Recommended
More Related Content
What's hot
What's hot (20)
Similar to LiBRA 09.2021 / 新入社員のための最新ITトレンド研修
Similar to LiBRA 09.2021 / 新入社員のための最新ITトレンド研修 (20)
More from Masanori Saito
More from Masanori Saito (20)
Recently uploaded
Recently uploaded (10)
LiBRA 09.2021 / 新入社員のための最新ITトレンド研修
- 3. 実践できる “お客様の事業の成果に貢献できる” “お客様の課題解決に役立てられる” “自分の意志決定の材料として使える” 説明できる “相手が理解できる” 説明ができる “幹と枝葉を分けて” 説明ができる “相手の行動を促す” 説明ができる 「知っている」「説明できる」とはどういうことか 知っている “ことば” を知っている “ 意 味 ” を知っている “使い方” を知っている 知 っ て い る ・ 説 明 で き る に は 責 任 が 伴 う
- 4. あなたは自分の社会人としての責任を果たせますか？ あなたは、 お客様の３年後／５年後の未来に 責任を持てますか？ テクノロジー 事業や経営 社会や経済 など あなたは、 自分自信の意見を 自信を持って 語れますか？ お客様は あなたの意見を信じ 行動を起こせますか？
- 5. ひとつのことに究極を求めず、 広い視野で最適を求めて変化すること ひとつの分野で知識を増し、 経験を積めばできること ひとつの分野を徹底して追求し、 知識や経験を極めればできること 成長の3つのステージ 5年後や10年後はどうなっているか分からない。 今日の正解が、明日の正解である保証はない。 求められるスキルが変わるスピードが加速する。
- 8. ITとビジネス
- 10. 「平安好医生」からの学び 便利・お得・楽ちんで、顧 客とのタッチ・ポイントを 効率よく大量に増やす。 デジタルと人間の最適なバランスと組合せが、事業を拡大することに大きく貢献 ひとり一人の顧客に丁寧に接 して感動・信頼・ファンを作 る。 顧客との接点を劇的に増やすことに成功：顧客の困っていること、関心ごとを的確に 捉え、まずはそれを解決することに注力した。 ファンを増やすことに成功：年齢や性別、家族構成などの静的な属性データだけでは なく、その時々の状況を動的な行動データを捉え、タイミングを逸することなく、い まの最適を顧客に提供して、顧客の体験価値を高めた。 成約率を高めることに成功：顧客の日常に関わる生活データを活用して、顧客ごとに 最適化された保険商品を選択し、論理的な裏付けに基づく説得力のある提案をした。
- 11. もくじ 最新ITトレンドを理解するために知っておきたい 基礎知識 ビジネスの前提を再定義する デジタル・トランスフォーメーション 変化に俊敏に対応するための ITインフラストラクチャー コンピュータ利用の常識を変える クラウド・コンピューティング デジタル時代の危機に対処するための サイバー・セキュリティ これからのビジネス基盤となる IoT／モノのインターネット デジタル時代のデータ連係基盤となる 5G （次世代移動体通信システム） 人に寄り添うITを実現する AI／人工知能 圧倒的なビジネス・スピードに対処するための 開発と運用 いま求められる 人材
- 17. UI／UXとは何か UI 人とデジタルをつなぐ窓口 User Interface 直ぐに分かる 使い易い 迷わない など UX 人とデジタルがつながることで得られる体験 User Experience とても便利 もっと使いたい 感動した など UI UX
- 18. UI／UXとは何か UI 人とデジタルをつなぐ窓口 User Interface 直ぐに分かる 使い易い 迷わない など UX 人とデジタルがつながることで得られる体験 User Experience とても便利 もっと使いたい 感動した など 次へ 戻る 戻る 次へ ×良くないUI 〇良いUI ×良くないUI ケチャップだとは すぐに分からない。 ×良くないUX 口を汚しやすく、少なく なると使いにくい。 〇良いUI ケチャップだとすぐ 分かる。 ×良くないUX 口を汚しやすく、少なく なると使いにくい。 〇良いUI ケチャップだとすぐ 分かる。 〇良いUX 口を汚さず、最後まで 使い切ることができる。
- 19. データとUXとサービス データ とても便利 もっと使いたい 感動した など UX 体験価値 ファンを増やす 信頼を高める リピートさせる ビジネス機会の創出 高速に改善と アップデートを繰り返し 体験価値を維持する サービス 属性データ 体験データ 生活データ
- 23. デジタルとは何か
- 24. デジタル化とは何か アナログ Analog 連続量（区切りなく続く値を持つ量） 現実世界 私たちが生きている世界 身体を介して体験し、実感できる IT Information Technology：情報技術 コンピューターやネットワークを実現し それを活用するための技術 Physical World デジタル Digital 離散量（とびとびの値しかない量 ） サイバー空間 コンピューターとネットワーク で作られた世界 コンピューターやネットワークで扱える Cyber Space デジタル化 センサー・web・モバイル などを介し アナログをデジタルに 変換すること
- 25. デジタル化でできることと目指すこと 人間のやっていたことを、コンピュータでできるようにすること これまで1週間かかっていた申し込み手続きを5分で終わらせる 顧客の行動（いま、どこで、何をしているのか）が分かる 他のデジタル・サービスと一瞬にして連係できる 膨大なデータの中にビジネスに役立つ規則や関係を見つけることができる 業務の進捗、人の動き、ビジネスの状態が、リアルタイムに見える化される デジタル化で できる こと デジタル Digital 離散量（とびとびの値しかない量 ） サイバー空間 デジタル化で 目指す こと 顧客満足の向上 業績の改善 社員の幸福 アナログ Analog 連続量（区切りなく続く値を持つ量） 現実世界だけでは解決できない課題をデジタルを使って解決すること 現実世界 目的 自分は何をしたいのか？ 手段 うまい、やすい、はやい
