Más contenido relacionado La actualidad más candente (20) Similar a LiBRA 03.2019 / 総集編 (20) Más de Masanori Saito (20) LiBRA 03.2019 / 総集編9. コンピュータ誕生の歴史
バベッジの解析機関(未完成)
蒸気機関で駆動
プログラム可能な最初のコンピュータ
パンチカードでプログラムとデータを入力
出力装置(プロッタ・プリンタ)も設計
論文「計算可能数について」
コンピュータの原理を数学的に定式化
コンピュータの動作原理モデルを設計
(チューリング・マシン)
ENIAC
エッカートともモークリーにより開発
真空管による電子式コンピュータ
プログラムは大変面倒なパッチパネルで設定
弾道計算を高速で行うため
EDVAC
エッカートともモークリーにより開発
プログラム内蔵式の最初の機械
現在のコンピュータの基本原理を実装した最初
の機械(ノイマン型コンピュータ)
磁気テープ読取/書込装置を装備/1953年・パン
チカード装置、1954年・磁気ドラムメモリ、
1958年・浮動小数点演算装置を追加
ENIACの課題と改善方法を報告
電子回路でチューリング・マシンが実現できる
ことを数学的に証明
どのように作ればいいかの原理を設計
(ノイマン型コンピュータ)
1836年に最初の論文
1946年
1936年 1945年
1949年(〜1961年まで稼働)1822年
バベッジの階差機械
蒸気機関で駆動
歴史上最初の機械式用途固定計算機
(カリキュレータ)
汎用性(多項式の数表を作成するよう設計、
対数も三角関数も多項式にて近似)
プリンターにて数表を印字
31. デジタル・トランスフォーメーションの実際
World’s largest taxi
company,
Owns no vehicles.
World’s most popular
media owner,
Creates no content.
World’s most valuable
retailer,
Has no inventory.
World’s largest
accommodation provider,
Own no real estate.
世界最大のタクシー会社ですが、
車両は一台も所有していません。
世界一有名なメディアですが、
コンテンツは作りません。
世界で最も種類が豊富な商店ですが、
在庫は一切ありません。
世界最大の旅行代理店ですが、
不動産は一切所有していません。
自前の資産を
持たない/小さい
対象とする市場は
最初からグローバル
サービスが
プラットフォーム
デジタル・ディスラプター(デジタル・テクノロジーを駆使した破壊者)
32. デジタル・ディスラプターの創出する新しい価値
コスト・バリュー
無料/超低価格
購入者集約
価格透明性
リバース・オークション
従量課金制(サブスクリプション)
エクスペリエンス・バリュー
カストマー・エンパワーメント
カストマイズ
即時的な満足感
摩擦軽減
自動化
プラットフォーム・バリュー
エコシステム
クラウド・ソーシング
コミュニティ
デジタル・マーケットプレイス
データ・オーケストレーター
自前の資産を
持たない/小さい
対象とする市場は
最初からグローバル
サービスが
プラットフォーム
デジタル・ディスラプター(デジタル・テクノロジーを駆使した破壊者)
38. ガバナンスとサービスマネージメント原則の関係
38
ガバナンス
基本は、透明性(Transparency)
説明責任(Accountability)
機敏に反応(Responsiveness)
効果的、効率的(Effectiveness and Efficiency)
公平、非排他的(Equitable and inclusive)
誰でも参加(Participatory)
持続可能(Sustainability)
ビジョン 戦略 コンプライアンス
方針展開
行動指針
企業文化
サービスマネジメント原則
サービスとは『消費者(顧客)の明らかになった要望を満たす』こと
ITSMが開発し成熟させてきたサービスマネジメントの概念や手法の活用
BSM(Business Service Management)
ESM(Enterprise Service Management)
全ての製品(プロダクト)とサービスに適用される
42. DXを支えるテクノロジー
アプリケーション
