スキップしてメイン コンテンツに移動

『日本インターネット書紀』☆4

投稿日：
日本にインターネットを持ってきたIIJの鈴木幸一さんによるタイトル通りの「インターネット日本書紀」。私NTTグループの社員ですが、「打倒NTT」を掛け声に90年代にWEBストリーミング配信・2000年代初頭にクラウドを見据えたデータセンター建設など、先見の明に感服したのです（時代が追い付かず結局うまくいかなかったのが残念。。）。

↑気になったらここからポチっと(買ってくれるとお小遣いが入ります)↑

この本を読むとわかること

黎明期：The long and winding road

  • 従来の電話網とインターネットのネットワークとしての決定的な違い
  • 電話網を活用したダイヤルアップ接続の発明
    • 電話網をインターネットに活用することの限界
  • インターネット接続を経産省ではなく総務省が管轄している理由
    • 「情報」と「通信」の監督官庁の分離という弊害
  • TCP/IPではなく、ISOが採択した「OSI」というプロトコルを担いだ日本の過ち
  • NTTとNTTファミリー企業によるピラミッドが阻んだ新たな領域への積極投資
    • ルーターなどの通信機器開発で日本が覇権を握れた可能性
  • インターネットの可能性を過小評価した当時の大手日本企業・銀行
  • 1994年に日本初のインターネットサービスプロバイダー免許を取得

日本から世界へ：インターネットの本場で勝負に挑む

  • サービス開始後に加入してきた皮肉な大手企業たち
  • インターネットサービスプロバイダーにとって重要なラストワンマイルの確保
    • NTTの圧倒的優位性
    • 電力会社との協業の可能性
  • 多数のプロバイダを相互接続するインターネットエクスチェンジ事業の開始
  • 電話と比較してインターネットが災害に強い理由
  • 阪神大震災直後に作られた被災情報特設サイト
    • 「個人の発信者による不特定多数の人々への情報伝達」というこれまでにないメディア
    • 東日本大震災でも情報伝達の要となったインターネット
  • アメリカ経由だったトラフィックをアジア各国をメッシュでつなぐという「A-Bone構想」の挫折
  • 1990年代に日本で初めて行ったテレビコンテンツのストリーミング配信
  • 日本未上場のにもかかわらず米ナスダック上場＆大成功

壮大な夢の光芒：通信の巨人に挑む

  • 電話網に寄生していたインターネットを専用の通信設備に載せるために設立したIIJの子会社CWC
    • 時代に先行し過ぎた「ブロードバンド構想」
    • 資金繰りに窮して倒産
    • 経営者にやさしいが再建が困難な民事再生法と、債権者の担保行使権を認めない会社更生法
  • 2000年代初頭にクラウドコンピューティングを見据えて作った大型データセンター
  • Youtubeの10年前に構想・頓挫したコンテンツのストリーミング配信
  • ラストワンマイルを握る電力会社との協業の頓挫
  • CWC倒産によるIIJ信用不安解消のための宿敵NTTの支援受け入れ

反転：日本のインターネットはどこに向かうか

  • ソフトバンクの通信業界参入とADSLの価格破壊
  • 米ナスダックからの日本逆上陸
  • ソフトウェアを「知恵」ではなく「労働時間に対する対価」として開発する日本のIT企業
    • アメリカのIT産業と日本のIT利用産業
  • 「ネットワークは処理をせずデータを送るだけ」というインターネットの思想が可能にしたクラウド
  • 「政治家のIT音痴」という日本の課題
  • 法的リスク・訴訟を恐れず突き進むアメリカの起業文化と真逆の日本企業
  • 日本発の技術が世界を動かす可能性を秘めていたWinny
  • 電話とネットのいいとこどりをしようとして失敗したNTTの次世代通信網（NGN）
    • NTTが1社で垂直統合でネットワークを作るという電話屋の発想の限界

インターネットの世紀：インターネットが変えたこと、変えること

  • 権力の産物でもあり、カウンターカルチャーの産物でもあるインターネット
    • 湾岸戦争でGPSを統制した米軍
    • ウィキリークスとスノーデン
  • インターネットの恩恵を受けるテロリスト
  • サービスごとに管理していた個人情報を統合したグーグル
  • 古典的プライバシー権と積極的プライバシー権
  • わずかな人手で大きなビジネスを可能にするのが最も効果的なネットの利用法

↓気になったらここからポチっと(買ってくれるとお小遣いが入ります)↓
ラベル：

ベストビュー（過去1カ月）

【番外編】AI（機械学習）やってみた。【第6回】乳がん診断AI　その1

投稿日：
ソムリAI（ワインソムリエAI）で使った手法で乳がん診断AIを作ってみます。まずは決定木とニューラルネットワークの2つのモデルを試してみます。かなり高性能なモデルができました。名医誕生かもしれません　笑
続きを読む

【番外編】AI（機械学習）やってみた。【第1回】ソムリAI　～決定木編～

投稿日：
最近ブームのAI（機械学習）に手を出しました。まずは、決定木（Decision Tree）というモデルを使って「ソムリAI（ワインソムリエAI）」を作ってみようと思います。
続きを読む

