンダーのようにログインした人のスケジュールをいれたり共有したりするようなかなり本格的なもの、を開発しつつ、VueRouter等の各機能やプラグイン等基本的なアプリを開発するのに必要なVueの機能について説明がなされている。特に（２）は様々なHowTo本に出てくる例よりは随分とレベルが高い。

 　環境はVue CLI使用。Windows、およびMacでの環境構築手順は書かれている。Vue CLIでのインストール時選択肢やその意味、理由はかなり丁寧め。コードは、JavaScript、TypeScriptでの書き方が並列。 Vueおよび周辺ツールの使い方としては、ソースコード構文チェックツールESLintの使い方、整形ツールPrettier、テストツールJest、ルーティングVue Router、UIコンポーネントライブラリVuetify等。開発するために知っておくべき周辺知識、プラグインの説明が一通り網羅されている。少し規模が大きな開発をする際のディレクトリ、ファイル分割方法、Vuexや厳格モード、また、ひな形をどのように修正し、不要なファイルを削除するか、といった準備や、単体テスト、共通部品の考え方等、「プロジェクトでVueを使い始めるのに必要なお作法」も一通り掲載されている。プロジェクトで新たに環境や言語を選ぶ際には、メンバーにその環境で本格的な開発を経験したことがある有識者が一人居れば言うことはないが、この本一冊あると、有識者のあてがなくても、開発経験チームであればスムーズにVue.jsでのサービス開発・提供可能な諸準備は十分整えられるだろう。  

　データベース等外部との連携、本番環境へのデプロイ方法については未記載なので、その辺りは別途補完する必要がある。 

　あと、ほぼすべてのコードがJavaScriptとTypeScriptの二通りで書かれている。本がかなり分厚いので、どちらかはサンプルコード集（出版社のサイトからダウンロードできる等）にお任せしてもう少し本が薄くなればなぁ、と。

21Stepで体得 Vue.jsハンズオン [ 関　利晴 ] 価格：3718円（税込、送料無料) (2020/12/13時点) 楽天で購入

第2回 量子コンピュータ最前線（慶応義塾大学量子コンピューティングセンター）

第一回目（たぶん、https://techinfo4dog.blogspot.com/2019/07/802019626.html）に引き続いて第二回聴講。今年はオンラインでの実施（zoom）。録画、画面キャプチャは禁止。
冒頭の、「量子コンピュータでｘｘができたと報告すると、ｘｘは既に普通のコンピュータでできているだろうと言われるが、幼稚園の運動会のようにまだ発展途中での発表だと答えるようにしている」というのがなかなか興味深い。
どのようなケースが量子コンピュータでの解析に適しているのか、のネタ選びはこの２年で結構見えてきたのか？　各チーム（システム、化学、金融等）、企業、大学の垣根を越えての協業しつつ、実際の量子コンピュータを直接使って研究できるのはやはり大きいアドバンテージなのだろう。

慶應義塾大学理工学部創立80年記念イベント（2019/6/26）感想等 -量子コンピュータ編（午後）-

【関連記事】

• 概要：https://techinfo4dog.blogspot.com/2019/07/802019626.html
• AI編（午前）：https://techinfo4dog.blogspot.com/2019/07/802019626-ai.html

＊＊＊＊＊＊＊＊

IBM Q Network Hub @ Keio University presents 量子コンピュータ最前線（午後）

午前より参加者がかなり多い。開始五分前で１Ｆ席がほぼ埋まっていたようで２Ｆ席に案内された。（午前は１Ｆ席も割とガラガラだったが。）外国人が多く、日本語講演も特定の人たち向けの同時翻訳が行われていた様子。

挨拶（慶應義塾大学 理工学部長　岡田英史氏）

• モアムーアの世界に到達しているが、何が起きるのかは予測できていない。昨年IBM Qにアジアで唯一接続できる拠点として選択されたので、量子コンピューティングセンターを立ち上げて研究推進。アジアのハブなので協力企業の参加もあり精力的に推進している。