プラットフォーム
インフラストラクチャー
デバイス
AR(拡張現実) / VR(仮想現実) / MR(複合現実)
Augmented Reality / Virtual Reality / Mixed Reality
ディープラーニング(深層学習)と関連技術(深層強化学習/DQN、敵対的ネットワーク/GANなど)
Deep Learning
ブロックチェーン
Block Chain
HTAP(OLTP/業務系・基幹系とOLAP/分析系の実行基盤を統合)
Hybrid Transaction and Analytics Processing
LPWAネットワーク
Low Power,Wide Area Network
5G通信
5th Generation
エッジ・コンピューティング(デバイス側での学習や推論/高機能演算)
Edge Computing
量子コンピュータ
Quantum Computer
〜2017 2018 2019 2020 2021〜
43. DXを実現する4つの手法と考え方
現場に足を運ぶ 現物を手に取る 現実を自分で確認する
デザイン思考 リーン・スタートアップ アジャイル開発 DevOps
デザイナー的なクリエイティ
ブな視点で、ビジネス上の課
題を解決する
最小限の機能に絞って短期間
で開発しフィードバックをう
けて完成度を高める
ビジネスの成果に貢献するシ
ステムを、バグフリーで変更
にも柔軟に開発する
安定稼働を維持しながら、開
発されたシステムを直ちに・
頻繁に本番環境に移行する
共感(Emphasize)
問題定義(Define)
創造(Ideate)
プロトタイプ(Prototype)
検証(Test)
構築(Build)
計測(Measure)
学習(Learn)
開発と運用の協調
自動化ツールの整備
継続的デリバリー
(Continuous Delivery)
反復/周期的(Iterative)
漸進的(Incremental)
適応主義(Adaptive)
自律的(Self-Organized)
多能工(Cell Production)
イノベーションとビジネス・スピードの融合
イノベーションの創発 ジャスト・イン・タイムで提供
+ エスノグラフィー
68. Chromebook
インターネット
データ
文書作成 表計算
プレゼン ・・・ ブラウザ
画面表示・入出力操作
通信
画面表示・入出力操作
通信
オフィス・アプリ
データ
文書作成 表計算
プレゼン ・・・
オフィス・アプリ
クラウドサービス Google Apps for workなど
ブラウザ
文書作成 表計算
プレゼン ・・・
PC / Windows・Mac OS など Chromebook / Chrome OS
76. 構築事例:AWSサービスを活かしたアーキテクチャ
EC2
Internet
クライアント
Elastic Load
Balancing
EC2
冗長化
EC2
EC2
冗長化
Web AP DB
DNS
Route 53に
設定するのみ
死活監視のソフトウェア不要
基本的に無料/アラーム設定でメール通知
DBMSはインストール不要
Oracle、SQL Server等のライセンス料込
EC2の接続先を変更するだけ
冗長構成はMulti-AZを選択するのみ
EC2:4台
365日24時間稼働:$700.8
ELB:2台
365日24時間稼働:$473.04+α
RDS:
365日24時間稼働:$455.52
Route53:
1年間:$26.4(最少)
リージョン:東京
<EC2>
インスタンスタイプ:t2.micro
(最少)
料金:$0.020/1時間
<ELB>
料金:$0.027/1時間
+$0.008/1GB
<RDS>
インスタンスタイプ: t2.micro
(最少)
年間:約$1655.76
約198,691円
Cloud
Watch
Route 53
RDS(Master)
RDS(Slave)
DynamoDB
セッション
管理
※2015/3/20時点
86. セルフ・サービス・ポータル
調達・構成変更
サービスレベル設定
運用設定
・・・
数分から数十分
直近のみ・必要に応じて増減
経費・従量課金/定額課金
クラウド
システム資源のECサイト
見積書
契約書
メーカー
ベンダー
サイジング
調 達
費 用
数週間から数ヶ月
数ヶ月から数年を想定
現物資産またはリース資産
従来の方法
調達手配
導入作業
91. 徹底した標準化
