ウィリアムのいたずらの、まちあるき、たべあるき

っていう話にこの前なった。

理由は２つ

（１）企業は、プログラミングは、海外に出す気になれば出せるし、
　　　現状、海外に出さずに、ニアショアで賄っている（それと常駐SES＋派遣で回っている）状態。
　　　で、需要と供給のバランスでは、ちょっと需要のほうが多いかなという状態。

　　　この状態で不景気になると（株価的にはなりそうだし・・いや、もうなっているのかも？）
　　　プロジェクトは減る。

　　　そうすると、もちろん、雇用の調整弁である、派遣とニアショアは切られるSESは規模減らされる）が、
　　　社員をPMとして割り当てている。この人たちの首は切れないので、プロジェクトを作らないといけない。
　　　なので、プロジェクトを作り出すために、PMをプリセールスに回すんじゃないか？

　　　そうなってくると、営業、プリセールスのほうが、プログラマより需要ありそうだよね。という話。


（２）今でもリストラ社員を派遣がバンバン救済している状態なんだけど、
　　　不況になると、もっと大企業はリストラしてくる。そうすると、派遣社員に採用される人が増える。
　　　仕事は増えず（むしろ減り）、人数は増えるのだから、１人当たりの仕事量は減る。
　　　なんで、派遣社員も、暇になってきて、プリセールスやれって言われるんじゃないかなあ・・っていう話


ってかんじ。

どうでしょうかねえ？
（と、年の瀬に来年の心配をしてみる・・・）

もう、ここ１～２年、年功序列とかいう人がいなくなってきたってのが、
実感じゃないかな・・・

マックなんかみても、

おばあさんの人がレジやってて、中年の人がフロアにいて、
それよりはるかに若い人が店を仕切って、指示だしている。

システム開発なんかでもそうで、
今、一番下にいる底辺っていうのは、６次～７次請けの会社ではなくて、
派遣社員やフリーランス。

【知識１】派遣会社の社員は、今多くは２とおり
　・業界未経験者のうち、ソフトハウスが雇ってくれない若者
　　　未経験者でも、塾や学校の先生、一般会社事務はソフトハウスでも雇ってくれるけど、
　　　　会社をうつ病で退職した「うつ明け」の人や、全く関係ない居酒屋、建設業のひと等は
　　　　ソフトハウスを受けると落ちるらしく、こういう人が派遣会社へ。
　　　　（最近の変わり種だと、「農業」とかもあり）
　・業界経験者で、リストラされた高齢者
　　　こっちのほうが多いかな～。年齢だけで、もう受からない人。
　　　なので、この方面はピンキリで、大企業で第一線で開発していた人から仕事ができないでリストラされた人まで様々。

　　　→大企業で第一線で働いていても、高齢者（４０代後半～）は、一般ソフトハウスの再雇用は絶望的に厳しいのが現実
　　　　多くの人は「条件が高いからでしょ」と思うかもしれないが、そうでなく、厳しい。
　　　　その証拠に再雇用される派遣会社の条件は、一般ソフトハウスと同等か、それ以下。



【知識２】
　派遣会社を頼むのは、ソフトハウスだってことは、
SIerと下請け構造：AIベンチャーの協創とは、１段中抜きしただけの話
https://blog.goo.ne.jp/xmldtp/e/e6399ba3bc2924973a10560a8b7a0bd0
に書いた通り。
　で、このソフトハウスには、大卒以上の学歴を要求するところもあるけど、専門卒でOKのところもある。
　で、入った後は、総じて学歴は関係ないので、専門卒で３０代でマネージャーということは、普通にあり得る。

【結果】
・この結果、
　　大学院卒、５０代のバリバリに開発してきた元大企業でリストラされた派遣社員の上司が、
　　専門卒（大学行ってない）３０代のソフトハウス会社のプロジェクトマネージャー
　っていうことは、普通にあり得るわけ。

