SlideShare a Scribd company logo
1 of 29
Download to read offline
2014/10/23@PFI全体セミナー 
イノベーションことはじめ 
Preferred Infrastructure 
Preferred Networks 
岡野原 ⼤大輔 
@hillbig
⾃自⼰己紹介 
l 岡野原 ⼤大輔 
l 脳について興味があります 
l 脳の教科書、研究論論⽂文とかも読んでいます 
©安倍川もち 
l 去年年から20年年使ったC++をやめてGoで書くようになりました 
l ⽣生産性が3倍ぐらいあがった気がします 
l 但し、CUDAなど利利⽤用する場合は未だにC++です 
l 最近、会社では主に深層学習を利利⽤用したRDと事業化に注⼒力力して 
います(前半はEdge Heavy向けJubatusのAntEaterを作りました) 
l 休⽇日は娘と⼀一緒に⼭山や川や海や王国@舞浜に⾏行行っています
イノベーションとは 
l 全く新しい技術や考え⽅方を取り⼊入れて新たな価値を⽣生み出す変化 
l もっと分かりやすく⾔言えば 
「それが無かった頃が考えられないくらいの変化」 
l ⼈人の社会、⽣生活を定義づける 
l ⽯石器時代、⻘青銅器時代、鉄時代、⼯工業時代、デジタル時代 
l イノベーション ≠ 技術 
l 宗教、社会構造、建築、軍事戦略略、農業、芸術にもみられる
イノベーション例例:鐙(あぶみ) 8世紀頃 
馬に乗る時、および 
馬上で行動(叩き切る、弓を打つ)する時に 
踏ん張るために利用する 
銃が登場するまでに最大のイノベーションと 
される 
鐙が導入されるまで、馬はそれまで偵察にしか用いられることはなかった。 
しかし、鐙を使うことで馬上で行動することができるようになるった。 
アヴァール人などが8世紀にヨーロッパに広めた。 
その後、馬が騎士のような権力・力のステータスとなるだけでなく、 
馬を利用した軍事行動が可能となりモンゴル帝国のような広範囲を支配する国が出現する 
鐙の登場以後の世界は全く違うものとなった
Innovationのプロセス 
発明(Invension) 
L. Pageが⾔言うところの 
社会へのimplementation 
発明が起こってからLaunchするまで 
昔は数百年、最近でも数十年(例:衛星通信) 
図 [1]より
コンピュータの世界でのイノベーション例例 (1/2) 
l 汎⽤用コンピュータ 
l 主要なアイディアはBabbage, Ada 1842, 実現はTuringら 1936 
l 真空管 
l 元々通信⽤用途に利利⽤用されていたのを転⽤用 1930年年頃 
l トランジスタ 
l W. Sockley, A. Holdenらが1947年年に発⾒見見 
l Personal Computer 
l Altair 8800が1974, Apple IIが1977, 
l インターネット 
l 1969年年、ARPNET、1990年年 初のブラウザ 
l Google(検索索エンジンサービスとして) 
l 1998年年にサービススタート
コンピュータの世界でのイノベーション例例 (2/2) 
l SNS 
l Facebook 2004年年、Twitter 2006年年、Line 2011年年 
l スマートフォン 
l Iphone 2007年年、Android 2008年年 
l タブレット 
l Ipad 2010年年(ただしスマホとかぶっている) 
l クラウド 
l AWS 2006年年 
l ウェアラブルデバイス(になるかも) 
l Google Glass 2013年年、Edison 2014年年 
何か気づいたことはありますか? 
(殆どアメリカ発ということはありますが)
イノベーションは加速している 
l 直近の⽅方が記憶や情報が鮮明だからという理理由を差し引いても 
イノベーションが⽣生まれるペースは加速している 
l 以前は100年年単位だったのが、10年年単位、1年年単位になっている 
l 収穫加速の法則 The Law of Accelerating Return [R. Kurzweil] 
l 伝統的な収穫逓減との対⽐比 
l 秩序が指数関数的に成⻑⾧長すると、新たな出来事が起きるまでの時 
間は短くなる
イノベーションの加速の理理由 
