AIの画像認識率向上したでつ。

粗い画像に写った被写体を人工知能（AI）が正しく認識できるようにする技術を開発。
従来技術に比べて追加のデータを必要としない利点があるでつ。

画像のほか、音声やセンシングのデータにも対応しており、AIの使用範囲の拡大が見込めるでつ。
画像の認識に使うAIには、事前に大量の画像データを学ばせておく必要があるでつ。
学習の過程で、人や物体の画像が持つ特徴のパターンを学ぶでつ。

学習時とは異なる画像データでも、パターンに照らして被写体を認識できるようになるでつ。
ノイズが入った画像には学習したパターンが通用せず、正しく認識できない課題があるでつ。
暗い部屋で撮影したり、まぶしい日差しが入り込んだりした画像にはノイズが入りやすいでつ。

従来はこの課題に、追加のデータが必要な対策がとられてきたでつ。
別の機械学習のモデルで使われてきた手法を応用し、学習したパターンを使用環境のデータに合わせて調整。
その結果、追加の学習データが必要な従来手法と比較して認識精度は約1割しか下がらなかったでつ。

人の顔の写真から年齢を推定するAIに用いると、26歳の人物を22.7歳と推定。
この手法を使わなければ、1.7歳とまるで違う回答をするでつ。
屋外に設置したカメラの撮影データや、工場のセンシングデータの解析などへの応用するでつ。

そういえば、ChatGPT で画像編集が流行ってるみたい。
まぁ～自分の顔をキムタク風にしたりとかね。
舘さん風にサングラスもいいでつなぁ～

AIが画像をいろいろと編集できるといい感じになるかなぁ～

核融合向けプラズマ、AIで予測

核融合発電に必要なセ氏1億度超のプラズマ状態について、人工知能を使って予測する手法を開発したと発表。
超高温のプラズマ状態を長く維持する技術の開発に役立つでつ。

核融合発電の実現に向けた研究開発を加速するでつ。
核融合発電は太陽で起こる反応を地上で再現し、発電に利用する技術。
重水素と三重水素を融合させたときに発生する莫大なエネルギーを発電に利用するでつ。

わずかな燃料で発電を続けられ、発電時に二酸化炭素が発生しないでつ。
実用化できれば、脱炭素やエネルギー問題の解決に役立つでつ。
核融合を起こすためには、炉内でセ氏1億度を超えるプラズマを作って維持する必要があるでつ。

炉の周囲に付けた電磁石による強力な磁力でプラズマを維持する磁場閉じ込め方式が研究されているでつ。
プラズマは不安定で、長時間維持するのは難しいでつ。
これまではフランスにある核融合実験施設で約22分間維持した記録が世界最長。

AIを使ってプラズマの形状を予測する手法を開発。
シミュレーションを利用してプラズマの形や位置、プラズマ内部の磁場などの情報を作るでつ。
そのデータを複数のAIに学習させてプラズマを予測するAIを複数作ったでつ。

さらに別のAIを使ってそれぞれのAIによる予測データを解析し、統合して最適なデータを作り出すシステムを構築。
日本では茨城県那珂市にあるJT-60SAという実験装置が主に使われているでつ。
過去にJT-60SAの実験で得られたプラズマのデータと、AIによる予測データを比較すると、実際のプラズマの形と誤差1センチメートル程度の高い精度で予測。

AIによる予測データに合わせて、プラズマを制御すれば安定させられる可能性があるでつ。
今後は実際の装置で使えるかだけでなく、サイバー空間での核融合実験などを目指すでつ。
JT-60SAは2026年から再稼働する予定で、同様の予測ができるかを検証するでつ。

AIの頭脳は、GPUでつなぁ～

コンピューターの部品の1つであるGPUですが、近年IT業界以外でも耳にする機会が増えているでつ。
GPUは、Graphics Processing Unitの略で、画像処理装置を意味するでつ。

その名の通り、画像を描写するために必要な計算を処理するもの。
近年では、画像や映像を利用する機会も増えてるでつ。
それゆえ、より速く、よりきれいに画像・映像を映すには、GPUが欠かせないでつ。

また画像を処理するということは膨大なデータを瞬時に計算する必要があるため、ビッグデータを処理するのにも適しているでつ。
GPUは、データを大量かつ速く処理するために、独特の仕組みをもっているでつ。
一番の特徴は、並列処理能力に優れていること。

この能力があることで、複数のタスクを一度にこなせるでつ。
GPUと似た言葉に、CPUがあるでつ。
どちらも処理装置ではあるでつが、この2つは、目的や処理をする対象、スピードに違いがあるでつ。

CPUの目的は汎用的な処理を行うこと、GPUの目的は高速な画像処理を行うこと。
そもそもCPUとは、Central Processing Unitの略で、中央処理装置を意味するでつ。
コンピューターの頭脳として機能しており、逐次計算からデータベースの実行まで、幅広い処理を行うでつ。

個々のタスクを集中して処理する、連続的な演算処理能力に長けているのが特徴。
一方GPUは、内部でコアが連携して動作することで並列処理が行えるため、CPUに比べて圧倒的な処理スピードを誇るでつ。
その差は、行列演算の処理スピードがCPUの10倍ともいわれているでつ。

ただし、単純計算に特化しており、幅広い処理には向いていないでつ。
通常コンピューターは、CPUが連続的にタスクを行い、幅広い処理をすることで機能するでつ。
その中で、膨大な単純作業が必要になることがあるでつ。

例えば、画像などのデータ処理です。このような膨大な単純作業をCPU1つに任せていると、ほかのタスクが終わるまでに
時間がかかってしまうでつ。
そこで、膨大な単純作業を任せるのが、GPU。

つまり、CPUとGPUは、協力してコンピューターを動かしているでつ。
スーパーコンピュータとは、複雑で膨大な計算を高速で行う大規模コンピューターでつが、この計算を可能にしている機能の1つがGPU。
たとえば、気候の変動予測や画期的な治療法を見つけるための解析、地震予測など、私たちの身近な問題にもスーパーコンピュータは使われているでつ。

そして世界最高水準のスーパーコンピュータの多くにはGPUが搭載されており、計算能力だけでなく人工知能関連の処理をも支えているでつ。
膨大な量のデータを高速で処理できるGPUでつが、難点があるとすれば、発熱の可能性があるという点。
発熱を抑えるために冷却装置が必要となり、それが電力を大きく消費さるでつ。

高性能になればなるほど冷却装置や電力も大きくなる傾向があり、音がうるさいといったデメリットも挙げられるでつ。
ただし、GPUの種類によってはこのようなデメリットが緩和されているものもあるでつ。
GPUは、グラフィックボードに搭載するもの、CPUと統合されたもの、クラウドと大きく3種類に分かれるでつ。

グラフィックボードは、GPUが搭載された基盤のこと。
主にモニターの画面表示をするもので、CPUから指示を受け画像や映像の描写を行うでつ。
ビデオカードと呼ばれることもあるでつ。

グラフィックボードは、コンピューターに必ずしも必要な訳ではないでつ。
ただし、追加でGPUを付けることで、画像や映像をさらにキレイに映せるため、3Dゲームなどをコンピューターで行いたい場合は、
外付けのGPUが必要。

この場合、GPUを付けるための基盤としてグラフィックボードが使用されるでつ。
このタイプのGPUは性能が高い一方で、発熱量や消費電力が多いといったデメリットもあるでつ。

評判が良いグラフィックボートには、NVIDIAの最上位モデルであるGeForce RTX 3090などがあるでつ。
サイズは大きめでつが、多量のメモリーに高性能で、使い勝手も良いでつ。
内蔵GPUとは、CPUとともにコンピューターに内蔵されているGPUを指すでつ。

一般的なPCの頭脳として使われているのは汎用的な処理をするCPUでつが、現在ほとんどのCPUは、GPUが内蔵されているCPU統合型GPU。
単体型GPUに比べ性能は劣るものの、コストが安く、発熱量や消費電力が少ないなどのメリットがあるでつ。
高度な画像処理よりも事務作業などに向いているのが特徴。

また、消費電力が少ないため、外出先でも利用できるでつ。
GPUサーバーが使えるクラウドサービスを利用すると、クラウド上でGPUを利用できるでつ。
この場合サーバーを自社で設置・管理する必要がないため、初期の導入や運用にかかるコストが大幅に低減。

加えて、インターネット経由でリソースが提供されるため、場所にとらわれずに利用可能。
リモートでも利用できることから、時代にマッチした運用方法といえるでつ。
また、クラウドサービス提供者はその時点で最新、あるいはハイエンドのGPUを、サーバーに組み込んでいることがほとんど。

