開発を手掛けたNECデータサイエンスラボラトリー主任研究員の大山博之氏は、従来のロボット向けAIとの違いについて、「これまでは教師データを使い、あるデータに対してパターン認識を実施して、現在の状況を把握するものだった。一方、世界モデルは、AIが試行錯誤を繰り返して実世界の構造を学習・理解し、想像力を獲得するものだ」と説明する。 強化学習では膨大な時間が必要 現状、ロボット導入における大きな課題は、ロボット向けに整備された環境で動作を定型化して稼働させる必要があることだ。量産工場の生産ラインなどでは導入が一般化している一方で、様々な形状や荷姿の物品を扱い、さらに棚のレイアウト変更が頻繁に起きる物流倉庫などでロボット導入があまり進んでいないのはこのためだ。 こうした環境では、人間なら無意識にできることが、実はロボットにとっては難易度が高い。例えば棚から不規則に置かれた物品を取り出すピッキング作

パナソニック コネクトと同社子会社の米Blue Yonder（ブルーヨンダー）は2024年3月8日、倉庫内で発生するタスクをAI（人工知能）で割り当てるソフトウエア「タスク最適化エンジン（仮称）」を開発したと発表した。トラックの荷待ち時間を最大50％削減するなど、倉庫関連の業務プロセスの効率化を図れるとする。2025年3月期の商用化を目指す。 同ソフトウエアはブルーヨンダーの倉庫管理システムと連係。倉庫管理システムの入出荷情報に応じて、AIが作業を振り分ける。作業は人による作業、ロボット、自動倉庫によるものとで振り分け、それぞれの作業の終了時間が同じになるように設定。物流倉庫内の人の移動や無駄を減らし、人とロボットとの協業で作業効率を高める。 同社はタスク最適化エンジンをオープンプラットフォームとして提供し、さまざまなロボティクス提供企業と順次連携していくとする。まず自動倉庫「ラピュタ A

ワークマンが8,800円のランドセルを売り出すというニュースが「はてなブックマーク」で話題になっていた1。そのニュースに対する反応を見ていて思い出したのだが、私も無印良品の安いランドセルを使っていた。それについて書く。 今ではもう売っていないようだが、かつて無印良品もランドセルを取り扱っていた。一般にランドセルは数万円するところ、無印のランドセルは当時6,150円だった。私は2005年に入学したのだが、ちょうどその年の新入生に合わせて発売された製品のプレスリリースがインターネットに残っていた。 出典：良品計画プレスリリース 6歳の私はどう思っていたか。ませた子供だったので、これがランドセルの相場に比してかなり安いらしいということは理解していた。でも普通のランドセルよりむしろかっこいいなと思っていて、わりと気に入っていたように思う。 ところで、なぜ親は数あるランドセルのなかでこれを選んだのだ

構造化ログのプラクティスをあちこちで調べていたら、logfmtを推奨する記事を見つけたので調べてみました。 先に結論を言うと、JSON linesを使っておくのが良さそうです。 logfmt について logfmtとはスペース区切りで key=value を並べたフォーマットです。文字列にはクォートとエスケープによってスペースや改行を含められます。 at=info method=GET path=/ host=mutelight.org fwd="124.133.52.161" dyno=web.2 connect=4ms service=8ms status=200 bytes=1653 (logfmt から引用) あちこちで logfmt のリファレンスとして紹介されているのはこの記事です。 https://brandur.org/logfmt 発明されたのはどこか分かりませんが、流行

はじめに こんにちは。先日、社内にてSBOMに関する勉強会を行いました。この記事では、そこで学んだことを解説していきたいと思います。 具体的な内容は以下の通りです。 SBOMとは何か SBOMを導入するとどんなメリットがあるか SBOMを導入するにはどんなことに気を付けて何をすれば良いか SBOMにはどんな種類があるのか 特に、SBOMに興味はあるけど具体的に何していいかわからない、という方に参考になると思っています。少々長いですが、最後まで読んでいただけると嬉しいです。 それでは、順番に説明していきます。 SBOMとは SBOMとは、ソフトウェア部品表(Software Bill of Materials)、つまり、ソフトウェアコンポーネントやそれらの依存関係の情報も含めた機械処理可能な一覧リストのことです。 ソフトウェアに含まれるコンポーネントの名称やバージョン情報、コンポーネントの開

「二十数歳から仕事を始め、最初の5年間くらいは日に日に力をつけ成長していくものの、28歳前後で何％かのSEは伸びなくなる。（中略）その5年後、33歳前後になると『成長できない落第SE』はもっと増える」 日経コンピュータやITpro（現・日経クロステック）に20年以上もシステムエンジニア（SE）に関する記事を書き続けた馬場史郎氏の著書『SEを極める50の鉄則』（日経BP）からの引用である。同書は続編を含め、10万部以上売れた。 現場のSEやSEマネジャー、さらに本社でSE関連施策を担当した馬場氏は5年ごとに成長が止まるSEたちを見てきた。節目の時期は28歳前後から始まり、33歳、38歳、43歳、48歳前後と続くという。 SEであれば誰しも技術のプロとして自分の腕を磨き、活躍したいが、うまくいくとは限らない。次々に出てくる最新技術についていけなくなる。後輩あるいは部下とともに仕事をし、育ててい