こうなると、年功序列とか、学歴とかは、全く関係ないよね。
大企業に勤めても、リストラされちゃうと、派遣社員になるしかなく、
そうなると、今までアゴで使っていた「以下の」社員の、一番の下っ端の人間が
自分の上司になることになる。

ってか、今年ぐらいから、その光景が普通になってきているよね。
高齢者の底辺、増えた気しない？

「Windows10により、」なんとかかんとか「壊れています」とか出てきて・・・（後日、キャプチャできたので、下に貼っておきます）

ブラウザでサイト見ていただけなのに・・・

フレッシュネスバーガーで見ていたので、「やばやば」という感じで、
とりあえず、ブラウザごと、閉じました。

これらしい・・・

いきなりWindowsセキュリティシステムが破損していると警告ページが表示！いったいこれはなに？
https://wakaraji-web.com/fake-warning-page-is-displayed/

（以下太字は上記サイトより引用）

Webブラウザでネットサーフィンをしていると、リダイレクト型広告コンテンツを介して、急に「Windowsセキュリティシステムが破損している」といった警告ページにリダイレクトされることがあります。
これは悪質な偽警告ページなので騙されないように注意しましょう。

偽警告ページが表示される原因として、エロサイトを見ていて変なウイルスをパソコンに仕込まれた可能性がある・・・と言いたいところですが、この偽警告ページは誰のパソコンでも起こりうるページです。

とのこと。偽サイトとわかるものの、音が鳴るので迷惑（いきなりなると焦る）。

ある母親の意外すぎるサンタの正体のバラし方に「これが正解！」と絶賛と感動の嵐
https://front-row.jp/_ct/17138520

そうなの？これが正解なの？

サンタクロースって、フィンランドにおて、その人が日本人のサンタさんに仕事を丸投げして、
その日本のサンタさんも、誰かに丸投げして、最終的に、お父さんに丸投げされたから、
お父さんが、クリスマスのプレゼントをしてるのではなくて？

この丸投げ先は、お父さんじゃないこともあるけど、多くの家庭はお父さんがやっている。

その証拠に、丸投げ先が恋人になったものが、

「恋人がサンタクロース」

という歌で、この歌は、テレビ・ラジオで良く流れている。
電波法上、（電波法１０６条）虚偽の通信を行ってはならないけど、この歌を歌っている
松任谷由実さんは、虚偽の通信で東京地検にも、警察にも捕まっていない。

ということは、「恋人はサンタクロース」は嘘ではない。

ほらね～、丸投げしてるんですよ。お父さんとか、恋人に。

---

子供に、「サンタさんからの発注書みせて」と言われたら・・・

いや、発注書がなくても、仕事を始めちゃうことって、よくあるんだよ、
開発間に合わなくって。

サンタさんは、アジャイル採用しているので、RedMineに、自分の欲しいものを要求としてチケット書いておけば、ステータスが変わっていって、丸投げ作業がどこまですすんだかわかるよ！
　ただ、サンタのリポジトリと、自分の家のリポジトリにずれがあって、最新の状態が知りたければ、NORADの

https://www.noradsanta.org/

を参照のこと。

で、プレゼントが送られると、サンタさんから、手紙をもらうこともできるんだけど、
その手紙を出す作業も丸投げされていて、丸投げされた人が、「ジェンキンス」さんなんだ・・・

---

きっと子供は疑うだろう

これは、サンタだけでなく、お父さんが、ソフト会社から仕事丸投げされているというのも、あやしい。
本当は、仕事なんてなくて、失業しているけど、丸投げされて仕事している「フリ」しているんじゃないか

・・・と

・・・イマドキ理由にならないんだよね。
アジャイルだと、詳細設計書つくらないから。

つまり、詳細設計をやる人と、PGする人が同じだと、詳細設計を作らないでコーディングしてしまい、
必要なら詳細設計書をあとから自動生成するということができるから。

この場合、インターフェースをきっちり設計し、
インターフェースがあっているかどうか確認できるテストを行う。

このインターフェースがあっているかをどうかを確認するのが、ユニットテストで
XUnitのテストツールを使う。このテストを絶えず行うため（Jenkins使って、
コミットするたびにテストを行って自動的に確認するようにする）、
インターフェースはあっていることが保証される。