オンプレミスの場合、予算の関係からハイエンドモデルを使えなかったり、数年ごとにGPUを買い替える必要があったりするでつ。
クラウド利用であればそれらのことを考えず、最高の環境でGPUサーバーが利用できるでつ。
ただし、目的や用途に合わせたカスタマイズ性は劣るでつ。

またオンプレミスは初期費用がかかるでつが、長期的な運用を考えると、トータルのコストが低くなることも考慮すべきでつ。
このように、それぞれのGPUにメリットやデメリットがあるでつが、何を基準に選べばいいのかポイントがあるでつ。
GPUを選ぶときに始めに確認すべきなのがGPU のモデル＝いつ発売されたモデルかでつ。

基本的には、新しいモデルであればあるほど性能が良い、という考え方をするでつ。
ただし、当然ながら最新のハイエンドモデルとなると相応の価格にはくるでつ。
そのため、ベンチマークやコストパフォーマンスを比較していくことで、予算的に可能な限りの最高スペックの製品が見つけられるでつ。

また、具体的には以下の性能を確認しておくと安心。
複数のGPUを搭載しているほど性能は上がるでつ。
クラウドサービスやレンタルサーバーの製品詳細にはGPUの数も記載されているので、検討の際に確認するでつ。

ただし、自社でサーバー環境を整備する場合、GPUの増やしすぎには注意が必要。
GPUが増えるごとに電力を消費するうえ、温度管理が困難になるでつ。
またVRAM容量とはGPU専用のメモリーであり、容量が大きいほど、高いパフォーマンスを発揮。

そのため、GPUの性能を測るうえで重要な要素。
適切な熱処理を行えないと、パフォーマンスを低下させる原因になるため、冷却性能は重要。

特にグラフィックボードを利用する場合は、ファンだけでなく放熱効果の高いヒートシンクやヒートパイプなどの部品を
搭載しているものもあるでつ。

高性能のGPUやグラフィックボードであればあるほど、消費電力は大きくなるでつ。
PCの電源ユニットから直接電力が必要なグラフィックボードもあり、その場合は補助電源用のコネクターが必要になるでつ。
このため、消費電力やそれに必要な部品は必ず確認。

グラフィックボードを利用する場合は、サイズや接続端子、PCモニターとの同期なども注意。
特にサイズは要注意。
冷却性能が高いものだとサイズが大きく、PCに取り付けられないこともあるでつ。

スロットの幅や数、PCのケースサイズなどをチェック。
また、接続端子やモニターとの同期も確認しておくと安心。
もともと画像処理装置であったGPUがここまで普及したのには、その計算能力の高さだけでなく、VR技術や人工知能の発展も大きく影響しているでつ。

GPUは、画像処理に特化した処理装置だけど、画像や映像をキレイに映し出すためにも使用されているでつ。
近年ではその高い処理能力がいろいろな場面で利用されるようになってきたでつ。
この画像の処理に必要な計算能力を、ほかの領域でも利用できるようにしたのがGP　GPU。

このGP　GPUはとても汎用性が高いため、多くの分野に広がったでつ。
たとえば、今やスーパーコンピュータを始めとしたデータ分析のみならず、交通インフラや製造・建築、医療、金融など
実に多くの分野でGPUが利用されているでつ。

Virtual Reality＝仮想現実が発展したのも、GPUが普及した要因の1つ。
言うまでもなくVRは現実かのような映像技術が必要になるため、高度なGPUは必要不可欠。

近年ではゲームやエンターテイメントはもちろん、遠隔地から治療を施す医療や、教室に行かなくても授業を受けられる教育現場、
現地に行った気分になれる観光業界などにも利用され始めているでつ。

また、リモートワークで困難になったコミュニケーションギャップを埋めるテクノロジーとしても注目されており、
VRは単にゲームを楽しむものではなくなってきているでつ。
今後もますます広い範囲で使われるでつ。

ディープラーニングは、AIに学習させるために用いられる機械学習の手法の1つ。
AIが画像・映像・音声などの認識・判別をしたり、データをもとにした予測などを行ったりするためには、まずデータのインプットが欠かないでつ。
このインプットこそがディープラーニングであり、ディープラーニングを行うことで、AIは自動的にデータの特徴を見つけられるようになるでつ。

ディープラーニングでは、大量のデータを扱います。そこで必要となるでつが、データ処理機能の高さ。
GPUは、もともと画像を描画するための処理装置なので、計算処理能力、特に並列処理能力に優れているでつ。
並列処理は、単純なタスクを大量にこなすのに向いているため、この並列処理能力をもつGPUとディープラーニングは、相性がよい。

しかも比較的安価で素早くディープラーニングを実行できることもポイント。
ディープラーニングは、自動車における自動運転や医療、教育など、さまざまな分野で利用されているでつ。
今後はさらにAIの発展が加速していくと予想されるため、それに伴いGPUもますます発展していくと考えられるでつ。

このようにGPUが普及した背景にはさまざまな要因があるでつが、いずれも衰える兆候はなく、ますます発展していくでつ。
またそれに伴い、GPUのクラウドサービスも発展を続けるため、多くの企業で導入が可能になるでつ。
GPUは、もともとコンピューターグラフィックスを処理する部品として使われていましたが、近年はAI分野での活用に期待がもたれているでつ。

ビジネスにおいて重要性を増しつつあるデータ分析においても、必要な要素の1つといえるでつ。
高性能なGPU基盤を国内データセンターが提供されているでつ。
GPUは、その高い処理能力から画像や映像にとどまらず、AIやビッグデータ分析など企業のさまざまな分野で活用が広がっているでつ。

高性能なGPUを導入すれば、演算処理の高速化が可能になり、ビジネスのあらゆる場面で大きな効果を期待できるでつ。
GPUサーバーをオンプレミスで運用するには大容量の電力供給や、空冷方式では間に合わないほどの冷却能力が必要となるため、
自社施設では設置が困難なケースも少なくまおでつ。

とあるサーバーは直接液冷方式により最大80kWの電力消費にも対応し、pPUE1.15という高い省エネ性能を実現。
大容量電源や高度な冷却機能のほか、再生可能エネルギーの活用にも対応し、CO₂排出を実質ゼロにする環境価値を提供するため、
サステナビリティ経営にも寄与できるでつ。

GPUの高い演算能力を最大限に発揮するためには、熱問題を含むインフラ面の課題を一挙に解決する次世代型データセンターの存在が不可欠。
GPUは、もともとコンピューターグラフィックスを処理する部品として使われているでつが、近年はAI分野での活用に期待がもたれているでつ。
ビジネスにおいて重要性を増しつつあるデータ分析においても、必要な要素の1つといえるでつ。

高性能なGPU基盤を国内データセンターで提供しているでつ。
GPUは、どの企業が制するのかなぁ～
NVIDIAが、リードしてる感じだけど、出遅れたインテルがどう巻き返してくるかだなぁ～

それにしてもGPUに関する本物の本がないのがねぇ～

鯨と大規模言語モデルで会話できる日

動物と話出来たらってのは、いつの時代でも同じ。
ドラえもんのポケットにもそんなのあったなぁ～

大規模言語モデルなどのAIでクジラなどの音声の規則性を調べ、彼らの言語に迫る研究が進むでつ。
AIを通じて動物と意思疎通できる日は近いかもしれないでつ。
ドリトル先生シリーズは英出身の小説家ヒュー・ロフティング氏が20世紀前半に発表した児童文学。

動物語を習得し、動物病院を営むドリトル先生が様々な冒険や事件に巻き込まれていくでつ。
AIを使い、ドリトル先生のように動物と意思疎通できる可能性があるでつ。

カナダのカールトン大学は、その第一歩となる取り組みを始めたでつ。
クジラはコーダと呼ぶ特定の音声で互いを識別するとみられているでつ。
AIに録音音声を学ばせ、コーダが指す個体を数頭のクジラの中から99%の確率で正しく識別できることを確かめたでつ。

クジラと同様に、彼らの名前を聞き分けたでつ。
現在、広大な海域の音を採録したデータでAIを訓練し、クジラ語を学習させる野心的な目標に取り組むでつ。
機械学習を使って、誰も解読方法を知らない言語を解読する道が開かれたでつ。

大規模言語モデルは単語間の意味の関係を幾何学的な位置関係に変換して学習。
2つの言語間で単語の位置関係を対応づけることで、辞書や文法の情報なしに翻訳を実行できるでつ。
理論上は、この翻訳の仕組みは人間の言語と動物の音声や表情の間でも有効なはず。

動物と会話するために様々な動物種の声をまねるAIを開発中。
外部の生物学者の協力を得て、生成音声を動物に聞かせる動物版チューリングテストの実施を予定しているでつ。
キンカチョウやカラス、クジラ版のチューリングテストはすぐに突破できるでつ。