量子コンピュータ最前線（慶應義塾大学 理工学部 教授　量子コンピューティングセンター　ファウンダー　伊藤公平氏）

• 量子ビットではふり幅と位相。棒磁石で考えると、古典ビットでは縦向きとその逆しかありえず横向きがエラー。量子ビットはラビ振動でエネルギーを与えているうちは振動を繰り返す。横向きは0でもあり1でもあり、測ってみると50%の確立で0。これがものすごいパワーになる。それを２つ準備すると、最初0からエネルギー与えて横向きにして、もう一つは少し遅れて同じようにして、の差（位相差）が重要。これらすべてを利用することで量子コンピュータのパワーが発揮される。
• ３つの量子ビットを横向きにすると、000でもあり001でもあり８通りの数字を含む。１０進数でいうと０~7までの数字すべてを含み、２のｎ乗通りの数が一気に処理でき、200量子ビットは２の２００階乗、1.6×10の60乗、宇宙の原子数を一気に計算できる。
• 初期かはすべて上向き。演算でＮＯＴにして逆向き。１つの量子ビットの状態で位相を変える（量子ビット演算）で、すべての量子コンピュータプログラミングが実施される。最後に一つ一つ読みだす。ふつうのＰＣと違うのは0or1ではなく0でも1でもありさらに位相に情報が載る。量子ビットの数が多い、演算精度、回数、速度が性能指標。100%の精度は得られないので精度が問題。情報を失うまでにどれだけ回数ができるか。Quantum Volume（量子体積）はIBM提案の指標で、大きくなるほど性能があがる。
• 今の量子コンピュータはゲート方式、万能量子コンピュータ。IBM、Google、Rigetti等。イジングマシン方式（最適化方式）、アニーリング方式、レーザーネットワーク方式等もある。
  • アニーリングは量子ビットをたくさん用意して真横にして重ね合わせて相互作用を操作して自然に落ち着くまで待つ。積極的にゲートでNOT演算しない。D-Wave、NEC。古典コンピュータによる量子アルゴリズムを行うシミュレータ・シミュレーションもある。「シミュレーションの結果」とは古典で量子走らせたものを言う。それを早くすると、日立CMOSアニーラー、富士通デジタルアニーラー、東芝シミュレーテッド分岐アルゴリズムがあり。
  • レーザーネットワーク方式は準量子。国立情報学研究所とNTT。
• アメリカは２２０億円／年。日本は２２０億円／１０年（Q-Leapプログラム）。ヨーロッパでもPJあり。中国では知らないレベル。
• 日本は基礎研究は相当進んでいる。Top1%論文の割合で、2011年は一位だが今は４位。
• 量子コンピュータは物理現象の解明、難病の治療薬、人口肥料、その他さまざまな分野へ活用。
• 超電動量子コンピュータ　IBM　50量子ビット。Google72、Intel49、Rigetti19。Intelはシリコンを使って量子コンピュータ作っている。３００ｍｍレベルのコンピュータをオレゴンで開発。
• 意味のある計算をするため、量子ソフトウェア企業が立ち上がっている。MDR、Microsoft等。開発は激烈。何ができるか、を頑張らないと国、企業として負けてしまう。
• まず、2023年にかけて、現在のコンピュータの発展を支え、ムーアの法則を維持するため、苦手な部分を補完するコンピュータ、ソフトウェアの開発。2028年に、従来の計算性能を飛躍的に超越する量子シミュレータ、コンピュータ、ソフトウェアの開発。Quantum Leap、量子跳躍。
  • それでも一部の分野にとどまる。創薬、化学製品、医学、高度な金融派生商品等。
• JSTの「さきがけ」で量子の状態制御と機能化、で日本から３０名ほど選び研究のアドバイザ、マネジメント。
• QLEAP予算は産業課のためのスタートアップ資金。投資につながる礎。６つのPJが走っている。冷却原子、シリコン等ハードウェア部門もあり。ソフトウェアも大阪、慶応等。

IBM Q System（IBMリサーチ　IBM Q ネットワーク　グローバル・リード　Dr. Anthony Annunziata）

• 英語講演＋逐次翻訳。
• Bits + neurons +qubits。将来を担うが唯一の技術ではない。伝統的なPCのbit、AIのneuronを組み合わせて作っていくのが将来のコンピューティング。
  • Bitは0と1．今後何年も継続する。
  • Qubitsは量子縺れ、重ね合わせを基本的な構造として持つ。今後の重要な要素。
• 単に演算が早い、ではなく、まだ解くことができない難しい問題が解ける可能性があることで騒がれている。
• IBMでは２年前に３つのPGを立ち上げ。Q System、QISKIT Community、Q Network。Q SystemはIBM外部にも使ってもらう。CommunityはOpen Software。
• Q Open、Q Premium、Simulator。1850万を超えるExecutions。非常にパフォーマンスが高い実行が増えているのも注目に値する。ソフトウェア、ツールもそろえている。研究論文も１７２件として順調に伸びている。

