スキップしてメイン コンテンツに移動

SUP修行中

こんな感じ

今日も風が吹かないので、はじめたばかりのSUP練習に愛宕浜へ。

愛宕浜は、家から5分くらいの砂浜。博多湾の中ということもあり、岸壁があることもあり、波が穏やか。なのでカイトとかウインドとか、平水面で練習したい時にちょうどいい。

とは言え、今日は岸壁を出て室見川を行くのが目標なのだ。平水面で乗れた気になっていてはいけない。男なら、一度は生まれ育った土地を後にして、世間の荒波に揉まれるべきだ。そーだ、そーだ。

そう思って家を出たのだった。

曇り空の愛宕浜。最初はこんな感じだった。

着いてみると、カイトやるほどじゃないけど風速3メートルくらいの西風が吹いていて、海面はchoppy。(チャッピーじゃなくて、チョッピーね。海面が波立ってるということ。ちなみにチャッピーは、昔飼っていた犬。チャッピーちゃん。)

カイトだったらこの程度の波、なんてことないんだけど、慣れないSUP。「あ!」「う!」ってな感じで乗ったんだよ。

これは、岸壁でたらコケそう。いや、コケてもいい。いや、やっぱりやだ。
そんな感じで、激しく人生の相剋に悩んだのだ。

ちょっと出て百道を撮ってみた

そんなぼくのボードは、波乗りしたくてWave用SUP。波もないのに、波あったらコケるのに、Wave用SUP。

こんな感じで乗りたいのよ、もうちょっとね

やっぱり、あれだからさ。ココロザシってやつだからね。挑戦しないと永遠に到達できない。って、そんなやつ。


偉そうなこと言ってはいても、実際のところヨタヨタなわけだ。で、見かねた吉村さんが、レース用ボードを貸してくれた。でかいやつ。(吉村さんは、愛宕浜で「海と風のがっこう」というNPOを運営している立派な人なのだ)

これが結構乗りやすくて、幅1キロの愛宕浜を何往復か。

これだったら、室見川いけちゃうよね。そう、今日の目標は、室見川なんだよ。コケるとかコケないとか、関係ないのだ。うっかり忘れそうだった。

で、漕ぎだした。快調に進むオイラ。岸壁を出て、choppyな海面に揉まれ、大海原に出たのだ。もしかしたら、生きて帰ってこないかもしれない。

でも、それでも、いーのだ。

室見川って、ほんとデカイよね。カイトで一度だけ室見川に入ったことあるんだけど、ちょっと風が変わるというか、なんかヤバい感じがしたので、中までいけなかった。

これがカイトボードだよ


その室見川を、きわめてシンプルなSUPでひたすらすすむ。

そしたら空も晴れてきて、景色もいいし。
あー、これだから海はいいよね。

カイトボードのエクストリームな感じは、たまらなく好きだけど、こういうユッタリとした感じもいいよね。

室見川に入ったところから。すごく晴れてきた
いい気になって漕ぎ続けたんだけど、もしかして帰りは大変なんじゃないかと思い始めた。野生の感というやつ。

で、帰りの燃料あるかとか、そういう計算とかも瞬時にやったね。

反転して戻ろう。

そしたらだね、ここまで気持ち良く来れたのは、波も後押ししてくれてたし、風も追い風だったんだよ。

やっぱり野生の感は正しかった。

んなことどーでもいいんだけど、しかたないから、とにかくひたすら漕ぐ。こんな微風なのに。カイトだったら、「なんだこの風」とかバカにするレベルなのに。ごめんなさい風の神様。

向かい風がこんなにきついなんて。

なんていうか、ガレー船。そう、あの奴隷がひたすら漕ぐやつ。


あの気分に完全になって。だから、ひたすら頑張って漕ぐしかない。

もう、Waveがどーだとか、コケるとかコケないとか関係ないし。
とにかく一歩一歩前に進むしかないわけだし。

ヘロヘロになって出発した場所まで戻ったら、みんなから「どこまで行ったの?」って聞かれて。室見川って答えたら、「あー、それはきついね」。みなさんベテランなので、距離というかコンディションというか。ぼくの技術レベルとの兼ね合いで考えてくれた。