大量購入
負荷の平準化
APIの充実・整備
セルフサービス化
機能のメニュー化
クラウド・コンピューティングのビジネス・モデル
クラウド・コンピューティング
オンデマンド
従量課金
自動化・自律化
システム資源
の共同購買
サービス化
低コスト 俊敏性 スケーラビリティ
SDI (Software Defined Infrastructure)
99. クラウドの分類と関係
個別システム
ホステッド
プライベート
クラウド
SaaS(Software as a Service)
PaaS(Platform as a Service)
IaaS(Infrastructure as a Service)
SaaS
PaaS
IaaS
プライベート・クラウド
パブリック・クラウド/クラウド事業者資産を使用
オンプレミス・システム/自社資産として所有
ハイブリッド・クラウド
プライベートとパブリックの連係・組合せ
マ
ル
チ
・
ク
ラ
ウ
ド
複
数
の
パ
ブ
リ
ッ
ク
を
連
係
・
組
合
せ
114. クラウド移行の方向
114
リフト
シフト シフト
インテグレーション
シフト
クラウド クラウド クラウド
既存システムの一部移管
SaaSの利用
ハイブリッド・クラウド
による連係運用・一元管理
オール・イン・クラウド
への全面移行
Webスケール/クラウド技術
を使ったハードやソフト
各社HCI、Azure Stack、AWS Outposts、Google On-Premなど
IoT/エッジ・コンピューティング
リアルタイム・コンピューティング
オンプレミス・コンピューティング
個別専用システム
シフト
ドロップ
119. 社会基盤のシフト 「モノ」の価値のシフト
IoTがもたらす2つのパラダイムシフト
1. 現実世界のデジタル・データ化
2. ビッグデータを使ったシミュレーション
3. 現実世界へのフィードバック
1. 「ハード+ソフト」がネットワーク接続
2. モノとクラウド・サービスが一体化
3. システム全体で価値を生成
ハードウェア
ソフトウェア
ハードウェア
モノの価値は、
ハードウェアからソフトウェアへ
そしてサービスへとシフト
アナリティクス
人工知能+シミュレーション
アプリケーション
クラウド・サービス
ビッグデータ
現実世界のデジタルコピー
現実世界のデジタルデータ化
IoT
CPS社会の実現 「モノ」のサービス化
インターネット
クラウド・サービス
CPS:Cyber-Physical System
123. 使 用
の現場 センサー コンピュータ ソフトウエア
モノ・製品
モノのサービス化の本質
ものづくり
の現場
開 発
製 造
保守
サポート
ソフトウェア
改修・更新
インターネット
直
結
・
連
係
124. ビジネス価値の進化
コア・ビジネス
既存ビジネス
蓄積されたノウハウ
確実な顧客ベース
付加価値ビジネス
収益構造の多様化
既存ノウハウの活用
顧客ベースの囲い込み
新規ビジネス
顧客価値の拡大
ノウハウの創出
顧客ベースの拡大
製造・販売製造・販売 製造・販売
走行距離に応じた
従量課金サービス
Pay by Mile
出力×時間に応じた
従量課金サービス
Pay by Power
工事施工
自動化サービス
Smart Constriction
建設機械
遠隔確認サービス
KOMTRAX
安全・省エネ運転
コンサルティング
予防保守・交換
燃料費節約
コンサルティング
予防保守・交換
125. モノのサービス化
TOYOTA MaaS / e-Palette Concept KOMATSU SMART construction
土木工事における作業の自動化と高度化を実現す
ることに加え、前後工程も効率化して、工期の短
縮に貢献できるパッケージ化したサービス
移動、物流、物販など多目的に活用できるモビリ
ティサービス(MaaS)と、これを実現する専用
次世代電気自動車(EV)
モノを売り収益を得るビジネス。サービスはモノ売りビジネスを支援する手段
サービスを提供し収益を得るビジネス。モノはサービスを実現なする手段
126. MaaS(Mobility as a Service)
126
電車 タクシー バス
レンタカー自家用車
配車サービス カーシェア 自転車シェア
電車 タクシー バス
レンタカー自家用車
配車サービス カーシェア 自転車シェア
MaaS
経路検索
支払
予約
配車手配
現 在 MaaS