IBM Q Hub＠Keio（慶應義塾大学 理工学部 教授　量子コンピューティングセンター　センター長　山本直樹氏）

• IBMワトソン研究所にPG送信し、計算結果が戻ってくる。本体があるわけではない。ニューヨーク。ほとんどは冷やすための器具でできている。（←ちらっとPowerPointで出された写真では、有馬温泉にひょこひょこ立っている温泉設備の鉄塔ようなものが山奥にぽつんとある感じ。下は写真では隠されていて分からない。https://newswitch.jp/p/11726　この写真か？（←よく見ると全く温泉設備とは異なっていた……））
• Hub参加企業としてJSR、三菱UFJ、みずほ、三菱ケミカル等。
• IBN主催Think2018で登壇。
• Q誕生前は、実機を使う研究が無かった。実機利用で、改善と発展を肌身で感じ、実装ノウハウ構築。実機による理論検証や実機のための新理論・新技術。まだ量子コンピューティングは開発中でそれにリアルで触れる。Slack上での情報交換。IBM常駐の人も居る。量子金融、化学、AI、システム実装チームの４チーム。
• モンテカルロ計算（株価変動）。

量子ソフトウェア実装（慶應義塾大学 環境情報学部 教授 　量子コンピューティングセンター　副センター長Rodney Van Meter氏）

• 日本語ぺらぺらな人。
• Keio Q Hub Teamの４つのチームの１つ。
• QISKITが標準プログラミング言語。その下にOpen QASM、Open Pulse、そしてHardware。QISKITの上にOptimizers、Libraries、Applications。階層化されている。慶応チームはQISKIT中心で全部。Member企業はOptimizersより上。IBMは全部。
  • 注釈：そのものの図がGoogle先生に軽く聞いても無かったが、以下のような図で、QUSKIT中心に横向き▲が描かれている感じ。

• IBM Qはチップ名Tokyo、Poughkeepsize、System One等で徐々に性能向上。Tokyoは別に東京にあるわけではない（すべてニューヨーク）
• 良く書かれるもので○は量子ビット、線はCNOT結合。量子ビットや結合の精度が異なっている。品質が違う。その上でシステムをどう組むか。チップの上でどう利用経路を最適化するか。20では縦に４つ、横に５つ、格子状かつ所々×印クロス結合の図で示される。Var x を左上の0、yを右下の20とし、どうルートをたどるか。４つあるとQ0, Q1 or Q2, Q3へ。PathA（0-1-3）、PathB（0-2-3）のどちらがいいか。グラフ理論。QOPTER（コンパイラ）。コンパイラとハードウェアをともに改良すると性能改善。（←　https://miro.medium.com/max/700/1*u0Ly-RliQusIH-qNZkTcqw.png　のような図の説明）

（https://medium.com/@jonathan_hui/qc-quantum-programming-implementation-issues-51e3a146645e）

• 簡単な回路は計算途中はシミュレータで確認できるが、複雑なものを実機で使うと量子が壊れる。ソフトとハードは一緒に進化すべし。今後手動最適化手法の自動化、大規模ソフトウェア開発ツールが研究テーマ。
• 今後はAIネイティブだけではなくQuantum Nativeへ。

量子AI（三菱ケミカル株式会社　Science & Innovation Center　主任研究員　高　玘氏）

• 量子AIチーム。目標としては手法の開発、実機の使いこなし、実データの計算。量子コンピュータへのデータを埋め込む手法の開発、量子コンピュータ版機械学習手法の開発、実機を用いたベンチマーク、実機を用いた金融・科学の計算、の４つに分かれる。
• IBMは世界で初めて実機でAI研究を行い、natureに掲載。
• 2020年には37%のデータにビジネス上の価値がある。40ZBのデータ量。計算のスピードUPは必須。AIでも量子コンピュータと同様に相互作用の重ね合わせ状態を作成することで、短時間で機械学習できないか。現在は実験場Quantum Ready、その後Quantum Advantage、Quantum Business。現在のうちから人材育成を。
• 株価が上がるか下がるか、貸付OKか、みたいな分類問題。AIにおいては重要。古典よりbig data解析に優れていると期待されているが、予測精度にばらつきがあり、実用に向けて改良が必要。
• 古典派データセットからAIのKernel計算、AI分類でボトルネックがKernel計算。ボトルネック部分を量子にエンコードして計算。エンコードの改良も必要。量子空間を作成し、計算後、実空間へ戻す。（１６次元）
• Keio Q Hubでは最先端の実機が利用でき、分野横断で専門家がおり、研究を進める環境が整っており、大学とIBM、参加企業の協業で、予想以上に研究を進められる。量子AI実用はここ数年は正念場。ユーザ企業として世界に後れを取らず長期目線で積極的に研究を進めることが重要。今後競争が激しくなる。