動物にとっては、AIの生成音声が自分の仲間の声であるかのように思えるでつ。
こうした取り組みから、種を超えたコミュニケーションの共通基盤のようなものが見つかると考えているでつ。
悲しいやお母さん、おなかが空いたなどを表すでつ。

共通の表現方法が見つかっても不思議ではないでつ。
作中のドリトル先生はオウムのポリネシアから動物語を学んだでつ。
近い将来、AIを通じてそれを学べるでつ。

スマート計装の新たな潮流③

計装の技術といえば、情報技術も欠かせない。
特に遠方監視操作があるでつ。

そいとＡＩ技術でつなぁ～
特に…
AIの現場適応からみたプラント運転制御のスマート化と進展方向だなぁ～




化学プラントの運転においては，従来から安定と安全が最も重要。
安全は必ず守るべきものであり，安定はトラブルの減少や継続性のために必須。
このことは今も変わらないが，グローバル競争の中，生産性の向上や高品質化，業務効率化などに対する要求も増てるでつ。

また，最近ではさらにサステナビリティやレジリエンスといった視点も不可欠となっているでつ
これらの課題を克服するために，いわゆるデジタル技術を活用して変革していくことがもはや当たり前。
化学プラントのスマート化やデジタルトランスフォーメーションの取り組みが世界中で熱心に進められているでつ

すでに第4次産業革命と言われてから10年以上が経過。
製造業のスマート化は確実に進んできたでつ。
その中で，数年前からはNext Industry 4.0やIndustry 5.0に関する議論も進められてきたでつ。

製造業のスマート化；
設備の高経年化によるリスクへの対応や，少子高齢化による労働力不足への対応が主な契機となって，製造業のスマート化が進められてきたでつ。
その後，自然災害や軍事侵攻，新型コロナなどによって，レジリエンスを高めるためにもスマート化の有効性が認知され，スマート化が加速。

現在，製造業の運転・制御や保守におけるAI・IoTを活用したスマート化は，本格的な実装の時代に入りつつあるでつ。
製造現場におけるスマート化の第一歩は， センサやアクチュエータなどのフィールドデバイスのデジタル化であるでつ。
これらのデバイスは，製造プロセスの精密な制御と監視を可能にし，効率化と品質向上の基盤を築くものであり，スマート化の前提。

次の段階は，PLCなどの制御デバイスであり，フィールドデバイスからのデータを収集し，製造プロセスの制御を実行。
スマートファクトリでは，これらのデバイスがより高度なデータ処理能力を備え，複雑な制御タスクを実行できるようになるでつ。

さらに次の段階は，情報処理のレベルであり，柔軟性や効率性，生産性が向上する。生産プロセスをリアルタイムで調整。
急な生産計画の変更にも迅速に対応できるようにするでつ。
最終的には，サプライチェーン管理，顧客関係管理，ビジネスインテリジェンスなど，企業内外で密接に連携して新たな価値を生む出すことを目指すこととなるでつ。

従来，計装が主に関与してきたのは，フィールドレベルと制御レベルであり，その部分が重要であることはスマート化を進める上においても変わらないでつ。
それ以外に，より上位のレベルとの融合も進んできており，たとえば，複数のフィールドデバイスからのデータを統合し， 特定の製造工程や操作の性能を
最適化することなども実現し、さらに計装技術が提供するデータは， 企業レベルでの意思決定プロセスに重要な基盤となっているでつ。

計装機器のスマート化。
計装機器が製造業のスマート化を支えていることは間違いないでつが，一方，センサやアクチュエータなど計装機器自体のスマート化も
いろいろと試みられているでつ。

通信機能やデータ処理機能を持たせることが基本であり，様々な方向性が考えられるでつ。
そのいくつかの例を以下に示すでつ。
1）通信機能の追加：Wi-Fiなどの適切な通信機能を計装機器に組み込むことによって， データのリアルタイム送受信や遠隔監視が可能となる。
これにより，計装機器の設置場所や状態に関わらず， データを効率的に収集し， 適切な操作やメンテナンスを行うことが可能。
2）データ解析機能の強化：収集されたデータを計装機器内部で解析することによって， 異常を検知したり， 予防保全を行ったりする
機能を持たせることが可能。
3）自己診断：自己診断機能を持たせることによって，計装機器が異常を自動的に検知し， 必要に応じてアラームを発生させたり，
適切な対処を行ったりすることが可能。
4）遠隔操作：遠隔地からの操作や設定変更を可能とすることよって， 現地に人員を派遣せずに設定変更やトラブルシューティングを行うことが可能。
5）標準化：オープンな通信プロトコルや標準に準拠させることによって， 異なるシステムやプラットフォームとのシームレスな統合が可能。
計装機器は，故障を特定し，ダウンタイムを防ぐために定期的な点検が必要で，大規模なメンテナンスチームと高いコストが必要だったが，
スマート化によってそれが変わりつつあるでつ。

これからのスマート化。
Industry 4.0に代表されるこれまでのスマート化は，様々なモノがIoTで相互接続されることによって，自動化と効率化を進め，生産性向上や
コスト削減を目指す技術中心のアプローチが協調されてきた。Industry 5.0では，技術ももちろん重要であるがそれだけではなく，
以下のような様々なことが求められているでつ。
・「人間中心」：人間のニーズや利益を起点としたアプローチ。
技術の進歩を人間のスキル，創造性，そして福祉を高める手段として捉え，人間とシステムとの協働を促進。
・「持続可能性」：環境への影響を考慮し，エコフレンドリな生産プロセスと資源の持続可能な利用を目指し社会的責任を果たすでつ。
・「レジリエンス」：地政学的な変化やパンデミック等の自然災害による突発的で破壊的な変化から産業や人々の生活を守る回復力。
変化に柔軟なプロセスを実現。

この3つをコンセプトに産業界が回復力のある持続可能な人間中心の産業へと変革を遂げ， 株主だけではなく地球も含めたすべての
ステークホルダへの長期的貢献が実現される世界を目指しているでつ。
そこで、計装の役割でつ。

計装を人間に例えると，センサが五感に対応し，アクチュエータが手足に，信号経路が神経に，そしてPLCやDCSを含むコンピュータが
監視や制御・判断を行う脳に対応することになるでつ。
従来は，人間が実施する操作も多かったが，AIやIoTの発展によって，この脳や神経の部分の役割が従来と比べて格段に大きくなってきたでつ。

製造業のスマート化に期待される計装の役割は多いが，代表的な役割の一部を以下に列挙するでつ。
1）データ収集：計装機器は，生産プロセス内の様々なパラメータ（温度，圧力，流量，湿度など）をリアルタイムで計測し，データを収集する。
これにより，生産プロセス全体の状態を正確に把握し，適切なタイミングで調整や修正を行うことが可能。
2）制御：計装機器は，収集したデータに基づいて生産プロセスを制御し，所望の目標値に調整する。
たとえば，温度や圧力の制御，バルブやポンプの操作，流量の調整などが計装機器によって行われるでつ。
3）モニタリング：計装機器は，生産プロセス中のパラメータの監視と制御を通じて，製品の品質やプロセスを監視。
異常や変動が検出されると，計装機器は警告などを発し，適切な措置を講じることになるでつ。
4）安全性と規制遵守：計装機器は，生産プロセス中の安全性や規制遵守において重要な役割を果たすでつ。
安全弁やセンサなどの計装機器は，危険な状況が発生した場合に安全装置を作動させ，事故や損傷を防止。
5）データ分析：計装機器から収集されたデータは， 高度なデータ分析や予防保全のために活用されるでつ。
ビッグデータ解析や機械学習の技術を用いて，計装データから将来の故障やトラブルを予測し，予防的なメンテナンスを行うでつ。
このように， 計装は製造業におけるスマート化において不可欠な役割を果たし， 生産プロセスの効率性，品質，安全性を向上させることに
大きく貢献することになるでつ。

プラント操業のスマート化は，デジタル技術の活用といった側面が中心であった段階から人間中心のアプローチが重視されるように変化。
技術と人間が協力してより良い未来を築くための新しい機会を提供することが期待されるようになってきているでつ。
計装技術は，製造業のスマート化全般において，プロセスの可視化，自動化，最適化を可能にする基盤となっているでつ。

正確で信頼性の高い計装システムを通じて，製造業はプロセスの効率化，安全性の向上，品質の向上，コスト削減や柔軟性の向上などを実現し，
競争力を高めることができるでつ。
今後，製造業のさらなるスマート化に向けて，未来を志向した計装システムの開発と実装が大きく期待されているでつ。

