多くの産業はインダストリー4.0での製造を目指して進歩し続けている。自動化の導入に加え、生産の効率化を助ける中心的な役割を果たす、迅速なコミュニケーションに基づく管理システム構築のためのテクノロジーを模索している。 　製造工程の各段階における管理は始めから終わりまで連鎖し、関連し合っている。製造開発から生産計画、サプライヤーから顧客への物流に至るまで、効率を最大限高める製造管理システムがそれぞれのサイクルにおいて不可欠である。先端を行く製造業者たちは市場の要求に応えるべく、しのぎを削っている。生産力を高めるために機械に投資するのではなく、長期にわたる高コストを踏まえて生産効率を高める方法を取っている。製造連鎖管理システムテクノロジーは様々な分野を網羅することができる技術であり、管理を円滑に進める助けとなる方法である。 Enterprise Resource Planning (ERP) 　ERPとは組織内での問題解決のため、業務管理に用いられるツールである。また投資計画や資産管理の効率を高めるためにも用いられる。利益を最大限引き出すために、部門間の壁を取り除き全体を管理することができる。1か所に保管された情報により、各作業分野の適応プログラムを結び付け、すべてのビジネス過程を集約する。使用の簡略化のため、製造分野においてこのシステムは製造情報だけを集めるという制限を設けている。製造工程や設計の分野には関わることができない。この制限のために多くの工場では全体の生産効率を高めるために他のソフトウェアを使用している。 Manufacturing Execution System (MES) 　ERPシステムは様々な制限により工程の各分野の情報にアクセスすることができない。必要な時に工場内のすべての工程を網羅できるように開発されたMESシステムは、PRODUCTION、PERSONNEL、QUALITYという3つの主要な工程を網羅している。顧客からの発注に始まり、生産計画、サプライヤーからの原材料や部品の受取り、可能な限り生産効率が高く低コストで品質の良い製品を製造するまでの工程を網羅する。MESプログラムはリアルタイムに近い情報にするためERPシステムと現場の情報のやり取りを仲介する役割を果たす。さらに、現場だけで決定するためにMESを現場で実際に起きていることを監視するモニターとして使用することもできる。機械はそれらの情報を人や他の伝達経路を介さずに反映することができる。 Product Lifecycle Management (PLM) 　製品の製造ライフサイクルすべてを管理するシステムである。企画から製品開発・複製の設計（CAD/CAM/CAE）に至るまですべての機関を集め、製品の管理工程に加わらせる。実際に始動する前の最も適切な状況での製造設計のためのPredictive engineering analytics とMechatronic system simulation (1D CAE)、複雑な製造を分析するための Finite element analysis（FEA）、Model testing and analysis、生産計画と生産における適切な配置、製品の使用から現在の世界の市場での競争における効率化を高めるためのシステム全体に至るまでが関係する。PLMは Product Data Management と呼ばれる情報管理の中心ともなる。人事、工程、業務管理システム、情報の安全管理システムなどの情報を集める、大企業において現在最も需要の高い主要なシステムである。 Manufacturing Operations Management (MOM) 　最新の成功した方法であり、ヨーロッパやアメリカの産業において急速に広まりつつある。PLMとMES両方の考え方を取り入れ、製品の研究・開発の段階から顧客の発注に応じた柔軟性のある生産、高度な生産計画、生産効率を最大化するための製造工程各段階における最適化までを網羅する SCADA Intelligence と Manufacturing Intelligence システムを用いている。製造管理から生産効率の分析、品質管理・保証、human machine interface（HMI）などに至るまでリアルタイムでシステムの状態を把握するソフトウェアとオートメーションシステムによって実現している。インダストリー4.0の考えを受け入れるためのシステムとも言える。

