思いついたものを一瞬で作れるようになりたい
エンジニアである私の究極の目標は
「思いついたものを一瞬で作れるようになること」
これは
「サッカーの試合で毎試合ゴール決めれるようになること」
とか
「野球の試合で毎試合タイムリーヒット打てるようになること」
と同じレベル感だと思うのですが、
たぶんできる。
下記3つが揃えればできる。
1.ありとあらゆる技術を触っておく。
2.汎用的なものは既に作成しておく
3.人的資本を持っておく
サッカーや野球と完全に違うのは、複数人でやってOKであり、時間制限がないこと。
サッカーなら場合によっては15人でプレーしてもいいようなものである。
メルカリがイケメン過ぎる件について
日本を代表するスタートアップである「メルカリ」。
メルカリテックカンファレンス2018たるものを開催しておりまして、行ってきました。
総じて、
「メルカリ、イケメン過ぎる」
この一部の人にしかわからないであろう「イケメン具合」を広く伝えたたく筆をとる次第です。
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
そもそも、イケメンであるということはカッコいいわけで、エンジニア（というか男性）がどういった時にカッコいいと感じるのかをまず論じたいと思います。
私は、
「圧倒的なビジョンがあって、そのビジョンに向かって合理的に努力している状態」
をカッコいいと言う。
と思うのです。
例えば、本田圭佑は「セリアAで10番を付ける」というビジョンを小学生の時に立てて、ワールドカップでゴールを決めて、本当にACミランで10番を付けたわけです。
まさに、本田△。
他にも、石原さとみの彼氏である前田裕二は「エンターテイメントの力で先天的な格差をなくす」というビジョンを掲げ、SHOWROOMを運営・経営しているわけです。
前田△
（詳しくは↓をお読みください）
ーーーーーーーーーーーーーーーーーーーーー
さて、メルカリに話を戻します。
メルカリは
「新たな価値を生みだす世界的なマーケットプレイスを創る」
というミッションを掲げ、運営・経営されています。
このミッション自体、だれも否定できない素晴らしいミッションだと思います。
また、以下の3つのバリューもカルチャーをはっきりと名言していて、スタートアップとしてカッコいいです。
Go Bold 大胆にやろう
All for One 全ては成功のために
Be Professional プロフェッショナルであれ
が、しかし、
エンジニアってのは、かなり特殊でして、
大胆にチャレンジできない組織なんかでは働けないって人は多くいますし、
ビジネスサイドにあんまり興味がなく技術のことしか興味がない人もいます。
また、朝全く無理みたいなプロとしてどうなの？？って人もいます。
要は、これだけでは響かないわけです。
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
が、しかし、が、しかし、
メルカリはこのミッションを前提とした
エンジニアライクなミッションを創り出せていること
がなんともイケているのです。
彼らは本気で「人類すべてが使うマーケットプレイス」を創ろうとしています。
どういうことかを数字で説明すると、
現在のおよそのユーザ数が日本国内で1,000万ちょいであり、日本の人口の約8%が利用しています。
これを世界に当てはめると、世界の人口は約70億人なので、5.6億人が利用することになります。
すなわち現在の50倍~60倍の規模です。
現在の50倍~60倍の規模にするには、「自動化」が欠かせません。
また、データドリブンなアプリ運営が欠かせないでしょう。
メルカリのイケメン感は
「現在の50倍~60倍の規模にするから、自動化しないと無理に決まってんじゃん。え、全部人がやってたら大変でしょ。だって今の50倍のタスクがあるんだよ。」
とさらっと言えちゃっていることです。
これだけ自動化をアプリに組み込めて、かつデータドリブンでアプリ運営ができるのはエンジニアにとって大変魅力的です。
（自分の実装のおかげで、明らかに組織のタスクが減ったり、売上が増えたりするため）
また、コードについても
「現在の50倍~60倍の規模にするなら今のままじゃダメだ。書き換えよう。」
ってさらっと言えちゃっているのもカッコいい。
これだけのサービスをナウくてヤングに書き換えるってのは、エンジニアにとってとても魅力的な仕事であります。
（ナウくてヤングな最先端な技術に触れれるため）
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
まとめると、
ミッションである
「新たな価値を生みだす世界的なマーケットプレイスを創る」
を実現するために、
「AI使って自動化しよう」
「データドリブンなアプリ運営しよう」
「マイクロサービス化のためコード書き換えよう」
（これらは、エンジニアライクなミッション）
を、さらっと言えちゃっているのが、なんともカッコいい。
そして、できちゃっているからカッコいい。
（言うのは簡単だけどやるのは大変です）
「世界を本当に変えようと思っている人が本当に世界を変えている」わけですね。
マジ、メルカリ、イケメン！！！
ーーーーーーーーーーーーーーーーーーーーーー
本筋とはズレますが、
六本木ヒルズの49階で夜景を見ながら懇親会が開かれるし、
お土産にAnkerのバッテリーくれるし、
