2015年4月27日 シニア技術者プログラム第2弾「第一回 IoT勉強会＆交流会 - IoTとは何なのか」 19:00～19:20　IT概覧～IoTまでの流れ～（荒本）

1. IT概覧
～IoTまでの流れ～
2015年04月27日
先端IT活用推進コンソーシアム
クラウド・テクノロジー活用部会 リーダー
アドソル日進株式会社 荒本道隆
1970年生まれ

2. IoTが流行っている理由（個人の感想です）
 安価に調達できる
◦ 30年前にもすでに技術はあったが、とても高価だった
◦ 現在は安価＆高精度＆小さい
◦ 今なら１万円でシステム全体ができる
 必要となるPCやネット環境は、すでにある
◦ センサーの種類も豊富
 危険が少ない
◦ 破壊、爆発、感電する可能性のある場面が少ない
 半田コテを握らなくても、プロトを作成できる
 電子ブロック感覚で、小学生でも安心
 出力ピン：Arduinoは 5V 40mA, Raspberry PI は 3.3V 50mA
 １人で全部できる
◦ すべての構成要素の難易度＆所要時間が下がった
 学習用マイコン、軽量プログラミング言語、IaaS
 偶然にスゴイものが出来るかもしれない
 人間の作業量が少なくなった。単純作業はCPUにお任せ 2

3. IoTを構成要素に分解
 測定
◦ マイコン、センサ
 通信
◦ ネットワーク
 蓄積
◦ ファイルシステム、データベース
◦ KVS, クラウドサービスの利用、ストレージ
 分析
◦ 統計処理、機械学習、ビックデータ活用
 出力
◦ ビジュアライゼーション、プッシュ通知
3

4. 測定－1976年頃の学習用マイコン
 TK-80
◦ ¥88,500-（大卒初任給が¥26,200-の時代）
◦ 2MHz μPD8080A(8bit), 0.5KByte-RAM
◦ パラレルI/O：１個
◦ 備考
 機械語を16進キーで入力
4
http://pc.watch.impress.co.jp/img/pcw/docs/357/649/html/718.jpg.html

5. 測定－2015年の学習用マイコン
 Arduino Uno
◦ ¥3,240- （養老の滝で料理＋飲み放題が¥3,000-）
◦ 20MHz 8-bit AVR, 32KBytes
◦ デジタルI/O：14本
◦ アナログI/O：6本
◦ 備考
 C/C++をベースとした言語で開発
 PCとUSB接続して、コンパイル結果を書き込む
 Raspberry PI 2
◦ ¥5,400- （餃子の王将の餃子20人前が¥4,800円）
◦ A 900MHz quad-core ARM Cortex-A7 CPU（32bit）
◦ 1GB RAM, 有線LAN, USBx4, HDMI,
◦ GPIO（デジタルのみ）, MicroSD card slot
◦ 備考
 MicroSDカード追加で、Linuxマシンが完成
 PC用のUSB機器の多くを流用可能
 家のTVをモニタにすれば、後はキーボードだけで開発も可能 5
最小のArduino
8pino ¥888-
アナログ値を
0～1023で表現

6. 測定－20世紀のセンサ
 あることはあったけど、とても高価だった
◦ 例：加速度センサ
6
加速度センサーの進化 http://techon.nikkeibp.co.jp/article/SCR/20140716/365681/

7. 測定－2015年のセンサ
 様々なセンサが安価に購入可能で、接続も簡単
◦ ほとんどのセンサが、抵抗を１つ加える程度で、
ArduinoやRaspberry PIに接続できる
7http://akizukidenshi.com/catalog/c/caccel_spop/加速度センサ
SensorTag $25
６種類のセンサを内蔵
Bluetooth Low Energy
http://www.tij.co.jp/tool/
jp/cc2541dk-sensor

