WeWorkの価値
私はITエンジニアである。
ITエンジニアは一般に『普通』ではない。
何かに対して『異常』なこだわりを持っている。
特に、労働環境に『異常』な程こだわりを持っている人が少なくない。
私もその中の一人である。
なぜならば、『集中』しなくてはいけないからだ。
ITシステムはしばしば自分の頭では理解できない挙動をして、
それを解決するために必死でググらないといけない。
ググってうまくいく方法を見つけたかと思ったが、うまくいかない場合も多い。
『集中』さえできれば、周りのことなんてどうでもよくなり、フロー状態になる。
このフロー状態が好きなITエンジニアも少なくないはずである。
が、しかし、
簡単に『集中』できるわけではない。
『集中』するためには下記のようなことが必要だ。
・適度に騒がしい空間
・コーヒー(もしくは好きな飲物)
・視界に邪魔なものが入らないこと
・良質なインターネット環境
これらがないとITエンジニアは仕事ができないと言って過言ではない。
前置きが長くなった。
さて、本題である。
世界のユニコーン企業として有名なWeWork。
今やグローバルに展開をしており、全世界で200箇所を超えるコワーキングスペースがある。
WeWorkには専用のアプリがあって、会議室の予約は3クリックでできる。
自分が契約していない別の箇所でも(海外でも)予約すれば丸1日利用することができる。
これがなんと言えない最高な体験を提供してくれる。
考えてみてほしい。
あなたは今シンガポールにいる。『集中』して仕事をしたい。
どうする?
Starbacksに行く?
ダメだ。
Starbacksのwifiは結構よく断絶される。
それにコーヒーだって決して安くない。
せいぜい2~3時間しかいられない。
ホテルで仕事をする?
ダメだ。
静かすぎるし、ベッドが近くにある環境で集中し長時間仕事をするなんて無理だ。
視界にベッドがある状態なんかじゃ仕事はできない。
WeWorkだとどうか。
ここには『集中』するためのすべての環境が整っている。
適度な騒がしさはあるし、コーヒーは飲み放題。
インターネットもフロアに入った瞬間に繋がるし、視界に邪魔なものはない。
なんと言っても、おしゃれ。
受付に行って、
拙い英語でも
「I’m member of Tokyo.I want to use here only today.」
だけ言えば問題ない。
予約を確認してくれて歓迎してくれる。
そして、普段と何も変わらず仕事ができる。
最高である。
weworkがあれば、世界中旅をしながら、どこでもいつもと同じ環境で仕事ができる。
最高である。
いや、控えめに言って、
最高である。
DLLAB Dayのハッカソンに参加してきたよ(AIビジネス編)
MicrosoftとPreferedNetworkがメインで活動している日本で最も大きなDeepLearningコミュニテイであるDLLABが主催するイベントのハッカソンに参加してきました。
改めて、昨今のAIブームにどうビジネス的に取り組むべきか考えさせられました。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
AIをビジネスとして捉えると、こんなビックウェーブにITエンジニアとして乗らないわけなく、是非とも乗りたいわけです。
【参考】私のモチベーション等はこちら↓
が、しかしビビるほどたくさん問題とか課題があると思っています。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
ざっと思いつくだけで以下。
1.AIエンジニア高すぎないか問題
2.AIリテラシーのギャップ
3.AI技術をどう使うのがよいかわからない問題
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
1.AIエンジニア高すぎないか問題
AIエンジニアは米国だと年収が3,000万くらいが普通で、日本でも人月200万は下らなかったりする。
【参考】
これで、はたしてAIの社会実装は進むのか大変疑問です。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
2.AIリテラシーのギャップ
AIが仕事を奪うわけなく、銀行員のリストラはマイナス金利のためです。
最近はだいぶ減りましたが、AIは魔法だと思っている方もまだ全然います。
このギャップはデカいです。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
3.AI技術をどう使うのがよいかわからない問題
実はこれが一番大きな問題だと思ってます。
DeepMind社がなぜAlphaGoを作ったかというと、AIを使って解ける社会課題がすくないからだと思っている。
一番大きなパイであった自動運転技術は結論が出た昨今、さて一体なにをするのが良いのか全くわからないです。
正直、DLLAB Dayのスポンサー様の話を聞いても、既存技術のローカライズにしか思えませんでした。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
さて、どうする&どうなる??