このような保証が契約による設計なわけで、
インターフェース部分しか設計しないので（中はブラックボックスなので）
プログラム内部をリファクタリングすることができるわけ。

ソフトバンク最高技術責任者が漏らした「ファーウェイ排除」への本音
https://www.mag2.com/p/news/380871

ファーウェイは技術的に先端は知っていることは確かで、
今後もこの路線でいくとすると、

・日本やアメリカはファーウェイの５G製品を使えない
・新興国（アフリカ）などにはファーウェイの５Gがどんどん導入されていく

ということになる。ファーウェイは、イノベーションのジレンマが働くから、
既存事業者を技術的に急速にキャッチアップ、追い抜くことができるだろう

そうすると、ファーウェイを使っていないアメリカ、日本は、５Gで技術的におくれ、
ファーウェイを使っているアフリカが、日米を５G技術で抜くことになる。

失敗確実なAI活用システム
https://blog.goo.ne.jp/xmldtp/e/5a1226e455e8690a3e3aa753284134e0

では、システムの構築方法（AIの入れどころ）によって、AI導入システムは失敗するっていうことを書いた。

つまり、

　　　　　　 ＊－＊
車車間情報　→｜人｜→タイヤ
センサー情報→｜工｜→ブレーキ
路車間情報　→｜知｜→アクセル
行先等希望　→｜能｜→車内クーラー
　　　　　　 ＊－＊　　　：

は、学習データを作れないから無理っぽく

　　　　　　　　　　　　　　　＊－＊
他車両　　→　車載間通信装置　→｜制｜
　　　　　　　　　　　　　　　｜御｜→強化学習でアクチュエーター制御→車両移動
　　　　　　　　　　　　　　　｜装｜
走路環境　→CNNでセンサー処理→｜置｜
　　　　　　　　　　　　　　　＊－＊

なら、作れそうという話。

それに関連したことで、機械学習させる場合３種類あるという話も付け加えておく

---

■機械学習のさせ方には３種類ある

（１）１この学習済みデータを利用して、個々の機械学習プログラムが動く
　　例：OCRなど。数字学習済みデータを使って、数字を判別させる。
　　このとき、入力画像データが暗かったり、大きかったりしたら、適切な入力になるように、データを加工する（正規化）

（２）ある程度学習したものをつかって、現場のデータを追加学習させて使う
　　いわゆる転移学習

（３）既存の学習データはなく、新規に学習させる。


現状、（１）、（２）でどこまでいけるのか、（３）で学習できるのか？がはっきりとは言い切れないので、
AIシステムの開発リスクが大きくなっている。

前エントリ
「AI開発ミステリー　～そして誰も作らなかった～」
http://www.itmedia.co.jp/news/articles/1810/25/news011.html
について。

そこに描かれているのは、２～３年、（いやもっと最近、去年くらいかも）までの状況で、最近、下請け構造が変わったので、
ちょっとまとめておく。

---

■いま、下請けの段数が少なくなった。

今は下請けの段数がすくなくなっている。Sier（ここではIBM,日立、富士通、NEC等をさす）は、
こんな感じで、仕事を流していると思う。

SIer
　↓
SIer子会社、または独立系SIer
　↓
派遣会社・中小ソフトハウス

昔は、独立系SIerから中小ソフトハウスまでに何段か間が入ったけど、
今はそんなに入っていないと思う。それは、業界の自助努力と大手SIerさんの勧告・・・
・・・といいたいけど、（後者は多分にあるけど、前者は）そうではなく、
単価が安くなってきているので、中抜きのメリットがないから。

