Googleの食堂に行ってきた

３月２９日、
API Meetup Tokyo #19
(会場：Google（もちろん日本の、六本木ヒルズ）の食堂）に行ってきた。
その内容をメモメモ

---

■あいさつ
・Googleさんありがとう
・お手洗いはお声がけ→たまに行方不明出る
・カードケース：返却　中身のシールとカードを渡すと出られる
・この会場は食堂だけど、紙皿紙コップのほうをつかってね
・始めての人３、４割

・APImeet upとは
programable web
　API　２００５年から　２０１０年くらいから急増
　２０１４年から１５年でも２．８倍→盛り上がっている

　WebAPI
　２０１０年　モバイルアプリのバックエンド
　最近　　　　APIエコノミー
　　　　　　　マイクロサービス

　API　Meetup：オープン、ニュートラル
　　エコシステム、ユースケースも幅広く
　　CTC,APIGEE（あぴじー）に黙認してもらっている
　　Googleさん；今回会場、懇親会

・ハッシュタグ #apijp

■Googleがめざす、誰もが使える機械学習
・自己紹介
　GCP：AWSのGoogle版
　あどぼけーと：エバンジェリストみたいなの

・今日のトピック

・ニューラルネットワークとディープラーニング
　どのイベントでも１～２割しか、ディープラーニングを触っていない
　ニューラルネットワーク＝学習できる関数
　　シンギュラリティみたいな賢いことはまだできていない
　　なんちゃって脳
　　理化学研究所：猫の小脳くらい
　画像：猫の画像→猫
　　　　ログ（ベクトル化）→ちーとしている不正ユーザー
　→トライできる：やってみないとわからない

・どう分類する？
　オレンジと青いせん→どうやってコンピューターにわからせる？
　playground
　結びつきに強弱がある→賢くなれる
　ニューラルネット：プログラミングしていない
　　基本人間が教えてあげる
　　段数とかはさじ加減。学習データを見せる

　アルファごー
　　ディープブルーは、ルールベース；基本プログラミング
　→解説者が説明できない：２週間たたないと
　→失敗例はあるけど、うまくいくものがある

・認識の要となるデータの特徴を探し出す
　特徴が出てきたという話が出てくるかも？

・ディープラーニング
　　５０段くらい

・Googleは？１００を超えるプロジェクト
　RankBrainディープラーニングによる検索ランキング
　Googleフォト
　Gmailのスマートりぷらい：コンテキストから自動生成、モバイルアプリからの返信１０％
　Google翻訳：Google Translate with Neural Machine Translation
　　→流暢に間違える
　Alphabet　冷却のON/OFFをディープラーニングに任せる

・糖尿病の眼底診断

・音声合成：ニューラルネットでピアノの音を作る
　　→BGMはこれでいい？

・誰でも使える機械学習サービス
　フレームワーク
　　TensorFlow
　API
　　ビジョンAPI：学習済みの画像認識モデル
　　　　　　　　 不適切画像検地：セーフサーチ
　　Speach API
　　自然言語処理API
　　翻訳API：８ヶ国語　相互変換　REST API
　→学習済みなので、学習しなくても使える

・オープンソースの機械学習ライブラリ　TensorFlow
　オープンソースの機械学習ライブラリ
　Googleの多くのAPIで
　python
　学習のアルゴリズム：勾配効果法（ぐらでぃあんとぐらっど）とか・・数字
　中の数学わかんなくても使える

・立ちはだかる壁：計算パワー
　GPUマシン　行列演算
　クラウドを使った分散学習
　TensorFlow：スケールできる　重み付け（モデル）をRasPi、スマホに

・エコシステム
　パートナーがぶあつい　ハードウェアベンダー　クアルコム SnapdragonのDSP
　　クアルコムのDSPだと0.1とか0.2とか・・・
　　CPU使うと２秒・・・

・TensorFlowで誰もが使えるディープラーニング
　きゅうり農家：Raspberry Piで仕分け　１５万円
　　→ディープラーニングはきゅうり農家で使う技術
　から揚げの認識：インターン　１０日間
　すぎゃーんさん　DCGAN　お手本データを見せると、ユニークな画像を作れる
　　→ユニークなアイコン

