LiBRA 09.2020 / 新入社員のための最新ITトレンド研修
•
2 j'aime•2,432 vues
https://libra.netcommerce.co.jp/
Recommandé
Contenu connexe
Similaire à LiBRA 09.2020 / 新入社員のための最新ITトレンド研修
Similaire à LiBRA 09.2020 / 新入社員のための最新ITトレンド研修 (20)
Plus de Masanori Saito
Plus de Masanori Saito (20)
Dernier
Dernier (11)
LiBRA 09.2020 / 新入社員のための最新ITトレンド研修
- 2. ひとつのことに究極を求めず、 広い視野で最適を求めて変化すること ひとつの分野で知識を増し、 経験を積めばできること ひとつの分野を徹底して追求し、 知識や経験を極めればできること 成長の3つのステージ 5年後や10年後はどうなっているか分からない。 今日の正解が、明日の正解である保証はない。 求められるスキルが変わるスピードが加速する。
- 5. 実践できる “お客様の事業の成果に貢献できる” “お客様の課題解決に役立てられる” “自分の意志決定の材料として使える” 説明ができる “相手が理解できる” 説明ができる “幹と枝葉を分けて” 説明ができる “相手の行動を促す” 説明ができる 「知っている」とはどういうことか 知っている “ことば” を知っている “ 意 味 ” を知っている “使い方” を知っている 社 会 人 の 知 っ て い る に は 責 任 が 伴 う
- 6. 6 自分の「事前課題」についての回答を前後・各島の4人で 共有してください。 15分の時間を差し上げます。時間管理は自分たちで行っ てください。 全員が順番に説明するたけではなく、自分とはどう違う かについても意見を交わしてください。 今日の講義で「教えて欲しいこと」や「知りたいこと」 を提案してください。
- 7. なぜ自動車メーカーが「自動車を売らない」ビジネスをはじめるのか？ 自動車保有台数 8,150万台 自家用車の平均稼働率 4.2% 年間20日しか利用されていない 自動運転・ライドシェア 電気自動車（EV）化 所有する必然性がなくなる 自動車が作りやすくなる 既存の自動車会社以外からの参入が容易／競争の激化 自動車が売れない時代に、どうやって収益を上げればいいのか？ あなたが、事業責任者であるとすれば どのようにして、稼ぎますか？ Easy Ride
- 10. IT／ICTとは何か IT Information Technology ICT Information & Communication Technology 特定の分野における知識の実用化であり知識の実用化によってもたらされる能力 科学的知識を各個別領域における実際的目的のために工学的に応用する方法論 ある社会集団が生産に際して技術を利用する方法の体系 問題を解決することや新しい価値を産み出すために 用いられる能力や方法のこと コンピュータ・半導体・センサー・通信・ネットワーク・プログラミング など 社会やビジネス、日常生活における問題の解決や価値の創出
- 13. ビジネス発展のサイクル デジタルの渦 Digital Vortex デジタル化領域を 拡大するビジネス 体験／共感価値を 提供するビジネス モノからコト／サービスへ ビジネスの主役がシフト コスト・バリュー 無料／超低価格 購入者集約 価格透明性 リバース・オークション 従量課金制（サブスクリプション） エクスペリエンス・バリュー カストマー・エンパワーメント カストマイズ 即時的な満足感 摩擦軽減 自動化 プラットフォーム・バリュー エコシステム クラウド・ソーシング コミュニティ デジタル・マーケットプレイス データ・オーケストレーター
- 15. 1. 最新トレンドを理解するためにおさえておきたいITの歴史と基礎知識 2. デジタルとは何か 3. ビジネスの大変革を迫るデジタル･トランスフォーメーション 4. ソフトウェア化するインフラストラクチャー 5. IT利用の常識を変えるクラウド・コンピューティング 6. 新たなビジネス基盤となるIoT（モノのインターネット） 7. 5G（次世代移動体通信システム） 8. 人に寄り添うITを実現する人工知能/AI 9. ビジネススピードの加速に対応する開発と運用 10.安心・安全にITの価値を最大限に享受するサイバー・セキュリティ 11.いまもとめられる人材
- 20. デジタルとは何か？
- 24. デジタル化：デジタイゼーションとデジタライゼーション デジタイゼーション Digitization アナログ放送→デジタル放送 紙の書籍→電子書籍 人手によるコピペ→RPA 効率化 ビジネス・プロセス 改善・改良・修正 コストや納期の削減・効率化 ビジネス・モデル デジタライゼーション Digitalization 自動車販売→カーシェア／サブスク ビデオレンタル→ストリーミング 電話や郵便→SNS・チャット 変革 事業構造の転換 新しい価値の創出 デジタル・トランスフォーメーション Digital Transformation/DX + 人 と 組織
- 25. 変革とは何か：既存を再定義して、新しい価値を創出すること 変革前 写真屋 変革後 昔のプロセスをそのままに改善するのではなく プロセスの再定義して 新しい価値や新しいビジネス・モデルを創出する
- 26. デジタルとフィジカルの関係 フィジカル Physical デジタル Digital IoT フィジカルのものごとやできごとをデジタルに変換し デジタルで生みだされた価値をフィジカルにフィードバックしてその価値を享受する フィジカル Physical デジタル Digital IoT OMO（Online Merges with Offline） フィジカルとデジタルを分るのではなく、デジタルが統合するひとつの仕組みとしてとらえる
- 27. インターネットに接続されるデバイス数の推移 億人 億台 台/人 2003年 2010年 2015年 2020年 世界人口 インターネット 接続デバイス数 一人当りの デバイス数 63 68 72 76 5 125 250 500 0.08 1.84 3.47 6.50
- 28. コレ1枚でわかる最新のITトレンド データ収集 モニタリング データ解析 原因解明・発見/洞察 計画の最適化 データ活用 業務処理・情報提供 機器制御 ヒト・モノ クラウド・コンピューティング 日常生活・社会活動 環境変化・産業活動 現実世界／Physical World サイバー世界／Cyber World Cyber Physical System／現実世界とサイバー世界が緊密に結合されたシステム 高速 × 最適 デジタル トランスフォーメーション
- 29. DXはどんな世界を目指すのか Data IoTmobile Web 生産 販売 移動 対話 検索 連絡観賞 育児教育 Activity/Event Cyber World 社会やビジネスの最適を実現・維持する Application Digital Twin 現実世界のデジタル・コピー 最適解を見つける サービス同士を連係する 現実世界のアナログな「ものごと」や「できごと」をデジタルに置き換える Physical World
- 30. DXを支えるテクノロジー 現実世界／Physical World サイバー世界／Cyber World Cyber Physical System／現実世界とサイバー世界が緊密に結合されたシステム 予 測 最適解 ビジネス の最適化 現実世界の デジタルコピー デジタル ツイン データ収集 データ解析 データ活用 AI・機械学習 クラウド IoT 機械学習・深層学習 AIチップなど サーバーレス・コンテナ SaaS・PaaSなど センサー・モバイル 自律制御など 5G 第5世代通信システム