l イノベーションの数は基本的にはアイディアと問題のマッチング 
の回数*試⾏行行回数に⽐比例例する 
l 現在はマッチングコスト、試⾏行行コストが格段に下がったため、イ 
ノベーションのレイテンシ、スループットは格段に改善されている 
l オープンな場で議論論する 
l 1⼈人で殆ど無視できる⼩小さなコストでサービスを試す 
l 3Dプリンタでモノを作ってネットで販売する 
l 昔と⽐比べて⼀一⼈人の天才が全てやる時代ではなくなった 
l 昔はコミュニケーションコストが⾮非常に⼤大きかったため、⼀一⼈人の 
天才が全てを知った上で⾃自分の中でイノベーションを起こしてた 
l 今は数⼈人、企業単位でイノベーションを起こす時代
イノベーションは⾶飛躍的に⽣生まれやすくなった 
(研究が社会にでるまでの例例) 
l 1990年年: 
アイディアを記した論論⽂文を学会に投稿し採択され、印刷され図書 
館に置かれる。それをたまたま問題を抱えた研究者が図書館に訪 
れた際に⾒見見つけて再実装し、それを企業に売り込む 
l レイテンシ:数年年 機会:よくて 1ヶ⽉月あたり1回 
l 2014年年: 
アイディアをまとめて論論⽂文をarxivに投稿すると同時にgithubにコ 
ードも置き、facebook, twitterに書いたことを公開する。それを 
RTで知った問題を抱えた企業のエンジニアが利利⽤用する 
l レイテンシ:数⽇日 機会:1⽇日あたり数⼗十回 
l レイテンシは1/1000、機会は1000倍
イノベーションの種類 
l 持続的イノベーション 
l 既存の性能・コストを改善する 
l 必要な機能や価格⽬目標もよくわかっているため改善しやすい 
l 少しずつの改善であっても結果としてすごい改善にみえる 
l 1⽇日1%改善したとしても、460⽇日で100倍の改善となる 
l 例例:Pentium 3 - Pentium 4 
l 破壊的イノベーション 
l 世の中に存在しないものを作る 
l 何を作ればよいかは顧客に聞いても分からない 
l ⾃自動⾞車車以前の⼈人「もっと速い⾺馬が欲しいです」 
l 例例:PC - スマホ
破壊的イノベーションの定義 
[Renselaer Polytechnic Institute] 
l 以下のいずれかの条件を満たす場合に呼ぶ 
l 機:全く新しい機能 
l 改:既存の機能を5倍以上改善する 
l コ:30%以上コストを削減する 
l 破壊的イノベーションの例例 
l 機:iphoneはモバイルデバイスでインターネット+電話+アプリ 
l 改:BigQueryはDBを10倍以上速くした 
l コ:セブンのコーヒは挽きたてのコーヒを100円で提供し既存の1/3
イノベーションの進み⽅方 
l 連続した持続的イノベーションの後に破壊的イノベーションが 
起こる。いつ来るかは分からない 
[1] 図1.1より
イノベーションと業界構造の考察(I) 
l 破壊的イノベーションはこれまで全くなかったものを提供する必 
要があるため、業界としては垂直になりやすい 
l ⽔水平にしようにもそれぞれ何を提供すればいいのか分からない 
l 破壊的イノベーションは市場を独占できるため⾮非常に⼤大きな利利益 
を短期的に⽣生む。 
l しかし、後続は追いつくためにオープンな戦略略をとりがちである 
。その場合、後者は速く拡⼤大する。もし前者が追いつかれたなら 
ば業界は⽔水平構造となり、Commodity化する 
l 例例: 
PC : Apple II, NEC PC98(クローズド) - IBM AT(オープン) 
スマホ : Iphone (クローズド) - Android(オープン)
イノベーションと業界構造の考察(II) 
l 企業・組織によって破壊的イノベーションが得意か、持続的イノ 
ベーションが得意かが違う 
l 例例:⽇日本の製造業(の多く)は持続的イノベーションが得意なよ 
うにみえる。⼀一度度、必要な機能セットがわかれば、⾼高品質かつ低 
コストな製品を提供できる 
l 両⽅方を実現するには⼀一つの組織では困難である 
l そのため、破壊的イノベーションを企業買収によって 
実現している例例もある 
l 近年年は破壊的イノベーションの間隔が短くなっているため、それ 
にあわせた企業・組織設計が必要である
3000のアイデア = 1つの商業的な成功* 
 