メルカリ、カッコ良すぎるわ。
こんなことやっているから赤字なんでじゃね？？？って思ったけど資産1200億くらいあるから関係なかったわ。
自動運転について調べた（主にソフト面）
※こちらの記事の文章の先頭には、多くの場合「たぶん」という言葉が付きます
はじめに
AIの最もわかりやすい実装先である「自動運転」。
各社取り組んでおり、googleをはじめとした実装例も多々ある。
なので、「自動運転」のソフトの部分はかなりの部分、ある程度のAIエンジニアであれば作れるレベルになってきたのではないかと思っていた。
根拠として、3つある。
まず、１つ目。
OpenAIによる「深層学習の大規模なトレーニングで使われる計算力は、3.5 ヶ月で倍という急速なペースで上がっている」という調査結果。
https://blog.openai.com/ai-and-compute/
即ち、3年で1,000倍になっているということ。
（換言すると、3年前全然できなかったことができるということ。）
続いて、2つ目。
Google Xの社長であるセバスチアン・スランがTEDの中で、下記のように述べていること。
「学生に （中略）（画像を見せて） 「この車をどう運転させたものだろう？」 と聞いたんです。 「さあディープラーニングのコンペだ AI コンペをしようよう」と言って 学生に48時間与えたんです。 GoogleやFacebookのような ソフトウェア企業でも このようなものには 最低半年はかかります。 だから48時間でできたら すごいものです。 48時間で100人の学生が提出し 特に上位４人のものは完璧でした。」（（）内は補足。若干の編集あり。）
48時間でできるのであれば、できるのであろうと思っていた。
そして、３つ目。
PFNアルバイトの大学院生が強化学習を使った自動駐車の研究をしていること。
https://research.preferred.jp/2017/03/deep-parking/
PFNアルバイトの大学院生ができるなら、社会人AIエンジニアでもできるはず！
と思ってました。
（しかも、1年以上前ですし。）
が、しかし。。。
「自動運転」にはソフト以外にも考えなければいけない側面が多々あるようだ。
実装へのステップを考えると以下だと思われる。
【ステップ１】
ハードの実装。（要は車を作る）
【ステップ２】
ソフトの実装。
【ステップ３】
ハードにソフトを積んでのローカライゼーション。
【ステップ4】
細かい制御および精度の向上。
【ステップ５】
テスト
補足すると、
【ステップ３】について
日本国内だととても有名な下記のデモ。
これは、２つの面で本当の「自動運転」とは異なると思う。
（これはこれですごいのですが。。。）
1つ目。
狭い。
この狭い空間であれば確かにローカライゼーションが可能そうである。
2つ目。
遅い。
このスピードであれば制御もしやすいだろう。
（逆説的にミニ四駆のスピードでできるとは思えない）
本当の「自動運転」とはまだ距離があります。
また、【ステップ4】は『工学』であれば当たり前のように大変である。
国内発のロケットベンチャーのISTの打ち上げもこの部分で大変苦労している。
工業製品を作るとはそういうことなのであろう。
結論
まだまだ本当の意味での「自動運転」は遠そうであり、
AIエンジニアがいれば、「ほぼ」ステップ２はできるというのが正しそうである。
因みに
下記に実装までの方法はあります。
あとはやるだけ!!!
【参考】
https://research.preferred.jp/2017/03/deep-parking/
・What AI is -and isn’t
・Become a Self Driving Car Engineer
・How to build a self-driving car in one month
天才の方々、異なる箇所がありましたら教えてください。
「◯◯作ってください」「◯◯って作れますか？」と言われたい。
私は、ITエンジニアです。
「超一流なITエンジニアになりたいなぁ」と思ってます。
しかし、
これはサッカー少年が「ワールドカップに出てゴールを決めたい」と思っているのとあまり変わらないレベルでして、
そこに計画性もなければ、ものすごい熱量があるわけでもないです。
が、しかし、
超一流なITエンジニアになるためには 努力が必要で、そのためのモチベーションが必要です。
が、しかし、しかし、
普通にITエンジニアをやっていると心が折れそうなことが頻繁に起きるわけでして、
「モチベーション」は必要に満ち溢れています。
なので、どうやったら「モチベーション」があがるか考えました。
【結論】
『「◯◯作ってください」「◯◯って作れますか？」と言われる』
理由は簡単で、
単純に本屋さんで本を眺めているときに、「◯◯さんが言ってた事って、たぶんこの本読めばできるなぁ」って思うし、「じゃあ、とりあえず読んでおくか」となりやすい。
また、qiitaのランキングを見ている時もダラダラ見ているよりも、「◯◯さんが◯◯を作りたいって言っていたなぁ」と頭の中に合ったほうが、「これ使えば一瞬でできるじゃん!!（うっひょう〜）」ってなりやすい。
なので、
「◯◯作ってください」「◯◯って作れますか？」と言われたい。
現場からは以上です。
お問い合わせは↓から。
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。
