スキップしてメイン コンテンツに移動

投稿

9月, 2017の投稿を表示しています

G Suiteブロック、リリースされました

MAGELLAN BLOCKSで利用できるブロックが、またまた新しくなりました。


今回はG Suiteブロック。


特に、G Suiteの中でも機械学習によく使いそうなGoogleドライブとGoogleスプレッドシートをブロック化しました。

Googleドライブ関係は、「検索」「削除」「共有
スプレッドシートは、「作成」「取得」「更新

つまりMLボードで学習をさせたモデルを利用する場合、
予測したいデータをGoogleスプレッドシートに入力しておき、そこから予測ブロックにつないで結果をGoogleスプレッドシートに書き込むということができる。


BLOCKSからスプレッドシートにアクセスするときは、自分のGCPアカウントをGCPコンソールのIAMコンソールから調べて、そこに記載されているメールアドレス(xxxx@xxxx.iam.gserviceaccount.comというやつ)を、シートの共有先として登録するを忘れないようにね。

どんどん使いやすくなっているMAGELLAN BLOCKS。
ぜひ使ってみてください。

経済産業省九州経済産業局との取り組み発表会

福岡に住んでいると、業種は違ってもいろんな人と話をする機会に出会える。

地方都市ではあるけど、国連や中央省庁の重要な拠点もあるので、わりと大きなスケールでモノを考えている人とも話をすることができたりする。

そんな中、経済産業省九州経済産業局の方に呼ばれ、地元製造業の人たちが集まる会でスピーチをさせてもらい、それがキッカケで製造業の現状を知ることができた。


いわく。世界中で製造業の勢力図が、ガラガラと変わっている。中国などの実力が伸びているというのもあるけど、やっぱり単純なハードウェアだけでなく、ドイツを中心としてITを駆使した仕組みが世界的変化を加速させているというのが大きい。

そこらへんの話をしていると、入り口ではIoTと言うんだけど、結局集まったデータは機械学習的な処理が必要な場合が多そう。なんだけど、そこまで行くと製造業の人たちはよくわからないということだった。

ぼくたちとしては、福岡を本拠地にしながら、地元企業がぼくたちが得意とする機械学習に手を出せないでいるのは、やっぱり見逃せない。

なので、じゃぁスポンサーするので、機械学習を実践するメニューを作りませんか?ということで、はじまった。この企画。

そして、昨日。
メニューに則って、勉強をし、トライアルをしてきた人たちがあつまった。

ほとんどの人は、プログラムを組めるわけでもなく、ましてや機械学習にとりくんだこともない。だけど、半導体の不良を検知する仕組みや、ドローンで撮影した太陽光パネル画像から不良を見つける仕組み、機械の故障予知など。それぞれ、かなり高い精度での結果が出てきた。


データは少なくても精度が出るのは、転移学習という手法を使ってたりするからなんだけど。それでも多くの企業が、やってみれば意外に簡単に精度が出せること。そして、現場勘が重要なのだということ。

そんなことに気がついていただいたみたいだ。

そして、製造業って、やっぱり面白いし、機械学習向き。
ぼくらも色んな気づきを手にすることができた。

みなさんの成果については、どこかで発表したいな。

海に行く理由

You have zero control over the ocean.
The only thing you have control over is your attitude and actions.


ぼくがカイトボードをはじめたのは、上場していた会社をMBOして、もう一度自分がやっていることを見直し、本当にやるべきことは何かを模索しはじめた頃だ。

自信もあったけど、不安はもっと大きかった。
それでも行動したのは、根拠は脆弱なんだけど「直感に従うなら、やらなければならない」という気持ちがぼくを動かしていたからだ。