- 30. 2つのデジタル化：デジタイゼーションとデジタライゼーション デジタイゼーション Digitization アナログ放送→デジタル放送 紙の書籍→電子書籍 人手によるコピペ→RPA 効率化 ビジネス・プロセス 改善・改良・修正 コストや納期の削減・効率化 ビジネス・モデル デジタライゼーション Digitalization 自動車販売→カーシェア／サブスク ビデオレンタル→ストリーミング 電話や郵便→SNS・チャット 変革 事業構造の転換 新しい価値の創出 既存の改善 企業活動の効率向上と持続的な成長 既存の破壊 新たな顧客価値や破壊的競争力を創出
- 34. DXが注目される背景
- 38. 時間感覚の変化がビジネスを変えようとしている ビジネス・モデル お客様との関係 働き方 情報システム 社会環境の変化が緩やかで中長期的な予測が可能 社会環境が複雑性を増し将来の予測が困難な状況
- 39. DXの定義
- 42. DXの定義 デジタル・トランスフォーメーション 2004年、スウェーデンのウメオ大学教授であるエリック・ストルターマンの提唱した概念 ITの浸透が、人々の生活をあらゆる面でより良い方向に変化させること デジタル・ビジネス・トランスフォーメーション 2010年代、マイケル・ウェイドらによって提唱された概念 デジタル技術とデジタル・ビジネスモデルを用いて組織を変化させ、業績を改善 すること 経済産業省の定義するデジタル・トランスフォーメーション 2018年、経済産業省が公表した定義 企業がビジネス環境の激しい変化に対応し、データとデジタル技術を活用して、 顧客や社会のニーズを基に、製品やサービス、ビジネスモデルを変革するととも に、業務そのものや、組織、プロセス、企業文化・風土を変革し、競争上の優位 性を確立すること デジタル・テクノロジーの進展により産業構造や競争原理が変化し、これに対処できなけ れば、事業継続や企業存続が難しくなる 競争環境 、ビジネス・モデル、組織や体制を再定義し、企業の文化や体質を変革すること 変化に俊敏に対応できる企業へと変わること
- 45. インターネットに接続されるデバイス数の推移 億人 億台 台/人 2003年 2010年 2015年 2020年 世界人口 インターネット 接続デバイス数 一人当りの デバイス数 63 68 72 76 5 125 250 500 0.08 1.84 3.47 6.50
- 46. 「データの時代」とはどういうことか 加速度計センサー ジャイロセンサー 磁気センサー GPSセンサー 生体（指紋／顔）認証センサー 近接センサー 赤外線センサー Soli（レーダー）センサー LiDAR（レーザー・レーダー）センサー CMOS（カメラ）センサー ソーシャル・メディア オンライン・ショッピング オンライン英会話 など 現実世界のデジタルコピー デジタル・ツイン ビッグデータ 膨大・多様・加速度的増大 現実世界のものごとやできごとは 意図する／しないに関わらず デジタル・データに置き換えられ ネットに送り出される時代になった
- 47. サイバーフィジカルシステムとDX データ収集 モニタリング データ解析 原因解明・発見/洞察 計画の最適化 データ活用 業務処理・情報提供 機器制御 ヒト・モノ クラウド・コンピューティング 日常生活・社会活動 環境変化・産業活動 現実世界／Physical World サイバー世界／Cyber World Cyber Physical System／現実世界とサイバー世界が緊密に結合されたシステム 高速 × 最適 デジタル トランスフォーメーション 最適解 機器制御 指示命令 アドバイス ものごと・できごと データ ものごと・できごと データ
- 48. DXを支えるテクノロジー・トライアングル 現実世界／Physical World Cyber Physical System／現実世界とサイバー世界が緊密に結合されたシステム サイバー世界／Cyber World 予 測 最適解 ビジネス の最適化 データ解析 データ活用 AI・機械学習 クラウド 機械学習・深層学習 AIチップなど サーバーレス・コンテナ SaaS・PaaSなど データ収集 デジタル ツイン IoT センサー・モバイル 自律制御など 現実世界の デジタルコピー 5G 第5世代通信システム
- 52. デジタル 既存事業 デジタル・トランスフォーメーション DXの公式 業務プロセス のデジタル化 ビジネスモデル のデジタル化 対社外 対社内 リアルタイム データ ストック データ 事実の迅速な把握 現実の理解と未来の予測 AI、IoT、5Gなど 圧倒的なスピードの獲得 変化への柔軟性を獲得 クラウド、アジャイル、DevOpsなど レイヤ構造と抽象化 変化に俊敏に対応できる 企業に変わること 人間をエンパワーすること デジタルにできることは徹底してデジタルに任せて 人間にしかできないことに徹底して役割をシフトする スピード イノベーション
- 56. 仮想 virtual 表面または名目上はそうでないが 実質的には本物と同じ 本来の意味 「仮想化」の本当の意味 本来の意味 仮想化 Virtualization 物理的実態とは異なるが、 実質的には本物と同じ機能を実現する仕組み 日本語での語感 虚像の〜 実態のない〜 It was a virtual promise. （約束ではないが）実際には約束も同然だった。 He was the virtual leader of the movement. 彼はその運動の事実上の指導者だった。
- 58. 物理資源・物理機械 サーバーの仮想化 ストレージの仮想化 Java仮想マシン データベースの仮想化 パーティショニング 分 割 アグリゲーション 集 約 エミュレーション 模 倣 仮想化 (Virtualization) ひとつの物理資源を 複数の仮想資源に分割 複数の物理資源を ひとつの仮想資源に分割 ある物理資源を 異なる資源に見せかける 仮想化の3つのタイプ
- 59. ソフトウェア化とはどういうことか（１） 掃除 機能 掃除 機械 レンジ 機能 レンジ 機械 テレビ 機能 テレビ 機械 作表 機能 文書作成 機能 会計管理 機能 汎用機械 オペレーティング・システム（OS） 家電製品 コンピュータ 専用一体 専用一体 専用一体 ソフトウェア Software ハードウェア Hardware