今は、SIerの子会社に必ずしも流れず、独立系の大手SIer(上場しているところ）に流れることも多とおもう。
この独立系SIerっていうのは、東証に上場しているレベル、たとえば、こんな会社たち。

http://seskillup.jp/shukatsu/it企業%ef%bc%88東証一部上場%ef%bc%89一覧/

派遣会社や中小ソフトハウスは、ここから仕事をもらっている。

---

■AIがらみのシステムの場合

失敗確実なAI活用システム
https://blog.goo.ne.jp/xmldtp/e/5a1226e455e8690a3e3aa753284134e0

に書いたけど、AIシステムといっても、すべてがAIなわけではないので、

（１）まず、システム全体を、SIer子会社、または独立系SIerが請ける

（２）そのうち、AI部分をAI担当ベンチャーに渡す・・・場合はラッキーだけど・・・

（２）’そのSIer子会社、または独立系SIerはAIよくわかんないと、適当にAI部分を下請けに振る
　　　ここで下請けとは、派遣会社、中小ソフトハウスにあたる。

（３）派遣会社、中小ソフトハウスはAI部分を適任な人にふれればいいけど、
　　派遣会社の営業がAIに詳しいとは思えず・・・ランダムに振られる
　　中小ソフトハウスは、人材に限界があるから、AIが得意な人がいるとは限らない

ということで、AIシステムが開発できるかどうかは・・・・運ですね（＾＾）／

---

■AIベンチャーが、（２）の位置にはいると、協創という。

AIベンチャーが「派遣会社・中小ソフトハウス」の位置に入る場合、これは当たり前のことで、
なにもいわない。

しかし、「口座を持っていない」AIベンチャーは、本来「SIer子会社、または独立系SIer」の位置には入れない。
ここにAIベンチャーが入ってきた場合、協創という言い方をする。

よく、協創というと、SIerと中小企業が対等で、パートナーとして・・・・のように聞こえるけど、
たいていはそうではなく、お客様の受注はSIerがとって、AI部分をSierがベンチャーに発注することになる
だから、Sierからみると、発注先が変わっただけで、枠組みが変わったわけではない。

「AI開発ミステリー　～そして誰も作らなかった～」　とある大手製造業の怖いハナシ (1/5)
http://www.itmedia.co.jp/news/articles/1810/25/news011.html

っていうのがあるけど、現在、ちょっと事情が変わっているところがあるので、
何回かに分けて、その辺を書いてみたいと思う。


まず、今回は、第一点。

AIを活用するシステムというのは、AIですべてのシステムを構築するわけではない

という点。

---

■たとえば、自動運転は、以下のように思っていないだろうか

　　　　　　＊－＊
車車間情報　→｜人｜→タイヤ
センサー情報→｜工｜→ブレーキ
路車間情報　→｜知｜→アクセル
行先等希望　→｜能｜→車内クーラー
　　　　　　＊－＊　　　：

つまり、人工知能にデータを入力し、機械学習させると、
いい感じにブレーキやアクセル、エンジンを回して、ハンドル切ってくれると・・・

しかし、次の質問をしたとき、これって、絶望的なことが分かる。

「じゃあ、その人工知能、どうやって学習させる？」

あらゆるセンサーデータ、あらゆる行先などの希望を学習して・・・無理！

将来何が起こるかわからないし、センサーの状態だって劣化したり天候によって変わるし・・・

・・・つまり、このように思っている経営トップやIT部長（Sierもそうなのかなあ～）が、
AI利用するシステムのプロジェクトに関与すると、絶対、失敗するってこと。

---

■じゃあ、どう考えるか。

さっきの自動運転、

自動運転 システム構成と要素技術
https://www.amazon.co.jp/dp/4627674619

の２７ページの「物理層」の図だけ、抜き出すとこんなかんじ

　　　　　　　　　　　　　　　＊－＊
他車両　　→　車載間通信装置　→｜制｜
　　　　　　　　　　　　　　　｜御｜→アクチュエーター→車両移動
　　　　　　　　　　　　　　　｜装｜
走路環境　→　センサー　　　　→｜置｜
　　　　　　　　　　　　　　　＊－＊

