≪インテル x ブロケード特別対談≫ 2020年。どうなる？車とデータセンタの関係　～SDxの、その先へ～

2020年。どうなる？車とデータセンターの関係
～SDxの、その先へ～
インテル X ブロケード特別対談
© 2014 Brocade Communications Systems, Inc. Company Proprietary Information 1

パネリストのご紹介
インテル
戦略企画室オートモーティブ・ユニット
チーフ・アドバンストサービス・アーキテクト(兼)ダイレクター
名古屋大学・客員准教授
野辺継男氏
ブロケードコミュニケーションズシステムズ
Cloud Technology Officer
小宮崇博
© 2014 Brocade Communications Systems, Inc. CONFIDENTIAL—For Internal Use Only 2

プラットフォーム統合
アプリケーションの75～85%
がクラウド・ビッグデータ関連
2年間で
クラウドインフラは
2倍に拡大
3
The 3rd PLATFORM
第3のプラットフォームの登場
数十億ユーザ
Source: IDC
SOCIAL
BUSINESS
CLOUD MOBILE BIG DATA
5年間で
インテリジェント端末は
2倍に増加
数百万ユーザ
X1,000,000
X10,000
X1000
数億ユーザ

© 2014 BROCADE COMMUNICATIONS SYSTEMS, INC.
The New IP:
第3のプラットフォームのための
ネットワーク
 オープン・アーキテクチャ
 容易なスケールアウトと高速デリバリ
 ソフトウェア定義による物理の縛りからの解放
 ネットワークをユーザ自身の手に
4

5
全てのものが「つながる」世の中
来る Internet-of-Things 時代に向けて
リコメンデーション
保険料率計算
系統制御
アフターサービス
犯罪抑止
食糧増産
再開発推進
経年劣化把握
最短配送
自動制御
車との関係

どうなる？車とデータセンターの関係
インテル
戦略企画室オートモーティブ・ユニット
チーフ・アドバンストサービス・アーキテクト(兼)ダイレクター
名古屋大学・客員准教授
野辺継男氏

Intel Confidential — Do Not Forward
攻める情シスのためのデータセンター1-Day講座
2020年。どうなる？
車とデータセンターの関係
～SDxの、その先へ～
Oct 16, 2014
インテル株式会社戦略企画室ダイレクター
兼) 名古屋大学客員准教授
野辺継男
11：00～11：40

クルマの自動運転には
大規データセンターが必要
という話、とその課題
そして「攻めの情シス」とは？

自動運転とは何か
 専用レーンを走るのでも、軌道上を走るのでもない
 一般のクルマに混ざって走る
 その中、ドライバはハンドルやアクセル・ブレーキから手足を離し、周りも見ない
 コンピュータがヒトと全く同じ様に周囲を認識・判断・決定し、クルマ
を運転する
人工知能
パターン認識
ECU/
Controller
System
Actuator/
DC Motor
人間の視覚
光学
レーダ, ライダー
ミリ波、超音波
車載
HMI/
Switch
コン学ピ習
ュータ
判断アルゴリズム
GPS
正確な位置情報
[[普自通動の運運転転]]

周囲を360度、全天候、昼夜認識するセンサー群
Short Range Radar Systems
- Blind Spot Warning
- Pedestrian Detection
Ultra Sonic
- Low speed collision avoidance
- Parking assist
LiDAR
- 3D Cloud Points
Stereo
Camera
- Lane Departure Warning
- Lane Keeping Assist
- Auto High Beam
- Traffic Sign Recognition
- Speed advisory
Lear Camera
- Lane Change Assist
90 degrees
130 m
Long Range Radar Systems
- Adaptive Cruise Control
- Forward Collision Warning
- Autonomous Emergency Braking
- Distance Alert
Side Camera
- Surround View
- Parking Assist
Driver
Monitor
- Drowsiness
- Distraction detect
18 degrees
200 m
基本自律的に周囲の状況を
逐次把握しながら走る

