Category: Japanese

　Googleは米国時間2月3日、個人が職場で使用できる同社の生産性スイートの無償版である「Workspace Essentials Starter」をリリースしたと発表した。これは、同社の生産性ツールを日々の生活の中で個人的に使用しており、職場のレガシーなテクノロジーを使わずに済ませたいと考えている膨大な数のコンシューマーに向けた製品だ。 提供：Google Essentials Starterでは、「Docs」や「Sheets」「Slides」「Drive」「Meet」といったGoogleの人気ツールを利用できるが、「Gmail」アカウントへのアクセスは含まれていない。ユーザーはその代わり、会社から与えられている電子メールアドレスを用いてサインアップする。こうしたアカウントがいったん確認されれば、ユーザーはすぐにEssentials Starterを使用し、コラボレーションに向けて他の人々を招待できるようになる。 またユーザーは、ファイル形式を変換することなく、既存のツールを用いて作業できる。「Microsoft Office」ドキュメントやPDFを含む100種以上のファイルの保存や共有、編集が可能となっている。さらにEssentials Starterはファイルの暗号化やセキュアなアクセスを提供する。 「Google Workspace」のマーケティング担当バイスプレジデントであるKelly Waldher氏は米ZDNetに対して、「従業員が大局的な観点から、自らどう働きたいのかや、誰のために働きたいのかという決定を下す時期に（この新製品を）投入する」と述べ、「われわれは、この新製品を提供することで、従業員らが自らにとって最適な意思決定を下せるよう支援し続ける」と続けた。 さらに、これは「モダンなコラボレーションツールセットを採用し、現在のハイブリッドな作業環境を念頭に置いて開発されていないレガシーなテクノロジースタックを使い続ける必要がない」ことを意味していると同氏は続けた。 Google Workspaceは大半のデジタルコミュニケーション／コラボレーションツールと同様、新型コロナウイルス感染症（COVID-19）のパンデミックによって拡大してきたリモートワークやハイブリッドワークというトレンドの恩恵を受けている。Waldher氏は、ビデオ会議ツールの「Google Meet」が過去2年間で特に大きく伸びてきていると付け加えた。 このパンデミックによってビデオ会議ツールに対する関心が高まったことを受け、GoogleはMeetに対して多大な投資を実施した。また同社は、生産性向上ツールのラインアップを全面的に刷新し、2020年10月には「G Suite」として知られていたツール群をWorkspaceという名称にリブランディングした。 2月1日に開催された第4四半期決算（10～12月期）発表後の電話会議において、GoogleはWorkspaceの売上高の成長について、シート数と1シートあたりの平均売上高の双方が堅調に伸びたことによるものだと説明した。 この記事は海外Red Ventures発の記事を朝日インタラクティブが日本向けに編集したものです。

DeepMind（ディープマインド）は、任意の問題を解決するためにコードを書くことができるAIを開発した。このAIはコーディングチャレンジに参加し、中間あたりの成績を収めたことで実証されている。まだソフトウェアエンジニアの仕事を奪うまでには至っていないが、基本的な作業の自動化に役立つ可能性がある。 Alphabet（アルファベット）の子会社であるDeepMindのチームは、できる限り多くの形で知能を創造することを目指しており、最近ではもちろん、多くの優秀な頭脳が取り組んでいる作業としてコーディングが挙げられる。コードは、言語、論理、問題解決の融合であり、コンピュータの能力に自然に適合すると同時に、難題でもある。 もちろん、このような試みは初めてではない。OpenAIには独自の自然言語コーディングプロジェクト「Codex」があり、GitHub Copilotと、Microsoftが提供する、GPT-3にコードを完成させるテストの両方を支えている。 関連記事：OpenAIが自然言語AIコーダーのCodexをアップグレード、プライベートベータを開始 DeepMindの論文では、競技プログラミングを狙う理由を説明する中で、フレンドリーながらも競争相手を遠回しに侮辱している。 近年の大規模な言語モデルは、コード生成能力に優れており、簡単なプログラミングタスクをこなすことができるようになってきた。しかし、これらのモデルは、単に命令をコードに変換するだけでなく、問題解決能力を必要とする、より複雑で見たことがない問題で評価すると、いまだに性能が低い。 