- 35. デジタル・トランスフォーメーションとは何か 35 デジタル トランスフォーメーション “デジタル”を駆使して 変革する誰が？ 何を？ 何のために？ 自分たち 事業主体 ビジネス・プロセス ビジネス・モデル 企業の文化や風土 従業員の思考方法・行動様式 組織・体制・意志決定プロセス 事業の継続と成長 企業の存続 従業員の幸せ パフォーマンスの向上 圧倒的競争優位の確保 不確実性の増大 予測不可能なビジネス環境 と 競争原理の流動化 状況 手段 圧倒的なビジネス･スピードの獲得 高速に見える化 高速に判断 高速に行動 対策 企業の存在意義を貫くこと 自分たちは何者なのか？いかなる価値を社会や顧客に提供するのか？ 目的
- 36. Purpose:不確実な社会でもぶれることのない価値の根源 Purpose／企業の存在意義 不確実性の高まる社会にあっても ぶれることのない自分たちの価値 People・Organization／人と組織 人の考え方や組織の振る舞いを 変化に合わせてダイナミックに対応 Product／提供する商品やサービス データやテクノロジーの変化・発展 に応じて高速に改善・対応 WHY HOW WHAT 織機 → 自動車 → 移動サービス → 生活サービス → ？ 書籍販売→モノ販売→映像・音楽・クラウド・物流 ほか →？ トヨタウェイ 地球上で最もお客様を 大切にする企業である Drive Your Dreams Mobility for All
- 37. 「何を？」 変革するのか 37 デジタル トランスフォーメーション手段 企業の存在意義を貫くこと 自分たちは何者なのか？いかなる価値を社会や顧客に提供するのか？ 目的 ビジネス・プロセス 業務プロセスのリストラ・スリム化 徹底したペーパーレス化 働く場所・時間の制約からの解放 など 企業の風土や文化 データ活用を重視する経営へのシフト 社内における「情報」の透明性を担保 戦略に応じた多様な業績評価基準の適用 階層的組織から自律的組織への転換 心理的安全性の確保 大幅な現場への権限委譲 時間管理から品質管理への転換 多様性を許容する企業風土の醸成 など ビジネス・モデル 事業目標の再定義 マーケット・顧客の再定義 収益構造の変革 売買からサブスクリプション 手段の提供から価値の提供 など “デジタル”を駆使して 変革する誰が？ 何を？ 何のために？ 自分たち 事業主体 事業の継続と成長 企業の存続 ビジネス・プロセス ビジネス・モデル 企業の文化や風土
- 38. 「”デジタル”を駆使する」とは、何をすることか 38 デジタル トランスフォーメーション手段 企業の存在意義を貫くこと 自分たちは何者なのか？いかなる価値を社会や顧客に提供するのか？ 目的 クラウドの利用制限を撤廃 コモディティ・アプリケーションのSaaSへのシフト ゼロトラスト・ネットワークによるVPNやファイヤーウォールの撤廃 VDIやPPAP等の時代遅れ、無意味、生産性を損なうIT活用の撤廃 FIDO2を使ったSSO環境の整備 など クラウド・ネイティブの利用拡大 戦略的アプリケーションのクラウド・ネイティブへのシフト プラットフォーム・サービスの活用 アジャイル開発やDevOpsの適用 など 組織の意志が直ちに反映されるITの実現 戦略的アプリケーションを中心に内製化の適用範囲を拡大 ITに精通した経営幹部の配置 など “デジタル”を駆使して 変革する誰が？ 何を？ 何のために？ 自分たち 事業主体 事業の継続と成長 企業の存続 AI クラウド IoT 5G データ トレンドを見据えたテクノロジーの適用 ビジネス・プロセス ビジネス・モデル 企業の文化や風土
- 39. 「共創」とは、何をすることか 39 デジタル トランスフォーメーション手段 企業の存在意義を貫くこと 自分たちは何者なのか？いかなる価値を社会や顧客に提供するのか？ 目的 “デジタル”を駆使して 変革する誰が？ 何を？ 何のために？ 自分たち 事業主体 事業の継続と成長 企業の存続 ビジネス・プロセス ビジネス・モデル 企業の文化や風土 共創 圧倒的な技術力 信頼される人格 お客様についての理解 「一緒に取り組みたい」 相手に惚れさせること 内製化支援 新規事業 の創出 自分たちがDXを実践し、 その体験から得たノウハウやスキルを 模範を通じて提供すること
- 40. DXとCXとEX DX : Digital Transformation デジタルを当たり前に使いこなし その価値を最大限に活かせる 企業の文化や風土への変革 圧倒的なビジネス・ スピードを手に入れ 変化に俊敏に対応で きるようになるため 企業の存続と成長AI クラウド IoT 5G データ CX : Customer Experience お客様の事業の成果に貢献し お客様の社員の幸せを支える お客様の価値を高めるため 共創 EX : Employee Experience 従業員のやり甲斐を与え 自己の成長の喜びを感じさせる 自社のPurpose（存在意義）を貫くため 働き方 改革
- 41. DXの実装 最適解の導出 機械学習・シミュレーション アプリケーション データ収集 機器制御・指示命令・情報提供 など サービス利用 現実世界（Physical World） デジタル・ツイン（Digital Twin） デジタル・ツイン／現実世界のデジタル・コピーで 起こりうる未来を予測（機械学習）し 実験（シミュレーション）を繰り返し 最適解を導出し、アプリケーションを実行する デジタル・ツインを使ってビジネスを最適化 最適解を使って実行したアプリケーションを 現場で実行（機器制御・指示命令・情報提供）し その行動や状態・変化をデータとして収集し デジタル・ツインをアップデートする 最適化されたビジネスを実行してデータを収集 デジタルとフィジカルが一体となって 高速に改善活動を繰り返す状態を実現
- 42. DX実践のステージ 42 Stage Ⅲ 自律 Autonomy Stage Ⅱ 自動 Automation Stage Ⅰ 操作 Operation Stage 0 監視 Monitor 事実 把握 実行 適用 判断 ルール 設定 修正 最適化 目的 設定
- 44. 可視化 DXとERP 統合データ 営業・販売 倉庫・物流 経理・財務 調達・管理 経営 可視化・分析・計画 アプリケーション アナリティクス営業・販売 アプリケーション 倉庫・物流 アプリケーション 経理・財務 アプリケーション 調達・管理 アプリケーション ERPシステム 倉庫・物流 調達・管理 生産・製造 アプリケーション 人事・給与 アプリケーション ERPシステムのもたらす価値 1. 効率的義務運営 2. リアルタイム経営 3. 内部統制 ERPパッケージ利用のメリット 1. ベストプラクティスの活用 2. 法律・制度変更への迅速な対応 3. 構築に関わる期間とコストの削減 企業活動の デジタル・ツイン
- 48. デジタル・トランスフォーメーションのBefore / After 支援 人間主体でビジネスを動かしITが支援する 生産性向上・コスト削減・期間短縮 ITはコスト、削減することが正義 クラウド化＋自動化 モダナイゼーション Before DX 人間とITが一体となってビジネスを動かす 変化への即応力・破壊的競争力・価値の創出 ITは競争力の源泉、投資対効果で評価 内製化支援 アジャイル+DevOps DXプラットフォーム After DX 省力化とコスト削減 ビジネスを 支えるIT ビジネスを 変革するIT
- 49. 改善・最適化戦略 / 変革戦略とDX デジタイゼーション Digitization モダナイゼーション RPA リフト&シフト 改善・効率化 変化に合わせ既存ビジネス・モデルを 最適化・修正 改善・最適化戦略 デジタライゼーション Digitalization 顧客価値の創出 企業文化の変革 ビジネス・モデルの変革 変革・再定義 変化を先取りし収益構造や業績評価基準を 再構築 変革戦略 組織の振る舞いや働き方の変革 デジタル・トランスフォーメーション