センサー・フュージョン
 各種センサーの特性を生かし、その組み合わせからあらゆる環境
下で周りの状況を認識する
 カメラ、ミリ波レーダ、レーザレーダ(LiDAR)、超音波等
Tracking
Classification
Object Detection
Feature Extraction
Pre-processing
Situational Analysis
Tracking
Object Detection
Feature Extraction
Pre-processing
Classification
Tracking
Object Detection
Feature Extraction
Pre-processing
Sensor Fusion
Lane
Departure
Warning
Forward
Collision
Warning
Blind Spot
Detection
Warning
Active
Cruise
Control
ADAS
Application
N
Sensor Input 1 Sensor Input 2 Sensor Input N
LIDAR Camera Radar

NHTSA (米国運輸省道路交通安全局) の定義(2013年5月)
 5段階で自動化のレベルを規定(Level of Vehicle Automation)
 Level 0: 自動化なし
 常時ドライバーが運転制御(操舵、制動、加速)を行う
 Level 1: 特定機能の自動化
 操舵、制動、加速等の機能が独立に自動化されている(複合的に支援す
ることはない)
 Level 2: 複合機能の自動化
 自動化された操舵・制動・加速等の機能が二つ以上協調的に機能する
 ドライバーは同時に「アクセル・ブレーキから足を外す」と「ハンドルから手を放
す」を行う事が可能
 Level 3: 半自動運転
現在、欧米日各社が目指しているレベル
 機能限界になった場合のみ運転者が自ら運転操作を行う。
 その際、自動運転車は余裕をもって運転をドライバーに戻す
 Level 4: 完全自動運転
2017年に技術詳細が決まる
 運転制御、周辺監視を全てシステムにゆだねる。

Level 3の重要ポイント
 自動運転の状態とドライバが運転している状態が共存
 ある環境状況や交通状況に於いて、ドライバーは「全ての
安全の為に重要なコントロール機能」をシステムに委ねる事
ができ、「そうした状況の変化を監視する事」もシステムに委
ねる事が出来る(自動運転モード)
「
 自動運転モードが機能限界になった場合のみ運転者が自
ら運転操作を行うが、システムは十分余裕をもって運転をド
ライバーに戻す事が条件

Level 3に於ける計画的自動運転の実現
 車載装着したセンサーで正確に認識できるのは100m～200m
 余裕をもって運転をドライバに戻すには２分は必要
200 m
200m走るのに
• 時速36Kmで20秒
• 時速72Kmで10秒
• 時速108Kmで6.67秒
2分走ると
• 時速36Kmで1.2Km
200m 2Km
例えばこの先に
• 白線の劣化
• 工事等による車線減少
などが有った場合

Level 3に於ける計画的自動運転の実現
統計処理・予測
ビッグデータ
デープラーニング
携帯網、DSRC等
過去
3次元マップ
データベース
(逐次更新)
プローブデータ
通信:
今後走る場所の情報(走行開始前にＤＬ可)
(1分、1時間、1日、1週間、1ヶ月前。。。。)

近年データセンターの巨大化がもたらしたもの
 音声認識の例(Deep Learningの適用)
これまでの開発
(例: 京都大学)
国会答弁
(音声)
書き起こし
議事録
(テキスト)
アルゴリズムの開
発
正誤チェック
11 © 2014, Intel Corporation. 無断での引用、転載不可
現在の方向性
(例: Google)
ユーザ
の発話
Cloud
Server
Deep
Learning
• 一般ユーザ
• 自然発話
• 多様な各国言語
• 大量なサンプル
• グローバル展開
各国の蔵書
スキャンから
自動翻訳へ
発展
音響
モデル
言語
モデル
ユーザの
反応
データは
多ければ
多いほど良い
このスキームが
現在画像認識に拡大

大規模サーバ群による画像認識(2012)
• コンピュータに例えば、クルマとバイク
を見分けさせるには、これまで数多の
写真を見せて教え込んで実現した。
• これは途方もない作業量を要す。
• 代わりに我々は、16000個のCPUと
10億以上のコネクションを持つ人工
的神経ネットワークシステムを構築し、
YouTubeからとったいろいろなものが
映っている静止画をコンピュータに見
せ、自己学習とDeep Learningのアル
ゴリズムを走らせた。
• すると、1週間後、システムは猫の顔
に強く反応するようになった。

Deep Learningによる画像認識の発展(2012→14)
 ImageNet large-scale visual recognition challenge
 2012年 2014年