- 62. 仮想化 や ソフトウエア化 のための仕組み 使いたい機能や性能の組合せや変更の自由を実現 ソフトウェア化された情報システムの機能や性能を使うサービス 簡単・便利・いつでも／どこでもITの機能や性能をサービスとして使える仕組み 実質的に使える機能や性能 ネットワーク 専門的な スキルや ノウハウ 大規模・集中化・一元化・標準化 自動化などを駆使して、魅力的な コストパフォーマンスを実現する 物理的なハードウェアや設備 インフラストラクチャー プラットフォーム アプリケーション 運用管理者 特定の業務処理 を行うためのソフトウェア アプリケーションで共通に使う機能 を提供するソフトウエア オペレーティングシステム データベース管理システム など 販売管理システム 会計管理システム など ソフトウエアを動かすための ハードウェアや設備
- 66. 仮想化の種類
- 68. システム利用形態の歴史的変遷 OS OS AP AP AP AP AP AP 3 2 1 1950年代〜／バッチ 1960年代〜／タイムシェアリング メインフレーム メインフレーム ミニコン OS AP AP AP OS OS VM VM VM 1970年代〜／仮想化（仮想マシン） メインフレーム ミニコン OS AP AP AP OS OS 1980年代〜／分散化 ミニコン PCサーバー OS AP AP AP OS OS VM VM VM 2000年代〜／仮想化（仮想マシン） PCサーバー クラウド (IaaS) OS AP 設定 AP 設定 AP 設定 コンテナ コンテナ コンテナ 2015〜／コンテナ PCサーバー クラウド (PaaS) メインフレームの時代 オープン・システムの時代 クラウドの時代
- 69. 物理システム・仮想化・コンテナの比較 物理サーバー （ハードウェア） ミドルウェア アプリ アプリ アプリ ハイパーバイザー 仮想サーバー 仮想サーバー 仮想サーバー 物理システム 仮想化されたシステム ミドルウェア ミドルウェア 物理サーバー （ハードウェア） 物理サーバー （ハードウェア） ストレージ CPU メモリ ストレージ CPU メモリ ストレージ CPU メモリ 物理サーバー （ハードウェア） ミドルウェア アプリ アプリ アプリ ミドルウェア ミドルウェア OS コンテナ・システム 物理サーバー （ハードウェア） ミドルウェア アプリ アプリ アプリ ミドルウェア ミドルウェア ライブラリ 環境変数 ライブラリ 環境変数 ライブラリ 環境変数 コンテナ管理システム コンテナ コンテナ コンテナ カーネル OS OS OS OS OS OS
- 70. 仮想マシンとコンテナの稼働効率 ハードウェア 仮想マシン ミドルウェア OS 仮想マシン OS 仮想マシン OS ミドルウェア ミドルウェア ハードウェア OS コンテナ管理機能 カーネル ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ カーネル カーネル カーネル ライブラリ 環境変数 ライブラリ 環境変数 ライブラリ 環境変数 コンテナ 仮想マシン アプリケーション アプリケーション アプリケーション ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ
- 72. モビリティの高いコンテナ デバイス エッジ サーバー オンプレミス サーバー クラウド ハードウェアやOSに依存することなくソフトウェア機能を配置・移動できる コンテナをRaspberry Piで動かすサービス Amazon ECS（Elastic Container Service）互換を 実現するAmazon ECS Anywhereと、Amazon EKS （Elastic Kubernetes Service）互換を実現する Amazon EKS Anywhereをリリース（予定）
- 74. クラウドの使われ方と戦略
- 75. クラウドを使うことの狙い 75 構築や運用からの解放 最新テクノロジーの早期実装 資産から経費へのシフト アプリケーションの質的向上にリソースをシフトできる ビジネス・スピードの加速に迅速柔軟に対応できる 試行錯誤が容易になってイノベーションを加速する テクノロジーの進化をいち早くビジネスに取り込める 初期投資リスクが削減でき、IT活用範囲を拡大できる ビジネス環境の変化に柔軟に対応できる ビ ジ ネ ス の 成 果 に 直 接 貢 献 す る
- 76. 銀行システムにおけるクラウド活用の動き 日本ユニシスとマイクロソフト、「BankVision on Azure」実現に向け共同プロジェクトを開始 2018年3月23日 日本ユニシス株式会社と日本マイクロソフト株式会社 は23日、日本ユニシスのオープン勘定系システム 「BankVision」の稼働基盤として、Microsoft Azureを 採用するための取り組みを推進するため、共同プロ ジェクトを4月から開始すると発表した。 いかに費用を抑え、最新技術も取り入れた上で短期間 でのシステム開発を行うかという課題に対応するため、 クラウドを選択。現在はクラウド最大手の米アマゾン ウェブサービスと組み、業務システムの一部から移行 を進めている。 5年間で100億円のコスト削減 1000超のシステムの約半分をクラウド化 週刊ダイヤモンド 2017.5.17 https://diamond.jp/articles/-/128045
- 77. クラウド・バイ・デフォルト原則 政府情報システムにおけるクラウドサービスの利用に係る基本方針（案） クラウド・バイ・デフォルト原則（クラウドサービスの利用を第一候補） 政府情報システムは、クラウドサービスの利用を第一候補として、その検討を行う 情報システム化の対象となるサービス・業務、取扱う情報等を明確化した上で、メリット、開発の規模及び経費等を基に検討を行う https://www.kantei.go.jp/jp/singi/it2/cio/dai77/siryou.html Step0：検討準備 クラウドサービスの利用検討に先立ち、対象となるサービス・業務及び情報といった事項を可能な限り明確化する。 Step1：SaaS（パブリック・クラウド）の利用検討と利用方針 サービス・業務における情報システム化に係るものについて、その一部又は全部が SaaS（パブリック・クラウド）により提供されてい る場合（SaaS（パブリック・クラウド）の仕様に合わせ、サービス・業務内容を見直す場合も含まれる。）には、クラウドサービス提 供者が提供する SaaS（パブリック・クラウド）が利用検討の対象となる。 