表題の饅頭は、いずれもこし餡が特徴の薄皮饅頭だった。納谷橋饅頭は、うっすらとお酒の香りがついた酒饅頭だった。ふと食べたくなってネットで調べたら出てこない。
いずれも名古屋の銘菓なので不思議に思い、chatGPTに尋ねたら、閉店したという。いつ閉店したのかさらに質問しても、ネットには情報が無いという。
いろいろ調べていたら、おきな堂のもみじ饅頭の閉店情報が出てきた。もみじ饅頭と言えばB&Bの漫才で全国区になった岡山の銘菓で、おきな堂のもみじ饅頭はケーキの生地に近いふわふわのおいしい饅頭である。
人形焼きと似ているが、ここのもみじ饅頭は、人形焼きよりもふわふわである。もみじ饅頭はおきな堂以外でも類似品は岡山に多いが、ここのクリーム入りもみじ饅頭は絶品である。
人形焼きももみじ饅頭もこし餡の製品が多いが、中には粒あんの製品もあり、それぞれあんこに関してルールはないようだ。しかし、浄心饅頭と納谷橋饅頭はこし餡が特徴である。
あんこに関して、粒あん派が多いと思うが、浄心饅頭と納谷橋饅頭のこし餡を食べると、あんこが二種類あることに納得する。すなわち、クリームの様な舌触りでありながら硬さも適度にあるこし餡であり、これを味わうと粒あんとの比較が無意味に感じるのである。
三重の赤福もこし餡であるが、その舌触りは柔らかいので浄心饅頭と納谷橋饅頭のこし餡には及ばない。我が家の近所に鶴瀬という和菓子屋があり、そこのこし餡のほうが、浄心饅頭と納谷橋饅頭に近いがもう少し硬さが欲しい。
おそらく、配合技術以外に分級技術と混練技術両者が、こし餡の味わいに効いているのだろう。浄心饅頭と納谷橋饅頭を最後に食べたのは、学位を取得した頃である。
菓子業界について調査したことが無いが、おきな堂のもみじ饅頭にしても売れ行きが落ちていないのに閉店している。後継者不足なのだろうか。赤福にしても鶴瀬のこし餡にしてもこし餡のおいしさを教えてくれるが、浄心饅頭や納谷橋饅頭のそれは、一段階上のおいしさだった。
閉店情報を事前に知ることができたなら、製造方法をヒアリングしたかった。記憶を頼りにリバースエンジニアリングし、いつか復活させてみたい。
最近ロバストは低いが、たまにものすごくうまい味噌汁のできる時がある。朝ボーとしながら作っているので因子が不明であるが、料理もプロセシングが味に影響する。
カテゴリー : 一般
pagetop
日産自動車はきのう、2025年3月期の連結最終損益が最大7500億円の赤字になったと発表しました。ヤフーニュースはじめ、各誌が様々なコメントをしている。
「技術の日産」というフレーズが好きで、日産を応援しているが、外部から見ている限り、日産の技術者はじめ社員がかわいそうである。過去にプリンス自動車を日産に売却した歴史があり、スカイラインやGT-Rはプリンス自動車のレガシーである。この時の経営陣は、後継者選びに失敗したのだろう。
また、トヨタやホンダのハイブリッドは、科学的に当たり前の方式であるが、日産のe-Powerは、科学で考えるとトヨタやホンダを凌げない方式、どちらかと言えば否定される方式である。「技術の日産」らしい挑戦的選択のハイブリッド方式だ。
いや、ハイブリッドではなく電気自動車である。エンジンは単なる発電機であり、タイヤの駆動力として使用されていない。しかし、トヨタやホンダのハイブリッドに肉薄する燃費である。
当方の乗っているオーラは、スポーツモードで乗っても実測約20km/lと大変燃費が良い。スポーツモードでは3ｌエンジンのようなフィーリングを味わえ、アクアの乗り味とは全く異なる。
また今年発表される新車では、燃費が15％改善された新世代のe-Powerが搭載されるという。技術陣は頑張っているが、旧経営陣がダメだった、というわけで、新しい社長イバン・エスピノサ氏は、2025年4月に就任後、全世界の生産資産の価値を再評価している。