- 50. ITに求められる価値の重心がシフトする Before DX時代のIT After DX時代のIT 人間が働く・ITが支援する ITと人間が一緒に働く ITにできることは徹底してITに任せ 人間にしかできない目的やテーマ の設定に人間は集中する 人間が働くことを前提に作られた ビジネス・プロセスの効率や利便性 の向上をITが支援する ITと人間がビジネス価値を創出 スピードとスケールを重視 変更に俊敏・継続的に進化 予測する・最適化する ITが学ぶ・ITが判断する 人間がビジネス価値を創出 コストとパフォーマンスを重視 固定的で長期・安定稼働 処理する・記録する 人間が学ぶ・人間が判断する ビジネス 役割 構築・運用 機能 知見・ノウハウ
- 51. まとめ：デジタル・トランスフォーメーション 社会の不確実性が”メチャメチャ”増大している 直近の社会・経済・政治の変化がまったく予測できない。 想定外の競争相手が、異業種から突然やってくる。 顧客の好み・関心事・判断基準がどんどん変わる。 企業が生き残り、事業を継続するには、 圧倒的なビジネス・スピードを持たなくてはならない 高速で現場を見える化・高速で判断・高速に行動を起こす。 コミュニケーションのスピードを加速し、現場に権限を委譲する。 目標・時間・成果などの自己管理とコミュニケーションの能力向上を図る。 デジタルを駆使して変化に俊敏に対応できる 業務の仕組みを実現する。 お客様との関係を実現する。 企業文化と風土を実現する。 デジタル・トランスフォーメーション Digital Transformation / DX
- 55. 仮想 virtual 表面または名目上はそうでないが 実質的には本物と同じ 本来の意味 「仮想化」の本当の意味 本来の意味 仮想化 Virtualization 物理的実態とは異なるが、 実質的には本物と同じ機能を実現する仕組み 日本語での語感 虚像の〜 実態のない〜 It was a virtual promise. （約束ではないが）実際には約束も同然だった。 He was the virtual leader of the movement. 彼はその運動の事実上の指導者だった。
- 57. 物理資源・物理機械 サーバーの仮想化 ストレージの仮想化 Java仮想マシン データベースの仮想化 パーティショニング 分 割 アグリゲーション 集 約 エミュレーション 模 倣 仮想化 (Virtualization) ひとつの物理資源を 複数の仮想資源に分割 複数の物理資源を ひとつの仮想資源に分割 ある物理資源を 異なる資源に見せかける 仮想化の3つのタイプ
- 60. ソフトウェア化とはどういうことか（１） 掃除 機能 掃除 機械 レンジ 機能 レンジ 機械 テレビ 機能 テレビ 機械 作表 機能 文書作成 機能 会計管理 機能 汎用機械 オペレーティング・システム（OS） 家電製品 コンピュータ 専用一体 専用一体 専用一体 ソフトウェア Software ハードウェア Hardware
- 63. 仮想化の種類
- 65. システム利用形態の歴史的変遷 OSOS AP AP APAP AP AP 3 2 1 1950年代〜／バッチ 1960年代〜／タイムシェアリング メインフレーム メインフレーム ミニコン OS AP AP AP OS OS VM VM VM 1970年代〜／仮想化（仮想マシン） メインフレーム ミニコン OS AP AP AP OS OS 1980年代〜／分散化 ミニコン PCサーバー OS AP AP AP OS OS VM VM VM 2000年代〜／仮想化（仮想マシン） PCサーバー クラウド (IaaS) OS AP 設定 AP 設定 AP 設定 コンテナ コンテナ コンテナ 2015〜／コンテナ PCサーバー クラウド (PaaS) メインフレームの時代 オープン・システムの時代クラウドの時代
- 67. サーバー仮想化とコンテナ OS ハードウェア ハイパーバイザー 仮想サーバー ミドルウェア アプリ OS 仮想サーバー ミドルウェア アプリ OS 仮想サーバー ミドルウェア アプリ サーバー仮想化 ハードウェア コンテナ管理ソフトウエア OS ミドルウェア アプリ ミドルウェア アプリ ミドルウェア アプリ コンテナ コンテナ コンテナ コンテナ ライブラリ 環境変数 ライブラリ 環境変数 カーネル カーネル カーネル カーネル ライブラリ 環境変数 ライブラリ 環境変数 ライブラリ 環境変数 ライブラリ 環境変数 隔離されたアプリケーション実行環境を提供（クラッシュの分離、独自のシステム管理とユーザー・グループ） 実行イメージのスナップショットをパッケージとしてファイルにして保存できる アプリケーションに加えて仮想マシン・OS の実行イメージを持つ必要がある アプリケーションとOSの一部 の実行イメージを持つ必要がある デプロイするサイズ 大きい 起動・停止時間 遅い デプロイするサイズ 小さい 起動・停止時間 早い 異なるOS 可 異なるOS 不可 メモリーやディスクの消費量が大きい = リソース効率が悪い メモリーやディスクの消費量が大きい = リソース効率が良い 構成の自由度が高い 異なるOS・マシン構成を必要とする場合など 軽量で可搬性が高い 実行環境への依存が少なく異なる実行環境で稼働させる場合など サンド・ボックス化 Sand Box
- 70. デスクトップ仮想化とアプリケーション仮想化 ネットワーク 入出力操作 通信 クライアントPC 文書作成 表計算 プレゼン ・・・ デスクトップ画面 メモリーストレージ ハイパーバイザー PC用OS （Windows7など） プロセッサー 文書 作成 表 計算 プレ ゼン ・・・ 入出力操作 通信 クライアントPC 文書作成 画面表示 仮想PC サーバー PC用OS （Windows7など） 文書 作成 表 計算 プレ ゼン ・・・ 仮想PC メモリーストレージ OS プロセッサー サーバー ターミナル・モニター 文書 作成 表 計算 プレゼン ・・・ 入出力操作 通信 クライアントPC 文書作成 表計算 プレゼン ・・・ デスクトップ画面 入出力操作 通信 クライアントPC 文書作成 画面表示 デスクトップ仮想化 アプリケーション仮想化
- 71. シンクライアント ネットワーク 入出力操作 通信 シンクライアント 文書作成 表計算 プレゼン ・・・ 画面表示 メモリーストレージ ハイパーバイザー PC用OS （Windows7など） プロセッサー PC用OS （Windows7など） PC用OS （Windows7など） 文書 作成 表 計算 プレ ゼン ・・・ 文書 作成 表 計算 プレ ゼン ・・・ 文書 作成 表 計算 プレ ゼン ・・・ 入出力操作 通信 シンクライアント 文書作成 表計算 プレゼン ・・・ 画面表示 仮想PC 仮想PC 仮想PC サーバー ストレージ 文書作成 表計算 プレゼン ・・・ 入出力操作 通信 アプリケーション PC / Windows・Mac OS など 画面表示 データとプログラムの保管 プログラムの実行 は、PC内にて処理 データとプログラムの保管 プログラムの実行 は、サーバー内にて処理 シンクライアントは 画面表示と入出力操作
- 72. Chromebook インターネット データ 文書作成 表計算 プレゼン ・・・ ブラウザ 画面表示・入出力操作 通信 画面表示・入出力操作 通信 オフィス・アプリ データ 文書作成 表計算 プレゼン ・・・ オフィス・アプリ クラウドサービス Google Apps for workなど ブラウザ 文書作成 表計算 プレゼン ・・・ PC / Windows・Mac OS など Chromebook / Chrome OS
- 74. ストレージ仮想化 2TB 実データ 3TB 実データ 5TB 実データ 10TB 10TB 10TB 仮想ストレージ ブロック仮想化 10TB 実データ 30TB ストレージ（ハードウェア） 8TB 7TB 5TB 未使用領域 20TB ボリュームの仮想化 10TB 10TB 10TB 仮想ストレージ シンプロビジョニング 10TB 実データ 30TB ストレージ（ハードウェア） 容量の仮想化 未使用領域 0TB 必要な時に 追加 2TB 実データ 3TB 実データ 5TB 実データ 8TB 7TB 5TB 仮想ストレージ 重複排除 ストレージ（ハードウェア） データ容量の削減 D A B C E F A B ファイル ２ ファイル１ D A B C E F重複データ を排除