CESに展示される半導体製品を見ることで今後の製品動向の把握がある程度可能だ。最終製品の機能はまずは半導体製品の中に実装されるからである。こうした観点から半導体製品を見てみると、やはりクルマ関連が多かった。一方で、最終製品の数が多いスマートホーム関連も目立った。 CES 2024に参加していた半導体メーカーの展示内容も、やはりクルマが中心だった（図1）。大半のメーカーが展示ブースの半分以上をクルマ関連に割いていた。次に展示で多かったのが「スマートホーム」関連の技術だった。以下では、それぞれに分けて展示を見ていく。

京都の古い資料を見ていると京都盆地はかつて湖だったといいう文言をよく目にします。奈良盆地に関しても、以前の関西高低差大学の講義終了後の質疑応答で、「奈良盆地には、万葉集が詠まれた時代に湖があったのですか？」という質問があり、「湖と呼べる規模のものがあったかは懐疑的だが、今度調べてみますね」とお答えし、私・新之介の宿題になっていました。地形のなりたちを遡っていくと京都や奈良にも海水が侵入した時期がありましたが、それらは何十万年も前の話で、インターネット上にはその痕跡として湖が残っていたというような記事が存在しているようです。今回は、学校では教えてくれなかった京都盆地や奈良盆地の湖のお話です。 まずは大阪層群の変遷のはなし大阪平野や京都盆地、奈良盆地などの地下には、「大阪層群」と呼ばれる地層が存在しています。礫・砂・粘土を主とする厚い地層で、その中に「海成粘土層」と呼ばれる地層が複数存在し、そ

食器洗いは嫌いな家事の代表格。できれば避けたいこと。しかし、水を流すだけで汚れをキレイに落とすことができる食器なら、話は変わってくるのではないだろうか？ そんな夢のような食器を、節水製品を手掛ける「DG TAKANO」（東京都台東区東）が2023年5月に発売した。同社が立ち上げた新ブランド「meliordesign（メリオールデザイン）」の食器のことである。 食器は表面改質しており、口紅のような落としにくいものも水を流しながらひとなでするだけで落とせる。除菌も水を流すだけででき、食品衛生検査指針で推奨されているATPふき取り検査（汚れの指標とした検査方法）で、一般的な合格基準とされる200RLUをクリアしている。 食器洗い用の洗剤や食洗機も必要ない。大幅な時短が可能になるだけではなく、最大で98％の節水効果も期待できる。

2024年2月5日、フィンランドの老舗ガラスメーカーイッタラが新しく生まれ変わることを発表したのですが、これがフィンランド中で大きな議論を巻き起こしています。 わたしも思うところがたくさんあったので、いったい今何が起きているのか整理して、なるべく中立的な目線からブログを書いてみようと思いました。 まず何が新しくなったのかは、大きく分けて3つと言えると思います。 ロゴ カラー コンセプト 加えて、SNSの過去の投稿は全て消し去られてしまいました。 ひとつひとつ、詳しくみていきましょう。 1. ロゴ Iittala Facebookより引用 Finnish Design Shopより引用 最もわかりやすいのが、そのロゴ。 1956年にティモ・サルパネヴァがデザインしたこのあまりに有名なロゴ（左）は、吹きガラス職人が使う吹き竿と、竿の先の熟せられたガラスの玉をイメージしたものです。 およそ70年

近年、OpenAIのGPT-4やGoogleのGemini、MetaのLLaMAをはじめとする大規模言語モデル（Large Language Model：LLM）の能力が大幅に向上し、自然言語処理において優れた結果を収めています[1][2][3]。これらのLLMは、膨大な量のテキストデータで学習されており、さまざまな自然言語処理タスクにおいて、タスクに固有なデータを用いてモデルをファインチューニングすることなく、より正確で自然なテキスト生成や、複雑な質問への回答が可能となっています。 LLM-jp-eval[4]およびMT-bench-jp[5]を用いた日本語LLMの評価結果。Nejumi LLMリーダーボード Neoより取得。 大規模言語モデルは近年急速な進歩を遂げていますが、これらの進歩にもかかわらず、裏付けのない情報や矛盾した内容を生成する点においては依然として課題があります。たとえ