あなたのポケットに全ての交通を個人で所有・個別に手配
手段の提供:マイカーの所有や個別の手配・予約ではできない最適化された「移動体験」提供
価値の実現:マイカー利用を減らし環境負荷の低減や移動の利便性・効率化を実現
127. MaaSのレベル定義
127
スウェーデン・チャルマース大学の定義
社会全体目標の統合
Integration of social social
スマートシティーのような上位の政策目標に統合された移動
手段を実現するサービスを提供
提供するサービスの統合
Integration of the service offer
予約や決済に加えて、サービス独自の料金体系を持ち、異な
る移動手段をシームレスにつなぐサービスを提供
予約と支払いの統合
Integration of booking and payment
異なる移動手段をまとめて検索でき、予約や手配も行うこと
ができる統合サービスを提供
情報の統合
Integration of information
異なる交通手段の情報を統合して提供
統合ない
No integration
事業者個別に移動手段や附帯するサービスを提供
レベル
4
レベル
3
レベル
2
レベル
1
レベル
0
個別の交通事業者が提供する移動手段やカー
シェア、自転車シェアなどのサービス
Google Map、NAVI TIME、乗り換え案内
Citymapper、シアトルのTripGo、などによ
るルートや所要時間、料金の検索など
ダイムラーのMoovel、ロサンジェルスのGo
LAなど
フィンランドのWhim、スイスのGreen
Classなど
該当するサービスがない
MaaSに相当するサービス
135. 5Gの適用範囲
高速・大容量データ通信
10G〜20Gbpsのピークレート
どこでも100Mbps程度
大量端末の接続
現在の100倍の端末数
省電力性能
超低遅延・超高信頼性
1m秒以下
確実な通信の信頼性担保
5G
多様なサービスへの適用を可能にする
異なる要件のすべてを1つのネットワークで実現する。
各要件をに応じてネットワークを仮想的に分離して提供する(ネットワーク・スライシング)。
2020年代〜
2時間の映画を
3秒でダウンロード
ロボット等の
精緻な遠隔操作を
リアルタイムで実現
自宅内の約100個のモノ
がネットに接続
(現行技術では数個)
現在の移動通信システムより
100倍速いブロードバンドサー
ビスを提供
利用者がタイムラグを意識
することなく、リアルタイ
ムに遠隔地のロボット等を
操作・制御
スマホ、PCをはじめ、身の
回りのあらゆる機器がネッ
トに接続
138. LPWA(Low Power Wide Area)ネットワークとは
低 速
最大数十キロbps
低消費電力
規定の電池容量で数ヶ月から数年使用可
広域通信
基地局から数キロから数十キロをカバー
低コスト
@10円/月程度からの使用料
利点 制約
139. LPWA(Low Power Wide Area)ネットワークの位置付
け
139
0.01 1 10 100 Mbps
km以上
100m
1m
10m
LPWA
SIGFOX
LoRaWAN
NB-IoT
無線LAN(Wi-Fi)
Bluetooth
Wi-SUN
ZigBee
Z-Wave
NFC
4G/LTE
高消費電力低消費電力
データ転送速度
通信距離
http://businessnetwork.jp/Detail/tabid/65/artid/5106/Default.aspx
140. LPWAネットワークの位置付け
SIGFOX
上り:100bps
下り:600bps
料金:100円〜/年
LoRaWAN
上り:3kbps
下り:3kbps
料金:360円〜/年
NB-IoT
上り:27kbps
下り:63kbps
料金:10〜300円/月
通
信
料
金
回線速度
http://businessnetwork.jp/Detail/tabid/65/artid/5106/Default.aspx
*利用する月間データ量による
151. 「人工知能」と言われるものの4つのレベル
151
単純制御:指示されたことをそまま行う
予め定められたルールに従い制御する(人工知能搭載○○)。
気温が上がるとスイッチを切るエアコン
洗濯物の重さで洗濯時間を自動的に変更する洗濯機
ひげの伸び具合で剃り方を変える電気シェーバーなど
ルールベース:指示されたことを自ら考えて実行する