8.  ちょっと変わったセンサも個人で購入できる
◦ ダストセンサーDSM501Aモジュール
 ¥2,138-
 http://shop.smartdiys.com/products/detail.php?product_id=552
◦ Grove 水分センサー モジュール
 ¥559-
 http://shop.smartdiys.com/products/detail.php?product_id=326
◦ においセンサ ＴＧＳ２４５０
 ¥300-
 http://akizukidenshi.com/catalog/g/gP-00989/
◦ 大面積Ｓｉ ＰＩＮフォトダイオードＳ６７７５
 ¥300-
 http://akizukidenshi.com/catalog/g/gI-04806/
測定－2015年のセンサ
8

9. 通信－1993年頃の通信
 サーバとの通信
◦ サーバは電話回線を持っており、その番号に発信
◦ 距離に応じて電話代がかかる（テレホーダイは1995年開始）
 通信手段：有線
◦ アナログモデムの最高速度は14,400bps
 28,800bpsの登場が1994年
◦ 1988年に「INSネット64」がサービス開始
◦ 1992年頃に、日本でインターネットの商用利用が開始
 無線通信＝無線機＋音響カプラ
◦ 300bps程度しか出なかった
◦ 1999年に無線LAN（IEEE802.11b：11Mbps）が登場
9

10. 通信－2015年の通信
 サーバとの通信
◦ サーバはインターネット上で、グローバルIPを持つ
 http/httpsなら、どこからでも通信できる
 逆向き（サーバ→クライアント）の通信も可能
 Ajax+Comet,WebSocket
◦ 通信量の上限はあるが、相手が海外でも固定料金
 通信手段：無線
◦ IEEE 802.11n：最大伝送速度600Mbps
◦ Bluetooth：BLEで省電力
◦ UltraWideband：位置測定もできる
◦ ZigBee：低速で省電力
◦ 3G/LTE：日本国内であれば、どこでも通信可能
◦ WiMax：通信エリアが狭いけど、早い・安い・無制限
10

11. 蓄積－2015年のストレージ
 容量
◦ 8TByteのHDDが個人用
 ST8000AS0002 ４万円弱
 20年前と同じ金額で、1GB → 8TB
 性能
◦ HDDの性能は、この10年でたった1.2倍
◦ SSDの登場で大きく性能アップ
◦ ビックデータはI/O性能が一番重要
11http://www.intellilink.co.jp/article/column/b301.html

12. 蓄積－2015年のストレージ
 RDB
◦ 様々な無償のRDBが利用できる
 MySQL, PostgreSQL
◦ 有償のRDBも、制限付きで無償利用できる
 Oracle Express, DB2 Express-C, SQLServer Express
 商用利用OK、制限：CPU数、データベースサイズ
◦ RDB以外のものも豊富にある
 Cassandra, HBase, MongoDB
12

13. 蓄積－2015年のストレージ
 クラウドサービスの利用
◦ サーバの構築・メンテナンス・場所・電気代が不要
 REST API サービスなら、サーバ側のコーディングが不要
 データ量が少なければ、無料で利用できるものも多い
◦ IaaSを8時間だけ利用する場合
 OS導入済みサーバの入手：5分
 メモリ4GByte、CPU2コア、Linuxの場合
 AmazonEC2の利用料金：$0.08 × 8時間 ＝ $0.64 ＝ 76円
 メモリ244GByte、CPU32コアで遊びたい場合
 AmazonEC2の利用料金：$3.36×8時間＝$26.88＝3,300円
 24時間ｘ１ヶ月使い続けると、リースとほぼ同額
13

14. 分析－機械学習までの歴史
 http://ja.wikipedia.org/wiki/人工知能の歴史
14
1 前史
2 人工知能の誕生 1943～1956
2.1 サイバネティクスと初期のニューラルネットワーク
2.2 ゲームAI
3 黄金時代 1956～1974
3.1.2 自然言語
3.1.3 マイクロワールド
4 AIの冬第1期 1974～1980
5 ブーム 1980～1987
5.1 エキスパートシステムの隆盛
5.2 知識革命
5.3 資金復活: 第五世代コンピュータプロジェクト
6 AIの冬第2期 1987～1993
7 1993年以降
7.1 マイルストーンとムーアの法則
7.2 知的エージェント
7.4 様々な場面で裏方として働くAI
TVなどで良く聞いた
イマココ