新型の量子計算機を開発、AIへの活用するでつ。

光通信の技術を活用できる独自方式の量子コンピューターを開発したでつ。
足し算やかけ算などができる基本的な性能を確認したでつ。

早ければ年内にもクラウドを通じて共同研究契約を結んだ研究者向けに公開するでつ。
こりは…
量子コンピューターは量子力学という物理学の理論を応用した計算機。

通常のコンピューターでは時間のかかる複雑で大規模な計算を短時間で実行できるとされ、
実用化に向けた研究が盛んになっているでつ。

実機の開発では米IBMなどが超電導方式の量子コンピューターを作り、研究機関に提供しているでつが、
将来の普及をみすえると大規模化などに課題があるでつ。
量子状態を作り出そうと様々な方式が提案されているものの本命となる方式は固まっていないでつ。

今回開発したのは光方式の独自技術。
冷却装置がいらず室温で動作し、大規模にしやすいという特徴があるでつ。
光を使うので計算速度も速いでつ。

今回の試作機では主要な装置を開発しているように、既存の光通信の技術を応用できるため改良が
進みやすい可能性があるでつ。
試作した量子コンピューターは縦1.5メートル、横4.2メートルほどで、信号を101個入力して計算。

他の量子コンピューターと違う方式のため単純に比較はできないでつが1000量子ビット相当の計算能力があるでつ。
他の量子コンピューターが「0」「1」信号のデジタル方式であるのに対し、試作機は連続する信号を処理できるアナログ方式で計算。
画像解析などに使うのにに適した仕組み。

現在莫大な電力を必要とするAIを効率的に動かすことができるでつ。
超電導方式の量子コンピューターを開発。
23年からクラウド上で公開しているでつ。

今回の光量子コンピューターについても早ければ年内にもクラウド上で利用できるようにするでつ。
当面はAIの基盤技術であるニューラルネットワークの仕組みを解明する基礎研究などに利用するでつ。
計算途中で発生するエラーを訂正する仕組みなどの開発を進めて、創薬や金融など幅広い分野への応用も目指すでつ。

コンピューターの世代交代も進むでつなぁ～
だんだん人間の脳に近づくでつ。

AI半導体の市場開拓

日本のコンピュータと言えば、富士通。
天才と言われたFCOM海の親　池田さんが築きあげた技術はスーパコンピュータに継承されてるです。

ここのところコンピュータ技術では影が薄い日本のコンピュータ。
だけど…
頑張ってるでつなぁ～

AMDとAI半導体のソフトウエア基盤を2027年までに開発するでつ。
富士通のCPUとAMDの画像処理半導体を使ってAIを開発・運用できるような仕組みを整えるでつ。
AI半導体の市場で首位にあるエヌビディアを追うでつ。

ソフトウエアのソースコードを公開するオープンソースで提供するでつ。
従来はCPUやGPUなど各半導体の種類やメーカーによって別のソフトウエア基盤を用意する必要があったでつ。
富士通は1社で閉じた世界をつくるわけではなく、幅広く使える技術にしていくと狙い。

富士通は英アームの設計を基にした回路の線幅2ナノメートルのCPU　MONAKAを開発中。
27年に実用化する予定だ。AIやデータセンターなどでの用途を見込み。
他社のCPUと比べて電力効率を2倍にする目標を掲げるでつ。

富士通は自社のメインフレームやUNIXサーバー向けでCPUを開発。
理化学研究所と共同開発したスーパーコンピューター富岳にも富士通製のCPUが搭載されているでつ。

モナカではAIなどの用途開拓に向け、他社との協業を進めるでつ。
10月には米サーバー大手のスーパー・マイクロ・コンピューターとAI向けサーバーの開発で提携。

AI半導体のシェア8割を握るエヌビディアは半導体だけではなく、同社のGPUでAIを高速に動かすためのソフト基盤CUDAを提供。
多くの開発者がCUDAにあわせてAIのソフトやアプリを作っており、実質上の業界標準になっているでつ。
ただ、生成AIの爆発的な普及などにより、エヌビディアのAI半導体は価格が高騰しているでつ。

その中で富士通とAMDはさまざまな選択肢を提供するのが大事と認識し、省電力かつ低コストなどで他社との差異化を目指すでつ。
AMDは協業によりサステナブルでイノベーティブなものを提供していくでつ。

AIセキュリティー

世界で生成AI（人工知能）の開発や活用が広がっているでつ。
その中でもAIを使い外部の脅威から身を守るAIセキュリティーの重要性も増しているでつ。

企業もAIセキュリティーへの投資を進めてて、M&Aも徐々に増えつつあるでつ。
そこで…
知っておくべきことを記載するでつ。

AIアプリケーションの増加と脅威の高まりに伴い、AIを活用したセキュリティー対策の重要性も増しているでつ。
生成AIが成熟すれば、この市場は拡大し、投資額も増えるでつ。

コーポレート・ベンチャー・キャピタルによるAIセキュリティー分野のスタートアップへの積極的な投資は、
大企業がAIの開発と展開に伴うリスクに対処するため、AIセキュリティーを重視していることを示しているでつ。

AIセキュリティー企業の投資回収はまだ限定的でつが、最近の買収や企業による関心の高まりから、M&Aは今後増えるでつ。
魅力的な買収対象になるでつ。

サイバーセキュリティーで最も注目の分野の1つは、AIセキュリティー。
この分野のスタートアップによる2024年の資金調達件数は21件、調達額は3億5000万ドル超に上るでつ。
調達額はここ数年に比べて大幅に増えており、アーリーステージ企業による調達がそのほとんどを占めているでつ。

AIセキュリティーは企業が注目すべき重要な分野だ。カスタマーサービス向けチャットボットから不正検知アルゴリズムに至るまで
AIアプリケーションは広がり、新たな攻撃も増えているでつ。
生成AIの成熟に伴い、新たなAIセキュリティー企業の設立やこの分野への投資も増えるでつ。

CBインサイツのデータを活用し、買収対象になりそうなスタートアップやこの分野に力を入れているCVCなど、
この分野の勢いについて分析。

AIセキュリティー企業は、生成AIの基盤技術である大規模言語モデルLLMを含む機械学習モデルやアルゴリズムを
様々な攻撃から守るシステムを開発。
各社は3つの分野の対策に取り組んでいるでつ。

敵対的攻撃は、AIシステムを操作して不正確な出力を生成させたり、機密情報を抽出したりする攻撃。
モデルインバージョン、モデルのパラメーターを盗んで学習データを再構成する、データポイズニング、学習データセットを破損する、LLMのプロンプト、
インジェクション、巧妙なプロンプトでモデルを騙し、意図しない、または有害な出力を引き起こすなどがあるでつ。

サイバー攻撃:基盤モデルの開発&展開プラットフォームからアクセス管理まで、AIインフラを標的にした攻撃を広く指すでつ。
機械学習システムを破損するマルウエア、悪意あるプログラム、ソフトウエアサプライチェーン攻撃、正規ソフトにマルウエアを仕込む、
API、異なるソフトウエア同士をつなぐ仕組みの脆弱性悪用などがあるでつ。

AI特有のリスクの軽減:AIシステムには機能に起因する脆弱性があるでつ。
出力を通じた機微データの漏洩、事実とは異なる情報の生成、ハルシネーション、不適切または偏ったコンテンツの生成などがあるでつ。

企業はこうした脅威を軽減するため、LLMの学習に使う機微データを保護する策や、従業員が使っている外部の生成AIツールを識別し、
フラグを付ける策など様々なシステムに目を向けているでつ。

注目すべき新たなカテゴリーは、AIを中核にしたセキュリティーシステム　AIネーティブ・ディフェンスや、LLMを活用してタスクを
自律的にこなすAIエージェントを攻撃などから守るAIエージェント・セキュリティーなど…

例えば、米スペースXの元セキュリティー技術者らが23年に創業した米レイスウォッチWraithwatchは、AIを活用してサイバー攻撃を
シミュレーションし、実際に攻撃を受けた場合の防衛態勢を整えておくことで、AIで高まる脅威に先手を打つでつ。

一方、米グーグルのCVC、グラディエント・ベンチャーズなどから24年7月に600万ドルを調達した米Vijilは、AIエージェントの行動と信頼性を評価し、
悪意あるユーザーのプロンプトから守るセキュリティーシステムを開発しているでつ。
もっと包括的なAIセキュリティーツールへの需要も高まっているでつ。

LLMセキュリティーは未熟な分野。
あらゆる面のセキュリティーを提供する企業はごくわずかで、LLM分野の信頼できる専門家に自分で問い合わせ、脅威のあらゆるベクトルを理解し、
解決しなくてはならないでつ。