l 3000 のアイデア 
l 300 の⾏行行動がとられたアイデア 
l 125の⼩小さなプロジェクト 
l 9の重要な開発 
l 4の主要な開発 
l 1.7のローンチ 
l 1の成功 
l 特許の場合も⼤大体同じ 
l 3000のアイデア、112の特許、1つの価値ある特許 
l ブンブン、バットを回さなければならない 
* “From 3000 raw ideas = 1 commeercial success !” G. A. Stevens, et. al
加速する世界の中で⼈人や組織はどう⽴立立ち向かうのか 
l いろいろな⼈人の⾔言葉葉を引⽤用して、考えてみましょう
競争なんてくだらない。イノベーションこそ全て 
[L. Page] 
 
l 逐次的な改良良を繰り返しているだけでは必ず時代遅れになる 
l 逐次的な改良良による先⾏行行は良良くて数年年 
l ライバルにわずかな差をつける努⼒力力をするより、画期的なイノベ 
ーションに集中したほうが利利益が⼤大きい 
l 今開拓拓できているのは1%の市場。殆どの市場はまだ開拓拓されて 
いない。
クレージーでないようなことをやっているの 
だったら間違っているのだ [L. Page] 
 
l もし、それが誰からみても順当だと思うようなことをやっている 
のであればそれは逐次的改善である 
l ⼈人は線形に変化することを予測するのは得意だが、加速度度的に変 
化することを予測するのは苦⼿手である 
l クレージーと思われるぐらいがちょうどいい
綿密な事業計画は意味が無い 
[E. Schmidt]  
l 変化が早い業界ではどのように綿密な事業計画を⽴立立てたとしても 
、後から振り返ると100%間違っている 
l 完璧な事業計画を作るよりも変化に追従した柔軟な事業計画を⽴立立 
てることが必要である 
l これは近年年の経営戦略略の考え⽅方とも⼀一致する
技術的優位性は作れないため、 
プラットホーム拡⼤大を優先させる [E. Schmidt] 
l これほど技術⾰革新が速い時代になると、ある技術を持っていると 
いうことの優位性は殆どなくなる 
l スピードとスケールを優先しプラットホーム拡⼤大を急ぐ 
l そのことで早くノウハウを貯め、結果として技術を加速化させる 
l ⼈人材の獲得、育成、維持が最重要 
l どんな技術がやってきてもそれに対応できるような⼈人材を揃える
10年年以内にできそうなことは研究とは⾔言えない 
[久夛良良⽊木] 
l 数年年で成果が出せるようなものはあまりに短期的かつリスクが低 
い(そしてリターンも⼩小さい)研究開発である 
l PSはその当時ワークステーションなどでしか実現できていなかった 
CGを⼀一般のゲームで実現させるというものだった 
l 10年年間の実⽤用化の努⼒力力により1994年年は発売された
10年年後を考えるにはクレージでなければならない 
[久夛良良⽊木]  
l 10年年後の世界を想像するには、その当時はクレージ−と思われる 
ぐらいでないといけない 
l 度度胸が必要 
l 妄想⼒力力が必要
もしそれがうまくいくと知っているなら試みではな 
い [J. Bezos] 
l 失敗は発明とイノベーションの本質であり、うまくいくと知って 
いるなら試みではない 
l たくさんの失敗をしても致命傷にならなければよい
現実に遭遇して役にたった計画など何⼀一つなかった 
[J. Bezos] 
l 計画は綿密に⽴立立て、変化に気づいたら計画を平気で破棄する細⼼心 
さと⼤大胆さの両⽅方が必要
10年年後に知っているであろうことの2%しか知らな 
い [J. Bezos]  
l 2004年年に2014年年がどうなっているかを考えてみてください 
l 当時スマホ、クラウド、FB, Twitterは無かった 
l Forbes 世界の強い企業Top 10の変遷 
l 2004年年のtop10に⼀一つも中国企業は無かったが 
2014年年のtop10の5つが中国企業
成功の⽅方程式 [賀沢] 
l 成功回数 = 試⾏行行回数 * 成功率率率 
l 成功率率率はいろんな要因があるので努⼒力力で意識識的に増やすのは困難 
l 試⾏行行回数を増やす = 試⾏行行時間を短縮 
= ⼀一⼈人で始められるよう⾃自分の腕を磨く 
= ⼩小さい⽬目標を置く 
= 他⼈人のフィードバックを早めにもらう
最後に 
l ITの分野はまだしばらくはイノベーションが連続して起こる 
l ⾏行行くところまで⾏行行くんではないかと思う 
l 既にこんなにイノベーションが起こっているので 
もう起きないんではないかと錯覚しがちである 
l 「こんなにイノベーションが速くなってどうなるの」は 
「最近の若若いものは」と同じくらいずっと⾔言われ続けている 
l “未来を予測する最善の⽅方法は、それを発明することだ” 
[Alan Key]
参考⽂文献 
l [1] “Innovator’s Toolkit 10 practical strategies to help you develop 
and implement Innovation“, Harvard Business Review Press

More Related Content

What's hot

ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術Shohei Hido
 
Lecture univ.tokyo 2017_okanohara
Lecture univ.tokyo 2017_okanoharaLecture univ.tokyo 2017_okanohara
Lecture univ.tokyo 2017_okanoharaPreferred Networks
 
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平Preferred Networks
 
ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016
ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016
ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016Preferred Networks
 
Oss magic2
Oss magic2Oss magic2
Oss magic2K5_sem
 
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門Shohei Hido
 
実世界の人工知能 〜交通,製造業,バイオヘルスケア〜
実世界の人工知能 〜交通,製造業,バイオヘルスケア〜実世界の人工知能 〜交通,製造業,バイオヘルスケア〜
実世界の人工知能 〜交通,製造業,バイオヘルスケア〜Preferred Networks
 
最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心に
最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心に最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心に
最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心にtmprcd12345
 
neural network introduction yapc asia tokyo
neural network introduction yapc asia tokyo neural network introduction yapc asia tokyo
neural network introduction yapc asia tokyo Daichi Morifuji
 
今すぐ AI の知識を深めるには
今すぐ AI の知識を深めるには今すぐ AI の知識を深めるには
今すぐ AI の知識を深めるにはNVIDIA Japan
 
ドコモの取り組みを事例としたクラウドとAi
ドコモの取り組みを事例としたクラウドとAi ドコモの取り組みを事例としたクラウドとAi
ドコモの取り組みを事例としたクラウドとAi Osaka University
 
最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925小川 雄太郎
 
さらば!データサイエンティスト
さらば!データサイエンティストさらば!データサイエンティスト
さらば!データサイエンティストShohei Hido
 
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~Takahiro Kubo
 
Jubatus Casual Talks #2 Jubatus開発者入門
Jubatus Casual Talks #2 Jubatus開発者入門Jubatus Casual Talks #2 Jubatus開発者入門
Jubatus Casual Talks #2 Jubatus開発者入門Shuzo Kashihara
 