量子金融（みずほ情報総研株式会社　サイエンスソリューション部　チーフコンサルタント　宇野隼平氏）

• 金融業界ではテクノロジーデジタルを起点と舌構造改革を推進。新技術の１つとして量子コンピュータに注目。他にAI、ブロックチェーン、IoT、ビックデータ、クラウド。
• 量子金融チームはみずほ、三菱UFJファイナンシャルグループ。他に大学教員、IBM。
• 金融商品価格評価への適用。様々な価格変動シナリオを考慮しシミュレーション。長時間コンピュータを使う計算の一つ。量子コンピュータの重ね合わせ状態を使うことで、様々なシナリオを同時に計算することで高速化への期待。2018年、Xanaduからアルゴリズム提案。IBMで実機を用いたデモ計算。
• 現在の量子アルゴリズムは量子演算の回数が多い。多いと計算困難。より短い演算へ。提案手法は量子コンピュータで別々に実行し古典コンピュータで後処理。長さを95%削減。2019年に共著論文として公開済み。ただ実機だと理論値ほど性能がでない。ノイズの影響。（５量子一般公開だと）
• Q Hubは金融機関以外の知見も活用しオープンイノベーション。今後JPMorgan等との提携も視野。他の金融機関の参加もお待ちしております、と。

量子科学（JSR株式会社 四日市研究センター　マテリアルズ・インフォマティクス推進室　次長　大西裕也氏）

• JSRと三菱ケミカル。
• なぜ化学？：化学現象のより深い理解で分子、材料のデザイン。化学現象は熱力学、統計力学、量子科学で表現。量子科学は材料の微視的、電子的性質に深く関与し、精密に制御できれば革新的材料の設計へつながる。ただ従来の手法では精度が不足。
• 太陽電池、発光デバイス、分子スイッチ、窒素固定、電極反応等。高精度な量子科学計算が必要な課題が多い。
• 量子科学の問題を高精度に＝正確な波動関数を得る、表現すること。電子が詰まっているものを１、入ってないものを0としてマッピングし自然に表現できるのでは。仮に質の良いQubitが100できれば、一番量子科学への応用が早いのでは。現在の古典では２，３原子が限界でこれ以上増える見込みが薄い。
• 量子位相推定アルゴリズムと、変分的量子固定値計算法の２通りが提唱されている。
• リチウム空気電池のVQE計算。現状の電池より５倍以上の性能が可能。充放電に関わる化学反応を計算し、材料設計への応用につなげる。AlgorismとUse CaseとHardwareをくるくる回しつつ、Software、モンテカルロ、AIを組み合わせる。