Step2：SaaS（プライベート・クラウド）の利用検討 サービス・業務における情報システム化に係るものについて、その一部又は全部が、府省共通システムの諸機能、政府共通プラット フォーム、各府省の共通基盤等で提供されるコミュニケーション系のサービスや業務系のサービスを SaaS として、当該サービスが利用 検討の対象となる。 Step3：IaaS/PaaS（パブリック・クラウド）の利用検討と利用方針 SaaS の利用が著しく困難である場合、又は経費面の優位性その他利用メリットがない場合については、民間事業者が提供する IaaS/PaaS（パブリック・クラウド）が利用検討の対象となる。 Step4：IaaS/PaaS（プライベート・クラウド）の利用検討 IaaS/PaaS（パブリック・クラウド）の利用が著しく困難である場合、又は経費面の優位性その他利用メリットがない場合については、 サーバ構築ができる政府共通プラットフォーム、各府省独自の共通基盤等を IaaS/PaaS として、当該サービスが利用検討の対象となる オンプレミス・システムの利用検討
- 79. クラウド・サービスの「作り方」による費用の違い サーバー（物理マシン）×9台 ＋データベース等のライセンス ＋インフラ、DBなどの環境構築 ＋運用管理業務 ＋設置場所（場所+電源+空調等） 購入費用 ：数千万円 年間保守料 ：数百万円 年間運用量 ：数百万円 年間使用料 ： ー ハードウェアを所有 クラウド・サービスを使用 サーバー（仮想マシン）×9台 ＋データベース等のライセンス ＋インフラ、DBなどの環境構築 ＋運用管理業務 × 設置場所（場所+電源+空調等） 購入費用 ： ー 年間保守料 ： ー 年間運用量 ： ー 年間使用料 ：254,980円 ハードウェアを所有する場合と変 わらないシステム構成と運用方法 実行環境を移行しただけ システムの構成や運用方法などの設計・方式は同じ まったく異なる設計・方式 アンケート入力・集計・レポートのサービスとして、できることは同じ サーバー（仮想マシン）×4台 購入費用 ： ー 年間保守料 ： ー 年間運用量 ： ー 年間使用料 ：198,691円 × データベース等のライセンス △インフラ、DBなどの環境構築 △ 運用管理業務 × 設置場所（場所+電源+空調等） 無償のDNSや監視、低料金のデー タベースなどのサービスを利用 一部をクラウドのサービスに代替 サーバーの構築・運用は不要 購入費用 ： ー 年間保守料 ： ー 年間運用量 ： ー 年間使用料 ：907円 × データベース等のライセンス × インフラ、DBなどの環境構築 × 運用管理業務 × 設置場所（場所+電源+空調等） サーバーレス方式と言われるまっ たく異なる実行方式を採用 クラウド・ネイティブで再構築 ハードウェアを所有し、設置場所 とその運営も自社責任
- 80. クラウド利用における責任の所在と狙い プラットフォーム アプリケーション インフラストラクチャー クラウド サービス 事業者 クラウド サービス 事業者 クラウド サービス 事業者 PaaS IaaS SaaS ユーザー 自社所有 ユーザー ユーザー 特定の業務処理 を行うためのソフトウェア アプリケーションで共通に使う機能 を提供するソフトウエア ソフトウエアを動かすための ハードウェアや設備 業務プロセス／処理 ユーザー ユーザー ユーザー ユーザー 機能や性能の改善 セキュリティ 運用管理 稼働監視 トラブル対応 バックアップ など Software as a Service Platform as a Service Infrastructure as a Service SaaS>PaaS>IaaS ユーザーの負担が減少 事業の効率化や競争力の向上 のために経営資源を積極配分 事 業 システムの構築や運用 管理、セキュリティな ど付加価値を生みださ ない負担を軽減する
- 83. ネットワーク インターネットや専用回線 コレ一枚でわかるクラウド・コンピューティング インフラストラクチャー プラットフォーム アプリケーション 計算装置 記憶装置 ネットワーク データ ベース 運用管理 プログラム 実行環境 プログラム 開発環境 認証管理 電子 メール SNS 新聞 ニュース ショッピング 金融取引 財務 会計 施設や設備
- 86. 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 仮想化とソフトウエア化の仕組み
- 87. クラウドの定義
- 89. クラウドの定義／サービス・モデル (Service Model) アプリケーション ミドルウェア オペレーティング システム インフラストラクチャ PaaS Platform as a Service Infrastructure as a Service Software as a Service SaaS Salesfoce.com Google Apps Microsoft Office 365 Microsoft Azure Force.com Google App Engine Amazon EC2 IIJ GIO Cloud Google Cloud Platform アプリケーション ミドルウェア & OS 設備 & ハードウェア プ ラ ッ ト フ ォ ー ム IaaS
- 90. ハイブリッド・クラウド 複数企業共用 パブリック・クラウド クラウドの定義／配置モデル (Deployment Model) プライベート・クラウド 個別企業専用 個別･少数企業 不特定・複数企業／個人 LAN LAN インターネット 特定企業占有 ホステッド・プライベート・クラウド 固定割当て LAN 専用回線・VPN LAN
- 93. クラウドの不得意を理解する 93 【低遅延】短い遅延時間が求められる業務は、 ネットワークの地理的距離の遠くなると不利 なので、同一場所で完結させた方がいい 証券市場においてデータ基に1秒で数千回の売買注文を行 うような高頻度取引（HFT:High Frequency Trading） 工場の製造現場で、直ちに良／不良を見分けて、不良品を 排除する品質管理工程の自動化 自動車の自動運転における事故の回避判断と回避行動の連 動 など データが発生する、あるいは処理を行う場所が同じ 場所／同じ装置の中で実行し、データを送る距離を 短くし、データが発生する現場でデータを処理する 【大量データ転送】現場で大量のデータが発 生し、それを保管、処理しなければならない 場合は、それらを全てクラウドに送り出すと、 回線料金が莫大になるため、同じ場所で保管、 処理させた方がいい 大量のセンサーからデータを取得し、それを利用して業務 を行う 工場の機械の動作履歴を検査や改善のために使う業務 な ど