15. 分析－機械学習までの歴史
 エキスパートシステム
◦ http://ja.wikipedia.org/wiki/エキスパートシステム
 エキスパートシステムは基本的に、特定の分野の問題についての情報を解析
するルール群から構成されるプログラムであり、その情報はシステムの利用
者が提供する。 問題の分析結果を提供するだけでなく、設計によっては利用
者の行動を正しく導く指針を与えることもできる。
 機械学習
◦ http://ja.wikipedia.org/wiki/機械学習
 機械学習（きかいがくしゅう、英: machine learning）とは、人工知能における研
究課題の一つで、人間が自然に行っている学習能力と同様の機能をコン
ピュータで実現しようとする技術・手法のことである。
 エキスパートシステムと機械学習の違い
◦ エキスパートシステム：識者がルールを作成する
 識者自身も認識していない部分はルール化できない
◦ 機械学習：大量のデータを投入し、ルールを自動生成する
 どんなルールなのか人間には理解できない。でも役には立つ 15
事例:Google IME

16. 機械学習が注目されている理由１
 大量の電子データの入手が容易になった
◦ 最初から電子化されているテキスト情報
 Twitter Stream API
 様々な言語のつぶやきが無料で入手できる
 タグ付けされている、位置情報付き（一部）
 Facebook Graph API
 ユーザー情報、写真、記事、コメント
◦ 電子化されたテキスト情報
 電子書籍、特許情報
◦ 数値データ
 総務省統計局、気象庁、Linked Open Data、センサデータ、
Webサイト（スクレイピング禁止サイトは要注意）
◦ 画像
 Google、Flickr、CCDカメラ 16
個人の研究で、
よく使われている

17. 機械学習が注目されている理由２
 １人でも、アイデア次第で凄い物が出来るかも
◦ 人間が書くコードの量は、圧倒的に少なくなった
 エキスパートシステムでは、ルールを人手で書いていた
→膨大な専門家の作業が必要だった
 軽量プログラミング言語に、豊富なライブラリ
→全アルゴリズムを端から試してみるのも悪くない
◦ 投入する大量データは、無料もしくは安価で手に入る
 最初からデジタル化されているデータ
◦ 瞬間的に必要な計算パワーはクラウドで安価に調達
 数時間だけ、という利用形態が可能
◦ 結果をビジュアライズするためのライブラリも豊富
 HTMLにすれば、世界中の人に使ってもらえる
17

18. 分析－2015年の機械学習
 R言語
◦ 1996年に登場
◦ 実行環境が無償で使える
◦ RStudio（統合環境）も無償
◦ プログラマでなくても、結構使いこなせる
 インタプリタで結果を確認しながら、１ステップづつ進める
 細かい部分は適当に処理して、ミスはエラーが出る
 数学が苦手な人は、ツライです
◦ 便利なライブラリが、大量に無料で入手できる
 その他の軽量プログラミング言語
◦ Python, Perl, Ruby, Scala, JavaScript, e.t.c….
18

19. まとめ
 昔はとても個人ではできなかったことが
◦ ハードウエア：安価、小さい、高精度、簡単
◦ ソフトウエア：ほとんど無償、高機能
◦ データ：ほとんど無償、大量に入手できる
 ちょっと休日にやってみれる
◦ ソフトをやってきた人は、ハードを触ると新鮮
◦ サーバを１日だけ利用
◦ 偶然にスゴイ発見・発明が生まれるかも
 とにかくやってみる
◦ 本を読むと、分かった気になるけど
 実際やってみると、全然印象が違う事が多い
◦ 一度やってみる、せめて、一度見てみる
 AITCのオープンラボを利用してください
 YouTubeで手順を動画で公開している人多数
 一度見ていると、自分でやる時に苦労しない
19