パネルディスカッション

• 会社紹介となぜ参加したか
  • JSR株式会社 四日市研究センター　マテリアルズ・インフォマティクス推進室　室長　永井智樹氏
    • 合成ゴムを作る会社として半官半民からスタート、その後民営化。半導体材料、ディスプレイ用材料も手掛ける。光ファイバとかも。戦略事業としてバイオ系へ。B to Bビジネスで、客の要望に応じてカスタマイズしていち早く届けるところで強豪と戦っている。いかに早く試作品を届けるかはキーになる。量子コンピュータの計算能力は材料開発のブレークスルーになるのではと思い参加。
  • 株式会社三菱UFJフィナンシャル・グループ　事務・システム企画部　上席調査役　栗山英樹 氏
    • 金融課題をグループ全体で拾い上げて解決できないか検討。経営環境の変化＋テクノロジーの変化。既存のビジネスモデルそのものにチャレンジすることが必要。紙の資料をデジタル化、大切な話だけを人が受ける、融資判断スピードのUP。取り組まないと金融業自体が成り立たなくなる。
    • デジタライゼーション戦略。改善、改革、非連続。量子コンピュータは技術の谷を越えた非連続部分にある。パラレルでやっていかないとダメ。改善はAIやビックデータ。改革はAIによる業務判断、審査等。Q Hubで、人材育成、攻め、守りのアプローチに期待。暗号プロトコル、機械学習、ポートフォリオリスク管理等の最適化。銀行はかなりのシステムがあるがいつから変えるか、機械学習はいつから丸一日回さなくても済むのか。ある日突然PCをもらってできる話ではない。
  • みずほ情報総研株式会社　サイエンスソリューション部　次長　加藤大輔氏
    • Fintechの流れ。変革が加速している。ビックデータ、AI、分散型台帳、ブロックチェーン、スマートフォン送金。Q Hubで汎用型量子コンピュータの活用に関する研究を開始。今は基礎研究。One MIZUHO戦略でグループ一体で客の課題を解決。みずほ情報総研のサイエンスソリューション部では５０年近く、１００％外向けで、研究開発部門の客の課題解決。金融系以外でも。汎用型量子コンピュータで何ができるか、できないか、できそうか見極め、できそうなものを対象に、どうすればできるのか検討中。使えるようになってから参入ではなく、今から参入することが必要。
  • 三菱ケミカル株式会社　新事業創出部　上席主幹研究員　竹内久雄氏
    • ６つの成長ドライバーを組み合わせた成長戦略。生産性向上・効率化による競争力、R&D、M$A、、、。
    • R&Dでは分子設計、機能設計、共通基盤の組み合わせで様々な製品の開発。「デジタル材料科学」はこれからのキープラットフォーム。化学物質は星の数ほど多いが探査できている数は限られている。次の新しいものを星の海から引っ張ってくる。デジタル変革の波の中で、材料のモデリングの意義を改めて見直す。３，４０年前から量子っぽい計算をやっていた。そしてAIも一つのフェーズ。量子コンピュータがチャンスか脅威か。破壊的技術か。それそのものを理解して自らやっていく必要がある。AIと違うものを探すのもミッション。
• 目標が達成できたか？　感想と期待
  • JSR
    • まだ。結果は出ておりこれから重要になる論文も出てきている。期待を上回っているが。得たものは、人材育成。急にPC持ってこられても対応できないのでネイティブ人材を。量子コンピュータに対して距離感が分かってきた。当初は期待過ぎたが。解決すべき問題が分かってきた。2020年代後半くらいにビジネス適用計算ができるのではと期待。まだEarly Stage。
  • MUFG
    • 一周年。走りながら組織を作り、試行錯誤しつつ、最終的に金融チームで論文２本。会社にも持って帰った。実機に触りながら今の実力を把握できた。それぞれが自分が何をすべきか、イノベーション、どう実装するか、でもう一段上の発想を実感として持ってこられたのが成果か。発信も一緒にしていきたい。Hardwareをお願いしつつUse Caseはグループ一丸となって発掘したい。
  • みずほ
    • 人材育成は進んだ。Hubに入るまで量子コンピュータに触ったことが無かったが、１年で習得し、世界に戦えるレベルまで育ってきた。慶応、IBM、会社、学生の環境が非常に良い。情報が得られやすい。今後について、Hardware進歩は期待したい。Hubの成長も。新しい研究領域で、世界最高域の組織に成長してほしい。
  • 三菱ケミカル
    • 今朝論文が出た。まさか論文が１年で出るとは。現状を一年前は理解できてなかった。量子科学のPGは大きく、とても少人数で１年でできるものではない。高級言語でコンパクトに作れる状況が身近にあることに気が付いていなかった。見通しが１年で得られたのは非常に大きな成果。新しい応用事例を増やしたい。今スピードや精度で追いつかなくてもすぐHardwareが追い付くのでぜひ日本から出していきたい。協調領域としては理想的。
  • 日本アイ・ビー・エム株式会社　執行役員　研究開発担当 　森本典繁氏
    • 良縁と幸運に恵まれた。半年で契約、アナウンス、カンパニーにお邪魔、とスピーディー。優秀な研究員。ただのOpen Innovationではなく世界最先端のHardware、Academia、実学。実際にそれが何に使えるのか最初から視野に入れた研究開発が重要。IBMとしてもどう世の中にインパクトを出せるか難しいが、点と道しるべができたのがIBMとしても成果。世界に初めてのものを触るので、先生も生徒もない。今後、日本の代表として、Hubが世界に先駆け、リードしていくことを期待したい。６，７人から３０人までメンバーも増えた。
  • まとめ　慶應義塾大学　量子コンピューティングセンター　センター長　山本直樹氏
    • ４社の現場から参加いただき、議論。研究者はオリジナリティだの理論だの言いだしたがるが、役に立つもの、使えるもの、人類発展を捨てないでほしいとのアドバイスをJSRから受けた。産学連携しないと分からないこともある。