これだと、センサーのところにCNNの機械学習を入れて
アクチュエーターのところに強化学習を入れればいい。

そうすると、例えば「障害物が来たら止める」という自動運転を考えた場合

●センサーのCNN部分は

　入力データ→CNN→障害物がある／ない


となり、入力データをもとに、障害物の有無を判断する人工知能を機械学習で作ればいいことになる。

これなら、入力データである車の前の画像中、道路が見えていれば（＆横の飛び出しがない）→「障害物なし」

ということなので、学習できそう。


●アクチュエーターの強化学習は

（車載間通信で障害物があった,センサー情報で障害物があった）→強化学習→ブレーキ

となり、障害物情報を入力として、ブレーキをするか、しないかの２値を学習させればいい。
これって、機械学習でもできそうだけど、人工知能使わないで、ロジックで書けそう・・・

---

上記の自動運転の例でわかるように、人工知能をどこに使うかを考えることによって、
システム化が可能だったり、不可能だったりする。

だから、どういうシステムを構築し、どこに、どの種類のAIを使うか（CNN、RNN,LSTM,強化学習・・・）
がシステム構築上、最重要事項なんだけど、そこを考えないで、わざわざ失敗確実の自由度の高い
機械学習を構築しようとしてしまう・・・これがAIシステムの作れなくなる原因の１つ。

git pullしてコンパイル、実行したら、Segmantation faultで落ちたとする。
落ちた場所とソースは、gdbでわかったとする。

昨日は同じ事やって、落ちなかったとしたら・・・・

だれかが、何かをしでかしたはず！
それを見つける方法。


（１）git annotateする

　git annotate 落ちたファイル名

で、そのファイルをだれがいつ更新したかがわかる。
落ちたとこを更新しているわかりやすいケースもあるけど、
おうおうにして、落ちたところは修正なくって、
修正したところが原因で、なにか問題を作り、そこで落ちることもある。


（２）git logする

git log

すれば、更新内容が表示されるので、悪事を働いた人がわかる。

ファーウェイ。

【詳しくは】

https://www.msn.com/ja-jp/news/money/“実質日本製品”のファーウェイスマホ、2018年の販売2億台突破へ。「排除」進めば共倒れも/ar-BBRbZlg



日本の企業がアフリカにいって、危険な仕事をすると、採算が取れない（いった社員が事故を起こすかもしれない。その賠償を考えると）。そういう意味で、新興国需要を取り込むには、ファーウェイを通じてというのが、選択肢の１つではあったのだが。。。

ワークショップのレポートが出てたので、メモ

セミナーレポート：ノンプログラミングでAIチャットボットができる、「Concierge U」のワークショップに参加
http://tech-dialoge.hatenablog.com/entry/2018/12/20/114022

JUG CCCで、

SERVERLESS ARCHITECYURE FUNDAMENTALS

を聞いてきたので、メモ
（ただし、英語で聞いてきたので、メモが間違ってるところあるかも？
　表題のOPENWHISKについては、後半で）

---

・自己紹介
・IBMがオープンソースにいっぱい寄与

・サーバーレスとは？
　１．良くない名前だね
　　サーバーはある
　ポイントは
　　安い
　　簡単
　ファンクション　あず　あ　サーバー（FAAS)
　クラウド　ファンクション

　定義
　　プロビジョニングやサーバー管理なしに、コードが動くこと

サーバーレスは気にしない
　　スケーラビリティ
　　あべいらびりてぃ

プライシング：CPU（１００ミリ秒ごとに）＊メモリー使用料＊＄０．０００いくつか
　せつやくできる

・新しいアーキテクチャモデルなの？
　　コンシューマーのコンピューティングは
　　　　マイクロコンピューター→SAAS
　　エンタープライズのコンピューティングは
　　　　IAAS→サーバレスへ