機械学習を用いた会議診断システムの開発
機械学習を用いた会議診断システムの開発機械学習を用いた会議診断システムの開発
機械学習を用いた会議診断システムの開発Takahiro Kubo
 

What's hot (20)

ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術
 
Lecture univ.tokyo 2017_okanohara
Lecture univ.tokyo 2017_okanoharaLecture univ.tokyo 2017_okanohara
Lecture univ.tokyo 2017_okanohara
 
rcast_20140411
rcast_20140411rcast_20140411
rcast_20140411
 
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
 
ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016
ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016
ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016
 
Oss magic2
Oss magic2Oss magic2
Oss magic2
 
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
 
実世界の人工知能 〜交通,製造業,バイオヘルスケア〜
実世界の人工知能 〜交通,製造業,バイオヘルスケア〜実世界の人工知能 〜交通,製造業,バイオヘルスケア〜
実世界の人工知能 〜交通,製造業,バイオヘルスケア〜
 
最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心に
最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心に最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心に
最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心に
 
neural network introduction yapc asia tokyo
neural network introduction yapc asia tokyo neural network introduction yapc asia tokyo
neural network introduction yapc asia tokyo
 
NLPソリューション開発の最前線
NLPソリューション開発の最前線NLPソリューション開発の最前線
NLPソリューション開発の最前線
 
Jubatus使ってみた
Jubatus使ってみたJubatus使ってみた
Jubatus使ってみた
 
今すぐ AI の知識を深めるには
今すぐ AI の知識を深めるには今すぐ AI の知識を深めるには
今すぐ AI の知識を深めるには
 
ドコモの取り組みを事例としたクラウドとAi
ドコモの取り組みを事例としたクラウドとAi ドコモの取り組みを事例としたクラウドとAi
ドコモの取り組みを事例としたクラウドとAi
 
自然言語処理向け データアノテーションとそのユースケース
自然言語処理向け データアノテーションとそのユースケース自然言語処理向け データアノテーションとそのユースケース
自然言語処理向け データアノテーションとそのユースケース
 
最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925
 
さらば!データサイエンティスト
さらば!データサイエンティストさらば!データサイエンティスト
さらば!データサイエンティスト
 
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~
 
Jubatus Casual Talks #2 Jubatus開発者入門
Jubatus Casual Talks #2 Jubatus開発者入門Jubatus Casual Talks #2 Jubatus開発者入門
Jubatus Casual Talks #2 Jubatus開発者入門
 
機械学習を用いた会議診断システムの開発
機械学習を用いた会議診断システムの開発機械学習を用いた会議診断システムの開発
機械学習を用いた会議診断システムの開発
 

Similar to イノベーションことはじめ

ITの社会実験から社会実装へ ~コロナ対策に見る中国の『リープフロッギング』~
ITの社会実験から社会実装へ ~コロナ対策に見る中国の『リープフロッギング』~ITの社会実験から社会実装へ ~コロナ対策に見る中国の『リープフロッギング』~
ITの社会実験から社会実装へ ~コロナ対策に見る中国の『リープフロッギング』~Kazuaki ODA
 
エンジニアの未来サミット for student
エンジニアの未来サミット for studentエンジニアの未来サミット for student
エンジニアの未来サミット for student真一 藤川
 
ファブ社会0108 @ESD21 名古屋で
ファブ社会0108 @ESD21 名古屋でファブ社会0108 @ESD21 名古屋で
ファブ社会0108 @ESD21 名古屋でIzumi Aizu
 
今後のIt動向を考える(2013)
今後のIt動向を考える(2013)今後のIt動向を考える(2013)
今後のIt動向を考える(2013)Hosoe Hironori
 
ものづくり寄席に行ってきたよ
ものづくり寄席に行ってきたよものづくり寄席に行ってきたよ
ものづくり寄席に行ってきたよYoshie Tanabe
 
イノベーションに向けたR&dの再定義
イノベーションに向けたR&dの再定義イノベーションに向けたR&dの再定義
イノベーションに向けたR&dの再定義Osaka University
 
ビジネスとデザイン ~ビジネスは悪くない~
ビジネスとデザイン ~ビジネスは悪くない~ビジネスとデザイン ~ビジネスは悪くない~
ビジネスとデザイン ~ビジネスは悪くない~Ken Azuma
 
スケーラレーター: スタートアップとのオープンイノベーションに向けて
スケーラレーター: スタートアップとのオープンイノベーションに向けてスケーラレーター: スタートアップとのオープンイノベーションに向けて
スケーラレーター: スタートアップとのオープンイノベーションに向けてTakaaki Umada
 
Before / After オクノテ
Before / After オクノテBefore / After オクノテ
Before / After オクノテTakamasaTayano
 
The invitation to Infrastructure CI
The invitation to Infrastructure CIThe invitation to Infrastructure CI
The invitation to Infrastructure CIirix_jp
 