そんな時、全くやったことのないことに挑戦してみようと思って、昔サンフランシスコで見たカイトボードをはじめた。

なんどもなんども、風と波に翻弄された。

あたりまえだけど、海も風も、人間なんて関係ない。
海の上では、海をコントロールできるわけもなく、自分をコントロールして海に遊ばせていただくだけだ。


あーだ、こーだと理屈をこね回している暇もなく
海と自分だけの世界
でも海は海なわけだから
なんだか無心な自分の中に入っていく感覚

でも、素晴らしいことにカイトボードは危険な側面もあるので
はじめて行った見ず知らずの場所であっても、カイトボーダー同士は助け合う

海の上で、無心な自分と向き合っているにもかかわらず
仲間がいる安心感を同時に感じる

そしてヘトヘトになるまで乗り倒した夕方
傾いた夕日が海をキラキラと照らし始めると、いつも思う。


あー、おれは何てちっぽけなことにクヨクヨしてたんだろう
人間なんて、小さな存在なんだな
だから、辛いこともあるかもしれないけれど、くじけずに努力を続ければ
いつかきっと、不可能だったことが可能になって
「できなかったこと」が「できる」に変わって
きっともっと前に進むことができる。

なんか、そんな気分になる。

きっとマリンスポーツをやっている人は、多かれ少なかれ、みんなそんな気分なんだと思う。

スポーツをしに行くというよりも、自分をリセットしにいく。
忘れそうになっていた何かを取り戻しにいく。


戦争から帰って来た退役軍人、人生に絶望して死んでいく人が多いのだと言う。
そうした人たちに、サーフィンを教えるプログラムがあるらしい。

海に向き合っているうちに、生きて行く意志を取り戻す。
そういうことだ。

彼らの過酷さは、ぼくなんて…

Salesforce.com Einstein + Google VisionAPI + Groovenauts ML

MAGELLAN BLOCKSに、Salesforce.comが提供する機械学習サービス「Einstein」(アインシュタイン)のブロックが登場したので、BLOCKSには機械学習で画像を分類する方法が3つとなった。



なので3種類全部を試してみた。

試す画像は、やっぱりこれ。


またかよ。と思うかもしれないけど。カイトサーフィンだ! ちなみにこのスポーツは、空に翼のようなカイトを揚げ、風を受けて生まれる揚力で体を引っ張らせ、ボードをうまく使いながら風上に上って行ったり、空に飛んだりするスポーツ。
一般的には、カイトボードと言って、この写真のように長方形っぽい板に乗る。この板はツインチップと言って、右にも左にも走れる。だからtwin tip。(tip = 先端)
このカイトボードというのは、色んなスタイルがあって、中でもツインチップではなくサーフボードに乗って波乗りをしながら走るのをカイトサーフィンと呼ぶ。
まさかこんな細かい違いを、Google VisionAPIも、Einsteinも認識できないだろうけど、どんな風に認識するのかを実験。
ちなみに、MLボードを使って、カイトボード、カイトサーフィン、サーフィンの3種類を学習させた独自モデルも用意。
フローは、こんな感じ。

左の列がEinstein、真ん中がGoogle VisionAPI。そして右がBLOCKSのMLボードで独自学習させたもの。


まずこいつを認識させた。

Einsteinの回答は、

snorkel 46%scuba diver 42% というのがトップの方に来た。 海っぽい何かというのは認識したみたい。
ドンピシャ来てないけれど、Einsteinはユーザーが独自学習させることもできるようになっている。ドンピシャな何かを求めるなら、そういう方法をとるのがいい。
次にGoogle VisionAPI。 kitesurfing 98%surfing equipment and supplies 94%windsports 94%kite sports 92%boardsport 89% な、な、な。なんだって! カイトサーフィンだと!
ちょっとそれは、少しすごすぎる。 GoogleのYouTube部門のトップは、カイトボードが大好きな人で、その人がYouTubeにジョインしてからカイトの動画が増えたと言う話をき…

ぼくたちのオフィス

エンジニアの仕事っていうのは、仕事のほとんどをオフィスですごす。
だからオフィス空間は、とても大切だ。

空間というのは、不思議なもので、平板な空間からは、平板な発想しか生まれない。
だから豊かな発想が生まれる空間は、平板ではなく、奥行きがあり、凸凹があり、バリエーションがあり。さえぎるものが少なく。そして、快適な空気の循環があること。
いつもオフィスを新しくする時は、そんなことにこだわっている。