LLMのセキュリティーとコンプライアンス、ガバナンスのごく一部ではなく、あらゆる面を手掛けるスタートアップが必要。
AIセキュリティーは様々な部門の企業から注目されている。CVC、特に巨大テックと防衛企業は23年以降、AIセキュリティー企業の資金調達ラウンド12件に参加。

これは、こうした企業がAIセキュリティーを重要な優先事項とみなし、特にAIの導入に関連するセキュリティーやコンプライアンスの懸念に先手を
打とうとしていることを示しているでつ。
AIセキュリティーを自社開発する取り組みを示唆している可能性もあるでつ。

AIセキュリティー企業のエグジットは今のところ限定的。
サイバーセキュリティー分野全体のM&Aが増えるなか、24年に3社が買収され、CVC投資も増えていることから、買収がさらに続く可能性があるでつ。
包括的なAIセキュリティーシステムの構築が狙い。

関心ゾーン内の企業は、買収対象として注目。
AIへの指令は通信。
セキリティが万全にならないと運用は難しいでつなぁ～

送配電事業者、AIで業務効率化

送配電大手50社を対象に、人工知能（AI）の対応度をランク付けしたでつ。
最も先進的なイタリアの電力大手エネルは250以上のAIアプリケーションを活用し、機械の保守や物流など
多岐にわたる分野で効率化を進めているでつ。

送配電事業者を支えるAI技術への投資も加速しているでつ。
AI投資は送配電部門に変革をもたらそうとしているでつ。

生成AIツールの導入により、2032年にはこの部門の価値は86億ドル高まるとみられているでつ。
進化するAIモデルのエネルギー需要を支える機会は言うまでもないでつ。

予知保全から送配電網の最適化、スマートメーター、チャットボットによるカスタマーサービスに至るまで、
AIを活用した解決策は既に送配電事業者の業務を効率化し、信頼を高め、顧客体験を向上しているでつ。

送配電事業者がAIシフトの態勢が最も整っているかを判断するため、送配電事業者のAI対応指数の提供を開始。
世界で最も時価総額が高い送配電事業者50社を対象に、急速に進化するAIを活用する態勢が整っている企業上位25社をランク付け。
革新力と実行力の2つの柱に基づいてスコアを算出。

革新力:斬新なAI機能の開発や取得の実績を測定。
特許、買収、投資活動などのCBインサイツのデータに基づいてスコアを算出。
実行力:AIを活用した製品・サービスを送配電網にとりいれ、ビジネスやバックオフィス部門にAIを展開する力を測定。
他社とのビジネス関係、製品導入についてメディアで取り上げられた回数、決算説明会の発言内容などのデータに基づいて算出。
送配電部門でAIの導入が進んでいるのは、イタリアのエネル、フランスのエンジー、米国のデューク・エナジー。

3社の多様な戦略は、送配電事業者がAI対応度を高められる複数の手段を示しているでつ。
戦略的なAI導入:エネルは様々な業務でAIを広く導入し、効率化とコスト削減という包括的なアプローチのメリットを実証しているでつ。
再生可能エネルギーに注力:エンジーは再エネ資産の最適化に力を入れ、脱炭素化の取り組みに不可欠なクリーンエネルギー源の効率化と
統合の推進におけるAIの役割を示しているでつ。
AIのハイブリッドな使い方:デューク・エナジーの科学的機械学習は、特に送配電網のような複雑なシステムで専門知識と機械学習を
組み合わせることにより、効果的な策を生み出せることを示しているでつ。

首位のエネルはAI導入の包括的なアプローチが際立っているでつ。
事業全体で250以上のAIアプリケーションがあり、カスタマーサービス、発電、物流、インフラのメンテナンスに対応する専用AIチームを置くでつ。
発電事業では機械学習を活用し、風力タービンの納入の物流を最適化。

インフラのメンテナンス事業では、AIアルゴリズムがセンサーデータを分析して機器の故障を予測し、ダウンタイムを減らして資産の寿命を
延ばしているでつ。
僅差で2位に付けたエンジーは、再エネの最適化に力を入れているでつ。

例えば、市場の需要と天候の予測に基づいて風力発電の売電の最適なタイミングを予測するAIシステムで米グーグル・クラウドと提携。
風力の発電量と市況を正確に予測することで、収益を最大化し、送配電網の安定に貢献しているでつ。
AIを活用してエネルギーを管理するテーブルポインターのシードラウンドで共同リード投資家も務めたでつ。

この投資はAIにより省エネと送配電網の脱炭素化を進めるエンジーの戦略に沿っているでつ。
デューク・エナジーはAIのハイブリッドな使い方が評価され、3位に入ったでつ。
同社のSciMLは従来の工学モデルと機械学習を組み合わせているでつ。

データのみを活用してパターンを見つける標準的な機械学習とは違い、確立された科学的原理と専門知識を学習プロセスに統合し、
より正確で信頼性の高い結果を導き出すでつ。

同社はSciMLを活用し、1万台以上の大型変圧器のチェックに費やす時間を年数週間から数日に短縮。
故障リスクが高い変圧器を特定する精度も大幅に改善。
さらに、AWSと共同で、エネルギー利用シナリオを従来よりも大幅に短時間でシミュレーションできるクラウドベースの
送配電網プランニングシステムの開発に取り組んでいるでつ。
革新力のスコアはのAI関連の特許取得数や出資活動のデータに基づいているでつ。

送配電部門のAIイノベーション（技術革新）は総じてまだ初期の段階でつが、一部の企業はこの部門の将来の方向性を示唆するような的を
絞った戦略を進めているでつ。
自社のイノベーションを守るために広範な特許の取得を優先している企業もあれば、AIの展開を加速するためAI技術への戦略投資に力を
入れている企業もあるでつ。
米ナショナル・グリッドは送配電部門のAI投資のリーダーとして台頭。

同社が参加した注目のラウンド3件は、重要なイノベーション分野を示しているでつ。
AIと衛星技術を組み合わせて送配電事業者の予知保全を支援するでつ。
故障を予測することで、送配電網の信頼性と顧客満足度を高めているでつ。

エクソディゴのAIを活用したマッピングは地下の資産の位置を正確に特定し、作業員の安全を高めつつ、
プロジェクトのリスクや遅延、サービス途絶を減らすでつ。
脅威防止アービントのAIは重要インフラと作業員のリスクを特定して軽減することで、資産と人命を守りながら、安全な送配電事業を確保。

エンジーは活発なAI投資活動により2位に付けたでつ。
テーブルポインターへの出資のほか、20年と21年にはエナジーワークスのシリーズBとCにそれぞれ出資し、
AIを活用したエネルギー管理システムへの関与をさらに強めたでつ。

一方、エネルはエネルギー消費量の予測分析に力を入れており、特許の取得件数が最も多いでつ。
ビルのエネルギー消費データを分析し、タイムラグと外気温から需要急増を予測する機械学習システムで複数の特許を取得。
こうしたAIによる予測は送配電網の安定を維持し、資源の配分を最適化し、再エネの送配電網への統合を進める上で不可欠。

実行力のスコアはのAI関連のビジネス関係、製品導入がメディアで取り上げられた回数、決算説明会の発言内容に基づいているでつ。
イノベーションは土台を築く一方で、どの送配電企業がAIの恩恵を受けるかは実行力で決まるでつ。
分析では、送配電企業は戦略的技術提携、社内でのAI開発、顧客対応でのAI活用という3つのアプローチでAI導入計画を実行に移しているでつ。

エンジーやエネルなどのエネルギー大手は外部の専門知識を活用してAIの導入を加速させているでつ。
例えば、エンジーは、米マイクロソフトのクラウドサービス、アジュールと提携し、再エネ資産の管理を最適化。
マイクロソフトのクラウドとAI機能を使うことにより、自社で大規模開発することなくエネルギー効率と運用のパフォーマンスを高めるのが目的。

同様に、エネルは、米シースリーAIとの提携により事業分野全体のデータを統合し、効率を高めて意思決定を強化。
この提携により、エネルは一から開発することなくAI機能を活用するツールを手に入れたでつ。

これに対し、米ネクステラ・エナジーはAIを自社開発。
同社は用地の選定から資産管理まで独自のアプリケーションを含む100以上の社内AIプロジェクトを進めているでつ。
AIの開発を内製化することで、テクノロジーとデータを自由に管理でき、ニーズに直接対応したカスタマイズが可能になるでつ。

ネクステラは送配電事業者としては最多の過去3四半期の決算説明会でAIに関する話題を取り上げたでつ。
これはAIを中核業務に深く組み入れ、市場での差異化につながる組織的な知識と専門知識を構築するという同社の戦略を示しているでつ。

一方、エネルはAIを業務効率化だけでなく、顧客とのやり取りの改善にも活用しているでつ。
イタリアのindigo.aiと提携してチャットボットの訓練プロセスを自動化し、強化しているでつ。
自動化により会話のタグ付けを効率化し、複数のチャネルでAIアシスタントのパフォーマンスを高めているでつ。