慶應義塾大学理工学部創立80年記念イベント（2019/6/26）感想等 -AI編（午前）-

【関連記事】

• 概要：https://techinfo4dog.blogspot.com/2019/07/802019626.html
• 量子コンピュータ編（午後）：https://techinfo4dog.blogspot.com/2019/07/802019626_27.html

＊＊＊＊＊＊＊＊

文系・理系を超えたAI（人工知能）活用最前線（午前）

挨拶（慶應義塾大学 理工学部長　岡田英史氏）

• 理系文系ともにAIすることとなった。文系理系越えた形での初期教育、今後の発展に結び付ける。新しい教育の在り方について話をする。

世界のAI研究と慶応のAI研究（慶應義塾大学 理工学部 管理工学科 教授　山口高平氏）

• AIブームはもう３回目。知識駆動型AIとデータ駆動型AI。エキスパートシステムは当時１０個くらい作ったが限界あり。
• IBMのワトソン、Project Debaterが知識駆動型最新。（ディベートを行う）
• ワトソンは社内ベンチャーで結構な売り上げを立てている。Project Debaterはディベートの例として「宇宙探索を助成すべきである」について準備１５分、立論４分、反論４分、最終弁論２分。人間の地区チャンピョンと戦う。地区のチャンピョンくらいにはAIが勝てるが全米には勝てないレベルまで。オントロジー。意味リンクでのネットワークを構成。
• 研究室ではWikipediaで意味ネットワーク作成。ヒト型ロボットで小学生の疑問に答える、老人への体操指導等。（Kinectで動作確認。）哲学者　「神様は存在しますか？」に対して「神と存在は関係ない」と答えた。（リンクが無かっただけ。）ただ哲学者に対しては面白かったとか。
• Deep Learningによる画像認識コンテスト（ILSVRC）では人間のエラー率５％を超え、2.3%へ。150層近くのレイヤーを持つ。畳み込み型ニューラルネットワーク。認識系。
• Word2Vec。言語処理系。Google。かなり精度が高い。
• GAN。生成系。山の写真とモネの絵画から、モネが描きそうな山の絵画を。
• Waymo（Googleからのスピンオフ）で８ｋｍ７ドル料金でウェイモワン有料タクシー開始。
• 事故はテスラ、ウーバーで発生。法律上どうするかは課題。
• 自動運転解除レポートによる比較だと、１８０００ｋｍくらいは自動運転できる。（自動運転が難しいと言われ人に変わるまでの平均距離。）現在ほぼアメリカが強いが、中国が延びている。Top10のうち3社中国。日産は３００ｋｍ。Apple社が特許No1だが、停止条件が違うからかランキング外。（レポート：https://www.yutainvest.com/google-waymo-proceed-on-the-way-to-selfdriving-car/　か？）
• ロボットを小学校に出して実験。ロボットから議論に加わると子供たちは盛り上がる。聞いて答えるのは当たり前の時代。
• 慶応の学園祭でロボットカフェ実施。接客をPepper、ジュースをロボットアーム。クレープに似顔絵を描く。
• 質疑応答
  • データ精査の効率化は？
    • データハンドリング専用システムの統合が必要。データハンドリング研究はされている。90%がデータハンドリング。数年前から「大学はそこに関わらない」と言われ、準備中。
  • 専門家からみて教育をどうすべき？
    • 小学校からも講演依頼が来る。AIスピーカが数千円で変えるので、１日喋ってみると良い。体験が大事。AIの限界が分かる。