-動きを楽譜化する- MotionScore一代記
-動きを楽譜化する- MotionScore一代記-動きを楽譜化する- MotionScore一代記
-動きを楽譜化する- MotionScore一代記SIGDance
 
PROPSプレトーク(今年度開催概要) 120617
PROPSプレトーク(今年度開催概要) 120617PROPSプレトーク(今年度開催概要) 120617
PROPSプレトーク(今年度開催概要) 120617Kengo Nomi
 
Innovation, how to make it
Innovation, how to make itInnovation, how to make it
Innovation, how to make itOsaka University
 
JPC2018[E3]NoOps で進める! Microsoft 365 提案のポイント
JPC2018[E3]NoOps で進める! Microsoft 365 提案のポイントJPC2018[E3]NoOps で進める! Microsoft 365 提案のポイント
JPC2018[E3]NoOps で進める! Microsoft 365 提案のポイントMPN Japan
 
758 dev meijo_unv-prof_suzuki_20200217
758 dev meijo_unv-prof_suzuki_20200217758 dev meijo_unv-prof_suzuki_20200217
758 dev meijo_unv-prof_suzuki_20200217ryohrd
 
DevLove2012「勝手にワークシフト」(公開用)
DevLove2012「勝手にワークシフト」(公開用) DevLove2012「勝手にワークシフト」(公開用)
DevLove2012「勝手にワークシフト」(公開用) masashi takehara
 

Similar to イノベーションことはじめ (20)

ITの社会実験から社会実装へ ~コロナ対策に見る中国の『リープフロッギング』~
ITの社会実験から社会実装へ ~コロナ対策に見る中国の『リープフロッギング』~ITの社会実験から社会実装へ ~コロナ対策に見る中国の『リープフロッギング』~
ITの社会実験から社会実装へ ~コロナ対策に見る中国の『リープフロッギング』~
 
エンジニアの未来サミット for student
エンジニアの未来サミット for studentエンジニアの未来サミット for student
エンジニアの未来サミット for student
 
ファブ社会0108 @ESD21 名古屋で
ファブ社会0108 @ESD21 名古屋でファブ社会0108 @ESD21 名古屋で
ファブ社会0108 @ESD21 名古屋で
 
今後のIt動向を考える(2013)
今後のIt動向を考える(2013)今後のIt動向を考える(2013)
今後のIt動向を考える(2013)
 
ものづくり寄席に行ってきたよ
ものづくり寄席に行ってきたよものづくり寄席に行ってきたよ
ものづくり寄席に行ってきたよ
 
Incubate Camp 2nd
Incubate Camp 2ndIncubate Camp 2nd
Incubate Camp 2nd
 
リーンスタートアップ時代の事業計画とサービス開発、資金調達のあり方
リーンスタートアップ時代の事業計画とサービス開発、資金調達のあり方リーンスタートアップ時代の事業計画とサービス開発、資金調達のあり方
リーンスタートアップ時代の事業計画とサービス開発、資金調達のあり方
 
リーンスタートアップをどう実践するのか
リーンスタートアップをどう実践するのかリーンスタートアップをどう実践するのか
リーンスタートアップをどう実践するのか
 
イノベーションに向けたR&dの再定義
イノベーションに向けたR&dの再定義イノベーションに向けたR&dの再定義
イノベーションに向けたR&dの再定義
 
ビジネスとデザイン ~ビジネスは悪くない~
ビジネスとデザイン ~ビジネスは悪くない~ビジネスとデザイン ~ビジネスは悪くない~
ビジネスとデザイン ~ビジネスは悪くない~
 
スケーラレーター: スタートアップとのオープンイノベーションに向けて
スケーラレーター: スタートアップとのオープンイノベーションに向けてスケーラレーター: スタートアップとのオープンイノベーションに向けて
スケーラレーター: スタートアップとのオープンイノベーションに向けて
 
Before / After オクノテ
Before / After オクノテBefore / After オクノテ
Before / After オクノテ
 
Tcj2013用
Tcj2013用Tcj2013用
Tcj2013用
 
The invitation to Infrastructure CI
The invitation to Infrastructure CIThe invitation to Infrastructure CI
The invitation to Infrastructure CI
 
-動きを楽譜化する- MotionScore一代記
-動きを楽譜化する- MotionScore一代記-動きを楽譜化する- MotionScore一代記
-動きを楽譜化する- MotionScore一代記
 
PROPSプレトーク(今年度開催概要) 120617
PROPSプレトーク(今年度開催概要) 120617PROPSプレトーク(今年度開催概要) 120617
PROPSプレトーク(今年度開催概要) 120617
 
Innovation, how to make it
Innovation, how to make itInnovation, how to make it
Innovation, how to make it
 
JPC2018[E3]NoOps で進める! Microsoft 365 提案のポイント
JPC2018[E3]NoOps で進める! Microsoft 365 提案のポイントJPC2018[E3]NoOps で進める! Microsoft 365 提案のポイント
JPC2018[E3]NoOps で進める! Microsoft 365 提案のポイント
 
758 dev meijo_unv-prof_suzuki_20200217
758 dev meijo_unv-prof_suzuki_20200217758 dev meijo_unv-prof_suzuki_20200217
758 dev meijo_unv-prof_suzuki_20200217
 