ですよねー。

気がついたら、choppyな海面、なんかどーでもよくなっていて。普通に乗れるようになっていた。

でも、きついわー。練習になったけど。

浜辺でへばっていたら、通りすがりのおじいさん。

道具見てサーフィンやってるのかと勘違いしたのか

「今日は、波が無くてつまらないでしょ?」

いやー。

ほんと、ごめんなさい。頑張ります。

コメント

このブログの人気の投稿

増資に関わる ぼくたちの覚悟

世の中は、時々おどろくほど大きな転換点が訪れる。過去と無関係な未来なんてないはずだけど、これまでの様々なこととは不連続に思える未来だ。


さきほど日本経済新聞のサイトでニュースが流れたので、お知らせします。
ぼくたちグルーヴノーツは、少し大きめの資金調達に踏み切りました。

グルーヴノーツと名乗り始めてから一貫して取り組んできたのは、最先端のIT技術を、専門知識がない人でも取り組めること。

そしてぼくらの「MAGELLAN BLOCKS

めざしているのは「機械学習の民主化」だ。

そのために、たくさん議論をし、機能を磨き、たくさんのプロジェクトで実践してきた。そして、さまざまな成果から、過去とは不連続だけど、とてつもなく大きな可能性を秘めた未来が見えてきた。同時に、ぼくらがやらなければならないことがハッキリしてきた。

だからこそ、ここはしっかりと前に進み、大きく前進していこう。
曖昧な一歩ではなく、ぼくらがやらなければならないことを、確実に、ためらわずに実行する。

今回の増資は、そういうこと。そして、増資を外部に公表するのは、そうしたぼくたちの覚悟を世間に公開する。そういう意思表示。

日経の記事には次のように紹介されている。

「同社の「マゼランブロックス」は米グーグルの機械学習サービスを使い、数値や文字、画像データを入力するだけで、AIが規則性などを発見して将来を予測できる。プログラミングなど専門知識を不要にした。」

でも、正確に言うなら、

「同社の「マゼランブロックス」はGoogleの機械学習インフラを活用し、グルーヴノーツが独自開発した機械学習サービスを使い、数値や文字、画像データを入力するだけで、AIが規則性などを発見して将来を予測できる。プログラミングなど専門知識を不要にした。」

Googleの圧倒的なパワーを借りながら、ぼくら自身が作り上げた機械学習モデルを使い、ぼくら自身が考え、作り上げたサービス。だから、これまでのやり方では解決できないことがあったら、ぜひ相談してほしい。

専門ベンダーを起用するのではなく、事業会社が自力で考え、自力で作り上げる機械学習サービス。そうしたことが、実現できるのだから。

そして、ベンダーに依存するのではなく、自力で考え、構築することこそ、機械学習が開く未来への扉の鍵なのだから。

福岡本社の、まだまだ小さな会社だけど、社会が望むことに真っ直…

福岡ではじまる新たな動き「OPEN AI LAB」

ぼくたちは、福岡が本社だ。このエネルギーにあふれ、人の可能性を否定しない街は、ぼくたちのあらゆることの原点でもある。


だからこそ、福岡が刺激的に成長していくことは、ぼくたちにとって欠くべからざることなのだ。

テックパークという学童保育をやっていることも、九州経済産業局と一緒に地元製造業のために機械学習を学ぶ場を作ったことも、すべてそういう思いがあったから。

でも、もっと継続的に。地元企業同士が学び、知見を共有しあいながら、機械学習について研鑽を深め、事業を生み出していくことができたら。

実際、地元企業からとても多くの相談を受けるようになって、わずかなアドバイスでめちゃくちゃ画期的なサービスを完成させた人たちもいるし。そして、この土地は、周りと協力しあうことがとても好きな土地だし。