ぼくたちの本社オフィスを新しくするという話が決まった時、ほんとうに多くの才能あるデザインオフィスから提案を受けた。 本当に、感謝してます。
色々と検討した結果、イトーキにお願いすることにした。
実は、イトーキとは15年くらいまえからの付き合いだ。
以前、創業した会社を上場させ、会社の規模をドンドン大きくしていった時があった。つまり割と頻繁に引っ越しせざるを得なかったわけで、そんな時イトーキにぼくの思いを伝え、何回かオフィスの設計・施工をしてもらった。だから、ぼくの考えとか、テイストとかを知り尽くしてもいる。
今回は東京ではなく、福岡なわけだし。やりとりを開始してから随分たつので、ぼくのことを知っているデザイナーは、出世して現場仕事を直接やる機会が少なくなっていた。
担当営業の女性も、すごい能力の人だから、ぼくらのこんなちっぽけな仕事には不釣り合いなポジションにいたんだと思う。
でも、今回の件は、また昔のチームを集めてくれて、ぼくらのために、いままでの経緯を知っている人たちが、真心を込めて作り上げてくれた。
平板な空間は、創造性を阻害する。 そんなことは、いつも言ってきたこと。
そして、さえぎるものが少ない。これも、いつものこと。 なんだけど、今回はちょっとテイストが違った。
色んなビジネス経験を通じて学んだことなんだけど、結局今の時代、成功を納めている企業というのはマーケットシェア争いに勝った企業ではなく、社会の課題、つまり人が少し悩んでいること、ちょっと困っていること。そういう社会の多くの人の問題や、課題に向き合って、解決した企業が成功している。
そんなわけだから、ぼくたちがBLOCKSを通じて達成したいことも、やっぱり社会の課題に向き合い、解決していくことだと強く意識している。
そのためには、オフィスも社会に開かれていることが重要だ。社会が抱えている様々なことが見える…

MAGELLAN BLOCKSが、Salesforceの機械学習「Einstein」に対応しました

世の中には色んなクラウドから、特色のあるサービスが出ている。

どこかのクラウドを使ったから、別のクラウドは使えないなんてルールはないんだから、色んなサービスを、違いを意識せず簡単に利用できたら。と思うよね。


MAGELLAN BLOCKSは、これまでGoogleのクラウドとSalesforceのクラウドを、両方の違いを意識せず、ブロックを組み合わせるだけで簡単に利用できるようにしてきた。

さらに、ぼくたちグルーヴノーツ製の機械学習サービス。専門知識がなくても、ユーザーが独自の機械学習サービスを作成できる機能を組み合わせて、今までにない斬新な取り組みが簡単にできるようになっている。

とは言え、ぼくたちが提供している機械学習サービスは、ユーザーが自分たちだけのオリジナルの機能を開発するもの。


オリジナルだからできることはたくさんあるし、だからこそ他社には真似のできないビジネスにつなげることができる。

だけど機械学習には、個々の企業が頑張らなくてもいいこともある。

例えばGoogleにはGoogleの知見がある。だから彼らは自分たちの経験したことを元に、誰もが使える機械学習機能を数多く提供している。

同じことはSalesforceにも言える。

だから彼らはEinsteinというSalesforceユーザー向けの機械学習機能の提供をはじめた。

ユーザー独自の機械学習を作れるわけじゃないけど、GoogleやSalesforceの知見を利用した機械学習を使えるのは、利用する側からしたらとても望ましいことでもある。

さらに、こうした機能を、サービスの違いを意識することなく使えたら。

ということで、お待たせしました。ついにBLOCKSにSalesforceの機械学習サービス「Einstein」のブロックがリリースされました。


BLOCKSユーザーは、今まで通りビッグデータボードを開けば、SalesforceブロックにEinsteinが入っています。


BLOCKSが提供する機械学習で自分独自の機能を実現し、Google、そしてSalesforceが提供する機械学習を組み合わせる。

だれもやってない、自分だけの世界を、ぜひ作り上げてみてください。

TECH PARKで、アートスクールはじまりました

テクノロジーカンパニーのぼくたちは、テクノロジーが目的ではなく、単なる手段。道具だってことも知っている。
だからTECH PARKでは、子どもたちにテクノロジーと同様に伝えるべきことがたくさんある。
たくさんある中でも、結構重要なことって言ったら、やっぱりアートだよね。ということになった。アートと言ってもテクニックを教えるのではなく、もっとアートのハートみたいなものを伝えられないか。
そんな結論。