- 77. 銀行システムにおけるクラウド活用の動き 日本ユニシスとマイクロソフト、「BankVision on Azure」実現に向け共同プロジェクトを開始 2018年3月23日 日本ユニシス株式会社と日本マイクロソフト株式会社 は23日、日本ユニシスのオープン勘定系システム 「BankVision」の稼働基盤として、Microsoft Azureを 採用するための取り組みを推進するため、共同プロ ジェクトを4月から開始すると発表した。 いかに費用を抑え、最新技術も取り入れた上で短期間 でのシステム開発を行うかという課題に対応するため、 クラウドを選択。現在はクラウド最大手の米アマゾン ウェブサービスと組み、業務システムの一部から移行 を進めている。 5年間で100億円のコスト削減 1000超のシステムの約半分をクラウド化 週刊ダイヤモンド 2017.5.17 https://diamond.jp/articles/-/128045
- 78. クラウド・バイ・デフォルト原則 政府情報システムにおけるクラウドサービスの利用に係る基本方針（案） クラウド・バイ・デフォルト原則（クラウドサービスの利用を第一候補） 政府情報システムは、クラウドサービスの利用を第一候補として、その検討を行う 情報システム化の対象となるサービス・業務、取扱う情報等を明確化した上で、メリット、開発の規模及び経費等を基に検討を行う https://www.kantei.go.jp/jp/singi/it2/cio/dai77/siryou.html Step0：検討準備 クラウドサービスの利用検討に先立ち、対象となるサービス・業務及び情報といった事項を可能な限り明確化する。 Step1：SaaS（パブリック・クラウド）の利用検討と利用方針 サービス・業務における情報システム化に係るものについて、その一部又は全部が SaaS（パブリック・クラウド）により提供されてい る場合（SaaS（パブリック・クラウド）の仕様に合わせ、サービス・業務内容を見直す場合も含まれる。）には、クラウドサービス提 供者が提供する SaaS（パブリック・クラウド）が利用検討の対象となる。 Step2：SaaS（プライベート・クラウド）の利用検討 サービス・業務における情報システム化に係るものについて、その一部又は全部が、府省共通システムの諸機能、政府共通プラット フォーム、各府省の共通基盤等で提供されるコミュニケーション系のサービスや業務系のサービスを SaaS として、当該サービスが利用 検討の対象となる。 Step3：IaaS/PaaS（パブリック・クラウド）の利用検討と利用方針 SaaS の利用が著しく困難である場合、又は経費面の優位性その他利用メリットがない場合については、民間事業者が提供する IaaS/PaaS（パブリック・クラウド）が利用検討の対象となる。 Step4：IaaS/PaaS（プライベート・クラウド）の利用検討 IaaS/PaaS（パブリック・クラウド）の利用が著しく困難である場合、又は経費面の優位性その他利用メリットがない場合については、 サーバ構築ができる政府共通プラットフォーム、各府省独自の共通基盤等を IaaS/PaaS として、当該サービスが利用検討の対象となる オンプレミス・システムの利用検討
- 81. クラウド・サービスの「作り方」による費用の違い サーバー（物理マシン）×9台 ＋データベース等のライセンス ＋インフラ、DBなどの環境構築 ＋運用管理業務 ＋設置場所（場所+電源+空調等） 購入費用 ：数千万円 年間保守料 ：数百万円 年間運用量 ：数百万円 年間使用料 ： ー ハードウェアを所有 クラウド・サービスを使用 サーバー（仮想マシン）×9台 ＋データベース等のライセンス ＋インフラ、DBなどの環境構築 ＋運用管理業務 × 設置場所（場所+電源+空調等） 購入費用 ： ー 年間保守料 ： ー 年間運用量 ： ー 年間使用料 ：254,980円 ハードウェアを所有する場合と変 わらないシステム構成と運用方法 実行環境を移行しただけ システムの構成や運用方法などの設計・方式は同じ まったく異なる設計・方式 アンケート入力・集計・レポートのサービスとして、できることは同じ サーバー（仮想マシン）×4台 購入費用 ： ー 年間保守料 ： ー 年間運用量 ： ー 年間使用料 ：198,691円 × データベース等のライセンス △インフラ、DBなどの環境構築 △ 運用管理業務 × 設置場所（場所+電源+空調等） 無償のDNSや監視、低料金のデー タベースなどのサービスを利用 一部をクラウドのサービスに代替 サーバーの構築・運用は不要 購入費用 ： ー 年間保守料 ： ー 年間運用量 ： ー 年間使用料 ：907円 × データベース等のライセンス × インフラ、DBなどの環境構築 × 運用管理業務 × 設置場所（場所+電源+空調等） サーバーレス方式と言われるまっ たく異なる実行方式を採用 クラウド・ネイティブで再構築 ハードウェアを所有し、設置場所 とその運営も自社責任
- 84. ネットワーク インターネットや専用回線 コレ一枚でわかるクラウド・コンピューティング インフラストラクチャー プラットフォーム アプリケーション 計算装置 記憶装置 ネットワーク データ ベース 運用管理 プログラム 実行環境 プログラム 開発環境 認証管理 電子 メール SNS 新聞 ニュース ショッピング 金融取引 財務 会計 施設や設備
- 88. セルフ･サービス・ポータル 調達・構成変更 サービスレベル設定 運用設定 ・・・ 数分から数十分 直近のみ・必要に応じて増減 経費・従量課金／定額課金 クラウド システム資源のECサイト 見積書 契約書 メーカー ベンダー サイジング 調 達 費 用 数週間から数ヶ月 数ヶ月から数年を想定 現物資産またはリース資産 従来の方法 調達手配 導入作業
- 89. 「自家発電モデル」から「発電所モデル」へ 工場内・発電設備 設備の運用・管理・保守は自前 需要変動に柔軟性なし 電力供給が不安定 自前で発電設備を所有 工場内・設備 電 力 電力会社・発電所 大規模な発電設備 低料金で安定供給を実現 設備の運用・管理・保守から解放 需要変動に柔軟に対応 工場内・設備 送電網 データセンター 大規模なシステム資源 低料金で安定供給を実現 設備の運用・管理・保守から解放 需要変動に柔軟に対応 システム・ユーザー デ ー タ ネットワーク
- 93. 徹底した標準化 大量購入 負荷の平準化 APIの充実・整備 セルフサービス化 機能のメニュー化 クラウド・コンピューティングのビジネス・モデル クラウド・コンピューティング オンデマンド 従量課金 自動化・自律化 システム資源 の共同購買 サービス化 低コスト 俊敏性 スケーラビリティ SDI (Software Defined Infrastructure)
- 94. IT活用適用領域の拡大 難しさの隠蔽 システム資源 エコシステム クラウドがもたらしたITの新しい価値 クラウド・コンピューティング IT利用のイノベーションを促進 ビジネスにおけるIT価値の変化・向上 新たな需要・潜在需要の喚起 モバイル・ウェアラブル ソーシャル 人工知能 ビッグデータ IT利用者の拡大 IoT ロボット 価格破壊 サービス化
- 97. クラウドの定義／サービス・モデル (Service Model) アプリケーション ミドルウェア オペレーティング システム インフラストラクチャ PaaS Platform as a Service Infrastructure as a Service Software as a Service SaaS Salesfoce.com Google Apps Microsoft Office 365 Microsoft Azure Force.com Google App Engine Amazon EC2 IIJ GIO Cloud Google Cloud Platform アプリケーション ミドルウェア & OS 設備 & ハードウェア プ ラ ッ ト フ ォ ー ム IaaS