それについてOpenAIは言いたいことがあるかもしれないが（そして、同社の次の論文ではこの点についての反論が期待できるだろう）、研究者たちが指摘するように、競技プログラミングの問題は一般的に、既存のコードAIには見られないレベルの解釈と創意工夫の組み合わせを必要とする。 DeepMindは、この分野に挑戦するために、GitHubの厳選されたライブラリと、コーディング問題とその解決策のコレクションを使って、新しいモデルをトレーニングした。言葉にすると簡単に聞こえるが、些細なことではない。完成したモデルを、この種のコンテストを主催するCodeforcesが最近開催した（言うまでもなく、AIはそれ以前に見ていない）10のコンテストに投入した。 その結果、50パーセンタイルを少し超える中位の成績を収めた。人間であれば中途半端な成績かもしれないが（決して簡単ではない）、機械学習（ML）モデルの最初の試みとしては、かなり注目に値する。 CodeforcesのMike Mirzayanov（マイク・ミルザヤノフ）CEOはこう述べている。「AlphaCodeの成績は、私の期待を超えていたと断言できます。なぜなら、競技プログラミングでは単純な問題であっても、アルゴリズムを実装するだけでなく、それを発明することも求められることが多いので（これが一番難しい）、半信半疑でした。AlphaCodeは、新人の有望なコンペティターと同レベルの性能を発揮してのけました」。 AlphaCodeが解決した課題とそのソリューションの一例は以下の通り。 画像クレジット：DeepMind （DeepMindへのメモ：SVGはこのような図には厄介なフォーマットだ。） ご覧のとおり、これは賢いソリューションだが、エンタープライズ向けSaaS級のものではない。心配無用、それはもっと先の話だ。今は、このモデルが複雑に書かれた課題を一度に解析して理解し、ほとんどの場合、首尾一貫した実行可能な回答を生み出すことができると示すだけで十分だ。 DeepMindチームはこう書いている。「コード生成に関する私たちの探求には改善の余地が大きく残されており、将来はプログラマーの生産性を向上させ、現在コードを書いていない人々にもこの分野を開くことができるような、よりエキサイティングなアイデアを示唆しています」。最後の部分は、筆者に当てはまる。もしAlphaCodeがCSSでレスポンシブレイアウトを変更できるなら、私よりもよほど優れている。 こちらのデモサイトでは、AlphaCodeがどのように構築されたのか、また、さまざまな問題に対するAlphaCodeの解決策をより詳しく見ることができる。 画像クレジット：Krisztian Bocsi/Bloomberg / Getty Images ［原文へ］ （文：Devin Coldewey、翻訳：Aya

Scale AI（スケールAI）が73億ドル（約8400億円）企業になるまでの道には、画像、テキスト、音声、動画などのリアルデータが敷き詰められていた。現在、その基盤を利用し、AIで最もホットで新しいカテゴリーの1つであるシンセティック（合成）データゲームに参入する。 同社は米国時間2月2日に、機械学習エンジニアが既存の実世界のデータセットを強化するために使える製品「Scale Synthetic」の早期アクセスプログラムを発表した。同社は、この新しい部門を立ち上げるために2人の幹部を採用した。Nines（ナインズ）で機械学習の責任者を務め、Apple（アップル）で3Dマッピングのコンピュータビジョンエンジニアを務めたJoel Kronander（ジョエル・クロナンダー）氏をシンセティックデータ部門の新責任者として、また、Vivek Raju Muppalla（ビベク・ラジュ・ムッパラ）氏をシンセティックサービス部門のディレクターとして採用した。ムッパラ氏は、Unity Technologies（ユニティ・テクノロジーズ）でAIとシミュレーションのエンジニアリングディレクターを務めた人物だ。 シンセティックデータとは、その名の通り、現実世界の情報を使わず、機械学習アルゴリズムによって作成された偽のデータのことだ。医療用画像など、プライバシーが重視されるデータを作成する際に、強力で便利なツールになり得る。開発者はシンセティックデータを使って学習モデルをより複雑にし、収集された実世界のデータセットに散見されるバイアスを取り除くことができる。 Scaleは当初、人がラベル付けした実際の画像、テキスト、音声、動画データとソフトウェアを組み合わせ、自動運転車メーカーに機械学習モデルの学習に必要なラベル付きデータを提供していた。機械学習モデルは、ロボタクシー、自動運転トラック、倉庫やオンデマンド配送に使われる自動ボットの開発と配備に使われる。