国内大手ITベンダーが2024年、ついに大規模言語モデル（Large Language Models：LLM）サービスの提供を始める。NTTは2024年3月に「tsuzumi（つづみ）」を、NECは2024年春ごろに「cotomi（コトミ）」をそれぞれ提供する予定だ。さらにソフトバンクも2024年内にLLMを開発するとしている。 NTTやNECが提供する国産LLMはいずれも、「大規模」言語モデルとはいえ米OpenAI（オープンAI）の「GPT」などに比べるとコンパクトにつくられている。実はこの規模を選んだことこそが、2社それぞれの見いだした勝ち筋でもある。果たして2社は「GPT1強」とも言える市場に変化を起こせるか。国内勢と海外勢の違いをひもときながら、2社の狙いを見ていこう。 「大規模」だけど「小さい」国産LLM これまでGPTをはじめとするTransformerベースのLLMは、パラメ

はじめに 新規事業部 生成AIチーム 山本です。 ChatGPT（OpenAI API）をはじめとしたAIの言語モデル（Large Language Model：以下、LLM）を使用して、チャットボットを構築するケースが増えています。通常、LLMが学習したときのデータに含まれている内容以外に関する質問には回答ができません。そのため、例えば社内システムに関するチャットボットを作成しようとしても、素のLLMでは質問に対してわからないという回答や異なる知識に基づいた回答が（当然ながら）得られてしまいます。 この問題を解決する方法として、Retrieval Augmented Generation（以下、RAG）という手法がよく使用されます。RAGでは、ユーザからの質問に回答するために必要そうな内容が書かれた文章を検索し、その文章をLLMへの入力（プロンプト）に付け加えて渡すことで、ユーザが欲しい

リモートワークで仕事をしていると、Slack や Teams といった何かしらのチャットツールでコミュニケーションを取ることが多い。そうやって仕事を続けていく中で「こう伝えたらよりスムーズに話が進んだかな...」という後悔は多々あり、日々試行錯誤を続けている。 そうやって試行錯誤を続けていく中である程度テキストコミュニケーションを取る上でのフォーマットが定まってきた気がするので、箇条書きでまとめてみようと思う。（随時更新予定） prefix （接頭辞）をつける文章の先頭にその文章の目的がわかるような prefix をつけて、何のためにポストしたかを一目で分かりやすくする。例えば以下のような prefix をつけることがある。 【質問】→ 相手の返信が欲しい時 【共有】→ 返信は不要だが、内容は把握しておいてほしい時 【メモ】→ 返信不要で、後から検索できるよう残しておきたい時 箇条書きする

前回は、「UIデザインってそもそも何なの？」という概論的な説明と、UIデザイン未導入の組織の中でみんなでデザインを始めてみるための施策（プロトタイピングとユーザビリティ評価）を話しました。 ※最新の勉強会の開催情報についてはXをご参照ください 今回はサービス、プロダクト開発において、デザイナーではない人でも知っていて損はないUIデザインの重要ポイントについて説明します。主に以下の３つのテーマについて順番に議論をしていきます。 デバイスやソフトによるUIの違い ユーザーにかかる身体的・認知的負荷を理解する UIの重要概念（ナビゲーション、インタラクションなど）を知る 「ちょっと」と銘打っておきながらめちゃくちゃ長いnoteになってしまったので、気になる項目だけ読むか、何回かに分けて読んでいただくことをおすすめします、。 ※どこか内容に間違ってる部分やご意見ありましたらコメントいただけたら嬉し

NECは、ローカル5GとMEC（マルチアクセス・エッジ・コンピューティング）、4Kカメラなどを組み合わせた自動運転を支援する路車協調システムを2024年1月中旬から2月下旬にかけて実証する。まずは茨城県つくば市、群馬県渋川市、新潟県佐渡市、石川県小松市、鳥取県鳥取市の5自治体で実施するが、今後は5自治体以外での実証も予定する。 同実証は、国土交通省道路局の公募「自動運転実証調査事業と連携した路車協調システム実証実験」に基づくものだ。一般車や歩行者、自転車が混在する市街地の交差点などにおいては自動運転車両の車載センサーだけでは状況把握が困難であるという課題に対し、インフラで支援することを目的とする。 実証では、路側から得られる映像などの情報について有用性を検証する。路側には4Kカメラを設置しており、ローカル5G基地局やMECを活用して、カメラの映像を即時に分析する。MECとはネットワークのエ

みたいなやつ他にある？

富士通やNEC、日立製作所などが「オファリングビジネス」への転換を進めている。受託開発から共同利用型のサービス提供へビジネスモデルを大きく変える。大手に先駆け、オファリングビジネスに舵（かじ）を切っていたのがBIPROGYだ。約10年間の取り組みにより、今では、ほぼ全ての案件がオファリングビジネスによるものだという。第4回は、知られざるオファリングビジネス先進企業であるBIPROGYの取り組みをリポートする。 社会課題の解決などに向けて複数の企業が共同で利用するシステムを構築し、リカーリング（継続課金）型で提供する。システムは社内の既存のアセット（資産）を組み合わせて作る。これらがIT大手が目指しているオファリングビジネスの特徴だ。1社の企業から個別の受託開発を請け負っていた従来のビジネスモデルとは一線を画す。 こうしたオファリングビジネスが既に事業の大半を占めているのがBIPROGYだ。