- 98. ＸaaSについて a a S s ervice サービス としての 〜 効用や満足などを提供する 形のない労働や役務のこと 〜 物理的実態／形あるモノの提供を伴わなわずに 機能や性能を提供して対価を受け取るビジネス IaaS PaaS SaaS Software（アプリケーションのこと） の機能や性能を提供するサービス Platform（OSやミドルウェアのこと） の機能や性能を提供するサービス Infrastructure（ハードウェアや設備のこと） の機能や性能を提供するサービス DaaS Desktop（PC画面／PCでできること） を提供するサービス MaaS Mobility（移動する） ための手段を提供するサービス CaaS Communication（会議やチャットのこと） の機能を提供するサービス サブスクリプション または従量課金など サービス設備や機材は サービス事業者の資産 オンライン・サービス ／クラウド・サービス
- 99. クラウド・サービスの区分 自社所有 IaaS 仮想マシン CaaS PaaS FaaS ユーザー企業が管理 ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS SaaS ランタイム データ ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS ランタイム データ ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS ランタイム データ ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS ランタイム データ ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS ランタイム データ ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS ランタイム データ ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS ランタイム データ IaaS ベアメタル クラウドサービス事業者が管理 連携機能 CaaS PaaS FaaS SaaS
- 100. ハイブリッド・クラウド 複数企業共用 パブリック・クラウド クラウドの定義／配置モデル (Deployment Model) プライベート・クラウド 個別企業専用 個別･少数企業 不特定・複数企業／個人 LAN LAN インターネット 特定企業占有 ホステッド・プライベート・クラウド 固定割当て LAN 専用回線・VPN LAN
- 103. クラウドに吸収されるITビジネス 103 アプリケーション・ビジネス • ビジネス開発 • システムの企画 • システム設計 • プログラム開発・テスト • 開発・テスト環境の構築 • 本番実行環境の構築 • セキュリティ対策 • 運用管理 • トラブル対応 ネットワーク・ビジネス • ネットワークの設計 • ネットワーク機器の導入・設定 • セキュリティ対策 • 監視・運用管理 • トラブル対応 インフラ・ビジネス • インフラの設計 • インフラ機器の導入・設定 • セキュリティ対策 • 監視・運用管理 • トラブル対応 クラウド・データセンター内 ネットワーク クラウド・データセンター間 バックボーンネットワーク 5G通信網のタイムスライス SIMによる閉域網 ローコード開発 Salesforce.com Lightning Platform Microsoft PowerApps AWS Honeycod サーバーレス／FaaS・PaaS コンテナ運用・管理マネージドサービス SaaS Oracle Dedicated Region @Cloud AWS Outposts Microsoft Azure Stack Hub オンプレミス型マネージド・システム アジャイル 開発 DevOps OutSystems Mendix GeneXus ローコード開発ツール
- 104. クラウド・ネイティブへのシフトが加速する Oracle Dedicated Region @Cloud AWS Outposts Microsoft Azure Stack Hub IBM Cloud Paks Google GKE on-prem Microsoft Azure Ark IBM Cloud Satellite Google Anthos オンプレミス環境にパブリック・クラウドと 同等の環境を構築する製品やサービス オンプレミスとパブリック・クラウドを 一元的に運用管理するサービス ハイブリッド・クラウド マルチ・クラウド
- 105. まとめ：インフラとクラウド 社会の不確実性が”メチャメチャ”増大している 直近の社会・経済・政治の変化がまったく予測できない。 想定外の競争相手が、異業種から突然やってくる。 顧客の好み・関心事・判断基準がどんどん変わる。 企業が生き残り、事業を継続するには、 圧倒的なビジネス・スピードを持たなくてはならない インフラやプラットフォームの調達・変更・廃棄が直ぐにできるようにする。 インフラやプラットフォームの構築や運用の負担を減らす。 アプリケーションの開発や運用に人的・資金的資源を集中させる。 ソフトウエア化されたインフラ クラウド・コンピューティング
- 107. サイバー・セキュリティ対策とは サイバー・セキュリティ：IT機器やソフトウェア、ネットワークなどのサイバー領域に おいて、下記の「情報セキュリティの3要件（CIA）」を確保すること。 機密性 (Confidentiality): 情報へのアクセスを認められた者だけが、その情報にア クセスできる状態を確保すること 完全性 (Integrity): 情報が破壊、改ざん又は消去されていない状態を確保すること 可用性 (Availability): 情報へのアクセスを認められた者が、必要時に中断すること なく、情報及び関連資産にアクセスできる状態を確保すること インシデント発生の抑制 インシデント発生時の被害最小化インシデント サイバー領域において、 企業や組織を脅かす行為 サイバー・セキュリティ対策 3要件（CIA）を確保する対策
- 109. サイバー・セキュリティ対策の実践 109 事故の発生 事故の影響 受容 脅威 ぜい弱性 機密性 完全性 可用性対策 受容レベル 説明責任 コスト 影響 どこまでやればよいのかを？ 対策コスト負担 3要件への影響 業務の受容レベル 最適な組合せ 情報セキュリティの３項目 機密性：情報を盗まれない。 完全性：情報をデタラメな内容に書き換えられない。 可用性：システムを停止・破壊され業務継続を妨げられない。
- 111. パスワード認証のリスク 111 ID／パスワードによる認証： 利用している本人が本人であることを証明するための仕組み ID/パスワードを搾取 ファイヤ ウォール 社内 ネットワーク VPN 1. 複雑なパスワードを使う 文字数を長くする。 文字の種類を増やす。英字（大文字、小文 字）、数字、特殊文字を組み合わせる。 2. 定期的に変更する 3カ月に一度変更する。 3. 一度使ったパスワードは使わない 過去3回までに使ったパスワードは使えない。 一度使ったパスワードは二度と使えない。 「複雑なパスワード」と「定期的なパスワード変更」は意味がない ID/パスワードが簡単にる 人間の記憶力に依存しまた再利用が可能なため 一人当たり平均27個のオンラインアカウントを保持 している それぞれのアカウントのパスワードを複雑化し、全 てのアカウントに紐づいているパスワードを違うも ので設定し、覚えておくということができない。 毎日アクセスするために、「覚えやすい簡単なパス ワードにする」「同じパスワードを使い回す」「メ モを書いておく」 ID/パスワード・VPN・ ファイヤウォールが役立たない