DevLove2012「勝手にワークシフト」(公開用)
DevLove2012「勝手にワークシフト」(公開用) DevLove2012「勝手にワークシフト」(公開用)
DevLove2012「勝手にワークシフト」(公開用)
 

More from Preferred Networks

PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57Preferred Networks
 
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3Preferred Networks
 
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...Preferred Networks
 
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...Preferred Networks
 
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55Preferred Networks
 
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2Preferred Networks
 
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2Preferred Networks
 
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2Preferred Networks
 
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演Preferred Networks
 
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)Preferred Networks
 
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)Preferred Networks
 
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)Preferred Networks
 
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語るKubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語るPreferred Networks
 
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張Preferred Networks
 
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会Preferred Networks
 
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2Preferred Networks
 
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...Preferred Networks
 
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...Preferred Networks
 
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...Preferred Networks
 
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50Preferred Networks
 

More from Preferred Networks (20)

PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
 
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
 
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
 
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
 
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
 
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
 
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
 
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
 
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
 
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
 
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
 
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
 
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語るKubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
 
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
 
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
 
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
 
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
 
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
 
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
 
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
 

Recently uploaded

20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directory20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directoryosamut
 
プレイマットのパターン生成支援ツールの評価
プレイマットのパターン生成支援ツールの評価プレイマットのパターン生成支援ツールの評価
プレイマットのパターン生成支援ツールの評価sugiuralab
 
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。iPride Co., Ltd.
 
プレイマットのパターン生成支援ツール
プレイマットのパターン生成支援ツールプレイマットのパターン生成支援ツール
プレイマットのパターン生成支援ツールsugiuralab
 
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptxIoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptxAtomu Hidaka
 
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
新人研修のまとめ       2024/04/12の勉強会で発表されたものです。新人研修のまとめ       2024/04/12の勉強会で発表されたものです。
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。iPride Co., Ltd.
 
PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000Shota Ito
 

Recently uploaded (7)

20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directory20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directory
 
プレイマットのパターン生成支援ツールの評価
プレイマットのパターン生成支援ツールの評価プレイマットのパターン生成支援ツールの評価
プレイマットのパターン生成支援ツールの評価
 
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
 
プレイマットのパターン生成支援ツール
プレイマットのパターン生成支援ツールプレイマットのパターン生成支援ツール
プレイマットのパターン生成支援ツール
 
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptxIoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
 
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
新人研修のまとめ       2024/04/12の勉強会で発表されたものです。新人研修のまとめ       2024/04/12の勉強会で発表されたものです。
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
 
PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000
 

イノベーションことはじめ

  • 1. 2014/10/23@PFI全体セミナー イノベーションことはじめ Preferred Infrastructure Preferred Networks 岡野原 ⼤大輔 @hillbig
  • 2. ⾃自⼰己紹介 l 岡野原 ⼤大輔 l 脳について興味があります l 脳の教科書、研究論論⽂文とかも読んでいます ©安倍川もち l 去年年から20年年使ったC++をやめてGoで書くようになりました l ⽣生産性が3倍ぐらいあがった気がします l 但し、CUDAなど利利⽤用する場合は未だにC++です l 最近、会社では主に深層学習を利利⽤用したRDと事業化に注⼒力力して います(前半はEdge Heavy向けJubatusのAntEaterを作りました) l 休⽇日は娘と⼀一緒に⼭山や川や海や王国@舞浜に⾏行行っています
  • 3. イノベーションとは l 全く新しい技術や考え⽅方を取り⼊入れて新たな価値を⽣生み出す変化 l もっと分かりやすく⾔言えば 「それが無かった頃が考えられないくらいの変化」 l ⼈人の社会、⽣生活を定義づける l ⽯石器時代、⻘青銅器時代、鉄時代、⼯工業時代、デジタル時代 l イノベーション ≠ 技術 l 宗教、社会構造、建築、軍事戦略略、農業、芸術にもみられる
  • 4. イノベーション例例:鐙(あぶみ) 8世紀頃 馬に乗る時、および 馬上で行動(叩き切る、弓を打つ)する時に 踏ん張るために利用する 銃が登場するまでに最大のイノベーションと される 鐙が導入されるまで、馬はそれまで偵察にしか用いられることはなかった。 しかし、鐙を使うことで馬上で行動することができるようになるった。 アヴァール人などが8世紀にヨーロッパに広めた。 その後、馬が騎士のような権力・力のステータスとなるだけでなく、 馬を利用した軍事行動が可能となりモンゴル帝国のような広範囲を支配する国が出現する 鐙の登場以後の世界は全く違うものとなった
  • 5. Innovationのプロセス 発明(Invension) L. Pageが⾔言うところの 社会へのimplementation 発明が起こってからLaunchするまで 昔は数百年、最近でも数十年(例:衛星通信) 図 [1]より
  • 6. コンピュータの世界でのイノベーション例例 (1/2) l 汎⽤用コンピュータ l 主要なアイディアはBabbage, Ada 1842, 実現はTuringら 1936 l 真空管 l 元々通信⽤用途に利利⽤用されていたのを転⽤用 1930年年頃 l トランジスタ l W. Sockley, A. Holdenらが1947年年に発⾒見見 l Personal Computer l Altair 8800が1974, Apple IIが1977, l インターネット l 1969年年、ARPNET、1990年年 初のブラウザ l Google(検索索エンジンサービスとして) l 1998年年にサービススタート
  • 7. コンピュータの世界でのイノベーション例例 (2/2) l SNS l Facebook 2004年年、Twitter 2006年年、Line 2011年年 l スマートフォン l Iphone 2007年年、Android 2008年年 l タブレット l Ipad 2010年年(ただしスマホとかぶっている) l クラウド l AWS 2006年年 l ウェアラブルデバイス(になるかも) l Google Glass 2013年年、Edison 2014年年 何か気づいたことはありますか? (殆どアメリカ発ということはありますが)
  • 8. イノベーションは加速している l 直近の⽅方が記憶や情報が鮮明だからという理理由を差し引いても イノベーションが⽣生まれるペースは加速している l 以前は100年年単位だったのが、10年年単位、1年年単位になっている l 収穫加速の法則 The Law of Accelerating Return [R. Kurzweil] l 伝統的な収穫逓減との対⽐比 l 秩序が指数関数的に成⻑⾧長すると、新たな出来事が起きるまでの時 間は短くなる
  • 9. イノベーションの加速の理理由 l イノベーションの数は基本的にはアイディアと問題のマッチング の回数*試⾏行行回数に⽐比例例する l 現在はマッチングコスト、試⾏行行コストが格段に下がったため、イ ノベーションのレイテンシ、スループットは格段に改善されている l オープンな場で議論論する l 1⼈人で殆ど無視できる⼩小さなコストでサービスを試す l 3Dプリンタでモノを作ってネットで販売する l 昔と⽐比べて⼀一⼈人の天才が全てやる時代ではなくなった l 昔はコミュニケーションコストが⾮非常に⼤大きかったため、⼀一⼈人の 天才が全てを知った上で⾃自分の中でイノベーションを起こしてた l 今は数⼈人、企業単位でイノベーションを起こす時代
  • 10. イノベーションは⾶飛躍的に⽣生まれやすくなった (研究が社会にでるまでの例例) l 1990年年: アイディアを記した論論⽂文を学会に投稿し採択され、印刷され図書 館に置かれる。それをたまたま問題を抱えた研究者が図書館に訪 れた際に⾒見見つけて再実装し、それを企業に売り込む l レイテンシ:数年年 機会:よくて 1ヶ⽉月あたり1回 l 2014年年: アイディアをまとめて論論⽂文をarxivに投稿すると同時にgithubにコ ードも置き、facebook, twitterに書いたことを公開する。それを RTで知った問題を抱えた企業のエンジニアが利利⽤用する l レイテンシ:数⽇日 機会:1⽇日あたり数⼗十回 l レイテンシは1/1000、機会は1000倍
  • 11. イノベーションの種類 l 持続的イノベーション l 既存の性能・コストを改善する l 必要な機能や価格⽬目標もよくわかっているため改善しやすい l 少しずつの改善であっても結果としてすごい改善にみえる l 1⽇日1%改善したとしても、460⽇日で100倍の改善となる l 例例:Pentium 3 - Pentium 4 l 破壊的イノベーション l 世の中に存在しないものを作る l 何を作ればよいかは顧客に聞いても分からない l ⾃自動⾞車車以前の⼈人「もっと速い⾺馬が欲しいです」 l 例例:PC - スマホ
  • 12. 破壊的イノベーションの定義 [Renselaer Polytechnic Institute] l 以下のいずれかの条件を満たす場合に呼ぶ l 機:全く新しい機能 l 改:既存の機能を5倍以上改善する l コ:30%以上コストを削減する l 破壊的イノベーションの例例 l 機:iphoneはモバイルデバイスでインターネット+電話+アプリ l 改:BigQueryはDBを10倍以上速くした l コ:セブンのコーヒは挽きたてのコーヒを100円で提供し既存の1/3
