経営と情報システムあれこれ

  • これから必要なスキル

    これから必要なスキル

    日経新聞の元記者で、経済系インフルエンサー、後藤達也氏のChatGPT「o1 pro」に関するエッセイ。

    読後感としては、かなり購入(サブスクリプション)意欲をそそられました。

    もし、「やっぱり使えない」と思えば、すぐに解約できます。人を雇ってうまくいかなかった場合のような、手間や配慮、ストレスもありません。

    私も学生に解約?されないように、日々精進したいと思います 🙂

    平成の時代にマンパワーでこなしてきた業務の多くをAIに代替し、そこで浮いた時間や労力を、上記回答③にある「多様でインタラクティブな情報発信」「コミュニティーの形成」などにまわしていくのが大切だと思っています。

    教育者のスキルとしてもとても重要だと感じています。


    インフルエンサーとは、特定の分野において影響力を持ち、他者に対して行動や意見に影響を与える人々である。SNSなどのプラットフォームを通じて、多くのフォロワーと接触し、自らの意見や情報を発信する。彼らの投稿はマーケティング戦略としても活用され、商品のプロモーションやブランド認知の向上に寄与する。市場において重要な存在である。

  • AIエージェントの進化

    AIエージェントの進化

    企業が開発するツールベースのエージェントと社会科学者が開発するシミュレーションエージェントが統合され、個人の性格を模倣し、代理で行動することが可能になる。そこにはAI倫理が必要だ。

    シミュレーションにおけるエージェントとは、特定の環境内で自主的に行動し、意思決定を行うプログラムまたはアルゴリズムを指す。これらのエージェントは、定義されたルールやパラメータに従って動作する。社会科学者や技術者によって設計され、さまざまな状況を模倣する能力を持つ。エージェントは、個人や集団の行動をシミュレーションし、結果を分析するために使用される。データを基に学習し、環境に適応することも可能である。シミュレーションエージェントは、複雑なシステムを理解し、予測するための強力なツールとなっている。

  • Reinforcement Fine-Tuning

    強化学習によるファインチューニング

    We encourage research institutes, universities, and enterprises to apply, particularly those that currently execute narrow sets of complex tasks led by experts and would benefit from AI assistance. We’ve seen promising results in domains like Law, Insurance, Healthcare, Finance, and Engineering because Reinforcement Fine-Tuning excels at tasks where the outcome has an objectively “correct” answer that most experts would agree with.

    強化学習は、エージェントが環境を探索し、行動から得られる報酬を基に学習する手法である。学習の目的は、長期的な報酬を最大化することである。エージェントは状態を確認し、行動を選択する。結果として新たな状態と報酬を受け取る。探索と活用のバランスが重要である。さまざまな分野で応用されている。

    ファインチューニングとは、既に訓練されたモデルを特定のタスクやデータに適応させるプロセスである。事前訓練されたモデルは一般的な特徴を学習しているが、ファインチューニングによって特定のニーズに応じた調整が可能になる。少量のデータで行うことが多く、効率的かつ効果的な方法として広く用いられている。多様なアプリケーションで成果を上げている。

  • 家庭向け汎用ロボット

    家庭向け汎用ロボット

    期待したいですね。

    我々は、日本企業として、スマートホームと結合した家庭内の汎用ロボットを作り、世界中の家事に革命を起こしたいと考えています。

    スマートホームは、テクノロジーを活用して家庭内の設備や機器を自動化し、便利さや快適さを提供する住環境を指す。家庭内のデバイスは、インターネットに接続されており、スマートフォンやタブレットを使って遠隔操作が可能。温度調節、照明、セキュリティシステムなど、様々な機能を統合できる。

    スマートホームの主な利点は、エネルギー効率の向上や生活の質の向上。例えば、スマートサーモスタットは、使用者のライフスタイルに合わせて暖房や冷房の設定を自動的に調整。外出時にスマートセキュリティカメラで自宅の様子を確認できるため、安全性も高まる。

    未来の家庭では、スマートホームが当たり前になると予想され、多くの人々がその恩恵を享受することになるだろう。

    ASIMOは、ホンダが開発した人型ロボットである。2000年に初めて発表された。歩行、階段の昇降、物の運搬などの基本的な動作が可能である。人間と同じように二足歩行ができるのが特徴である。

  • AIキャラクターの自律的発展

    • 最大1,000のソフトウェアエージェントが大規模言語モデル(LLM)を使用して相互作用。
    • エージェントは自発的に職業を持ち、ミームを共有し、税制改革に投票し、宗教を広める。
    • この実験をデザインしたロバートヤン氏は、AI文明をデジタル空間で共存させ、人間と協力することを目指す。

    マインクラフトは、サンドボックス型のビデオゲームである。プレイヤーはブロックを使って自由に世界を構築できる。冒険や探索も楽しめる。多様なモードがあり、自分のスタイルで遊ぶことが可能である。クリエイティブな要素が強く、人気を集めている。