その結果、北米、中南米、欧州、日本における工場や設備の価値が大幅に下落し、約5000億円の減損損失を計上することとなった。これは、過去の経営陣が行った過剰な設備投資や、市場変化に対応できていなかった戦略を見直した結果である。
すなわち、今回の減損損失は、過去の経営判断の見直しと将来の成長戦略への転換を図るための「清算」と位置づけられる。これにより、日産は財務体質の健全化を進め、電動化や自動運転などの新技術への投資を強化する基盤を整えることが期待される。
また、日産は約1.5兆円の手元資金を保有しており、短期的な資金繰りには問題がないとされている。さらに、連結純資産は約6兆円あるそうで、AIによれば債務超過に陥るリスクは低いと見られている。
いまやグローバル企業になったが、それでも日産の倒産は、日本経済に大きなダメージとなる。トヨタやホンダと異なる技術思想の日産を応援しよう。
カテゴリー : 一般
pagetop
こうしたコツが有効なのは、AIがプログラムされたアルゴリズムで動作しているからである。生成系AIで上手に回答を得たいのであれば、そのアルゴリズムに適合させるように質問をデータとして入力する必要がある。
情報工学では、プログラムはアルゴリズムとデータからなる、と説明されるが、AIへの質問は、アルゴリズムで動作しているAIにとってデータなのだ。生成系AIは、質問者のデータで駆動されて回答を出すプログラムである。
事例として、樹脂のフラクトグラフィーをChatGPT4oで行った。N社フィルムカメラF100のフィルムカバーフックが、使用頻度が低いにもかかわらず耐久寿命前にクリープ破壊した破面のデジタル画像をここでは用いている。
衆知のように樹脂のフラクトグラフィーは科学の形式知として確立していない。金属やセラミックスのs成果から、もっともらしい回答を出してくる。
ところが、プロンプトデザインに配慮しなければ、知ったかぶりの適当な回答を出してくる。樹脂やゴムのフラクトグラフィーは研究段階の技術であるが、金属やセラミックスの形式知や経験知の情報を活用して、正解と思われる回答を出してくるのは興味深い。
カテゴリー : 一般
pagetop
生成系AIに簡単な質問をして、ハルシネーションの問題が起きるのは、人間のように言葉を理解して考え、回答を導きだしているわけではないからである。
また、回答の生成に乱数を使用しているので同じ問いでも異なる回答をしてくるケースもある。その他AIの本命と言われている生成系AIであるが、実務で活用するときには、一工夫が必要である。
一時期AI活用技術としてプロンプトエンジニアリングが話題になったが、今のChatGPTでは、ハルシネーションの起きる頻度は下がり、先に述べたテクニック以外に以下に記載した程度のコツを身につけるだけでよい。
（1） 見出しは「＃」を用いたマークダウン形式で質問を記載する。
（2） タスクは具体的に、手順ごとに明示する。
（3） 略語や専門用語は具体的に明記する。
（4） 回答の形式を指定する。
（5） 必要なら参照先を記載するように命じ、検証できるようにする。
但し、従来型のモデルでこれらは有効であるが、Deepseek R1の登場を境に多くのAIモデル提供事業者が開発とリリースを推し進めている推論型モデル（reasoningモデル）では、これらの手法がパフォーマンスを下げることが確認されている。
推論型モデルを用いるときには、A.目指すゴールとB.そのゴールが必要な理由、の2点のみを記述するのが最も効果的と言われている。
カテゴリー : 一般
pagetop
高分子材料でできたフィルムや無端ベルトは、押出成形で製造される。また、PETボトルはブロー成形で、樹脂製の箱などは射出成形で製造される。
その他、溶媒に高分子材料を溶解させて成形後、乾燥させる溶媒キャスト成膜や水に分散したラテックスを基材に塗布する方法など、高分子材料の加工方法はいろいろある。
セラミックスも同様にスリップキャストや射出成形、ホットプレス、CIP,HIP、ろくろを使用する方法など様々であるが、高分子材料ほど多くはない。