- 96. 攻撃サービスの低価格化と攻撃機会の増加 Ransomware: Zero-days: Breaching services on a per job basis: Exploit kits: Loads (compromised device): Spearphishing services: Compromised accounts: Denial of Service: Highest average price 大きなコストをかけて攻撃するのは 国家スポンサーのサイバーテロ攻撃のみ
- 97. 対症療法では問題は解決しない
- 100. パスワード認証のリスク 100 ID／パスワードによる認証： 利用している本人が本人であることを証明するための仕組み ID/パスワードを搾取 ファイヤ ウォール 社内 ネットワーク VPN 1. 複雑なパスワードを使う 文字数を長くする。 文字の種類を増やす。英字（大文字、小文 字）、数字、特殊文字を組み合わせる。 2. 定期的に変更する 3カ月に一度変更する。 3. 一度使ったパスワードは使わない 過去3回までに使ったパスワードは使えない。 一度使ったパスワードは二度と使えない。 「複雑なパスワード」と「定期的なパスワード変更」は意味がない ID/パスワードが簡単にる 人間の記憶力に依存しまた再利用が可能なため 一人当たり平均27個のオンラインアカウントを保持 している それぞれのアカウントのパスワードを複雑化し、全 てのアカウントに紐づいているパスワードを違うも ので設定し、覚えておくということができない。 毎日アクセスするために、「覚えやすい簡単なパス ワードにする」「同じパスワードを使い回す」「メ モを書いておく」 ID/パスワード・VPN・ ファイヤウォールが役立たない
- 102. 本人認証の方法と多要素認証 102 知識認証 What you know? あなたが知っている何か 所持認証 What you have? あなたの持っている何か 生体認証 What you are? あなた自身の何か ID/パスワード など ICカード ワンタイムパスワード用トークン 携帯電話（デバイス）認証 など 指紋認証 顔認証 静脈パターン認証 虹彩認証 声紋認証 網膜認証 など 認証方式 方法例 組合せの例 1234 暗証番号 銀行カード 静脈認証 多要素認証 MFA／Multi Factor Authnetication 3要素のうち2つ以上を 正しく組み合わせること
- 103. 認証に関わる基本的な用語 103 姓名 性別 生年月日 住所 勤務先 役職 電話番号 メールアドレス 位置情報 など メーカー 機種名 型番 所有者 OSの種別 FQDN名 IPアドレス MACアドレス 設置場所 など 主体／実体のこと。人、組 織、デバイス、サービスな ど、属性を管理する単位 エンティティ エンティティに関する属性 情報の集合。「アイデン ティティ情報」とも言う アイデンティティ エンティティが確かにアイデンティ ティ情報と結びついたエンティティで あることを証明するための情報 クレデンシャル 人 コンピュータ エンティティ、あるいはアイデンティ ティ管理システムしか知らない情報： パスワード、PINなど エンティティしか知らない、あるいは 持っていないことを他のシステムが確 認できる情報：署名鍵と検証鍵のペア など 当該エンティティとそれ以外のエン ティティが知っている情報：ユーザー 名、母親の旧姓など アイデンティティ情報を含むデジタ ル・データ：X509形式の証明書、ID トークンなど 上記の任意の組合せ PII Personally Identifiable Information エンティティが人である場合、個人識 別可能な属性情報の組み合わせ デジタルアイデンティティ アイデンティティを電子的に表 現したもの ・・・
- 104. 認証プロセス 104 姓名 性別 生年月日 住所 勤務先 役職 電話番号 など エンティティ 認証済みアイデンティティ ＊クレデンシャル を含む 認証サーバー username password geo-location device-info など アイデンティティ情報 アデンティティ・レジスター 認証要求者のアイデンティティ情報 を特定し、クレデンシャルを保持し ていることを検証することで、当該 エンティティが主張するアイデン ティティ情報との同一性を検証する 認証／エンティティ認証 姓名 性別 生年月日 住所 勤務先 役職 電話番号 など エンティティと アイデンティティが 一致したことを確認 システムやアプリケーション システムやアプリケーションなどのリソースにアクセスすることを許可 ＊クレデンシャル を含む
- 105. ゼロトラストという考え方
- 111. ユーザーに意識させない・負担をかけないセキュリティ Security Orchestration Automation Response SOAR セキュリティ製品間の連携 手動 → 自動 自動調査＆対処 自動化 いつでも／どこでも 安心・安全にITの利便性を享受 ユーザーに 意識させない・負担をかけない
- 113. サイバーフィジカルシステムとIoT データ収集 モニタリング データ解析 原因解明・発見/洞察 計画の最適化 データ活用 業務処理・情報提供 機器制御 ヒト・モノ クラウド・コンピューティング 日常生活・社会活動 環境変化・産業活動 現実世界／Physical World サイバー世界／Cyber World Cyber Physical System／現実世界とサイバー世界が緊密に結合されたシステム アナログな現実世界のものごとやできごとを デジタル・データで捉えデジタル・ツイン （現実世界のデジタル・コピー）を作る 狭義のIoT デジタルとフィジカルが一体となって 高速に改善活動を繰り返す状態を実現 ビジネスの最適化を維持する 広義のIoT