その後、このスタートアップは、政府、金融、eコマース、自動運転車とエンタープライズ産業などを顧客とするデータ管理プラットフォーム企業へと変貌を遂げた。 創業者でCEOのAlexandr Wang（アレクサンドル・ワン）氏は、この新しいサービスをデータへのハイブリッドアプローチだと表現し、実験室で育てられた肉にたとえた。 「研究室で育てられた肉が本物の動物の細胞から始まるように、私たちは本物のデータから始まり、そこから製品を育て、開発・構築していきます」と同氏はTechCrunchに語った。実世界のデータをベースにしてシンセティックデータを作成することで、実にユニークで強力なサービスを顧客に提供することができると同氏は述べ、同社は市場にそうしたギャップがあると見ていると付け加えた。 Scaleの顧客も、そのギャップを感じていたようだ。同社がシンセティックデータに力を入れたのは、顧客からの需要に応えるためだったとワン氏はTechCrunchに語った。この製品の開発を始めてから、まだ1年経たないという。自動運転車技術開発企業のKodiak Robotics、Tractable AI、米国防総省はいずれも、Scaleの新しいシンセティックデータ製品を採用していると同氏は述べた。 現在、約450人の従業員を抱えるScaleは、シンセティックデータを2022年の最優先事項として捉えており、製品ラインを充実させるために投資を続ける分野だとしている。しかし、それはリアルデータ事業を引き継ぐことを意味するものではない。ワン氏はシンセティックデータを、開発者が「アルゴリズムなどのAIや、特にエッジケースでより多くの利益を得られるようにするための補完的なツール」と考えている。 例えば、自動運転車の会社は通常、シミュレーションを使って現実世界のシナリオを再現し、その環境で自動運転システムがどのように対処するかを確認する。現実世界のデータでは、彼らが求めているシナリオは得られないかもしれない。 「例えば、100台の自転車が一度に横断するようなシナリオは、現実世界ではあまり遭遇しません」とワン氏は説明する。「現実世界のデータから出発して、すべての自転車や人を合成的に追加することで、アルゴリズムを適切に訓練することができるのです」。 画像クレジット：Getty Images ［原文へ］ （文：Kirsten Korosec、翻訳：Nariko Mizoguchi）

CNDT2021から、メルカリのエンジニアリング部門のマネージャーである中島大一氏によるマイクロサービスのセキュリティを強化するための施策に関するセッションを紹介する。 タイトルは「How We Harden Platform Security」 メルカリには「メルカリ」と「メルペイ」という2つの大きなサービスが存在し、それぞれがマイクロサービスとしてGCPの上のKubernetesに実装されている。合計200以上のマイクロサービスが、4000個以上のPodによって配備されているという。 メルカリとメルペイのサービスはマイクロサービスとして実装 メルカリは2020年のCNDTでもセッションを行っており、その際はメルペイ側のSREである高木氏が講演を行い、デベロッパー自身が運用まで行うという特徴的な体制について解説を行っている。今回の中島氏の講演でも、運用に専任しているエンジニアはおらず、プラットフォームの自動化などを行うエンジニアが存在するという内容を解説した。 参考：CNDT2020シリーズ：メルペイのマイクロサービスの現状をSREが解説 メルカリの開発組織の概要 メルカリ全体のセキュリティを強化するための施策について、3つのポイントに絞って解説を行ったのが今回のセッションである。基本はそれぞれのレイヤーにおいてのセキュリティを確保するだけではなく、多層防衛として複数のレイヤーに跨った深い防御を行うことが重要だと解説し、今回はその中から3つを紹介している。 3つのポイントでセキュリティを強化 開発環境におけるセキュリティ メルカリのプラットフォームは、マルチテナントを前提としてKubernetesのネームスペースによって分離されている。その際に特権の付与については、最低限必要なものだけを与える「Least Privilege」を基本としているという。 最低限の特権だけをテナントに渡す方針 これは実行環境であるKubernetesとアプリケーションをビルドするCI/CD開発環境においても適用されているおり、デベロッパーからビルドシステムへのアクセス、そしてビルドシステムからGCP上のKubernetesへのアクセスという2点において、最低限の特権を管理する方法が取られていると説明した。 実行環境だけではなくCI/CDにもLeast Privilegeを適用 Kubernetesにおいては、RBAC（Role Based Access Control）とネームスペースを使って特権の制御を実装していることを解説。リポジトリーについてはチームごとのにディレクトリー構造に分かれており、そのディレクトリーに対するアクセスを制限する方法を取っていると説明した。 サービスAのチームはサービスAのネームスペースしかアクセスできない

