スキップしてメイン コンテンツに移動

自動車が作る未来について考える

自動運転車が普及すると、一体何が起こるんだろう。

自分で運転しないでいいということは、寝ててもいいし、食事しててもいいのかな。都会ならそれでもいいのかもね。


ぼくみたいに休日は海で、海沿いに駐車スペースを見つけてという人は、大まかな場所につけてもらって、最後は自分で運転するとか。キャンピングカーの移動装置のように、リモコンで場所を微調整とかでもいいかもね。

そもそも、そういう車。自分で車を所有する必要を感じるかな。

自分の荷物を積んでおきたい人。自分なりのアレンジをしたい人は、やっぱり所有するんだろうな。

でも、自動車なんて単なる移動装置だから、必要なときに使えればいいんだよ。という人は、別に所有しないでもいい。街に自動運転車が走っていて、呼んだらその場所までやってくればいいんだから。

これって、タクシーやUberと同じなわけだ。違いは運転手がいらないこと。

そもそもタクシー事業って、規模を求めようとすると課題は運転手の確保だったりするんだろうから、運転手がいらないってことは、とてつもない規模の自動運転タクシー会社が誕生したりするんだろうか。

その会社。お客さんがスマホアプリで車を呼べば配車するわけだけど、そうじゃない時は車をどうするんだろう。

ベテランタクシードライバーに聞くと、「この時間帯、ここらへん流してるとお客さんいるんだよなー」とかよく言ってる。なんか、それって機械学習向きな話に聞こえる。空車の自動運転車をどこに何台配置して、どの方向に走らせるのかとか。そういうのが肝だったりするんだろうね。そしてそれって、お客さん乗せて走る時より制御がむずかしそう。

需要予測にもとづいて群管理するわけだし、一台一台にルートを指定して全体としては未確定の需要に合致させるように走らせるわけだ。

ところでこういうAI的な群管理的って、誰の仕事なんだろう?

自動車会社がAIに取り組んでいる報道はあるけれど、なんだか車に搭載するAIを一所懸命研究しているようにも見える。そうじゃなく、もっとクラウド的というか、全体最適を考えなければダメなんじゃないかと思うんだよ。でも、それははたして自動車会社がやることなのかとも思う。

まぁ、つまり順当に考えれば、自動車会社ではなくて、交通事業者の仕事だよな。
車の配車管理と同じわけだから。


とは言え、ここは相当ソフトウェア的には高いレベルを要求されるので、サラッとできる交通事業者は皆無な感じがする。

かと言って、SI会社がシステムを作るとか、ベンダーがそういうパッケージを作って販売するとか。きっとアホみたいに高額で、割にあわないような気もする。

ということは、業界の空白地帯がこのあたりにありそうなので、予想外の新規参入者があるのかもしれない。

Teslaとか、自動運転車を販売するんじゃなく、レンタルとかも言ってるので、これに近いことをやろうとしてるんだろうな。

Googleは、Fiatに自動運転機能を提供したりしているので、Teslaと違って自動車販売で収益をあげようとしているのではなく、自動車というデバイスに自動運転というOSを提供し、様々なサービスを提供しつつ、自動車に関する情報を集め、さらに新しいサービスを展開し、新しい価値を作りだそうとしているんだろうな。だとしたら、相変わらず賢い。

つまりそれは、スマホベンダーにAndoroidを提供してきたのと同じモデルとも言える。

ということは、自動車生産を目指さない人が、自動車業界のリーダーになる時代がくるということなのか。

エンジンという難しい構造の装置がいらない電気自動車が普及すると、自動車というデバイスは、予想以上にコモディティなデバイスになる可能性がある。

一人乗りの移動装置も普及するかも。4〜5人で乗るホームパーティ仕様の移動装置もありだし、友達や家族と宿泊しながら移動する装置もいいよね。


そういうことを突き詰めて考えていくと、移動手段としての自動車は、移動エンターテイメントとか、移動メディアとかそういうことなのだとも思えてくる。

宿泊しながら移動する装置なんて、ホテル事業者が運営してもいいよね。車内がいつも清潔に保たれてるとか、アメニティが気が効いてるとか。困ったらコンシェルジェボタン押すと、移動先のレストラン予約してくれるとか。ホテルクオリティなこと、色々やれそう。

そうなると、携帯がデバイスベンダーとキャリアの時代からサービスベンダーの時代に移行したように、自動車もデバイスと連動したサービスの時代に突入していくのかも。

そしてそれは、思いもかけないほど、今の時代からジャンプアップした未来。

だからこそ、その未来は誰のものでもなく、まだ誰も掴んでいない世界なわけだ。誰もがその未来の入口にいるのかもしれないし、そうでないのかもしれない。少なくとも、可能性を信じられる人と、ふみわけられていない土地を歩く苦労を嫌だと思わない人のものであることは確か。

ぼくらにも、新しい時代のプレイヤーになりうる可能性があるということだったりもするのかもね。ある意味、すごく肝の部分やってるから。まぁ、誰かと組んだらという話だろうけど。

あー、未来は楽しい。

コメント

  1. happy to be able to visit your web ... successful greetings from hargasamsungsmartphone.com
    <Samsung Galaxy S4
    Samsung Galaxy Y
    Samsung Galaxy S 3
    Samsung Galaxy Tab 3

    返信削除
  2. Terimakasih atas infonya sukses selalu
    pilihan wisata di pantai pangandaran.. lihat aja link disini!!!
    Pantai Batu Hiu
    Pantai Karang Nini
    Pantai Karapyak
    Pantai Pangandaran

    返信削除
  3. happy to be able to visit your web ... successful greetings from hargasamsungsmartphone.com
    Lenovo K900
    Lenovo A6000
    Lenovo A7000
    Lenovo A369i

    返信削除
  4. thanks was allowed to visit your site. successful greetings from hargasamsungsmartphone.com
    Samsung Galaxy Ace 2
    Samsung Galaxy Grand
    Samsung Galaxy Ace Plus
    Samsung Galaxy S3 Mini

    返信削除
  5. thanks was allowed to visit your site. successful greetings from hargasamsungsmartphone.com
    Samsung Galaxy Fame
    Samsung Galaxy Chat
    Samsung Galaxy Grand Prime
    Samsung Galaxy Y Duos

    返信削除

コメントを投稿

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…