AIの活用も活発化してきたでつなぁ～

愛は、AIでは解けないかなぁ～

恋愛もAI。
マッチングとかAIが選択してくれるからある程度は合ってるんだろうけどね。

だけど、最後は本人同士の意志。
そこだけは…
AIではどうにもならないところ。


AIによるマッチングが当たり前になった分野で、あえてAIを使わないことを訴求するサービスがあるでつ。
仲人がお見合い相手を探す結婚相談所や、顧客に合った香水を専門家が選ぶネット販売など。
AIを無機質なものと捉え、むしろ人間味を打ち出すことで、差異化を図るマーケティング戦略

AIが最適の結婚相手を推薦してくれるマッチングアプリを使う人は着実に増えているでつ。
2023年10月に実施したアンケートによると、過去1年以内に結婚した人の4人に1人はマッチングアプリが出会いのきっかけ。
職場での出会と並び同率トップ。

また今ではほとんどの結婚相談所も、IBJやTMSといった連盟に加盟し、連盟が運用するマッチングシステムを導入しているでつ。
ただそれと並行して、仲人が縁談を持ち込むコースも用意。
昔ながらのお見合いプロセスを守る、全国でも数少ない結婚相談所があるでつ。

会社の創業家や医者の家系、資産家など、家同士の釣り合いを大切にするご家庭の子息や子女、親御さまが、昔ながらのコースを希望することが多いでつ。
こうしたご家庭の方は、家族が連盟のシステムで紹介されることを嫌がる傾向があるでつ。
家同士の釣り合いを確かめるために、伝統的な釣書と呼ぶ書面を使うでつ。

釣書には会員の現住所、学歴、職歴、趣味、特技などのプロフィルが記されている。釣書は関西地方での呼び方で、関東地方で言うところの身上書だ。
仲人は、社外の仲人たちと定期的に釣書交換会を開き、仲人としての目利き力を働かせながら会員に最適なお見合い相手を探しているでつ。
お相手の学歴や現住所、親の職業などから育った環境や価値観が見えてくるでつ。

AIに頼らない、職人技によるマッチング。
お見合い相手をAIに決められたくないと思う人は必ず残るとして、AI全盛の時代を迎えても、仲人の仕事はなくならないと確信するでつ。
愛こそがAIに対する最大の付加価値になるとみるでつ。

振られて落ち込んでいる会員と一緒に涙を流したり、自信を失いかけている会員と飲みに行って励ましたりしているでつ。
このように会員に愛情を持って接することは、AIにはできないでつ。
結婚相談所の仲人は成婚までの期間、会員に寄り添うことができると強調。

またIBJなど連盟のマッチングシステムを使っても条件的にお見合い相手が見つからない場合、M&Fパートナーをはじめとする結婚相談所の仲人たちは
プロフィル交換会を開き、人力で最適の相手を探しているでつ。
それなりに年齢を重ねた男性が、若い女性と結婚したいと思っていても、AIでは条件が合わずお見合いを組めないことがあるでつ。

そうしたケースでは、仲人がプロフィル交換会で、こちらの男性会員は年齢を重ねているかもしれないがでつ、若い女性とも付き合える魅力は十分にあるなどと
相手の仲人に伝えているでつ。

AIでは捉えきれない魅力をアピールできる点も、結婚相談所の強み。
AIとの対話が当たり前になる時代には、逆に人間とのコミュニケーションの価値が上がるでつ。
ネット通販ではAIを使ったレコメンド機能が一般的。

利用者の個人情報や購入履歴から次に買いそうな商品をAIが予測し、画面におすすめとして表示する機能。
AIに頼らないでつ。

例えばこうすい選び。
その代わりスタイリストと呼ぶ、日本フレグランス協会の資格を持つ香りの専門家が、一人ひとりの利用者に合わせて香水を選んでいるでつ。
利用者がサイトに入力した性別や世代、好きな場所のイメージなどを基に香水をセレクトするでつ。

悩みごとや希望を書き込む自由記入欄もあるでつ。
失恋したので元気になりたいなどと記入した人には、癒やしの効果があるハーブの香りがする香水などを選んでいるでつ。
香水は感情に訴える商品であり、機械的にご提供したくはないと語るでつ。

k恋愛はやっぱりAIではなく、心でつなぁ～

AIの進歩には、センサーは欠かせないでつなぁ～

AIの進歩にはセンサーの技術進歩は不可欠。
情報の入力は、センサーからになるでつ。

そのセンサーからのインプットで学習して答えを導き出すでつ。
そりゆえ…
センサーを理解する必要があるでつ。




センサ英語でつ。
日本語では感知器などと訳されるでつ。

自然現象や人工物の機械的・電磁気的・熱的・音響的・化学的性質あるいはそれらで示される空間情報・時間情報を、
何らかの科学的原理を応用して、人間や機械が扱い易い別媒体の信号に置き換える装置のこと。
センサを利用した計測・判別を行うことをセンシングというでつ。

人間や生物には視覚や聴覚などの感覚器官が備わっていて、それらによって知覚した情報を脳で分析し判断して、対応しているでつ。
それと同じように、機械も制御や処理をするための情報をセンサーから得ることができるでつ。
機械がセンサーによって得られる情報には温度、湿度、速度、加速度、磁力など多種多様な種類があり、人間の五感よりも幅広く精緻だといえるでつ。

センサーによって得た情報の多くは人間が直接読み取るか、判読可能なデータに変換して利用されるでつ。
だけど、一方で情報を電気信号などの機械のみが読み取れるものに変換し、人間の関知しないシステム内で処理されるケースも多くあるでつ。
センサーはこれまで実にさまざまな分野で活用されてきました。身近なところでは自動車、家電製品、防犯装置、警報機、スマートフォンなどが挙げられるでつ。

光や温度などの物理的変化を計測するものだけではなく、人が指で触れていることを感知するタッチパネルや、顔認識や動体認識ができるカメラなどもセンサーの一種。
産業ロボットにも必ずセンサーが備えられているでつ。
電圧センサー、電流センサー、温度センサー、加速度センサーなどがその代表。

そして、IoT製品の開発においてもセンサーは必須のアイテムであり、IoTを構成する重要な要素の一つ。
IoT機器とIoTシステムは、センサーがあることによって初めて、対象からの情報を得ることができるでつ。
たとえば、自動的に温度管理・調整をするIoTエアコンには、周囲の温度や湿度を感知するセンサーが搭載されているでつ。

工場内で機械設備の稼働情報を収集するIoTシステムには電流センサーなどが組み込まれているでつ。
IoTにセンサーを組み合わせることで、対象のリアルタイム監視、リモート操作、データの収集と蓄積をもとにした解析、
収集したデータのビッグデータ化などが可能になるでつ。

温度センサーは、対象物や対象空間の温度を計測するでつ。
食品や食材を適切な温度で管理する、機械の異常な温度上昇を監視するなど、温度センサーの活用範囲は多岐にわたるでつ。
温度センサーにはサーミスター、熱電対、測温抵抗体、バイメタル、圧力温度計、放射温度計など多種多様なセンサーが存在するでつ。

湿度センサーは、大気中や任意の空間内に含まれる水蒸気の比率を計測するでつ。
エアコン、冷蔵庫、空気清浄機などの身近なものから、ビルやホテルの空調管理、工場内の特定箇所の湿度調整に使用されるものもあるでつ。
電子式の湿度センサーには抵抗式と容量式の2種類があり、いずれも乾湿材料と呼ばれる物質を用いて、ドライ、ウェットの度合いを電気信号に変換。

加速度センサーは、単位時間あたりの速度を表す加速度を測定するでつ。
加速度を測定すると、物体の傾きや振動などの情報を計測できます。加速度センサーにも多くの種類があり、たとえばMEMSと呼ばれる技術を
用いた静電容量式などが知られているでつ。

GPSセンサーは、全世界的な位置測位システムであるGPSを使ったセンサーです。スマートフォンにも搭載されているのでなじみがあるでつ。
GPSは約2万km上空を周回しているGPS衛星、地上管制、GPS受信機という3つの要素によって対象の位置を特定するでつ。

ジャイロセンサーは、角度を検出するセンサー。
加速度センサーとともに、慣性センサーの一種でもあるでつ。
ジャイロセンサーは、加速度センサーでは計測できない、回転する動きを検知できるでつ。

スマートフォンやデジタルカメラなどにも使用されているでつ。
圧力センサーは、圧力を検知するセンサーです。シリコンチップの隔膜に加わる圧力を膜の変形として検出し、電気信号に変換するといった原理で
圧力を計測するでつ。