- 115. IoTが生みだす2つのループ 現実世界のデジタル・コピー デジタル・ツイン 規則や関係 の見える化 未来予測・最適解 インサイト・示唆 機器制御・指示命令・アドバイス 最適化ループ 効率・省エネ・生産性・時短・コスト削減など イノベーション 変革ループ UX(体験価値)向上、新たな連携、利便性向上、驚き・感動など センサー センサー・チップ センサーネットワーク センサー・フュージョン など クラウド データの収集・蓄積 計算処理能力の提供 アプリケーション など AI（機械学習） データの分析 最適解の導出 規則性や関係性の見える化 など 5G（第５世代移動通信システム） 高速・大容量 他端末接続 低遅延 など アジャイル開発・DevOps 現場のフィードバックをうけて高速に改善 ニーズの変化に俊敏な対応 バグフリー・高品質なソフトウエア開発 など AIチップ 自律制御 自律連携 リアルタイム処理 など
- 116. IoTの目指していること 調整や連携：打合せ 調整や連携：打合せ 調整や連携：打合せ Input ：人間→紙の書類 Output：紙の書類→人間 Input ：人間→コンピュータ Output：コンピュータ→人間 Input ：機械→コンピュータ Output：コンピュータ→機械 デジタル化前 人間が主体で行う仕事を 機械が支援する 機械が支援して人間が仕事をする 調整や連携：機械同士 Input ：機械→機械 Output：機械→機械 管理 ：コンピュータ 目標設定：人間 デジタル化後 自律制御 監視・指示 データ＋機械学習 機械にできることは 徹底して機械に任せ 人間しかできないことを 人間が行う 機械と人間が一緒に仕事をする 自律制御 H2H Human to Human M2H Machine to Human M2M Machine to Machine
- 117. 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 デジタル・ツインの実現 「モノ」のサービス化 インターネット クラウド・サービス
- 118. デジタルツイン 電脳世界 （Cyber World） 現実世界 （Physical World） Cyber-Physical System スマートフォン 自動車 ウェアラブル 家電 スマートメーター 263 Kw ○×電力 様々なアクティビティ スマートフォン 自動車 ウェアラブル 家電 スマートメーター 263 Kw ○×電力 様々なアクティビティ データ 最適解 シミュレーション デジタル・ツインを使って最適解を導出
- 119. モノのサービス化 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 ハードウェア ソフトウェア サービス 機能・性能を随時更新可能 機能・性能の固定化 機能・性能を継続的更新可能 モノの価値を評価する基準がシフト 機構が複雑になり、部品の数も増えて、コストが嵩む 故障が多く、保守・サポートの体制やコストの負担が増える 機能追加には、設計や製造工程を変更を伴ひ、迅速対応は困難
- 120. 「モノ」のサービス化 自動車メーカー 航空機メーカー 工作機械メーカー アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア 運行データ 走行データ 作業データ 制御 制御 制御 遠隔からの保守点検・修理、自律化機能による自己点検や修復、ソフトウェア更新による機能・性能・操作性の改善 インターネット
- 121. 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
- 122. クラウド モノのサービス化がもたらすイノベーション 122 ソフトウェア ハードウェア ソフトウェア ハードウェア ソフトウェア 買ったときの機能 ＝全機能 買ったときの機能 +買った後に追加される機能 ＝進化する機能 進化するモノ タイムマシン化するモノ サービス サービス サービス サービス クラウド 過去 現在 未来 アナリティクス（統計／人工知能） ビッグデータ クラウドにつながることで 無限のリソースと 様々なサービスを 機器が手に入れる ビッグデータを分析することで 過去から原因・理由を探る 現在の出来事を知る 未来を予測する 賢くなるモノ
- 123. 「モノのサービス化」ビジネス 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
- 124. ビジネスス・モデルの変革 VISION-S Prototype WOVEN City e-palette エンターテイメント・デバイス エンターテイメント空間として サービスを提供するためのデバイス サービス・プラットフォームとして コネクテッドな時代の 社会・生活空間として コネクテッドな時代のビジネスの可能性・新たな生き残り戦略の模索
- 125. 顧客価値 価値実装 体験 更新 心地良い・使い易い もっと使いたい ずっと使い続けたい 継続的な改善 最適を維持 顧客の期待を先回り UX ソフトウエア 「モノのサービス化」の構造 機能 仕様 モ ノ づ く り ハードウェア UI サービス・ビジネスとは、コトの価値を提供し続けるビジネスのこと コ ト づ く り
- 127. ビジネス価値の比較 ハードウェア 車両本体 ソフトウェア 制御系 サービス 保守・点検・修理 自動車メーカー ハードウェア 車両本体 ソフトウェア サービスの実装 制御系のスマート化 サービス モビリティ・サービス 生活サービス など 保守・点検・修理の価値向上 ソフトウェアによって実装 汎用部品化 モジュラー化 機能・操作の ソフトウェア化 サービス価値を高めて ビジネスを差別化 モビリティ & X サービス事業者 ビジネス・プロセスの ソフトウェア化 高速 改善 欠陥 ゼロ 要求 品質
- 129. 1G 2G 3G 4G 5G 音声 テキスト データ 動画 あらゆるモノがつながることを前提とした 社会課題の解決 通信・コミュニケーションの性能向上 移動体通信システムの歴史 1979〜 1993〜 2001〜 2012〜 2020〜 9.6Kbps 28.8〜384Kbps 2.4〜14.4Mbps 0.1〜1Gbps 10Gbps〜