APPS　　　　　　　　　　　　　　APPS
FAAS　　　　　　　　　　　　　　FAAS
コンテナ
プラットフォーム　　　→　　インフラはだれかのお仕事
インフラ

いままで　　　　　　　　　　　サーバーレス

VM→コンテナ→ファンクションへ

制限
　　実行時間
　　RATE　LIMITS：自動的に拡張してしまう

どっかーってなに？もうDockerはいらない

・新しいアーキテクチャ
　　FAAS使う
　　自分のFAASをかく
　　イベントドリブン

FAAS
　メッセージ
　HTTPコール　　→インボーク
　DBモニター

もう使っている
　Google FAAS
　　イメージ
　TWILIOなど

アーキテクチャーのシフト
　　ライブラリのインクルード→ルート・サービスのインボーク
　　パラメータ付きでイベント発火→FAASのインボーク

FAAS
　・小さい
　・短い実行時間
　・ステートレス

２つのスタイル
　　SYNC
　　ASYNC：長い実行時間のものなど

FAASの実装
・OPENWHISK
・Amazon　LAMBDA

・OPENWHISKのデモ
　　機能：JSONで入出力
　　IBMクラウドに作成する
　　IBMクラウドへインボーク

OPENWHISK：いろんな言葉に対応どっかーも

※ここで、ディスプレイが故障した
　クラウドファンクション→マイクロファンクション
　インフラ気にしないでいい
　早く提供できる

ワークショップやってる

３つのクラウドファンクションを考える
（ホワイトボードの内容）

CF－ABC
　　　　　　＊－－－－－＊　＊－－－－－－－＊　＊－－－－－－－＊
　　　　　　｜　CF-A　　｜　｜　CF-B　　　　｜　｜　CF-B　　　　｜
　　　　　　｜　login 　｜→｜load profile　｜→｜get item cart ｜
　　　　　　＊－－－－－＊　＊－－－－－－－＊　＊－－－－－－－＊
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　｜
　Web　　 　　　　　　　　　　　　　　　　　　　　　　　　｜
ブラウザ　←ーーーーーーーーーーーーーーーーーーーーーーー
　

機能をオーケストレーションする

---

【参考】

OpenWhiskの記事
オープンソースのサーバレス実行環境「OpenWhisk」の概要とアプリケーションの作成
https://codezine.jp/article/detail/9623

なお、IBMのマイクロサービスは
https://www.ibm.com/cloud/functionsにあり、

使い方は
IBM OpenWhiskというサーバーレス実行環境を用いて、Swiftでおみくじ
https://qiita.com/mono0926/items/e8941135f34eea8da015

・従来のAIは特徴量を利用していた。

　ディープラーニングは、特徴量がわからなくても、認識はできるんだけど、
　代わりにハイパーパラメータを決めなきゃいけない。

ここで、ハイパーパラメータって、意味わかります？
　ディープラーニングの層を何層にするか、ドロップ率をどれくらいにするかなど、
　ディープラーニングを実施する上で決めなければならない設定値のことなんだけど、
　この設定値により、学習がうまくいったり、できなかったりする。

つまり、特徴量のかわりに、このハイパーパラメータを決めなきゃいけず、
特徴量は理屈で予想がつくけど、ハイパーパラメータはそうじゃないので、
ディープラーニングでうまくいくかどうかは、経験と勘のやばい世界でもある
（このハイパーパラメータの最適化が最近の話題）

---

だけど、このハイパーパラメータって言葉をしらないと、この部分の話がぬけるので、
さっきの文は、

・従来のAIは特徴量を利用していた。
　ディープラーニングは、特徴量がわからなくても、認識できる

というお花畑になってしまう。こういう状態でAIに投資をすると・・

【記事】
無料＆たった数秒で写真から人物を抜き出して透過画像を作ってくれる登録不要のサービス「remove.bg」
https://gigazine.net/news/20181218-remove-bg/

【実際のサイト】
Remove Background from Image – remove.bg
https://www.remove.bg/