Article by: Asst. Prof. Suwan Juntiwasarakij, Ph.D., MEGA Tech Senior Editor 声認識によって消費者は機械学習や高度なアルゴリズムを使用したマルチタスクの実行が可能になります。テクノロジー企業はほとんどの製品に声認識を標準搭載することに関心を寄せています。それら企業の目標の一つは、音声アシスタントが文脈や内容に沿った正確な発言や返答ができるようにすることです。さらに、研究によると音声認識機能を持つバーチャルアシスタントの需要はますます拡大していきます。 声認識とは？ 音声認識とは話された単語を認識し、文字に変換する技術です。声認識は音声認識の一部で声によって人物を見分ける技術です。声認識ソフトは人が発する声を分析します。話された事を抽出し、読み取り可能な形式にデジタル化し、意味を分析します。アルゴリズムとそれまで入力された情報を基に人が何を言っているのか精度の高い予測ができます。 フェイスブック、アマゾン、マイクロソフト、グーグル、アップルなど世界の一流テクノロジー企業は、すでにGoogle Home、Amazon Echo（アレクサ）、Siriなどのサービスを様々なデバイスで提供しています。これら企業は声認識をほとんどの製品に標準搭載することを目指しています。その主な目標は声認識アシスタントが文脈や内容に沿った正確な発言や返答ができるようにすることです。 スマートスピーカー AIアシスタント機能を持つワイヤレススピーカー、スマートスピーカーは、ユーザーからの音声指示を受けて情報検索、音楽再生、オンラインショッピングなどの操作を実行できます。2015年にアマゾンがAmazon Echoを市場に送り出して以来、スマートスピーカーの人気は高まっています。グーグルがGoogle Homeを発売したことで市場はより活性化し、2016年の657万台から2019年の9,225万台へと出荷数が大幅に増加しました。アメリカは最大の市場で、中国がその後を追っています。 中国：成長地域 ต スマートスピーカーは世界的に成長しています。特に英語圏以外の国での伸びが著しく見られています。2017年の終わり頃、スマートスピーカーは英語圏の市場に限定されており、95％はアメリカとイギリスで販売されていました。しかし2019年からスピーカーの言語多様化により、ほとんどの人が中国語、フランス語、スペイン語、イタリア語、日本語を話す国々での売り上げが伸びています。市場ごとに見ると、音声検索の増加はインド、中国、インドネシアなどアジアの主要市場が牽引しています。 使用頻度は実用性を図る目安の一つです。上記6カ国ではほとんどのスマートスピーカーが毎日使用されていますが、その大半の使用回数は限られています。実際、スマートスピーカー市場が比較的成熟した国々の例では、日常使用するデバイスの中で使用頻度は7番目に位置しています。スマートスピーカーの実用性は使用できるアプリの種類にも左右されます。ほとんどの市場では音楽再生が最も一般的な使用ですが、それほど拡散しているわけではありません。2018年半ばからのデロイトの調査では5か国で最も使用されているスマートスピーカーアプリは音楽再生アプリでした。カナダだけはお天気アプリが最もよく使用されており、お天気アプリはほとんどの市場で第2位となっています。 重要ポイント これらを総合すると、声認識には問題点もありますが、長期的な視点で見れば有用です。スピーカーであれ他のデバイスであれ声認識や音声アシスタントはすべての人にとって利点があります。もう少しすれば、今以上にスピーカーと会話することが増えるでしょう。音声が主なインターフェイスになることはないでしょうが、視覚障害者や小さなキーボードやボタンの操作が困難なユーザーにとっては主な操作方法となり得ます。高齢化社会にとって有益な技術です。

Article by: Asst.Prof. Suwan Juntiwasarakij, Ph.D., MEGA Tech Senior Editor 人工知能（AI）は知らない人がいないくらい有名になりもう何十年もの間ポップルチャーの如く普及した。AI教育は1956年からダートマス大学で正式科目として始まった。当時は著名な専門家たちが集まり知能のシミュレーションのブレインストームを行った。これはAsimovがロボティックスの三つの法則を作ってから僅か数年後の事であったのだがそれ以上に重要な事はこれがTuringが1950年に出筆した有名な文献の後であった事だ。この文献で彼は始めて考えることの出来るマシン提案しそれ以上に世間をわかせたのはTuringがそのような機械に知能が備わっているかどうか実験をしたことであった。AIの簡単な歴史に触れる前にAIの三タイプを見てみよう。 アーティフィシャルジェネラルインテリジェンス（AGI） アーティフィシャルジェネラルインテリジェンス即ち一般的なAIとは人間のレベルで人間と同じように知能を使ったタスクが出来る能力を持つ物である。このようなAIは「強いAI」または「人間レベルのAI」として知られている。これと対照的に狭いAI-AGIは人間の一般的な能力を備えた物で特定のタスクができる物でないそれである。