- 130. 5Gのビジネスの適用領域 データ量超増大 × 即時性向上 1通信あたりのデータの嵩が増える リッチ化する：高精細や高音質になり臨場感、没入感 が増す 多角化する：同時に取り扱える情報の選択肢が増える 1通信あたりのデータの種類が増える 制御用の情報（センサーやカメラからの情報）が増え る：自動○○が実現する 参考可能な情報（ログ情報）が増える：パーソナライ ズのパターンが増える、レコメンドの精度が向上する、 対象への理解が深まる タイムラグがほぼ無くなる 距離の制約が消える：各地に散らばる人たち同士で同 時に何かやる、今やった/起きたことをすぐに取り込 んですぐ活かす 社会（利便性）向上系 医療分野 超高信頼低遅延通信の実現で移動中や遠隔地の高度診療が可能になり、 医療格差が解消される 農林水産分野 超大量端末同時接続の実現で作物や家畜などの状況を把握するセン サーと散水・薬剤散布や給餌を実施するロボットやドローンの制御が 可能になり、減少する従事人口を補える 土木建築分野 超大量端末同時接続と超高信頼低遅延通信の実現によって遠隔制御が 可能になり、危険度が高い高所・鉱山・災害地などの現場での安全な 作業が確保でき、またドローンの活用による高精度測量などの精度が 向上する 生活分野 自動運転と遠隔制御によって、細分化された公共交通が実現する センサー情報を駆使して状況を把握する店舗運営が可能になる 遠隔授業や家庭教師の実現によって、学習格差が解消される 大量センサーと自動判定AIによって、防災・防犯・減災力が向上 VRオフィスとテレワークが実現する コンテンツ向上系 スポーツの場合⇒体験が深くなる 自動制御が可能になってカメラ台数を一気に増やせることで、多地 点・ドローンなどによる多角度撮影ができるようになる 取得データの種類が増え分析できる情報が増えることで、選手のバイ タルデータ・顧客のバイタルデータ・環境データが取得できるように なる AIが発達することでデータの有効活用レベルが上がり、多角的な分析 結果を提示できるようになる エンタメの場合⇒現実を超える仮想実現へ 即時性が向上することで出演者の居場所を問わない制作環境を実現さ せることや、同時多人数対応の参加型体験の提供ができるようになる スポーツ＆エンタメに共通 1通信あたりの送信データの嵩が増え、高画質・高音質・8K360°リ アルタイムな高臨場感映像が提供できるようになり、また視聴者に合 わせた多種多様な映像・情報を提供できるようになる 生活者データ・ドリブン・マーケテイィング通信より https://seikatsusha-ddm.com/article/10129/
- 131. 5Gの3つの特徴 先送り 高速・大容量 大量端末接続 超低遅延・高信頼性 100万台/k㎡ 1ミリ秒 20Gビット/秒 1Gビット/秒 10万台/k㎡ 10ミリ秒 20 倍 5G 4G URLLC： Ultra-Reliable and Low Latency Communications mMTC： massive Machine Type Communications eMBB： enhanced Mobile Broadband リアリティの再現 光ファイバーの代替／補完 高精細／高分解能な デジタル・ツインの構築 時空間の同期 リアルタイム連携
- 132. 第５世代通信の適用例 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
- 133. 参考:5Gの社会実装に向けたロードマップ
- 134. 5Gの普及段階 高速 eMBB 低遅延 URLLC 多接続 mMTC 高速 eMBB 低遅延 URLLC 多接続 mMTC 高速 eMBB 低遅延 URLLC 多接続 mMTC 4G（LTE） 4Gコアネットワーク LTE 基地局 4Gコアネットワーク LTE 基地局 NR 基地局 マクロセル スモールセル 既存周波数帯 新しい周波数帯 NSA NSA: Non-Standalone 5Gコアネットワーク LTE NR 基地局 既存周波数帯 新しい周波数帯 SA SA: Standalone マクロセル スモールセル NR ユーザー情報 制御情報 ユーザー情報 ユーザー情報 制御情報 SA LTE: Long Term Evolution NR: New Radio 5G初期 5G普及期 2010〜 2020〜 2022〜
- 137. 第５世代通信におけるネットワーク・スライス 高速・大容量データ通信 大量端末の接続 超低遅延・超高信頼性 5G ネットワーク・スライシング SIM SIM SIM 閉域網 閉域網 閉域網 SIM SIM SIM(subscriber identity moduleもしくはsubscriber identification module/SIMカード)とは、電話番号を特定するための固有のID番号が記録された、 携帯やスマートフォンが通信するために必要なICカードのこと。
- 140. 人間の知能と機械の知能
- 142. 特化型人工知能（AI）と汎用型人工知能(AGI) 顔認証 音声認識 囲碁 特定の領域に特化した 知的処理を行うプログラム 自動運転 人間がテーマを与え 人間が能力を拡張させる 特化型人工知能 AI : Narrow Artificial Intelligence AI AI AI AI 何を知るべきか を見つける どうすればいいか を探す 疑問や興味を持ち 目的やテーマを 設定する能力 家事 医療診断 研究 カウンセ リング 全ての領域をカバーする 知的処理を行うプログラム 自律的にテーマを探し 自律的に能力を拡張させる 汎用型人工知能 AGI : Artificial General Intelligence AGI AGI
- 143. 知能・身体・環境とAI 生物／生存と繁殖 自己概念 信念、欲求、感情、理性、自己意識 感覚器 運動器官 骨格、関節、筋肉、靭帯、腱 環境／ガイア仮説 身体 影響 受容 相互作用・適応 エネルギー循環 誕 生 死 滅 進化 遺伝・淘汰・絶滅 IoT ロボティクス 地球と生物が、相互に 関係し合い環境を作る 認識 判断 運動構成 AI/人工知能 繁 殖 長く生き延び 子孫を残す 内分泌系
- 145. AIマップ・AI研究は多様 フロンティアは広大 人工知能学会: https://www.ai-gakkai.or.jp/pdf/aimap/AIMap_JP_20200611.pdf#page=25
- 147. 人工知能 機械学習 ディープラーニング