Web 1.0とWeb 2.0はともに、セキュリティモデルがアプリケーションアーキテクチャーともに変更され、まったく新しい経済の扉を開いた。Web 1.0では、Secure Socekts Layer（SSL、セキュリティ・ソケット・レイヤー）がNetscape（ネットスケープ）によっていち早く開発され、ユーザーのブラウザーとさまざまなサーバーとの間の堅牢なコミュニケーションを可能にした。Google（グーグル）、Microsoft（マイクロソフト）、Amazon（アマゾン）などのWeb 2.0の信頼できる仲介者と認証機関は、SSLの後継となるTransport Layer Security（TLS、トランスポート・レイヤー・セキュリティ）の実装を加速する中心的役割を果たした。 同じことがWeb3でも起きようとしている。これが、新しいWeb3セキュリティ会社への投資が2021年10倍以上増えて10億ドル（約1兆1500万円）を超えた主な理由だ。 Web3の成功は、さまざまなアプリケーションアーキテクチャーが生み出す新たなセキュリティ問題を解決するイノベーションにかかっている。Web3では、分散型アプリケーション（dApps）が、Web 2.0に存在する伝統的アプリケーションロジックやデータベースレイヤーに依存することなく作られている。代わりにブロックチェーン、ネットワークノード、スマートコントラクトなどのプロトコルがロジックと状態の管理に使われている。 ユーザーは今までと変わらずにフロントエンドをアクセスし、そこからノードにつながってデータの更新、たとえば新しいコンテンツの公開や商品の購入などを行う。この手順では、ユーザーが各自のプライベートキー（秘密鍵）を使って取引を承認する必要があり、通常秘密鍵はウォレットで管理される。これはユーザーのコントロールとプライバシーを保護することを目的としたモデルだ。ブロックチェーンを利用した取引は完全に公開されていて、誰もがアクセス可能でイミュータブル（改変不可能）だ。 どんなシステムでも同じだが、このデザインにはセキュリティとのトレードオフがある。ブロックチェーンでは、Web 2.0のように行為者が信頼されている必要がなく、セキュリティ問題に対応するための更新がより困難だ。ユーザーはアイデンティティに関する制御を自ら維持することができるが、アタックを受けたり、キーを悪用された時に助けてくれる仲介者は存在しない（Web 2.0プロバイダーは、盗まれた財産を復活させたりパスワードをリセットできる）。ウォレットも、Ethereum（イーサリアム）アドレスなどの重要情報を漏らす可能性がある。ソフトウェアである限り完璧にはなりえない。 こうしたトレードオフは、当然ながら重大なセキュリティ上の懸念を喚起しているが、それによってWeb3の機運が削がれるべきではなく、実際その可能性は低い。 改めてWeb 1.0、Web 2.0との類似点を見てみよう。SSL/TLSの初期バージョンには致命的な脆弱性があった。かつてのセキュリティツールはよくいって原始的であり、時間とともに堅牢になっていった。Web3のセキュリティ会社やプロジェクト、たとえばCertik（サーティック）、Forta（フォータ）、Slither（スリザー）、Securify（セキュリファイ）などは、Web 1.0やWeb 2.0アプリケーションのために当初開発されたコードスキャニングやアプリケーションセキュリティテスティングのツールに相当する。 しかし、Web 2.0では、セキュリティモデルの中心はレスポンスだった。Web3では、いったん実行された取引は変更不可能なので、その取引がそもそも実行されるべきかどうかを検証する機構が組み込まれている必要がある。言い換えると、セキュリティは予防に関して並外れて優秀でなければならない。 つまりこれは、Web3コミュニティは、系統的脆弱性に正確に対応し、暗号プリミティブからスマート・コントラクトの脆弱性まであらゆるものをターゲットにする新たな攻撃手段を阻止する方法を見つけなければならないことを意味している。現在、予防型Web3セキュリティモデルを推進するイニシアチブが少なくとも4つ、進行している。