- 113. ユーザーに意識させない・負担をかけないセキュリティ 113 Security Orchestration Automation Response SOAR セキュリティ製品間の連携 手動 → 自動 自動調査＆対処 MTTI Mean Time To Identify MTTR Mean Time To Remediation 自動化 SOAR
- 114. まとめ：サイバー・セキュリティ 社会の不確実性が”メチャメチャ”増大している 直近の社会・経済・政治の変化がまったく予測できない。 想定外の競争相手が、異業種から突然やってくる。 顧客の好み・関心事・判断基準がどんどん変わる。 企業が生き残り、事業を継続するには、 圧倒的なビジネス・スピードを持たなくてはならない 「モノが主役」の時代から「サービスが主役」の時代へと変わった。 サービスはニーズや社会の変化に直ちに対応しなければ顧客を失う。 現場のニーズにジャストインタイムで対応できる開発や運用が必須。 サイバー・セキュリティ対策とは、 従業員が、安心・安全にITを最大限に活用し ビジネスの成果に結びつけるための取り組み
- 116. IoTとは何か
- 118. 社会基盤のシフト 「モノ」の価値のシフト IoTがもたらす２つのパラダイムシフト 1. 現実世界のデジタル・データ化 2. ビッグデータを使ったシミュレーション 3. 現実世界へのフィードバック 1. 「ハード＋ソフト」がネットワーク接続 2. モノとクラウド・サービスが一体化 3. システム全体で価値を生成 ハードウェア ソフトウェア ハードウェア モノの価値は、 ハードウェアからソフトウェアへ そしてサービスへとシフト アナリティクス 人工知能＋シミュレーション アプリケーション クラウド・サービス ビッグデータ 現実世界のデジタルコピー 現実世界のデジタルデータ化 IoT デジタル・ツインの実現 「モノ」のサービス化 インターネット クラウド・サービス CPS：Cyber-Physical System
- 119. 電脳世界 （Cyber World） 現実世界 （Physical World） デジタルツイン ビッグデータ センサ データ 最適解 制御 Cyber-Physical System 圧 力 ひずみ 振 動 重 量 電 流 ・・・ シミュレーション 現実世界をデジタルで再現し 条件を変えて実験を繰り返し 最適解を見つけ出す 変更や変化に即応して 最適状態・動きを実現 データ解析
- 121. 「モノ」のサービス化 自動車メーカー 航空機メーカー 工作機械メーカー アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア 運行データ走行データ 作業データ 制御 制御 制御 遠隔からの保守点検・修理、自律化機能による自己点検や修復、ソフトウェア更新による機能・性能・操作性の改善 インターネット
- 122. 使 用 の現場 センサー コンピュータ ソフトウエア モノ・製品 モノのサービス化の本質 ものづくり の現場 開 発 製 造 保守 サポート ソフトウェア 改修・更新 インターネット 直 結 ・ 連 係
- 123. コ ト づ く り 顧客価値 価値実装 体験 更新 心地良い・使い易い もっと使いたい ずっと使い続けたい 継続的な改善 最適を維持 顧客の期待を先回り UX ソフトウエア 「モノのサービス化」の構造 機能 仕様 モ ノ づ く り ハードウェア サービス
- 124. ビジネス価値の比較 ハードウェア 車両本体 ソフトウェア 制御系 サービス 保守・点検・修理 自動車メーカー ハードウェア 車両本体 ソフトウェア サービスの実装 制御系のスマート化 サービス モビリティ・サービス 生活サービス など 保守・点検・修理の価値向上 ソフトウェアによって実装 汎用部品化 モジュラー化 機能・操作の ソフトウェア化 サービス価値を高めて ビジネスを差別化 モビリティ & X サービス事業者 ビジネス・プロセスの ソフトウェア化 高速 改善 欠陥 ゼロ 要求 品質
- 125. ビジネス価値のシフト モノづくり：サプライヤー／部品メーカーへの依存拡大 先進運転支援システム/ADAS Advanced driver-assistance systems 自動運転システム/ADS Autonomous Driving System 自動運転システム/ADS Autonomous Driving System 移動サービス／MaaS 等 移動サービス／MaaS 等 車両／ハードウェア 車両／ハードウェア 車両／ハードウェア コトづくり：自動車メーカーの事業の重心がシフト データ Data 差別化の対象 差別化の対象 差別化の対象 ソフトウェア ソフトウェア
- 126. 属性データと行動データ 性別・年代・結婚・職業・・・ 場所・時間・体験・感情・・・ 女性・20代・独身・事務職・手芸が好き・・・ 競技場・夏の夕方・サッカー観戦・勝利の喜び・・・ 属性に応じて最適化された 機能・性能・品質の提供 状況に応じて最適化された 感動・楽しさ・共感の提供 主義主張・人生観・価値観・悩み・生活圏・・・ 属性データ 行動データ 行動（動的）データ ✖️ UX（体験）属性（静的）データ ✖️ 商品（モノ） 共感 デジタル接点・取得頻度の 増加によって解像度が上昇 UX向上＝多接点✖️高頻度✖️高速改善商品力向上＝調査✖️技術開発✖️製造技術 個 人 状況
- 127. ビジネス価値の進化 コア・ビジネス 既存ビジネス 蓄積されたノウハウ 確実な顧客ベース 付加価値ビジネス 収益構造の多様化 既存ノウハウの活用 顧客ベースの囲い込み 新規ビジネス 顧客価値の拡大 ノウハウの創出 顧客ベースの拡大 製造・販売製造・販売 製造・販売 走行距離に応じた 従量課金サービス Pay by Mile 出力×時間に応じた 従量課金サービス Pay by Power 工事施工 自動化サービス Smart Constriction 建設機械 遠隔確認サービス KOMTRAX 安全・省エネ運転 コンサルティング 予防保守・交換 燃料費節約 コンサルティング 予防保守・交換
- 128. モノのサービス化 128 TOYOTA MaaS / e-Palette Concept KOMATSU SMART construction 土木工事における作業の自動化と高度化を実現す ることに加え、前後工程も効率化して、工期の短 縮に貢献できるパッケージ化したサービス 移動、物流、物販など多目的に活用できるモビリ ティサービス（MaaS）と、これを実現する専用 次世代電気自動車（EV） モノを売り収益を得るビジネス。サービスはモノ売りビジネスを支援する手段 サービスを提供し収益を得るビジネス。モノはサービスを実現なする手段
- 129. MaaS（Mobility as a Service） 129 電車 タクシー バス レンタカー自家用車 配車サービス カーシェア 自転車シェア 電車 タクシー バス レンタカー自家用車 配車サービス カーシェア 自転車シェア MaaS 経路検索 支払 予約 配車手配 現 在 MaaS あなたのポケットに全ての交通を個人で所有・個別に手配 手段の提供：マイカーの所有や個別の手配･予約ではできない最適化された「移動体験」提供 価値の実現：マイカー利用を減らし環境負荷の低減や移動の利便性・効率化を実現
- 130. IoTとAR/MR デジタル・ツイン （ビッグ・データ） 機械学習 シミュレーション クラウド IoT ものごと・出来事 現実世界のデジタルコピー 機器制御 作業指示 情報提供 デジタル フィジカル AR （拡張現実／Augmented Reality） MR （複合現実／Mixed Reality） デジタルとフィジカルの 一体化された世界の実現