    マルチエージェントシステムとは、複数のエージェントが相互に作用し、協力または競争を通じて特定の目標を達成しようとするシステム。各エージェントは独立して行動し、環境に対して反応する能力を持つ。これにより、複雑な問題の解決やデータの処理が可能となる。

  • AI主導の組織で成功するための洞察

    AI主導の組織で成功するための洞察

    MIT Sloanからの資料

    Download: Insights for success in AI-driven organizations | MIT Sloan

    MIT Sloanは、マサチューセッツ工科大学(MIT)の経営大学院であり、ビジネスリーダーや経営者を育成することを目的としている。ここでは、経営学、情報技術、データ分析、起業家精神など、幅広い分野の知識を学ぶことができる。また、イノベーションや持続可能性に関する研究にも力を入れており、多様なアプローチでビジネスの課題を解決する方法を探求している。MIT Sloanは、国内外のビジネス界で高い評価を受けており、世界中から優秀な学生が集まる教育機関である。

    以下は記事のまとめ。


    1. Leading the AI-driven Organization

    AIの活用をリードするための組織設計と戦略について、MIT Sloanの専門家がガイドラインを提供している。重要なポイントは、AI戦略がビジネスの優先事項、データ戦略、従業員のスキルを包括するべきだということ。また、AIを活用した責任ある実験や適切なガバナンスの必要性も強調されている。


    2. How Generative AI Can Boost Highly Skilled Workers’ Productivity

    生成AIが熟練労働者の生産性を向上させる可能性についての研究結果が紹介されている。AIを適切に活用することで生産性が最大40%向上するが、誤ったタスクに適用すると生産性が低下するリスクがある。導入には文化的な調整や役割の再構築が必要。


    3. Generative AI is Enabling Companies to Execute with Speed

    生成AIが企業のプロジェクト実行速度を加速させている事例が示されている。PfizerやComcastなどの企業が、データ分析と生成AIを組み合わせて、新製品の市場投入や顧客対応の迅速化を達成している。


    4. The Risk of Letting Junior Professionals Teach AI to Senior Colleagues

    若手社員が上司に生成AIを教える際のリスクについて議論している。特に、技術の深い理解やシステム設計への配慮が欠如する可能性があることが指摘されている。企業は、システム設計とエコシステムレベルでの介入を重視すべきと述べている。


    5. How Companies Can Use AI to Find and Close Skills Gaps

    AIを活用して従業員のスキルギャップを特定し、解消する方法が紹介されている。Johnson & Johnsonの事例をもとに、スキル推論プロセスや従業員のキャリア開発支援の重要性が明らかにされている。

  • 預言者?

    アーサー・C・クラークはイギリスのSF作家であり、発明家である。1917年に生まれ、2008年に亡くなった。彼の代表作は『2001年宇宙の旅』であり、映画監督スタンリー・キューブリックとのコラボレーションで知られている。科学技術の未来や人類の進化をテーマにした作品が多く、彼の考えた「クラークの三法則」は科学技術の発展に対する洞察を表現している。宇宙探査に関する予想やアイデアは現代の宇宙科学にも影響を与えた。未来の技術や社会について独自の視点を持つ作家であった。

  • Marp

    を使ってみよう。

    VSCode プラグインで使う方法が一番使い勝手がよいかもしれませんが、お手軽に試すために、以下のオンラインエディターを紹介しておきます。

    Marp Web (under construction) GitHubではInactiveとあります。

    MarpWebEditor – オンラインMarpエディタ | Online Marp Editor

    マークダウンは、テキストを簡潔に書式設定できる軽量マークアップ言語。プログラミングの知識がなくても、誰でも簡単に文章を整形できるメリットがある。主にウェブ上での文書作成やプレゼンテーションに利用される。

    以下は、マークダウンの基本的な機能を紹介する。

    見出し

    見出しは#を使って、階層を示す。例えば、# 大見出し# 中見出しというように記述することで、見出しのサイズを変えることができる。

    リスト

    リストは、箇条書きや番号付きリストを簡単に作成できる。

    • 箇条書きの例
    • もう一つの項目
    1. 番号付きリストの例
    2. 次の項目

    強調

    テキストを強調する方法もある。アスタリスク*またはアンダースコア_を使って、太字や斜体を表現できる。

    • 太字**強調したいテキスト**と書く。
    • _斜体_は*斜体のテキスト*と書く。

    リンクと画像

    リンクや画像を挿入することも可能。リンクは[リンクのテキスト](URL)、画像は![代替テキスト](画像のURL)と記述する。

    これらの要素を組み合わせることで、魅力的な文書やプレゼンテーションを作成することができる。マークダウンは、シンプルかつ洗練された文書作成を可能にするツールとして、多くの場面で重宝されている。

  • ChatGPT Pro

    個人にはなかなか厳しい価格。知の分断が起こらないように祈る。

  • OpenAI チーフエコノミスト

    In this new role, Dr. Chatterji will lead research into how AI will influence economic growth and job creation; including the global economic impacts of building AI infrastructure, insights on longer-term labor market trends, and how to help the current and future workforce harness the benefits of this technology. 