高分子材料からセラミックスまでそのほとんどの加工方法を経験して思うのは、高分子材料の加工がセラミックスよりも難易度が高い、ということである。
高温度で行うセラミックス加工の方がエネルギーも消費し、難易度が高いように見えるが、成形体の品質を同定しやすく、何がどのようにできているのか評価しやすい。
ところが、高分子材料では、ウェルドさえも表面から見えなければその状態が不明である。それを知りたければ、成形体を破壊して調べる必要がある。
セラミックスでも破壊して検査しなければいけない項目もあるが、非破壊検査による成形体の品質管理で市場クレームを防ぐことが可能である。しかし、高分子材料ではそれが難しいのだ。
例えば、成形体の密度について、高分子材料ではセラミックスのそれより１０倍ばらつく。このような簡単なことでも無頓着な技術者が多く、時々密度ばらつきで起きたかもしれない品質問題がニュースになっていたりする。
カテゴリー : 一般
pagetop
推論には、科学で使われる前向きの推論と第一次AIブームで検討された逆向きの推論があり、逆向きの推論では、ゴールとなる結論を満たすケースだけ考えればよい。
この逆向きの推論によるアルゴリズムの効率の良さは、1960年代の受験参考書にも「結論からお迎え」と標語化されており、実務から大学入試まで使える範囲は広い。
難解なAIであるが、成果を使うだけであれば、その敷居は低い。まず、使ってみることが重要となってくる。
ちなみに、生成系AIでは、質問の回答に事実と異なる内容や文脈と無関係な内容を生成するハルシネーション（幻覚）が問題となっている。
これを防止するための工夫として、システムプロンプトを制御する方法がある。例えば、情報が無ければ回答しないことを命じたり、グラウンディング（grounding）というテクニックがあるが、質問内容をChain of Thought(CoT)、すなわち前向きの推論だけでなく逆向きの推論も含め、思考過程や推論の展開過程を指示するテクニックを駆使するとハルシネーションの発生率を下げることができる。
カテゴリー : 一般
pagetop
社会実装も始まったが、材料技術者が、これからＡＩに関する学問を学ぼうとしても難解な数学と対峙することになる。
また、ソフトウェア工学の視点からアプローチしても数学以上に難解だけでなく膨大なプログラムコードと格闘することになる。
しかし、基本となるパラダイムは、知識を表現するための「知識表現」と、知識を利用するための「推論」であり、この大枠の中で、これまでのＡＩブームが起きていることに着目するとその理解が容易となる。
推論については、第一次ＡＩブームで大きな進歩があり、逆向きの推論により特定の問題にコンピューターを使って解を提示できることが示された。
例えば、E.J.Coreyは、1970年ごろ逆合成のアルゴリズムを提唱し、第二次AIブームの時に有機化合物をデザインするためのエキスパートシステムを発表している。
当方は、この時初めてAIの研究に接し、彼の論文に従い逆合成を行って、シントンとなるジケテンからシクラメンの香りの成分であるゲラニオールの全合成に成功している。
ここで、シクラメンの香りを選んだのは、布施明の「シクラメンの香り」がヒットしていたからにすぎず、合成ターゲットは何でもよかった。
第一次AIブームで成果が出た「推論と探索の方法」について、実際に活用したかっただけである。専門外の難解なAI技術であるが、その成果をブラックボックスとして活用するだけであれば、難しくない。「使い方の手順」を理解するだけで良いのだ。
カテゴリー : 一般
pagetop
第三次AIブームで登場したデータ駆動による生成系AIについて、先にその動作概略を説明したが、過去のAIブームについて改めて説明したい。