【番外編】ボストン旅行記（UMASS Lowell卒業式編）【Day 4：卒業式】

投稿日：
UMASS Lowellの卒業式＠Boston。４ 日目は卒業式本番です。とても賑やかでアメリカンな式典でした。ただしあいにくの雨、僕曇り男なのに。。
続きを読む

【番外編】AI（機械学習）やってみた。【第4回】ソムリAIの改良（正規化）

投稿日：
ソムリAI（ワインの評価を機械学習で当てる「ソムリエ+AI」）はもういいかなと思っていたのですが、機械学習の教科書的な本を読んでいるといくつか改良ポイントが見えてきたので、実際に適用してみようと思います。 まずは データの正規化 という手法を試してみました。結論から言うと、 あまり効果はなかった のです。。 ソムリAIの振り返り ワインの成分とランクのデータに対して、決定木・ロジスティック回帰・ニューラルネットワークの3通りのモデルを使って機械学習 を行い、モデルの精度を検証してきました。それぞれのソムリAIの性能はこんな感じでした。 どのモデルも概ね60％程度の精度 でした。 改良その1：正規化 正規化とは まずは 正規化 という手法を試してみます。標準化とも呼ばれます。正規化を行うことで 尺度の異なるデータを比べやすくする とともに、 はずれ値の影響を小さくする ことができます。正規化には 各データを平均0・標準偏差1に成形する手法 と、各データを 0から1の範囲に成形する手法 の2つがあります。 前者は標準偏差が出てくることからも分かるように、 データが正規分布に従うことを前提にした正規化手法 です。 元のデータが釣鐘型の分布になっている場合に有効 です。後者は単純に データの範囲を0から1の範囲に狭める手法 であり、 元のデータが一様分布の場合 （規則性が無くランダムなように見える場合） に有効 です。 どちらの手法でもデータの範囲を一定のレンジに狭めており、そうすることで異なる尺度のデータを比べやすくしつつ、はずれ値の影響を下げるのです。 正規化してみる 元データの分布を確認 前回同様のワインのデータを使って正規化してみます。まずはワインのデータを読み込んで表示してみます。ついでに機械学習で使うワインの成分と、ワインの評価にデータを分割しておきます。 【オリジナルのワインデータ】 UCI（University of California, Irvine：カリフォルニア大学アーバイン校） http://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-red.csv #入力データセットを読み込み i...
続きを読む

『深層学習 Deep Learning (監修:人工知能学会)』 ☆4

投稿日：
人工知能学会が定期発行する学会誌『人工知能』に掲載された連載解説を単行本化した本。ディープラーニングの基礎から、画像認識・自然言語認識のような実践まで網羅的に書かれているので全体像をつかむには最適かも。
続きを読む

【番外編】ボストン旅行記（UMASS Lowell卒業式編）　【Day0：渡米前にやっておくこと】

投稿日：
UMASS Lowellの卒業式＠Bostonについて、計画の立て方やら行く前にやっておくことやらをまとめておきます。
続きを読む

【番外編】ビッグデータ解析やってみた。【第1回】地震解析　～最近地震多くないですか？～

投稿日：
「なんか最近地震多くない？」と思って調べ始めたら結果としてBI（ビジネスインテリジェンス）ツールを使った”なんちゃってビッグデータ解析”になってしまいました。4回くらいに分けて連載してみようと思います。
続きを読む

【番外編】AI（機械学習）やってみた。【第7回】乳がん診断AI　その2

投稿日：
乳がん診断AI第二弾です。前回に引き続き、ランダムフォレスト・多数決などのアルゴリズムを使って精度を確認していきます。前回、ニューラルネットワークが叩き出した診断精度95%を大きく超える結果になりました！
続きを読む

【番外編】AI（機械学習）やってみた。【第5回】ソムリAIの改良（アンサンブル学習）

投稿日：
ソムリAI（ワインの評価を機械学習で当てる「ソムリエ+AI」）の改良として前回は正規化を試しました（大した効果なし）。今回は「アンサンブル学習」と「交差検証」というものを試してみようと思います。 アンサンブル学習とは ざっくりいうと、 複数の機械学習モデルのいいとこどりをしてより精度の高いモデルを作る ということです。「アンサンブル」っていう表現がおしゃれですよね。複数のモデルを組み合わせることで 過学習を防ぐ効果 もあるそうです。 交差検証とは 今までのソムリAIでは、データを訓練用と検証用に分けて訓練データでモデルを作成し、検証データ（モデルにとっては未知のデータ）でモデルの精度を測定していました。 訓練データでの精度に比べて検証データでの精度が高い場合は訓練データに個別最適化された過学習なモデルということになります。一方で、訓練データと検証データでの精度があまり変わらない場合は汎化性能の高いよいモデルということになります。 交差検証（Cross Validation）は、 訓練データをさらにn個に分けて訓練することで過学習を防ぎつつモデルの精度を上げる手法 です。例えば、3個に分ける場合こんなイメージです。複数のモデルを使ってよりよいものを作るので、アンサンブル学習の1手法ともいえます。 実際にやってみる 毎度おなじみですが、まずワインデータを読み込んで、訓練データ・検証データに分割します（データの正規化は後でやります）。 #入力データセットを読み込み import pandas as pd #データハンドリング用ライブラリ呼び出し data = pd.read_csv('winequality-red.csv', encoding='SHIFT-JIS') #機械学習で求める解である「評価」以外の項目をdata_Xに、「評価」をdata_Yに格納 data_X = data.copy() del data_X['評価'] data_Y = data['評価'] data.head() #読み込んだデータの先頭5行を出力 #入力データセットの70%を訓練データ・30%を検証データに分割 from sklearn.model_selection ...
続きを読む