  • LLMの民主化

    は可能だろうか。Meta のオープンソースモデル、Llama に期待する。

    LLM(大規模言語モデル)とは、膨大なテキストデータを学習し、自然な言語を生成または理解する能力を持つ人工知能の一種。主に、文章の生成、翻訳、要約などのタスクに利用される。

  • 我々は無償労働者?

    我々は無償労働者?

    AIモデルの背後にある人間の労働を考えなくてはいけないだろう。

    データアノテーションとは、機械学習のモデルをトレーニングするためにデータに情報を追加する作業。データにラベルやメタデータを付与することによって、AIがデータを理解し学習することを助ける。

    データアノテーションの種類には、画像アノテーション、テキストアノテーション、音声アノテーションなどがある。それぞれの目的に応じた方法で行われる。たとえば、画像アノテーションでは、物体の境界ボックスを描画し、アイテムを分類する。

    アノテーションプロセスは、しばしば専門のデータアノテーションサービスによって行われる。また、クラウドソーシングを用いることで多くの人が参加することもある。労力とコストがかかるが、高品質のデータを得るためには不可欠なステップ。AIの精度向上に寄与する重要な要素である。

    考察

    私たちはAIの無料データ労働者?

    私たちは日々、インターネット上で共有する情報や活動を通じて、AIのトレーニングや進化に貢献している。この現象はしばしば「私たちはAIの無料データ労働者である」と表現される。この見解には、ポジティブな側面と懸念すべき側面がある。

    ポジティブな側面

    私たちが提供するデータにより、AIはますます進化し、便利な技術やサービスが開発されている。AIは私たちの提供する情報を学習し、生活を効率化するツールを提供し、社会全体の発展に貢献している。こうしたAIの進化によって、日常生活がより便利になっていることは、私たち全員にとって大きな恩恵。

    懸念すべき側面

    しかし、私たちが提供するデータがどのように使われているのか、その透明性が欠けている場合、プライバシーや安全性に関して不安が生じることがある。また、私たちのデータが無償で利用されているということは、そのデータが持つ価値に対する適切な認識や報酬が欠如しているという問題を提起する。

    見解と結論

    AIの発展に私たちが貢献しているのは事実だが、その関係は公平であるべき。私たちはデータ提供者として、どのようにデータが使われるかについての透明性と選択肢を持つ権利があると考える。データを活用して得られる利益が社会全体に還元されるよう、倫理的かつ公平なAIの発展を目指すことが重要。

  • Tesla FSD

    Waymo との比較

    FSD(Full Self-Driving)とは、テスラ社が提供する完全自動運転機能。自動運転に必要な多様な運転支援機能を統合する。運転者の監督なしで車両が動くことを目指す。高度なセンサーと人工知能を活用し、自律走行を実現。ライドシェアや物流産業に革新をもたらす可能性がある。自動運転の未来を切り拓く技術。

    Teslaは自動運転技術において先進的な企業。Waymoとの比較において、Teslaのアプローチは異なる。Waymoは主にライドシェアサービスを展開し、特定のエリアでの完全自動運転を目指す。これに対し、Teslaは既存の車両に自動運転機能を追加し、ユーザーに提供する形をとる。両者の技術的アプローチやビジネスモデルの違いが、今後の自動運転市場に影響を与える可能性がある。

    追記

    @amasad さんはReplit創業者

  • モジュラー生産

    モジュラー生産

    ギガキャストの導入技術が鍵となる。

    トヨタが次世代EVの投入延期、初のギガキャスト導入で開発課題が浮上か | 日経クロステック(xTECH)

    モジュラー生産とは、製品を標準的な部品やモジュールの組み合わせで構築する生産方式。生産の柔軟性が高く、異なるモデルを効率的に生産できる点が特徴。製造コストの削減や生産期間の短縮が可能になるため、多くの業界で採用されている。特に自動車産業やエレクトロニクス分野で広く利用されている。モジュールの交換や再利用が容易なため、環境への配慮も重要視される。

    ギガキャストとは、自動車の製造プロセスで用いられる先進的な鋳造技術である。この技術により、大型部品を一体成形することが可能となり、部品点数の削減や生産効率の向上が実現される。特に電気自動車(EV)の製造において、ギガキャストは重要な要素となっている。

    ギガキャストの導入により、従来の多くの部品を一つの大きな部品にまとめることで、製造時間の短縮とコスト削減が期待されている。また、部品の精度が向上するため、全体の品質向上にも寄与する。

  • ヒントン名誉教授

    営利企業同士が競い合うと、安全性が後回しにされる。

    ロボットは日本が優位性を発揮できる分野の一つではないかと思う

    ジェフリー・ヒントン氏は、カナダのトロント大学の名誉教授。人工知能(AI)研究の第一人者として知られる。深層学習の発展に寄与し、特にニューラルネットワークの研究において重要な役割を果たした。彼の研究は音声認識や画像解析など、さまざまな分野に応用されている。2024年にはノーベル物理学賞を受賞が決まったことでも注目されている。AIの未来に関する考察や警鐘を鳴らす発言が多い。