・Jupiterネットワーク、
　ニューラルネットASIC→電力代
　　→４０分の１、
　ディープラーニングは結構失敗する；分散学習

・MLエンジン　TensorFlowを低いコストで提供
　キューピー：ざくぎりの不良品　一桁くらい安く、６ヶ月で
　オークネット：リアルタイム査定できるような

■Pivotalが推進するAPIとプラットフォームの活用
・自己紹介
・Pivotalとは
　Googleさんとの協業、マイクロソフトさんからお金持ったり、アマゾンさんとも
　Spring Cloudfoundry
　API、
　CI,CD、デプロイメントとパイプライン
・Circle of Code
　　アイデア→プラン→コード→パイプライン→デプロイ→フィードバック→アイデア→
　XPとリーン
　→あなたのサークルは完成していますか
・Coircle of code for you

・イテレーション：１日でやっているところも

・Pivotalの場合
　Piv otal tracker→Spring→Concourse→Cloud foundry
　お客さんとペアで
　下のコンビにいかないように
　９：０６にスタンドアップの朝会

・アイデアからプランへ
　　シナリオ
　　　ペンとポストイット
　　ストーリー
　→Pivotal tracker
　　SaaS、ストーリーを管理できる
　　２Pizzaチーム
　　３０チーム、３０プロダクトマネージャー
　　タスク（Story）の作成
　Pivotal Trackerにおけるストーリー
　　start→Finish→Deliver→Accept→Accepted
　　　　Restart　　　　　Reject

・APIで管理
　APIトークンの取得
　APIを使ったでもアプリ

・Pivotal trackerとGithubとの連携
　APIができたら、（ツールが）報告する

　Trackerのデモ

・Spring Framework
　＃１エンタープライズJavaアプリケーション開発フレームワーク

・SpringBootは、それはもう、人気です
　VMWareのときは、勉強会５人だった
　ディペンデンシー、クラウド、RequestMapping
　→ネットフリックス
　　コネクテッドカー
　　Spring Cloud：オープンソース
　　→サービスディスカバリに登録

・APIを作りましょう
　SPRING INITIALIZR
　

・Concourse：PivotalのCIツール
　CI,CDツール
　パイプライン：自動化
　リアルタイムで図れる

・CFにおけるCI/CDの課題
　異なるアーキ、プラットフォーム、インフラ
・新規機能、あるいは既存機能のアップグレード

・パイプラインを生成する

・プロジェクト管理とパイプライン
　APIのパイプラインとしても魅力的

・CloudFoundry
　２０１１年に出てきた
　プラットフォームの重要性
　API:誰にどう使ってもらうか
　　→消費してもらう

・What is API Management
　　機能、サービス
　　API管理基盤
　　API

・浪費しないAPI環境

・サービスディスカバリ
　config server
　サーキットブレーカー

　アノテーションを書くことによりエンドポイント

・フィードバック
　Spring Cloud Sleuth,ZIPKIN
　　何かが遅いとき・・・
　　どれかが遅い・・・
　Spring Cloud Sleuth Zipkin with Maven

・ベストプラクティス→Pivotal Labs

・おわり
　素敵なAPI開発

■今後について
次回は番外編福岡！
東京と福岡をマッシュアップ（仮）
５月１９日（金）１９：００～　ヌーラボ福岡オフィス
　

AIの分類

人工知能はビジネスをどう変えるか？
https://www.nri.com/jp/journal/2017/03/170314_1/

では５つに分けているけど、書いていないAIもあり・・・
こんなかんじかなあ？



数年前だと、「ニューラルネット」のところは、「ソフトコンピューティング」と書いて
　GA,ニューラルネット、ファジー
とまとめてしまっていたが・・・

CNN,RNN,LSTMの違いは

やさしい深層学習の原理
http://gagbot.net/machine-learning/ml4

を参照。

また、応用というとき、利用価値を見つけて云々いうのは、「弱いAI」の考え方が多い
汎用人工知能（強いAI）を考える考え方もあり、こちらがシンギュラリティと結びつくんだけど、
図にはかけなかった。

それと、世間一般的には、サーバー・クラウドでのAIが中心だけど、
エンドポイントでのAIも考えられている

真のIoT実現に不可欠な技術 ―― ルネサスが提唱する「e-AI」に迫る
http://eetimes.jp/ee/articles/1703/21/news002.html