やっぱり機械学習は、理屈よりも実践だ。機械学習の権威が「無理じゃないかな」と言ったことが、やってみたら意外にも成果が出たこともある。

だから、まずは実践すること。迷わず実践してみて、成果が見込まれたら本格的に取り組めばいい。そしてこういうことは、一人で悶々と進めちゃダメだ。仲間と一緒に、あーだこーだ実験したり、成果を共有しあいながら進める。できるなら、会社も違い、業種も違う人たちと一緒に。そうなんだよ。こういうことが得意なのは、やっぱり福岡の人間だよな。そう思ったわけだ。

色々な思いがあって、ふくおかフィナンシャルグループの人たちと意気投合し、ざっくりとしたアイディアながら、高島市長も賛同してくれたし。

そして、いつもいろんな意見を交わしあっているソフトバンクが、「やるよ!」って男らしく笑顔とともに引き受けてくれたし、機械学習で世界を圧倒的にリードしているGoogleも、もちろんやりますよ。といってくれたし。

ということでスタートします。

オープンな場で、機械学習について学び、事業化に向けて実践していく場。
OPEN AI LAB

これはエンジニアの集まりではなく、事業家の集まり、ビジネスマンのためのもの。

そういう人たちが実践できるような、数々の手段や、事例や、ワークショップや。そういうものを通じて、理屈だけじゃなく、成功までの道筋を体感できるような。そんな活動をはじめます。

とびっきりの道具を使って、自分のビジネスに劇的な革新を起こしたい人は、ぜひここに集ってほしい。最高の体験を…

工場の不良品検査を機械学習で実現 BLOCKSに画像分類モデル登場

製造業にとっては、生産している商品が全てだ。


会社の体制も、工場の仕組みも、顧客の信頼を裏切らない商品を生産するために存在する。

工夫に工夫を重ね、素晴らしい精度で商品を生み出しているからこそ、商品のわずかな傷や、不良も見逃せない。

そんな製造業では、最終検品をベテラン社員が目視で行なっているところが非常に多い。


社員は製品を熟知しているし、新しい製品が出てきたとしても、少しレクチャーを受ければすぐにコツをつかむことができる。

でも、人間は疲れるし、体調だって崩すこともある。そして社会全体が人口減少なんだから、人手に頼っているのはコスト的にも、拡張性という点でもリスクだとも言える。

そんなことを考えてしまうと、例えばデジタルカメラの精度は人間の目をはるかに超えているわけだし、そんな作業はコンピュータに任せることはできないのか。そう思っている会社は極めて多い。

コンピュータを使って不良品を見つけ出す。

簡単なようでいて、これはなかなか難しい課題だ。

だって製品の仕様はコロコロ変わるわけだし、バリエーションもたくさんあったりする。

機械学習を使って判定させようとすると、新しい製品が出るたびに、新しい仕様が決まるたびに、新しく何千枚、何万枚と画像を撮影して学習させなければいけないとしたら、多分そんなことやってられない。

でも、もしも、わずか100枚くらいの画像を見せて、極めて高い精度の判定ができるとしたら。もしも学習が10分ちょっとで終わるとしたら。

そんなに簡単なら、新しい商品が登場するたびに、写真をとって学習させ、すぐに使ってみることができるだろう。

だから。



製造業のみなさん、おまたせしました。

そんなことを実現するMAGELLAN BLOCKSの新しい機械学習モデル「画像分類」がリリースされました。

新しい画像分類モデルは、転移学習という手法を使っており、あらかじめ世の中の様々な画像で物の見た目から特徴をつかむことを学習させてあります。だから不良の画像が100枚、正常の画像が100枚といった少ない枚数でも、不良という画像にはどんな特徴があるのかを、極めて高い精度で見つけ出し、判断することができるようになります。

使い方は簡単。

例えば良・不良の判定をしたいなら、goodというフォルダにgoodな画像を入れ、NGというフォルダにNGな画像を入れ。そしてBLOCK…