給湯器、エアコン、洗濯機、食洗機、空圧計・水圧計・油圧計などさまざまな用途があるでつ。
光センサーは、光を検知するセンサー。
紫外線、可視光、赤外線など対象とする光の種類別にセンサーが存在するでつ。

物質に光を当てると光電効果と呼ばれる電子の変化が起こるでつ。
光センサーはこの光電効果を利用して光を検知するでつ。
最も単純な光センサーは、光が遮断されたかどうかを検知するだけのもので、自動ドアの人感センサーなどが該当するでつ。

イメージセンサーは、光を電気信号に変換し、像を取得するでつ。
イメージセンサーは高度な光センサーの一種でもあるでつ。
その代表例はデジタルカメラやデジタルビデオカメラ。

デジカメはCMOSやCCDといった撮像素子を介して光を電気信号に変換し、画像を得ているでつ。
距離センサーは、距離を測るでつ。
距離センサーには大きく分けて、光学、電波、超音波をそれぞれ使用する3種類があるでつ。

測定対象物に光などを照射し、反射されて戻ってきた光を評価し、距離に換算して出力するというのがその原理。
振動センサーは、振動を検知するセンサー。
振動センサーは、対象とする物体の変位、速度、加速度を測定できるでつ。

音センサーは、音の振動を検知するセンサーです。音の検出を行うセンサーはマイクロホンと呼ばれるでつ。
音の大きさや音の高さなどを判別できるでつ。
声をテキストに変換する音声認識技術などと組み合わせて、音声入力や音声操作などに利用されているでつ。

センサーの技術や性能は今後もさらに進化し、センサーを組み込んだIoTの活用範囲も広がっていくでつ。
IoTとセンサーの新しい組み合わせが、これまでになかったような製品やビジネスチャンスを生み出す可能性があるでつ。
センサーとIoTのこれからの動きに注目が必要でつ。

奈良県の交通規制はおかしい。青にならない信号があるから信号無視をあおるでつ。

自動運転となるとAIにいかに教育するかが問題になるでつ。
信号器では、→だけで青にならない信号があるでつ。

こりって、赤黄青の信号必要かなぁ～
交通マナー日本最低の奈良県では絶対に不要だなぁ～というより信号無視あおるだけ。
そもそも信号器も統一されていない。

奈良では時差と記載在りながら全く時差無しでは、信号無視するしかない。
しかも→で赤でも行けると勘違いして突っ込んでくる輩もいる。
まぁ～最近は、赤で進んで青で停止してるバカな輩が多いけど…

信号も右折の多いところと言うより、右折は矢印に統一すべき。
しかも↑と←出して赤のままつうのもおかしい。
こりなら黄色だけ残した方がいいと思うでつ。

そいとバリケードも不要なところに付けて必要なところにない。
二車線が交差点で直進・左折と右折にわかるところは、バリケード建てるべきで、
横へ逃げれるところに建てるのはどうかと思うし、渋滞を招く原因。

１回止めただけでと思うけど、右折ラインで直前に割り込んでくる方がよっぽど危ない。
たぶんこう矛盾なことしてるのは奈良県だけだろうね。
だから交通マナー最低県、奈良ナンバー見たら要注意とかのレッテルが貼られるでつなぁ～

どうでもいいところでスピード違反張るなら、信号無視しまくりの交差点とか張るべきだと思うけど
お金儲けに走る奈良県警では、無理だなぁ～
安全第一を徹底してほしい奈良県警の体制を改善してほしいところでつ。

AIで製造業どう変わる

人工知能（AI）革命で製造業がどう変わるのか。
その答えを自ら探りながら出そうとしているでつ。

産業機器メーカーとして、2011年から第4次産業革命を主導。
AIによる製造現場の創造的な破壊に挑んでいるでつ。
生成AIスタートアップへの出資など、産業機器分野で進めるAIの取り組み5つの戦略でつ。

成長戦略の柱はAIの導入。
2017年には最先端のAI研究拠点を設立。
新たなAI施設に1億ドル以上。

25年に全製品にAIを搭載し、AIを活用して製品を開発するでつ。
CBインサイツのデータを活用。
産業分野での5つの最重要戦略でつ。
・AIインフラ
・ファクトリーオートメーション（FA）
・産業用IoT（モノのインターネット）
・現場データのアナリティクス（分析）
・半導体

AIインフラは、AIを活用し、自動光学検査や根本原因の分析など数百カ所に上る自社工場の製造プロセスを改善。
AIを使って膨大なデータセットを分析し、工学設計やサプライチェーン管理の最適化も進めているでつ。。
データストリーミングを手がけるシリーズCラウンドに出資。

23年11月には、大規模言語モデルを開発する生成AIスタートアップ、シリーズBの共同で務めたでつ。
法人向けに特化することで、業界リーダーの米オープンAI（Open AI）と差異化。

こうした出資に加え、大学のAIイノベーションセンターとの提携を拡大し、映像解析技術、生成モデル、
因果学習などのアプリケーションについて研究する「デルタラボ2」も開設。

ファクトリーオートメーションは、バッテリー生産や消費財、半導体などの業界向けにFA製品を提供。
製品はソフトウエア制御システムからモーターやコンベアなどのハード機器まで、多岐にわたるでつ。
VCは21年5月、部品を一体成型する技術で注目を集めるシリーズCに出資。

AIとロボットを駆使した自動化を手がける鎂伽科技の2回のラウンドにも参加。
機械や装置の動きを精密に制御する運動制御機能を強化するのが狙い。
サーボドライブや一体型モーターなど、制御システムの開発と実装を手がけるでつ。

産業用IoTは、製造業のデジタル変革第4次産業革命に積極的に取り組んでいるでつ。
第4次産業革命ではAIやデータ分析、モニタリングセンサーなどの産業用IoT技術を製造プロセスに組み込むでつ。
例えば、工場デジタル化システムネクシード産業アプリケーションシステムにはIIoT技術も含まれているでつ。

産業環境でリアルタイムの知見を提供し、効率を高め、データに基づく意思決定を可能。
このところ、IIoT機能を推進するため複数の企業と提携。
量子コンピューティングで提携。

デジタルツイン技術を活用してマドリードにある自社の自動車エレクトロニクス工場を仮想空間に再現。
フィンランドの通信機器大手に、ドイツの生産工場で第4次産業革命向けに高速通信規格5Gに対応した高精度の位置特定技術を発表。
セキュリティーと生命の安全を守るシステムを製品ラインアップに加えたでつ。

現場データ分析は、電動工具や計測システム、ソフトウエアなど広範な製品を提供し、建設や鉱業など多くの業界の現場を支援。
現場を最適化する複数のスタートアップにも出資。

半導体は、車載半導体を重点分野と位置付ける一方、チップ・アーキテクチャー、フォトニクス、量子コンピューティングなど
様々なアプリケーションの半導体の開発も目指しているでつ。

例えば、最近ではオープンソースの半導体アーキテクチャーリスクファイブを推進するため、合弁会社を設立。
この合弁会社は当初は自動車業界に力を入れるでつが、いずれはモバイルやIoT向けにも拡大する方針。
複数の半導体企業にも出資。

その他で上記の5つのカテゴリーに加え、次の分野の開発も目指しているでつ。
コミュニケーション・プラットフォーム、医療、発電、電動工具、

AI導入で製造技術を変えていくでつ。

EVパワトレインの計測と制御技術

ＥＶの開発が活発化してるでつ。
今年は各メーカいろんなＥＶ出すでつなぁ～

だけど、ツーボックスばかりだなぁ～
さて…
電気で走るとなると計測と制御がどうなのかってとこでつなぁ～




BEV，e-POWER，e-POWER はシリーズハイブリッドとして分類されるハイブリッド形式であり，高い加速性能と
アクセル操作性を BEV の開発によって得られた電動パワートレインの制御によって実現するとともに，発電制御によ
り，エンジンでの発電騒音を感じにくい特徴をもち，従来のシリーズハイブリッドとの差別化を図っているでつ。

BEVと e-POWER ともに 100%モータ駆動のシステムであり，駆動輪はモータの出力が減速機を介して接続されるでつ。
BEV と e-POWER の駆動モータ・インバータを共用することで，効率的に開発を進め，設備投資とコストの低減が可能。
100%モータ駆動であることは，モータの高精度・高応答の制御のメリットが BEV と e-POWERでも得られ，
車両のクイック・スムースな加減速を実現しているでつ。
また，e-POWER では，発電専用のエンジンはタイヤと接続されていないため，エンジンの最良燃費の動作点を集中的に
利用することで燃費向上を図れるだけでなく，エンジンによる発電のタイミングを選択する自由度も高いるでつ。

e-POWER の発電制御では，ロードノイズが大きくなる車速条件や，路面粗さの推定によってエンジンによる発電の制御を行うことで，
BEV のような静粛性を実現しているでつ。