幸い福岡には、個性的なアーティストが大勢いる。なかでも糸島で活動を続けているアーティストのドーバーさん。シカゴで生まれ、ハワイで育ち、日本に魅了されて糸島で活動をしている彼は、子ども向けアート教室を開催している人でもある。

そんな彼に、テックパークの趣旨を伝えたところ、逆に彼なりにすごい可能性を感じてくれて、いよいよついにテックパーク初の本格的アート教室がはじまった。
とは言え、そこはぼくらが望んだ通りのドーバー流。
自由奔放にやらせているようでいて、色や形の面白さに気づかせてくれる教室。 しかもドーバーさんと子どもたちの会話は、全部英語。




みんな楽しそうに第一回目のアートスクールを終えることができた。
テクノロジーを使いこなし、アートのセンスがあり、論理的思考も併せ持つ。 そして、国籍や言語の違いに違和感を感じない。
そんな子どもたちが、テックパークから次々と生まれれば、子どもたちの未来の可能性は抜群に大きくなるし、そんな子どもたちと触れ合っているぼくたちは、きっと大きく成長する何かを得られるはず。そう信じている。

MAGELLAN BLOCKSで画像分類を使ってみる

ぼくはカイトボードというスポーツをやっている。

カイトボードというのは、空に翼のようなカイトを揚げ、揚力で体を引っ張ってもらいながら海の上を走るスポーツだ。


このカイトボードには、色々とスタイルがあり、ぼくがはまっているのはサーフボードに乗って波乗りをしながら乗るカイトサーフィンというスタイル。


これは普通にサーフボードとカイトの組み合わせなので、はたから見たらサーフィンのようにも見える。

先日、ぼくが敬愛するO本夫婦が、ヨットを見て「最首さん、あそこでカイトやってるのかな。」と言ってたらしく、偶然にもその側でカイトやっていたので、色々と間違っているのだけれど結果的には正解だったという出来事があった。

そしてO本夫婦は、未だにヨットとカイトの区別もつかないまま、最近赤ちゃんが産まれてしまったのだ。色んな意味でおめでたいんだけど、でも産まれてきた子供のためにも、ここは正しい知識を伝えなくちゃと思い、最近リリースしたばかりのMAGELLAN BLOCKS画像分類モデルを使って、カイトサーフィンとサーフィンの違いを学習させてみた。(カイトサーフィンとヨットを間違える人は、論外ともいえるし、学習としては簡単すぎるので)

まずBLOCKSのボード作成画面からMLボードを選択。


新しく画像分類というのがあるので、それを選ぶ。


ボード名を設定してクリックしていくと、画像分類のボードが作成される。


こんな感じ。これで準備完了。

で、これから学習をさせていくので、学習に使う画像を準備。
画像ファイルは、Google Cloud Storageにフォルダを作って置く。

今回は、sportsというフォルダを作って、その下に「Kitesurfing」というフォルダと「Surfing」というフォルダを準備。


カイトサーフィンの画像は、Kitesurfingというフォルダの中に入れて、サーフィンの画像は、Surfingフォルダの中にいれる。それだけ。

そこまで準備ができたら、BLOCKS画面からトレーニング開始ボタンを押して、画像を入れたフォルダを指定する。


今回の例では、sportsフォルダ。この下にあるフォルダ名が分類をするときの分類名になる。
で、開始ボタンを押すと学習がはじまる。 今回は色々と探してきた画像を10枚ずつ入れてみたんだけど、学習時間は6分ほど。
学習が完了したら、適用ボ…

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…