【番外編】ボストン旅行記（UMASS Lowell卒業式編）　【Day2：晩餐会】

投稿日：
UMASS Lowellの卒業式＠Boston。 2日目は午前中はボストン観光、夕方から Hooding ceremonyという卒業生（大学院生）向けの晩餐会です。卒業式で被るHoodをもらいました。
続きを読む

ベストビュー（全期間）

Malaysia Quarantine Premium Package　【番外編】Malaysia赴任記　隔離ホテル情報

投稿日：
Once entering Malaysia, we need to be quarantined for 14days. At the beginning of COVID-19 spread, the hotel for quarantine have been determined randomly. In these days, we can choose "premium quarantine stay package" in advance . This article is summary of premium packages which I asked each hotel. Note: Information in this article might be old. It's better to confirm the latest plan to the hotel. Note: Only Hotel Istana can be booked via its homepage so far. As the other hotels don't show their premium package plans on their homepage, you need to contact them through their reservation E-mail address or "Contact us". マレーシア入国とともに14日間ホテルで隔離されます。当初は滞在ホテルがランダムに割り振られていたようですが、より快適なプレミアムプランが追加されました。各ホテルにどんなプランがあるのか聞いてみたので、聞いた内容をまとめます。 ※情報が古い可能性があるので、念のため最新情報を各ホテルに確認したほうがよいかもしれません。
続きを読む

【番外編】AI（機械学習）やってみた。【第1回】ソムリAI　～決定木編～

投稿日：
最近ブームのAI（機械学習）に手を出しました。まずは、決定木（Decision Tree）というモデルを使って「ソムリAI（ワインソムリエAI）」を作ってみようと思います。
続きを読む

【番外編】ボストン旅行記（UMASS Lowell卒業式編）　【Day0：渡米前にやっておくこと】

投稿日：
UMASS Lowellの卒業式＠Bostonについて、計画の立て方やら行く前にやっておくことやらをまとめておきます。
続きを読む

【番外編】AI（機械学習）やってみた。【第6回】乳がん診断AI　その1

投稿日：
ソムリAI（ワインソムリエAI）で使った手法で乳がん診断AIを作ってみます。まずは決定木とニューラルネットワークの2つのモデルを試してみます。かなり高性能なモデルができました。名医誕生かもしれません　笑
続きを読む

【番外編】AI（機械学習）やってみた。【第3回】ソムリAI　～ニューラルネットワーク編～

投稿日：
AI（機械学習）やってみた、第3弾です。「ニューラルネットワーク（Neural Network）」を使ったソムリAIを作ってみようと思います。”ニューラルネットワーク”、見るからにAIっぽい名前ですよね。
続きを読む

【番外編】ボストン旅行記（UMASS Lowell卒業式編）　【Day5：帰国】

投稿日：
UMASS Lowellの卒業式＠Boston。5 日目にして帰国なのです。
続きを読む

【番外編】ボストン旅行記（UMASS Lowell卒業式編）【Day 4：卒業式】

投稿日：
UMASS Lowellの卒業式＠Boston。４ 日目は卒業式本番です。とても賑やかでアメリカンな式典でした。ただしあいにくの雨、僕曇り男なのに。。
続きを読む

【番外編】ボストン旅行記（UMASS Lowell卒業式編）　【Day2：晩餐会】

投稿日：
UMASS Lowellの卒業式＠Boston。 2日目は午前中はボストン観光、夕方から Hooding ceremonyという卒業生（大学院生）向けの晩餐会です。卒業式で被るHoodをもらいました。
続きを読む

【番外編】AI（機械学習）やってみた。【第2回】ソムリAI　～ロジスティック回帰編～

投稿日：
AI（機械学習）やってみた、第2弾です。前回は決定木（Decision Tree）を使ったソムリAI（ワインソムリエAI）を作りました。今回は「ロジスティック回帰（Logistic Regression）」というモデルを使ったソムリAIを作ってみようと思います。
続きを読む

【番外編】ボストン旅行記（UMASS Lowell卒業式編）　【Day1：ボストンへ】

投稿日：
UMASS Lowellの卒業式＠Boston。 1日目は移動だけで終わりました。
続きを読む