BEV は日産リーフのモデルチェンジとともにバッテリー容量の向上，モータ・インバータの性能向上を実現し，日産リーフを通じて
得られた知見・経験をもとに，新しいプラットフォームをもつ SUVの BEV として日産アリア，また，軽自動車の BEV として日産サクラへと
発展させたでつ。

これらの電動パワートレインは，バッテリー，モータ・インバータ，充電器をそれぞれの車両の性能・仕様に適した部品を搭載し，電動パワートレインの
制御は共用させながら改良・発展させ，それぞれの車両に合わせて制御の適合を行っていでつ。
日産リーフは高効率かつ高トルク・出力を備える埋込み磁石型同期モータを駆動モータとして採用し，ステータ巻線やロータの磁石配置などを改善し，
モータのコア径は同一としながら，軸長を変えることで，e-POWER も含めたさまざまなラインナップに対応していでつ。
日産ノートは，第一世代から第二世代の進化の中で駆動モータを 85 kW，280 Nm に向上しながら，モータの軸長 18%減，機電一体の電動パワートレインの
ユニットとしてサイズ 15%減を実現したでつ。

日産アリアでは，新たに開発した巻線界磁同期モータ を採用したでつ。
ロータの励磁電流を制御することによって，低トルク領域における電磁加振力を低減することができ，EV と e-POWER どちらも 100%モータ駆動のパワートレインであり，
駆動力制御を共通化でき，BEV で開発した制御を活用できるでつ。

加速や巡行など，駆動力要求が大きくないシーンでの静粛性を向上していでつ。
また，重希土類元素のコスト・供給リスクを低減できることも特徴であるでつ。

これらの中心となるコントローラが VCM であり，たとえば，車両のアクセルペダルや車両速度，
バッテリーの充電状態 などをもとに駆動力を制御し，インバータに搭載される MC に CAN を用い
てモータのトルク指令値を送信するモータのトルク指令値を送信するでつ。

この電動パワートレインの部品群と VCM は EV-CAN というネットワークを構成し，VCM は車両側の ECU が
接続されるV-CANとEV-CAN との情報のゲートウェイとしての役割も果たすでつ。

Driving sub system として示されるBEV と e-POWER の駆動力制御は，電動パワートレインの ECU である VCM と MC，
またBMSによって構成され，BEVとe-POWERが共に100%モータ駆動であることから，これらの制御を共通化することができるでつ。

BEVの充電制御と e-POWER の発電制御は，それぞれのアプリケーションとして制御開発を行い，電動パワートレインの種類に
応じて選択しているでつ。

共通化された駆動力制御について以下に説明すると，MC はトルク指令に基づいて，検出したモータ電流から，インバータの各半導体スイッチの
On/Off を操作することによってモータトルクを実現するでつ。

MC はインバータのキャリア周波数での高速なフィードバック制御が可能であり，この高速な制御の特徴を活かし，駆動軸ねじり振動抑制や
バックラッシュ振動抑制などのモータトルク制御が実現されているでつ。
一方で，VCM ではクイック・スムースな加減速制御を実現するトルク指令値を生成し，ブレーキとモータトルクの協調制御を実現するそれぞれ
の指令値の生成や，巡行時の損失を低減する制御などの機能をもち，駆動力の制御の中でも，VCM・MC の特徴を活かして機能を分担させているでつ。
これらの駆動力の制御が BEV と e-POWER で共用されることで，BEVで開発・発展した機能は e-POWER に活用され，またe-POWER で開発された機能を
BEV に採用することも可能であり，相互に進化・発展することができるでつ。

e-POWER 車の発進時の加速プロファイルは車両の加速性能として重力加速度に対する比を G として表わしているでつ。
e-POWER 車ではほかの HEV 車と比較して，0 s でのアクセルベダルの踏み込みに対して高い応答性を示し，またスムースな加速を実現しているでつ。

このことはアクセルペダル操作に対して，遅れが少ない，リニアリティが高く，操作性の良い車両であることを意味しており，運転の不慣れなドライバにも
運転のしやすさという価値を提供しているでつ。
中高速域で巡行するシーンでは，ドライバが微小なアクセル操作により不要な加減速を行うことで，モータ効率の低い領域での力行・回生の繰り返しを生じ，
モータ損失を増加させてしまうでつ。
この課題に対して，車速に応じた巡行に必要な駆動力付近ではドライバの微小なアクセル操作をキャンセルし，モータの損失を低減させるグライディング制御が
BEV と e-POWER に採用されているでつ。

グライディング制御により，日産リーフでは実用航続距離を約 6%向上させた前後輪独立のモータ駆動による電動 4WDは e-POWER の日産ノートに採用され，
前後駆動力を制御することで車両のピッチング制御を実現しているでつ。
図 6に示すように，前輪・後輪のモータを回生制動する際に，その制動力の差を制御することで回生制動時の車体姿勢の変化を抑え，フラットかつスムースな快適な
乗り心地を提供できるでつ。
この電動 4WD を発展させ，モータによる駆動・回生に加えて各輪の油圧ブレーキも組み合わせた制御として電動 AWD 制御であるe-4ORCE開発し，
e-4ORCE グライディング制御時の駆動力イメージ力行・回生の微小な繰り返しをキャンセルすることでモータ損失を低減するでつ。

前輪と後輪それぞれのモータの回生ブレーキの制動力差を制御することでピッチ挙動を最適に抑えるでつ。
は BEV の日産アリア，また，e-POWER の SUV であるエクストレイルに採用されているでつ。
e-4ORCEでは，輪荷重の変化によるタイヤグリップ力の限界内でタイヤのグリップ能力が最適となるように駆動力を前後輪に配分し，車両のコーナリング性能を高め，
さまざまな路面状況においても高い安定性を実現している日産電動パワートレインの特長の 1 つであるクイック・スムースな加速応答を実現する制御のコア技術として，
駆動モータ制御による軸ねじれ振動の抑制が挙げられるでつ。

初代日産リーフの開発前から，モータ制御技術として開発が進められ，採用後も進化・改良が続けられているでつ。
駆動モータトルク指令をステップで与えた場合と，軸ねじれ振動抑制の比較を示すでつ。
モータの出力軸とタイヤの間のドライブシャフトのねじり剛性によって，モータトルクに対するモータ角速度の応答は，およそ 8～10 Hzに顕著な共振特性をもつでつ。
緩やかにモータトルクを変化させれば，ねじり振動を抑えることができるが，加速応答を低下させてしまうでつ。
このトレードオフ課題に対して，軸ねじれ振動抑制では，駆動トルクの伝達系と車両運動をモデル化し，共振特性をもたない規範応答と伝達特性の逆系からフィードフォワード補償器を
設計し，ロバスト性を高めるためにフィードバック補償器を併用しているでつ。

この軸ねじれ振動抑制をもとに，日産リーフでの「ePedal」の採用の際に，駆動モータの回生と力行の切替時のギアにおけるバックラッシュ特性も考慮した制御へと発展させたでつ。
e-Pedalはアクセル操作のみで発振・加速・減速・停止を行える機能であり，アクセルペダルとブレーキペダルの踏み替え操作を減らすことで運転操作の負荷を低減することができるもので，
進化したe-Pedal Stepが日産アリアや e-POWER の車両に採用されているでつ。

EVもいろいろと進化してるでつなぁ～
でもAI化はしやすい感じでつなぁ～
会話型AIと合わせて２～３年位には実用化されそうだなぁ～

チャットＧＰＴ公開1年

対話型人工知能チャットＧＰＴ」は一般公開から１年を超えたでつ。
AI普及へ影響を与えたのはまず間違いないところ。

チャットＧＰＴは不思議なほど人間に似ているような回答をする点が魅力となって、過去１年で世界を席巻。
ユーザーの多様な指示に対応してくれる半面、その影響力の広がりによって、ＡＩが社会で果たすべき役割に
関するさまざまな疑問も生じているでつ。




マイクロソフトが、BingチャットボットとEdgeウェブブラウザ用に採用。
大きな変更点の1つは、BingのユーザーはGPT-4モデルに完全アクセスできるようになったでつ。
これはChatGPTのサブスクリプションサービスと基本的に同じもの。

そしてエクセルとの連携でつなぁ～
一連の操作を記録し、その操作を自動で再現する機能するマクロを使用できると便利。
だけどマクロは少しプログラミングスキルが必要。

だけどChatGPTを使うと簡素化できるようになるでつ。
こりで表計算とか自動化できると業務が簡素か出来るでつなぁ～