  • 14. イノベーションと業界構造の考察(I) l 破壊的イノベーションはこれまで全くなかったものを提供する必 要があるため、業界としては垂直になりやすい l ⽔水平にしようにもそれぞれ何を提供すればいいのか分からない l 破壊的イノベーションは市場を独占できるため⾮非常に⼤大きな利利益 を短期的に⽣生む。 l しかし、後続は追いつくためにオープンな戦略略をとりがちである 。その場合、後者は速く拡⼤大する。もし前者が追いつかれたなら ば業界は⽔水平構造となり、Commodity化する l 例例: PC : Apple II, NEC PC98(クローズド) - IBM AT(オープン) スマホ : Iphone (クローズド) - Android(オープン)
  • 15. イノベーションと業界構造の考察(II) l 企業・組織によって破壊的イノベーションが得意か、持続的イノ ベーションが得意かが違う l 例例:⽇日本の製造業(の多く)は持続的イノベーションが得意なよ うにみえる。⼀一度度、必要な機能セットがわかれば、⾼高品質かつ低 コストな製品を提供できる l 両⽅方を実現するには⼀一つの組織では困難である l そのため、破壊的イノベーションを企業買収によって 実現している例例もある l 近年年は破壊的イノベーションの間隔が短くなっているため、それ にあわせた企業・組織設計が必要である
  • 16. 3000のアイデア = 1つの商業的な成功* l 3000 のアイデア l 300 の⾏行行動がとられたアイデア l 125の⼩小さなプロジェクト l 9の重要な開発 l 4の主要な開発 l 1.7のローンチ l 1の成功 l 特許の場合も⼤大体同じ l 3000のアイデア、112の特許、1つの価値ある特許 l ブンブン、バットを回さなければならない * “From 3000 raw ideas = 1 commeercial success !” G. A. Stevens, et. al
  • 18. 競争なんてくだらない。イノベーションこそ全て [L. Page] l 逐次的な改良良を繰り返しているだけでは必ず時代遅れになる l 逐次的な改良良による先⾏行行は良良くて数年年 l ライバルにわずかな差をつける努⼒力力をするより、画期的なイノベ ーションに集中したほうが利利益が⼤大きい l 今開拓拓できているのは1%の市場。殆どの市場はまだ開拓拓されて いない。
  • 19. クレージーでないようなことをやっているの だったら間違っているのだ [L. Page] l もし、それが誰からみても順当だと思うようなことをやっている のであればそれは逐次的改善である l ⼈人は線形に変化することを予測するのは得意だが、加速度度的に変 化することを予測するのは苦⼿手である l クレージーと思われるぐらいがちょうどいい
  • 20. 綿密な事業計画は意味が無い [E. Schmidt] l 変化が早い業界ではどのように綿密な事業計画を⽴立立てたとしても 、後から振り返ると100%間違っている l 完璧な事業計画を作るよりも変化に追従した柔軟な事業計画を⽴立立 てることが必要である l これは近年年の経営戦略略の考え⽅方とも⼀一致する
  • 21. 技術的優位性は作れないため、 プラットホーム拡⼤大を優先させる [E. Schmidt] l これほど技術⾰革新が速い時代になると、ある技術を持っていると いうことの優位性は殆どなくなる l スピードとスケールを優先しプラットホーム拡⼤大を急ぐ l そのことで早くノウハウを貯め、結果として技術を加速化させる l ⼈人材の獲得、育成、維持が最重要 l どんな技術がやってきてもそれに対応できるような⼈人材を揃える
  • 22. 10年年以内にできそうなことは研究とは⾔言えない [久夛良良⽊木] l 数年年で成果が出せるようなものはあまりに短期的かつリスクが低 い(そしてリターンも⼩小さい)研究開発である l PSはその当時ワークステーションなどでしか実現できていなかった CGを⼀一般のゲームで実現させるというものだった l 10年年間の実⽤用化の努⼒力力により1994年年は発売された
  • 23. 10年年後を考えるにはクレージでなければならない [久夛良良⽊木] l 10年年後の世界を想像するには、その当時はクレージ−と思われる ぐらいでないといけない l 度度胸が必要 l 妄想⼒力力が必要
  • 24. もしそれがうまくいくと知っているなら試みではな い [J. Bezos] l 失敗は発明とイノベーションの本質であり、うまくいくと知って いるなら試みではない l たくさんの失敗をしても致命傷にならなければよい
  • 25. 現実に遭遇して役にたった計画など何⼀一つなかった [J. Bezos] l 計画は綿密に⽴立立て、変化に気づいたら計画を平気で破棄する細⼼心 さと⼤大胆さの両⽅方が必要
  • 26. 10年年後に知っているであろうことの2%しか知らな い [J. Bezos] l 2004年年に2014年年がどうなっているかを考えてみてください l 当時スマホ、クラウド、FB, Twitterは無かった l Forbes 世界の強い企業Top 10の変遷 l 2004年年のtop10に⼀一つも中国企業は無かったが 2014年年のtop10の5つが中国企業
  • 27. 成功の⽅方程式 [賀沢] l 成功回数 = 試⾏行行回数 * 成功率率率 l 成功率率率はいろんな要因があるので努⼒力力で意識識的に増やすのは困難 l 試⾏行行回数を増やす = 試⾏行行時間を短縮 = ⼀一⼈人で始められるよう⾃自分の腕を磨く = ⼩小さい⽬目標を置く = 他⼈人のフィードバックを早めにもらう
  • 28. 最後に l ITの分野はまだしばらくはイノベーションが連続して起こる l ⾏行行くところまで⾏行行くんではないかと思う l 既にこんなにイノベーションが起こっているので もう起きないんではないかと錯覚しがちである l 「こんなにイノベーションが速くなってどうなるの」は 「最近の若若いものは」と同じくらいずっと⾔言われ続けている l “未来を予測する最善の⽅方法は、それを発明することだ” [Alan Key]
  • 29. 参考⽂文献 l [1] “Innovator’s Toolkit 10 practical strategies to help you develop and implement Innovation“, Harvard Business Review Press