- 132. 1G 2G 3G 4G 5G 音声 テキスト データ 動画 あらゆるモノがつながることを前提とした 社会課題の解決通信・コミュニケーションの性能向上 移動体通信システムの歴史 1979〜 1993〜 2001〜 2012〜 2020〜 9.6Kbps 28.8〜384Kbps 2.4〜14.4Mbps 0.1〜1Gbps 10Gbps〜
- 133. 5Gのビジネスの適用領域 データ量超増大 × 即時性向上 1通信あたりのデータの嵩が増える リッチ化する：高精細や高音質になり臨場感、没入感 が増す 多角化する：同時に取り扱える情報の選択肢が増える 1通信あたりのデータの種類が増える 制御用の情報（センサーやカメラからの情報）が増え る：自動○○が実現する 参考可能な情報（ログ情報）が増える：パーソナライ ズのパターンが増える、レコメンドの精度が向上する、 対象への理解が深まる タイムラグがほぼ無くなる 距離の制約が消える：各地に散らばる人たち同士で同 時に何かやる、今やった/起きたことをすぐに取り込 んですぐ活かす 社会（利便性）向上系 医療分野 超高信頼低遅延通信の実現で移動中や遠隔地の高度診療が可能になり、 医療格差が解消される 農林水産分野 超大量端末同時接続の実現で作物や家畜などの状況を把握するセン サーと散水・薬剤散布や給餌を実施するロボットやドローンの制御が 可能になり、減少する従事人口を補える 土木建築分野 超大量端末同時接続と超高信頼低遅延通信の実現によって遠隔制御が 可能になり、危険度が高い高所・鉱山・災害地などの現場での安全な 作業が確保でき、またドローンの活用による高精度測量などの精度が 向上する 生活分野 自動運転と遠隔制御によって、細分化された公共交通が実現する センサー情報を駆使して状況を把握する店舗運営が可能になる 遠隔授業や家庭教師の実現によって、学習格差が解消される 大量センサーと自動判定AIによって、防災・防犯・減災力が向上 VRオフィスとテレワークが実現する コンテンツ向上系 スポーツの場合⇒体験が深くなる 自動制御が可能になってカメラ台数を一気に増やせることで、多地 点・ドローンなどによる多角度撮影ができるようになる 取得データの種類が増え分析できる情報が増えることで、選手のバイ タルデータ・顧客のバイタルデータ・環境データが取得できるように なる AIが発達することでデータの有効活用レベルが上がり、多角的な分析 結果を提示できるようになる エンタメの場合⇒現実を超える仮想実現へ 即時性が向上することで出演者の居場所を問わない制作環境を実現さ せることや、同時多人数対応の参加型体験の提供ができるようになる スポーツ＆エンタメに共通 1通信あたりの送信データの嵩が増え、高画質・高音質・8K360°リ アルタイムな高臨場感映像が提供できるようになり、また視聴者に合 わせた多種多様な映像・情報を提供できるようになる 生活者データ・ドリブン・マーケテイィング通信より https://seikatsusha-ddm.com/article/10129/
- 134. コレ１枚でわかる第５世代通信 1G 2G 3G 4G 高速・大容量データ通信 10G〜20Gbpsのピークレート どこでも100Mbps程度 大量端末の接続 現在の100倍の端末数 省電力性能 超低遅延・超高信頼性 1m秒以下 確実な通信の信頼性担保 5G 音声 テキスト データ 動画 IoT 多様なサービスへの適用を可能にする 異なる要件のすべてを1つのネットワークで実現する。 各要件をに応じてネットワークを仮想的に分離して提供する（ネットワーク・スライシング）。 1979年〜 1993年〜 2001年〜 2012年〜 2020年代〜
- 135. 5Gの3つの特徴 先送り 高速・大容量 大量端末接続 超低遅延・高信頼性 100万台/k㎡ 1ミリ秒 20Gビット/秒 1Gビット/秒 10万台/k㎡ 10ミリ秒 20 倍 5G 4G URLLC： Ultra-Reliable and Low Latency Communications mMTC： massive Machine Type Communications eMBB： enhanced Mobile Broadband リアリティの再現 光ファイバーの代替／補完 高精細／高分解能な デジタル・ツインの構築 時空間の同期 リアルタイム連携
- 136. 5Gの３つの特性 URLLC：Ultra-Reliable and Low Latency Communications／超低遅延・超高信頼性 eMBB：enhanced Mobile Broadband／高速大容量通信 mMTC：massive Machine Type Communications／大量端末接続
- 137. 第５世代通信の適用例 高速・大容量データ通信 10G〜20Gbpsのピークレート どこでも100Mbps程度 大量端末の接続 現在の100倍の端末数 省電力性能 超低遅延・超高信頼性 1m秒以下 確実な通信の信頼性担保 5G 多様なサービスへの適用を可能にする 異なる要件のすべてを1つのネットワークで実現する。 各要件をに応じてネットワークを仮想的に分離して提供する（ネットワーク・スライシング）。 2020年代〜 ２時間の映画を ３秒でダウンロード ロボット等の 精緻な遠隔操作を リアルタイムで実現 自宅内の約100個のモノ がネットに接続 (現行技術では数個) 現在の移動通信システムより 100倍速いブロードバンドサー ビスを提供 利用者がタイムラグを意識 することなく、リアルタイ ムに遠隔地のロボット等を 操作・制御 スマホ、PCをはじめ、身の 回りのあらゆる機器がネッ トに接続
- 138. 5Gの普及段階 高速 eMBB 低遅延 URLLC 多接続 mMTC 高速 eMBB 低遅延 URLLC 多接続 mMTC 高速 eMBB 低遅延 URLLC 多接続 mMTC 4G（LTE） 4Gコアネットワーク LTE 基地局 4Gコアネットワーク LTE 基地局 NR 基地局 マクロセル スモールセル 既存周波数帯 新しい周波数帯 NSA NSA: Non-Standalone 5Gコアネットワーク LTE NR 基地局 既存周波数帯 新しい周波数帯 SA SA: Standalone マクロセル スモールセル NR ユーザー情報 制御情報 ユーザー情報 ユーザー情報 制御情報 SA LTE: Long Term Evolution NR: New Radio 5G初期 5G普及期 2010〜 2020〜 2022〜
- 141. 第５世代通信におけるネットワーク・スライス 高速・大容量データ通信 大量端末の接続 超低遅延・超高信頼性 5G ネットワーク・スライシング SIM SIM SIM 閉域網 閉域網 閉域網 SIM SIM SIM(subscriber identity moduleもしくはsubscriber identification module/SIMカード)とは、電話番号を特定するための固有のID番号が記録された、 携帯やスマートフォンが通信するために必要なICカードのこと。
- 144. AIとは何か
- 146. 人工知能の2つの方向性 視覚（See） 聴覚(Listen)対話（Talk） 汎用型人工知能 AGI : Artificial General Intelligence 特化型人工知能 AI : Artificial Intelligence 特定の領域に特化した知的処理 汎用的で自律的に拡張する知的処理 何を知るべきを見つける どうすればいいかを探す 共通するのは何か？ 違うのは何か？ 足りないのは何か？ 意識・意欲・興味・自己理解など 疑問や興味を持ち 目的やテーマを設定する能力 脳で行う 知的処理 人間の能力 を超えるものもある 仕組みが分からず 実現の見通しがない
- 147. IoT メカトロニクス 知能・身体・外的環境とAI 147 認識 意志決定 運動構成 感覚器 運動器官 骨格、関節、筋肉、靭帯、腱 外的環境 身体 知能 影響受容 AI（人工知能） 意識 脳の活動領域