自動運転車とクラウドの接続
 与えられた地図と異なる状況を認識・分析したらクラウドにアップ
[ 自動運転]
ロードする
人工知能
パターン認識
ECU/
Controller
System
Actuator/
DC Motor
光学
レーダ, ライダー
ミリ波、超音波
車載
HMI/
Switch
コン学ピ習
ュータ
判断アルゴリズム
GPS
正確な位置情報
クラウド上の
画像認識人工知能
Probes Services
• 通信が理想的であればクラウドで認識
判断決定支援する方向性もあり得る
• ローカルでは正しさを確認
200ms
以上
20ms
以下

 「クラウド＋IoT」の拡大
2001-2010
流通製造交通医療農業
Service Server Cloud (+ Big Data/IoT)
Application
Middleware
OS
Driver
H/W
クラウド企業の協調・競争領域
Webアプリケーション機能を
補完的に相互に利用
Windows
OS-X
2011以降
Windows
OS-X
Linux
(Tizen, Android )
iOS, Windows
Networked PC Non-PC Devices
Smart Phone
TV-STB
NAVI
Intel
Fully Networked PC
Intel
Google Amazon
Sales
force
Facebook
Intel/ARM
IP-Network
HTML5
PCとnon-PCの共存
(端末のマルチデバイス化)
コンテンツ・サービスの製作はPC
閲覧・サービス利用はnon-PCでOK
攻める情シスとは？
• 産業がクラウドの上に載る
• 米国ではサービス提供者がDCを大
規模化し、第三者にもソリューショ
ンを提供
• 各産業に於いて、ICTが実現し得る
新しいアイデアに国内のサービス
提供者が気付くか？
• あるいは、情シスが各産業の新し
い課題や新しいアイデアに気づき、
提案できるか？
- こうした話はクルマに限らない-

？
データセンタ

2020年。どうなる？車とデータセンターの関係
ブロケードコミュニケーションズシステムズ
Cloud Technology Officer
小宮崇博

DCの役割
人間の処理をまね、そして超える
イメージ、連想記憶
経験知、形式知
モデル構成、判断
脳
脊髄
即時反応、回避
機械学習、Deep Learning
バッチ処理、超分散処理
多様なデータ
連想、並列学習
ストリームコンピューティング
結果
クエリ
検索
結果
ストリーム
データ
フィルタ
結果

ストリーム、超分散、機械学習の規模感
4,000ノード
http://www.brocadejapan.com/news/20140403

機械学習規模のコンピューティング
100万コアスケールの実現に必要なこと
Open Automotive Alliance
Google、アウディ、GM、ホンダ現代、nVidia
Carplay
アップル、フェラーリ、メルセデスベンツ、トヨタ
リアルタイムBIGDATA
ビジネスアライアンス
の必要性
Google
Apple

IoT時代にDC基盤に求められる機能性
アプリケーション/データとリアルタイム/継続的アクセス性
DC/通信事業者
仮想DC
Hot data ローカル、検索可能、更新可能
Warm data ローカル、検索可能、スタティック
Cold data グローバル、検索可能、スタティック
OTT
サービス
ロケーションA
Hotdata
ロケーションB
Hotdata
ロケーションC
サービス
データ

日本が元気になる！
規模のビジネス vs. ローカリティ
大規模クラウド事業者
高付加価値サービス
(Realtime+BIGDATA)
＋
クラウド
付加価値サービス
(BIGDATA)
＋
クラウド

ここで、質問です
パフォーマンスセキュリティ
ハイアベイラビリティバックアップ

どこにビジネスが？
？
自動車メーカー
クラウド
建設
ＳＩメーカー
アプリ開発端末
ＩＴ系
ISP
© 2014 Brocade Communications Systems, Inc. Company Proprietary Information 11/10/2014 10

≪インテル x ブロケード特別対談≫ 2020年。どうなる？車とデータセンタの関係　～SDxの、その先へ～

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

En vedette

En vedette (10)

Similaire à ≪インテル x ブロケード特別対談≫ 2020年。どうなる？車とデータセンタの関係　～SDxの、その先へ～

Similaire à ≪インテル x ブロケード特別対談≫ 2020年。どうなる？車とデータセンタの関係　～SDxの、その先へ～ (20)

Plus de Brocade

Plus de Brocade (20)

Dernier

Dernier (10)