CNDT2021では、マイクロサービスにおけるデータ整合性と分散トランザクション管理に必要なACIDを実現するためのJavaライブラリーScalar DBに関するセッションが紹介された。セッションでは、トランザクション管理のメカニズムやACIDの実装方法について詳述され、具体的な例で整合性保持の重要性が解説された。

拍子抜けするような結末だが、IBMは米国時間1月21日、Watson Health事業部門のデータ資産をプライベートエクイティ企業のFrancisco Partners（フランシスコ・パートナーズ）に売却した。両社は買収額を明らかにしていないが、以前の報道では約10億ドル（約1137億円）とされていた。 今回の取引でFranciscoは、Health Insights、MarketScan、Clinical Development、Social Program Management、Micromedex、イメージングソフトウェア製品など、Watson Health部門のさまざまな資産を取得する。これによりFrancisco Partnersは、幅広い医療データを傘下に収めることになる。 IBMは2015年にWatson Healthを立ち上げた際、データ駆動型の戦略に基づいてユニットを構築することで、この分野を支配することを望んでいた。そのために、PhytelやExplorysをはじめとする医療データ企業の買収を開始した。 その後、Merge Healthcareに10億ドル（約1137億円）を投じ、翌年にはTruven Health Analyticsを26億ドル（約2955億円）で買収した。同社はWatson Healthが人工知能（AI）の推進に役立つと期待していたが、この事業部門は見込まれていた成果を上げることができず、2019年にGinni Rometty（ジニー・ロメッティ）氏に代わってArvind Krishna（アルビンド・クリシュナ）氏がCEOに就任した際には、クリシュナ氏の優先順位は異なっていた。 Francisco Partnersはこれらの資産をもとに、独立した新会社を設立することを計画している。この部門が期待通りの成果を上げられなかったことを考えるとやや意外な動きではあるが、少なくとも今のところは、同じ経営陣を維持する予定だという。 Francisco PartnersのプリンシパルであるJustin Chen（ジャスティン・チェン）氏は、新会社がその潜在能力を発揮できるよう、さらなるサポートを提供する予定だという。「Francisco Partnersは、企業と提携して部門のカーブアウトを実行することを重視しています。我々は、優秀な従業員と経営陣をサポートし、スタンドアロン企業がその潜在能力を最大限に発揮できるよう、成長機会に焦点を当てて支援し、顧客やパートナーに高い価値を提供することを楽しみにしています」と同氏は声明で述べている。

2022年1月27日(木)齋藤 公二（インサイト合同会社 代表） 2年以上に及ぶコロナ禍が企業の働き方と働く場所に大きな変化をもたらしている。リモートワークやWeb会議システムなどのデジタルワークプレイス／デジタルワークスペース技術・製品はコロナ禍での事業継続で大きな効果を実証し、ネクストノーマル＝この先の業務環境においていっそう重要な役割を果たすことになる。2021年12月1日開催のIT Leaders Tech Strategy LIVEウェビナー「2022年以降の『デジタルワークプレイス』（主催：インプレス IT Leaders）に、IDC Japan シニアマーケットアナリストの渋谷寛氏が登壇。先を見据えたデジタルワークプレイス／ワークスペース戦略策定の重要性を訴えた。 デジタルワークプレイス／ワークスペースの定義 コロナ禍でビジネスのあり方が大きく変貌する中、新しい働き方を実現するデジタルワークプレイスへの関心が高まってきた。IDCでは、デジタルワークプレイスを確立する方法やリーダーがとるべきアクションを「Future Enterprise（未来の企業）」というフレームワークの中で具体的に設定している。 写真1：IDC Japan PC, 携帯端末&クライアントソリューション シニアマーケットアナリストの渋谷寛氏 IDC JapanのPC, 携帯端末&クライアントソリューション シニアマーケットアナリストの渋谷寛氏（写真1）は次のように説明する。「“ネクストノーマル”＝次世代のビジネスに求められる常識を実現するためのキーワードは、サステナビリティとレジリエンシーです。特にデジタル技術を活用して外部環境変化に適応し、ビジネス機会を見つけ、成長を実現するデジタルレジリエンシーが重要です。Future Enterpriseはそのためのフレームワークになるものです」（図1）