文系理系を問わず社会が求めるAI人財とは（KPMGコンサルティング株式会社 執行役員パートナー（理工学部 訪問教授）椎名茂氏）

• コンソーシアム構想段階から参加している。NECでAI研究。LISPでごりごり書いていた。そこからPwC、KPMG。理工学部訪問教授へ。KPMGはAIコンサルティング。スタートアップの支援も。
• Alpha Goは過去データを学ばず、ルールだけ教えると、3日で人間最強の騎士の水準を越え、４０日で既存のAIの能力を超えた。Alpha Goだけで対戦することで、人の変な癖を学ばずに済んだのでは。
• 家電にAIが付くと終わる感じがある。そろそろ4次ブームが来るのでは。
• AIプロジェクトの始まり：社長が言う、研究しろと言われる。いいカモ。実験するがなかなか形になるものはない。
• IT系はプロジェクト組んで複数でやらないとうまくいかない。一人の天才が進めるのでもない。AIプロジェクトはまずチーム発足。まずデータを集めるのが先。データにアノテーションが一番時間がかかるところ。PDCA。プロジェクトを回せる人がAI人財。
• 高校でも確率統計に加えて行列等AI、データサイエンス理解に不可欠な数学を学べる検討を進めている。大学ではすべての学生がAI、数理、データサイエンスの基本的な素養を身に着ける。
• 基礎知識として、理論、PG言語、ツール、データ分析、ビジネスモデル考案、PM、企業立案。まずPGできないとおもちゃPGもできない。Python、Unity。
• 学生の就職先希望でコンサルが増えている。講師としてはコンサルは実働企業が無いと動けないので実働企業側への希望を延ばしたいが。研究職希望はあまり多くはない。AIベンチャーを立ち上げたいかに対して半数がYes。
• 理系文系関係なく、発想力、ものつくり、適材適所。データの意味を考えられる人。手が動く人間は必要。AI＝社中協力。みんな仲良く総力戦で。

「AI・高度プログラミングコンソーシアム」の紹介（慶應義塾大学 理工学部 物理情報工学科 教授　コンソーシアム代表　伊藤公平氏）

• 学生たちを早くからそだてるためのAI高度プログラミングコンソーシアム。産学共同で取り組む枠組み。１，２年生が学ぶ日吉キャンパスにAI講座、サーバルームを設けた。コーディネータも雇用。
• 適塾モデル。企画、運営を塾生が担う。コンソーシアム、サークル活動みたいなもの。法人会員９名。見学してアドバイス、実社会における活動の照会、現場見学会、AIコンテスト等。企業としては優秀な塾生との出会いの場。
• 学生による運営は、Webサイトで公募。相談員、サーバ管理者も。シラバスを作って応募し、コーディネータが書類面接。学生によりさまざまなレベルの授業が準備できる。講義を準備してみると定員をはるかに上回る応募。単位にならないのに応募が多い。ニーズがあり学生の意識が高い。Unityは学部二年生が教えていたりする。欠席した者にもアシスタントが教えたり。競技プログラミングに向けた勉強とかも。
• 競技プログラミングの例として、画像認識ポーカー。ルールや概要から2週間でプログラム提出。森とか海とかにトランプがばらまかれておりそれからポーカーの手を作る。５チームが提出したが、チャレンジ数はもっと多い。
• 自らが望んで学び、自らが教えたい学生でできている。Webサイトでいろいろと公開。メンバー企業としてはいつでも参加できる。
• 全員に初級教育はかなり難しい。（政府戦略で全大学生に初級教育。）サーバ、場所、そもそも講師が足りない。