これに知能とは何ぞや、そして実際にAGIは何が出来る物の事を言うのかということに関しては幾つかの議論があった。一般的には人間レベルの6個のコアなバリューを備えた物の事というコンセンサスになっており、それらは: 1.理由付けの能力、問題解決能力、不確実な状況下において戦略を使え問題解決が出来る。 2.知識を披露できる。 3.計画が立てられる。 4.学習能力がある。 5.自然な言語表現が出来る。 6.共通ゴールのために上記全てを統合できる。 アーティフィシャルスーパーインテリジェンス（ASI） ASIとは最も優れた優秀な人間のそれを上回る知能を備えたスーパーインテリジェントコンピューターの事である。リサーチャーは皆が皆その達成方法（もしもそれが可能であると言う前提で）に同感な訳ではないがこれに同感しない者達はこのようなAIの開発はこのシステムが人間の限界を持たないと言う事がそもそもの論点のようである。その他の者達は人間は進化してまたは直接自分たちとASIを直接修正して根本的にその物質的認知度を改善すると考えている。 現実的にはASIは皆が考えるほどの物ではなく自ら常に永遠に再プログラミングや改善が出来る能力を持つAIシステム、理論上それは可能であるのだが、そのようなAIシステムはスピード感を持ったサイクルでそれを行い遺伝子の制約を受けない知能の爆発につながるのである。 アーティフィシャルナローインテリジェンス（ANI） ナローAIとはある限られたタスクにおいて人間の知能を越えた形でコンピューターを操作させる事ができる特定なタイプの人工知能技術である。ジェネラルインテリジェンスとは違い – ナローインテリジェンスは能力に於ける単一の部分集合に焦点を当ててそのスペクトロムにおいて進歩させようと言うものである。 ナローAIで文化的観点から最も意味があったのはアメリカの危険と言うテレビショーで優勝したIBMのスパーコンピューターのワトソンである。要するにワトソンはAI技術を使って人間の認知能力を真似た「質問に答える」のエキスパートマシンなのである。ナローAIは依然AIは産業界において利用されている最も一般的なかたちの技術なのであるのだがワトソンほど魅力的だとは言えない。ラーニングデータやデータマイニングを使って決定をさせるソフトウエアは全てナローAIであると言える。ナローAIは「弱いAI」として知られている一方ジェネラルインテリジェンスは「強いAI」として知られている。 [1] ジェネシス 1950年代にはAIは簡単に出来ると思われていたが実際はそうでは無かった。 60年代の終わり頃リサーチャー達はAIと言うのはかなり手ごわい研究エリアだと言う事に気付いた。これによって研究開発資金集めで集まりそうになったお金もどんどん少なくなっていった。この現象はAIの歴史の中でも良く見られるものであるが一般的には「AI効果」と言われており二つの部分から構成されている: AIは十年後には出現すると言う期待的なお約束とある特定問題解決した後のAIの態度のあり方の考え方、これらによって知能とは何なのかと言う定義を何度も何度も修正せざるを得なかった。 アメリカにおいてDARPAがAIの研究の資金提供を行った理由は完璧な機械翻訳を造ると言うのがその根底にあったのだが連続発生的に起こった二つの件がそれをぶち壊してしまった。これが後に、初のAI冬の時代と呼ばれたのである。この時期におけるキーイベントは: 1950年 | ターニング試験 | ターニング試験とは機械の知能を判断するための方法である 1955年 | AIという言葉 | 人工知能という言葉が始めて使われた。 1966年 | エリザ | エリザはチャット方ロボットの初めの頃のもので精神科医のような会話を真似る。 [2] リバイバル 1970年代から1980年代においてイギリスと日本において「エキスパートシステム」の出現によって資金集めの新たな波が始まった。これは基本的にはナローAIでありさらなるデータの摂取によって特定ドメインのアプリケーションやタスクがステップアップされアウトプットエラーをどうしたら削減できるかを「学ぶ」能力を有する。実際これらのプログラムは特定ドメインにおいて人間の専門家をシミュレーションする事が出来るくらいの物であったのだが新たなファンディングの意欲を刺激させるには充分であった。当時最も活発的意欲的に物事を進めていったのは日本政府であり同政府は第五世代コンピューターの製作に力を入れて間接的にアメリカとイギリスのAIリサーチ用のファンディングを復活に導いたいた。この黄金の時代はそれ程長続きはせずファンディングのゴールが達成できないという事で危機が訪れた。当時のキーイベントは: 1980年代 |エキスパートシステム |Edward Feigenbaumが人間のエキスパートと競う事の出来るエキスパートシステムを造る、であった。 […]