- 148. 148 ある ない ある ない ある ない ある （少ない学習データ） ある （膨大な学習データ） 高い 低い (ひとつの知的処理に特化) 高い 低い 低い 高い 人間は身体に備わる様々な感覚器からの情報も含め総合して知覚・認識 しているが、機械には身体がないのでそれができない。 自分が現在何をやっているか、今はどんな状況なのかなどが自分でわか る心の働きである意識により、人間は様々な知的処理を同時に実行し、 それを統合・制御しているが、機械にはできない。 人間は、自分の考えや選択を決心し、実行する能力、あるいは、物事を 成し遂げようとする意志を持っているが、機械にはない。 人間は少ない学習データからでも効率よく学習できる能力をそなえてい るが、機械は膨大な学習データとそれを処理できる膨大な計算能力（消 費エネルギー）を必要とする。 人間はひとつの脳で様々な種類の知的処理が可能だが、機械は特定の知 的処理に特化している。 人間は、神経の機能単位が消失しても、それを自律的に補填・回復させ ることができるが、機械にはそれができない。 人間の場合、１千億個のニューロンによる超並列処理がおこなわれてい るが、その数を増やすことはできない。しかし、機械のプロセッサーは 増やすことはできる。 人間の知性と機械の知性 意識 身体性 意志 学習能力 汎用性 可塑性 スケーラ ビリティ 高い 低い 人間の脳の消費エネルギーは思考時で21ワット/時程度のエネルギーを 消費するが、機械の場合はその数千倍から数万倍を必要とする。例えば、 GoogleのAlphaGoの消費電力は25万ワット/時とされている。 エネルギー 効率 ある ある 共に記憶能力はあるが、人間の場合は、身体的な感覚を含む記憶が可能 であり、記憶内容やメカニズムは必ずしも同じではない。 記憶能力 機 能 的 特 徴 器 質 的 特 徴 人間の知性 機械の知性 補足説明
- 149. 人工知能と機械学習
- 151. 人工知能と機械学習の関係 151 人工知能 Artificial Intelligence/AI 機械学習 Machine Learning ニューラル・ネットワーク Neural Network 深層学習 Deep Learning 人間の”知能”を機械で 人工的に再現したもの 強いAI:コンピュー タに人間と同様の知 能を持たせた仕組み 弱いAI:コンピュー タに人間と同様の知 的な振る舞い・処理 をさせる仕組み データからグループ分 けのためのルール（モ デル）を作る仕組み 脳の仕組みを参考に作 られた機械学習の手法 従来よりも精度の高いモ デルを作ることができる ニューラル・ネットワー クの手法 遺伝アルゴリズム、エキスパートシステム、音声認識、画像認識、感性処理、機械学習、 ゲーム、自然言語処理、情報検索、推論、探索知識表現、データマイニング、ニューラル ネット、ヒューマンインターフェース、プランニング、マルチエージェント、ロボット データ プログラム モデル
- 153. 機械学習がやっていること モデル レントゲン写真から 「癌」の病巣を 識別するルール 入力 出力 癌 データ分析で ルールを作る 機械学習 癌の病巣が写っている 大量のレントゲン写真 ある患者のレントゲン写真 「癌」の病巣を表示 レントゲン写真から 「癌」の病巣を見つける「モデル」
- 154. ルールベースと機械学習 Sheep Dog を見分ける仕様 やルール = if XX Then XXX else XXX Mop を見分ける仕様 やルール = if XX Then XXX else XXX Sheep Dog を見分ける仕様 やルール 0101011101010 1110101001011 1110010101010 Mop を見分ける仕様 やルール 0111100101010 1101010001010 1110100100101 人間が記述 データから生成 GoogleのAI学習教材より
- 157. 学習と推論 157 大量の学習データ 機械学習 学習済 推論モデル アプリケーション 対象 データ 推論 エンジン CT画像データ 通話音声データ LIDERデータ など 推論 判別 画像：癌病巣の発見 音声：話者の特定 センサ：障害物回避 など GPUや専用LSIを使用 消費電力より並列処理性能を優先 FPGAやDSPなどを使用 高速処理と低消費電力を優先 GPU: 大規模並列処理可能なプロセッサ FPGA:プログラミング可能なLSI DSP:信号処理に特化したLSI LIDAR:レーザーの反射光から周辺環境の3次元的な構造を読み取る装置 学習 Learning 推論 Inference
- 158. 一般的機械学習とディープラーニングとの違い 158 耳 27% 目 48% 口 12% 特徴量 「特徴量」とは、猫と犬を識別・分類するために着目すべき特徴 正しく認識 82% 誤った認識 18% 認識結果 耳 27% 目 48% 口 12% 特徴量 学習 ディープラーニング 学習 推論 ディープラーニング 推論 正しく認識 82% 誤った認識 18% 認識結果 人間が認識結果が 最適になる組合せを 見つける 機械が認識結果が 最適になる組合せを 見つける 学習データ 教師付きデータ 学習データの一部 評価データ
- 159. 機械学習の仕組み 159 IoT Web Mobile データ モデル 推論機械学習 Machine Learning 識別予測 判断ゾウ or カバ？ 正常 or 異常？晴れ or 雨？ データ(学習データ)を分析して 特徴が共通するグループに分ける ための基準／ルール(モデル)を作る モデルを使ってグループ分けする 音声認識 顔認証 自動運転 創薬支援 天気予報 画像診断 人材採用故障予測 機械翻訳 競技アドバイス惑星探査 ヒビ割れ点検 製品品質検査 機械学習アプリケーション 推論モデル／学習モデルという 学習データという
- 160. 自動化ツール Google Cloud AutoML Microsoft Azure ML AWS SageMaker など AIと人間の役割分担 データを準備 意志決定 学習方式の選択 パラメーターの調整 可視化・分類・予測 問いを生みだす 解決したいこと・知りたいことを決める 膨大なデータの中から、人間 の経験に基づく先入観なしに 規則、相関、区分を見つける 新たな問いを生みだす 判断・制御 モデル 公式・ルール・関数など
- 161. 深層学習が前提となったシステム構造 161 深層学習フレームワーク 学習処理実行基盤 画像解析 動画認識 音声認識 話者認識 言語理解 文章解析 機械翻訳 知識表現 検索 コールセンター 顧客応対 営業支援 提案活動支援 医療 診断支援 創薬支援 その他 その他 文献データ 社内業務 データ 概念体系 辞書 音響データ 言語データ 画像データ 動画データ その他 アプリケーション ソリューション 認識系 サービス 学習基盤 知識ベース 学習データ Ａ Ｉ プ ラ ッ ト フ ォ ー ム
- 162. 人工知能の可能性と限界
- 163. 機械翻訳の現状とそのプロセス 音声認識 Speech Recognition 機械翻訳 machine translation 音声合成 Speech synthesis 2016：人間並み 2018〜19：人間超え 2018〜19：人間との区別困難 プロの逐次翻訳に匹敵（状況による） 60 50 40 30 20 10 一般の人が翻訳した場合よりも高品質であることが多い 非常に高品質で適切かつ流暢な翻訳 高品質な翻訳 理解できる適度な品質の翻訳 主旨は明白だが文法上の重大なエラーがある 主旨を理解するのが困難 ほとんど役に立たない BLEUスコア 19851990 1995 2000 2005 2010 2015 2020 統計的機械翻訳 SMT(Statically Machine Translation) ニューラル機械翻訳 NMT(Nural Machine Translation) BLEU: BiLingual Evaluation Understudy