コンソーシアム法人会員による5分間プレゼンテーション「企業でのAI活用例と求められる人財」（各５分程度）

• 日産総合研究所　高松吉郎氏
  • 日産はIntelligent Mobility。Driving、Power、Integration。
  • 車の中でAIグラスをかけてARつかって表示。車の外の人がアバターとして乗り込んで会話。
  • 今年の秋でProPilot2.0。高速道路での支援。
  • 横浜みなとみらい実証実験。Easy Ride。
  • 学んでほしいことは、ITリテラシー（防具）、IT武器、AI×○○、IT×○○。AIを学ぶだけでなく何に使うか、何をするか。
• 三井住友銀行　オハラ氏
  • コンサルとして日本総合研究所を持つ。Fintechが花盛り。Watsonをコールセンターに全席導入し、先回りして回答させる。離職率が下がっている。
  • AIを買う超下企業の業績状況変化検知システム、提供。個人向け株式提案サービス。
  • 人材としては、業務に通じている、技術力がある、構想力・デザイン・思考力。DIやDXを企画・手動できる。
• 伊藤忠商事　人事総務部　ノト氏
  • 次世代HRタスクフォース。人材とビジネスの面から。
  • Dole事業では、ドローンによりバナナ、パイナップル生育状況を把握、データの有効活用で生産効率の向上。伊藤忠としては自ら作成というより他のものを有効活用。
  • ファミマプラスチックの需要予測でコスト削減。配属の最適化。
  • 学んでほしいこと：幅広いテーマに興味、様々な人の話を聞いて視野を広げる。疑問を持ち物事を深く洞察。
  • AIや先端テクノロジー仕組みや特徴を把握。事業機会を想像できるトランスレータ。課題を見直し業務効率化を通じた生産性向上。必要に応じてテクノロジーを活用。今後の変化を予測。
• カシオ計算機　人事部　中村氏
  • AI活用として、コンピュータ診断支援（医用画像）。皮膚疾患診断サポート。大学病院ドクターとの共同開発。スマートWatchでランナー向けAIコーチング。ランニングフォームの解析、アドバイス、コーチング。デジカメや腕時計で培われたノウハウをAI技術とMixさせて新しい事業分野へ挑戦。
  • 人材像：PG、AIスキル、想像力、コミュニケーション、リテラシー、ビジネススキル。にしっかり勉強、たくさん遊ぶ、会話、興味を持つ、日経よく読む。
• ジック　SICK　シブヤ氏
  • 産業用センサのグローバルリーダ。ヨーロッパ第一位のシェア。４００００種のセンサ。
  • レーザを出して降ることで３Dで形状が取れる。車を１３種類に分類。適切なルートに案内、交通量コントロール。空港での荷物あずけでトランクかそれ以外かを見分ける。９５％は見分けられる。現場レベルで実用となるとまだスタートしたばかり。
  • 求める人材は、技術＋マインドセット＋社会の仕組み。AIネイティブとして啓蒙、変革を促し、AIファースト社会をリード。社会の仕組み：AI効果予測、権利関係。新しい技術には新しい仕組み。今の学生はAIネイティブ第一世代。
• SOMPOホールディングス　デジタル戦略部　長谷川氏
  • 安心・安全・健康のテーマパークを目指す。
  • 生活習慣病リスク予測AI。東芝の解析技術と組んで実装。個人のQOL、医療費増加改善。台風被害推定AI。被災地対応準備と、防災予測モデル。こちらは今進行中。台風予想から建物被害件数。
  • 人材：知識、探究心、動機づけ、オープンマインド。自分なりのAI人材に。既存事業への応用と新たなビジネスモデル。いろいろな観点を踏まえてAIの本質を。
• パーソルキャリア　サイトウ氏
  • PERSOL。テンプスタッフ、an、LINEバイト、doda。売上高一兆円の総合人材グループ。
  • 企業求人票自動作成、マッチング、キャリアカウンセリング音声分析、HR×ブロックチェーン。動画×感情推測。対面×生体計測。AIを用いてより希望に沿った転職支援。ルールベースのマッチングから、機械学習と分散処理で、圧倒的な精度向上。
  • 人材：Business Problem Solving、Data Engineering、Data Science。データサイエンティスト協会が提唱するものと同じ。はたらくを自分のものにする力を。いかに発想できるか。精度だけではなくビジネスの課題をとらえてどう解決するか。AIだけではなく周辺知識も。
• 東京海上ホールディングス　ワダ氏
  • いざというときにお役にたちたい、をコンセプト。創業１４０年。
  • 色々なデータと向き合う。いろいろなことが幅広くできる。海外展開。
  • 大規模災害への対応として、人工衛星で被害地データを取得、各種外部データと合わせてAIにより浸水エリアと水深を把握。スピーディな自動支払い。
  • 専用ドライブレコーダを２２万代以上に普及。運転データや事故動画で日本最大級。事故時に自動で通報、通話、運転注意喚起等。保険会社への事故報告を不要に。事故状況図を生成、過失割合判定。２年前から自動車保険特約としてレコーダつけることにしてある。事故の瞬間からさかのぼってまでとっている。命もすくっている。後々は自動車会社が付けるようになれば後方サービスを。
  • 人材：挑戦。社会的課題を解決して世の中をよりよくしたいという志を原動力に、真の変革に挑める人材。
• 富士ゼロックス　根本氏
  • Document CompanyからSmart Work Innovationへ。
  • ミドルキャストのコミュニケーション。（Narrow、Broadと比較してMiddle。Business志向。）顧客の業務プロセスを理解しモデル化、知識DB活用、特定の文書業務に向くAIを。法規制文書、設計文書、申請文書等、客固有のデータの活用。分析に必要なデータは多くないので知識駆動型も組み合わせてドキュメントプロセス透明化。
  • 人材：効率的、創造的、快適な働き方を実現し、企業、組織を強くする。コアコンピテンシーはオントロジー、文生成、テキスト読解、情報推薦、マイニング、人間科学。Innovationを起こすためのQとP（Question、Passion）。AI/IT人材像はデータサイエンティスト協会と同じく。