こうなってくるとAIエンジニア(私)の生存戦略はたぶん以下のどちらか。
1.組織に入って、その組織のためにAIプロジェクトをぶん回す
or
2.AI使って革新的なサービスを作る
因みに私は、「我が社もAI導入を」とお考えの経営者様は、ちょっと高い値段出してAIエンジニアをPJにフルコミットさせることだと思ってます。
【参考】
お仕事、お待ちしております。
DLLAB Dayのハッカソンに参加してきたよ(実装編)
MicrosoftとPreferedNetworkがメインで活動している日本で最も大きなDeepLearningコミュニテイであるDLLABが主催するイベントのハッカソンに参加してきました。
参加目的は、Chainer触ったことがないから一度触るため。
正直、非常に勉強になった。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
ハッカソンの内容は2つ。
ポテチのパッケージの写真を見てどのポテチか判別するモデルを作るといった内容と、9名の有名な小説家(夏目漱石等)の文章から作者を判別するモデルを作ると行った内容でした。
私は、ポテチの方で参加。
正直、Chainerはほぼさわったことなく「hogehoge」ではなく「ふぉえ〜」と言おうと、とってもゆるい感じで参加したのだが、繰り返しだが非常に勉強になった。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
まず、DeepLeaningのモデル作成は以下の3つが重要だと思っている。
1.データの前処理
2.モデルの選択
3.パラメータチューニング
これをChainerの実装レベルに落とすとこれも3つ重要だと思っていた。
1.前処理をどうするか
2.どういったネットワーク構造にするか
3.最適化手法をどうするか
なので、前処理の方法をどうするかをチームでさっさと決めて、ネットワーク構造と最適化手法のやり方もどうするか、ちゃっちゃと決めにいった。
前処理は画像サイズがでかかったので圧縮&正規化だけして、
ネットワーク構造&最適化手法はサンプルを丸パクリして、「とりあえず回そうぜ〜」と思っていた。
が、これは全然頭が悪かった。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
まず、昨今は「転移学習」全盛である。
精度を上げようとする際はファインチューニングをすると良いとなっているそうだ。
そんな頭は全く働かなかった。
また、昨今では訓練データを2つ合体させておくmixupという手法があるそうで、正直全く知らなかった。
そしてさらに、GPUを使うとこんなにも深いネットワーク構造でデータ数が1万あるようなモデル作成が数十秒でできるとは知らなかった。
いや、本当にAIはインフラ命だと改めて思った次第。
【参考】
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
他にも、勉強になったことはたくさんあって、
1.文章データも画像と同じように扱えばいいに決まってんじゃん(CNNはすげー精度がでるため)
2.精度はバリデーションとテストの精度が近い方が良いモデルに決っているじゃん
3.LSTMは金持ちの開発環境
4.モデルのレスポンス時間は重要
5.AzureやらDockerやら
6.画像データを変換した際にデータの並びを変換しないといけない。
などなど。
他にも、聞いて「知らない!」って思ったキーワードで検索すると以下がでてきた。
大変、勉強になった!
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
最後に、今後はこちらも定期的に見ようと思った。
キカガクのセミナーとかも受けたい。
AIに対する雑感(2018年6月現在)
AIってバズワードが誕生してそろそろ3〜4年は経つかと思うが、私なりにはだいぶまとまった。
大きく主張したいのは3点。
1.
AIは「何かを早くすることはできるが、何かを生み出すことはできない」
2.
AIエンジニアは3パターンに分かれる。
1.社会実装する人
2.モデル精度を上げる人
3.ITインフラを作る人
3.
1よりも2、2よりも3の方が貴重である。
(年収も高くなる)
そして、AIはITインフラの問題になりつつある。
「仕事ができる」とは??
仕事は基本的に2つのことしかしていません。
1.誰かに「はい。OK」と言わせる。
or
2.何かを作る
1のために2をすることはもちろんありますが、基本的にどちらかです。
2の仕事をするには全力で考えてもっとも生産性の高い方法で作ればいいのです。
問題は1で、これは生産性の概念が当てはまりにくい。
なので、どうやったら相手が「はい。OK」と言ってくれるかただ考えて愚直になるしかありません。
例えば、ストーリーを考えてしゃべってみるとか。
この1がコントロールできるとマジで仕事できるようになるよね。
全然、私できないけど。
AIで何したいかと問われたら
最近、AIをやっていますと言うことが多くなったのですが、
AIで何をしたいかと問われたら「こう」ってことを書いて置おきます。
結局のところ下記の3つ。
・モチベーション
・生産性向上
・コミュニケーション
それぞれ例を出すと、
モチベーションについては、e-learningの離脱を防ぐとか、電子データからその人の組織への貢献を可視化するとか。
生産性向上は、今10分かかっている業務を単純に1分にすること。
いくらでもある。例えば出納業務とか。
コミュニケーションは、暴言の排除とか、偽記事の排除とか。
売上の向上はもちろんなんだけど、売上を増やして生産性があがるなら全然OK。
広告も売上が上がるなら。まぁ。