外の世界を観測することによって振る舞いを変える。
振る舞いの種類・パターンを増やすため、予め多数のルールを用意しておく。
「駒がこの場所にあるときは、こう動かすのがいい」といった予め決められたルールに従って、
これからの打ち手を探索して打つことができる囲碁や将棋のシステム
与えられた知識ベースに従って、検査の結果から診断内容や処方する薬を決めて出力する医療診断システム
機械学習:着眼点は人間が教え、対応パターンを自動的に学習する
人間があらかじめルールを細かく決めて組み込んでおかなくても、
大量のデータから対応パターンを自ら見つけ出す。
ただし学習のための着眼点(特徴量)は人間が設計。
「駒がこの場所にあるときは、こう動かすのがいい」ということを設定しておかなくても、
対戦を繰り返すことでコンピュータ自身が自分で学習する将棋や囲碁のシステム
診断データや生体データを多数読み込み、ある病気とある病気に相関があるということを自分で学ぶ医療診断システム
深層学習:着眼点を人間が教えずに、対応パターンを自動的に学習する
学習に使う変数(着眼点/特徴量)を自分で学習して見つけ、
対応のパターンを見つけ出す。
一連の症状が患者の血糖異常を表していて、複数の病気の原因になっているようだ、
ということを自分で見つけ出すことができる医療診断システム
状況に応じて、最適な判断をおこなう自動運転の自動車
レ
ベ
ル
1
レ
ベ
ル
2
レ
ベ
ル
3
レ
ベ
ル
4
152. 各時代のAI(人工知能)と呼ばれるもの
ルールとゴールが決められているゲームの中
で、コンピュータがなるべくゴールにたどり
つけるように選択肢を選んでいくもの。
できること:
パズルや迷路を解く
数学の定理を証明する
チェスを指す など
トイプロブレムから脱却し、現実の問題を解
くために専門家(エキスパート)の知識をコ
ンピュータに移植することで現実の複雑な問
題を解かせようとするもの。
できること:
患者の症状から病名を特定する
起こっている現象から、機械の故障を診断する
患者の症状から、細菌感染の診断をする
人間がルールを与えるのではなく、データを
分析することで、そこに含まれるパターンを
見つけ出し、機械にルールを獲得させるもの。
できること:
画像を認識して分類する
自然な表現の文章に翻訳する
CTやレントゲン写真から癌の病巣を発見する
推論と探索
ルールベースと
エキスパートシステム
ディープ・ラーニング
を含む統計的機械学習
第一次AIブーム
第二次AIブーム
第三次AIブーム
1960年代
1980年代
2010年代
帰納法:事実や事例(データ)から導き出される傾向から結論を導く方法
演繹法:人間の経験や観察による一般的かつ普遍的な事実から結論を導く方法
ルールとゴールが厳密に決まっ
ていることが前提。ルールが記
述しきれず、ルールやゴールが
曖昧である現実世界では役にた
たない(トイプロブレム/おも
ちゃの問題)。
ルールとして教え込まなければ
ならないし、互いに矛盾する
ルールも出てくると処理できな
い。また、教えていない例外的
な事例が出てくると対処できな
い。
画像処理、音声認識、証券取引
といった用途ごとに特化した技
術が現状。人間の知能のように
汎用的で、意識や心も宿すよう
な技術ではない。
153. 統計と機械学習の違い
統計
Statics
機械学習
Machine Learning
記述統計
Descriptive Statistics
推測統計
Inferential Statistics
得られたデータの特徴や傾
向をわかりやすく表現する
一部のデータからそのデー
タを含む全体の特徴を推測
する
収集したデータの統計量
(平均や分散など)を計算
してデータの示す傾向や性
質を知る
採取したデータ(標本やサ
ンプルとも呼ぶ)から母集
団(全体のこと)の性質を
推測
人間が、データから規則・ルール・傾向を発見し、説明
することを支援する
予測
Prediction
分類・識別・判断
Classification/Identification/Decision
学習されたモデルから将来
を予測する
学習それたモデルから分
類・識別・判断を行う
学習のためのデータを計算
することで、予測のための
モデル(推論モデル)を生
成する
学習のためのデータを計算
することで、分類・識別・
判断のためのモデル(推論
モデル)を生成する
機械(ソフトウェア)が、データから規則・ルー
ル・傾向を発見し、予測・識別・判断を自動化する