- 149. 人工知能と機械学習の関係 人工知能 Artificial Intelligence/AI 機械学習 Machine Learning ニューラル・ネットワーク Neural Network 深層学習 Deep Learning 人間の”知能”を機械で 人工的に再現したもの 強いAI:コンピュー タに人間と同様の知 能を持たせた仕組み 弱いAI:コンピュー タに人間と同様の知 的な振る舞い・処理 をさせる仕組み データからグループ分 けのためのルール（モ デル）を作る仕組み 脳の仕組みを参考に作 られた機械学習の手法 従来よりも精度の高いモ デルを作ることができる ニューラル・ネットワー クの手法 遺伝アルゴリズム、エキスパートシステム、音声認識、画像認識、感性処理、機械学習、 ゲーム、自然言語処理、情報検索、推論、探索知識表現、データマイニング、ニューラル ネット、ヒューマンインターフェース、プランニング、マルチエージェント、ロボット データ プログラム モデル
- 150. なぜいま人工知能なのか インターネット アルゴリズム GPU（Graphics Processing Unit） 脳科学の研究成果を反映 高速・並列・大規模計算能力 人工知能（Artificial Intelligence） ビッグデータ IoT モバイル・ウェアラブル ソーシャル・メディア ウェブサイト WWW
- 151. 機械学習
- 153. 機械学習がやっていること モデル レントゲン写真から 「癌」の病巣を 識別するルール 入力 出力 癌 データ分析で ルールを作る 機械学習 癌の病巣が写っている 大量のレントゲン写真 ある患者のレントゲン写真 「癌」の病巣を表示 レントゲン写真から 「癌」の病巣を見つける「モデル」
- 154. 機械学習がやっていること：分ける／分類する 入力 出力 推論 Inference 入力を特徴の組合せ／ルールに照合 して、最も一致度が高いグループに 分類する計算処理 学習 Learning うまく分けるための特徴の組合せ／ ルールを、大量のデータの中から見つ け出す計算処理 動物 乗り物 楽器 学習 データ／学習データ 推論 入力 “X” 動物 入力 “X” の特徴は、「動物」の モデルと最も一致度が高いので、 動物のグループに分類する モデル 入力をどう処理して 出力するかのルール モデルとの照合 未分類 推論の結果＝動物 特徴が似たグループ
- 155. モデルとは何か 155 動物 座標空間 実際には多次元の座標空間 特徴1 特徴2 特徴3 楽器 乗り物 モデル 特徴の組合せが 似通っているグループ 機械学習 データからモデルを 生成する仕組み
- 156. 教師あり学習と教師なし学習 イヌ イヌ イヌ ネコ ネコ モデル 特徴の組合せを使って 違いを見分けるルール イヌ ネコ 教師あり データ 教師なし データ 判別 分類 教師あり学習 教師なし学習
- 158. 機械学習がやっていること モデル 推論モデル／学習モデル 入力 出力 Y＝f(X) X Y f 関数 学習：大量のXとYの関係を調べ、統計的に最も確からしい関数 f を見つける計算 推論：関数 f に入力Xを与え、出力Yを導く計算 学習データ 大量のデータを処理するため の計算資源が必要 学習ほどの計算資源は不要
- 164. 一般的機械学習とディープラーニングとの違い 164 耳 27% 目 48% 口 12% 特徴量 「特徴量」とは、猫と犬を識別・分類するために着目すべき特徴 正しく認識 82% 誤った認識 18% 認識結果 耳 27% 目 48% 口 12% 特徴量 学習 ディープラーニング 学習 推論 ディープラーニング 推論 正しく認識 82% 誤った認識 18% 認識結果 人間が認識結果が 最適になる組合せを 見つける 機械が認識結果が 最適になる組合せを 見つける 学習データ 教師付きデータ 学習データの一部 評価データ
- 165. 機械学習の仕組み IoT Web Mobile データ モデル 推論 機械学習 Machine Learning 識別 予測 判断 ゾウ or カバ？ 正常 or 異常？ 晴れ or 雨？ データ(学習データ)を分析して 特徴が共通するグループに分ける ための基準／ルール(モデル)を作る モデルを使ってグループ分けする 音声認識 顔認証 自動運転 創薬支援 天気予報 画像診断 人材採用 故障予測 機械翻訳 競技アドバイス 惑星探査 ヒビ割れ点検 製品品質検査 機械学習アプリケーション 推論モデル／学習モデルという 学習データという
- 167. 自動化ツール Google Cloud AutoML Microsoft Azure ML AWS SageMaker など AIと人間の役割分担 データを準備 意志決定 学習方式の選択 パラメーターの調整 推論 問いを生みだす 解決したいこと・知りたいことを決める 膨大なデータの中から、人間 の経験に基づく先入観なしに 規則、相関、区分を見つける 新たな問いを生みだす 判断・制御 モデル
- 168. 深層学習が前提となったシステム構造 深層学習フレームワーク 学習処理実行基盤 画像解析 動画認識 音声認識 話者認識 言語理解 文章解析 機械翻訳 知識表現 検索 コールセンター 顧客応対 営業支援 提案活動支援 医療 診断支援 創薬支援 その他 その他 文献データ 社内業務 データ 概念体系 辞書 音響データ 言語データ 画像データ 動画データ その他 アプリケーション ソリューション 認識系 サービス 学習基盤 知識ベース 学習データ Ａ Ｉ プ ラ ッ ト フ ォ ー ム
- 169. 人工知能の可能性と限界
- 170. 機械翻訳の現状とそのプロセス 音声認識 Speech Recognition 機械翻訳 machine translation 音声合成 Speech synthesis 2016：人間並み 2018〜19：人間超え 2018〜19：人間との区別困難 プロの逐次翻訳に匹敵（状況による） 60 50 40 30 20 10 一般の人が翻訳した場合よりも高品質であることが多い 非常に高品質で適切かつ流暢な翻訳 高品質な翻訳 理解できる適度な品質の翻訳 主旨は明白だが文法上の重大なエラーがある 主旨を理解するのが困難 ほとんど役に立たない BLEUスコア 19851990 1995 2000 2005 2010 2015 2020 統計的機械翻訳 SMT(Statically Machine Translation) ニューラル機械翻訳 NMT(Nural Machine Translation) BLEU: BiLingual Evaluation Understudy
- 173. 人間と機械の役割分担 WHY HOW What テクノロジーにより 置き換えられる領域 AI、ロボット、クラウド、自動化など 人間でなければ できない領域 なぜ、なんのために、何をしたいかなど
- 175. システム開発とDX