「コンピューターを使って問題を解く」という視点では、細々であるがTRIZの研究は進められている、と述べた。また、知の研究成果が注目されて生まれた過去二度のAIブームでは、エージェント指向という新しいパラダイムが生まれて現在でも研究されている。
これは、1999年に派手なワイヤーアクションが注目された映画「マトリックス」にその世界観が表現されていた。多数のエージェントが自ら情報を探し出し、その情報から状況を判断して各エージェントが振る舞いを決めるアルゴリズムを主人公との戦いの場で表現していたのだが、データ駆動よりも高度なソフトウェア技術が必要であり、未だ実現されていない。
ところで、第三次ＡＩブームは、従来のオブジェクト指向で作り上げた深層学習のソフトウェア、生成系ＡＩの成功で始まっている。そもそも機械学習という手法はAIの研究において一分野に過ぎない。
また、このパラダイムにおいて、知識は単なるデータにすぎず、パターン認識で動作しているソフトウェアという見方もできる。
A.M.Turingが1950年に提起した「機械は人間のように論理的に考えることができるか」という問いで始まったAI研究であるが、一つの解となる期待から生成系AIブームとなっている。
カテゴリー : 一般
pagetop
日産自動車の社長が交代し、改めて新車の販売計画が発表されたが、社内の苦悩が垣間見える内容だった。恐らく、今回発表された新たな計画は、今年度中に再度見直しが行われるのだろう。
また、ニュースによればインドネシアはじめ海外工場の生産体制見直しも行われており、インドネシア市場について完全撤退の様子が見えてきた。社長交代でこうも経営の様子が変わるのか、と思える変化だ。
前の社長はじめ経営陣が仕事をしていなかった、といううがった見方もできるぐらいの変化である。見ていて勉強になる。
さて、現在の日産車について国内のラインアップは、売れ筋商品以外並んでいない効率の良いラインアップという見方ができる反面、これでは市場に変革を起こし売り上げを伸ばすことはできないだろうと心配になる。
あたかも日本市場はこの程度で良いと判断しているようにも思われる。この数年は、フェアレディ-Zやスカイラインの限定販売を行っているが、効率が良い反面次代への夢がない。
インターネットには、これまでのある女性役員が、ことごとく商品企画を潰してきたという恨み節が書かれていたが、明らかにこの数年のラインアップは、かつての日産とは異なり、あたかも店じまい前を思わせるような状態だった。
若者の自動車離れが言われて、少子化もあり、今後国内の自動車市場は縮小傾向にあるらしいが、それでもトヨタは売り上げを伸ばしている。
かつて80点主義の車つくりが批判されたりしたが、この20年の新車を見ていると、市場に対する提案が明確である。クラウンやプリウスの新たな方向も市場に受け入れられた。
商品企画と経営がうまくかみ合っているかのように見える。あのような劇的な方向転換は、経営の強力なサポート（注）が無ければできない。
ところが日産から今回発表された内容では、以前よりも改善された様子がうかがわれ、経営刷新の効果がこんなにも早く現れるものかと驚く内容ではあるが、それでも不満を感じるのは、どこか中途半端なところが垣間見えるからかもしれない。
（注）ゴム会社で高純度SiCの事業を起業して分かったのは、経営陣によるサポートの重要性である。特に新事業の起業では、経営陣が成り行きに任せているのか、そうでないかは明確に現れる。経営陣が成り行きに任せているような状態では、いくら良いシーズでも育たない。高純度SiCの事業では、住友金属工業とのJV立ち上げまで、研究所内の反対勢力による妨害のため大変苦しい展開となったが、予算含め経営陣のバックアップがあったのである。しかし、研究開発本部長が反対勢力になったとたんつぶれかかったが、住友金属工業とのJVは社長がリーダーとなっていったので結局潰されることなく今でも他社に事業は継承され技術が生きている。このような体験をしてみると、トヨタにおけるクラウンやプリウスの開発を担当された方々は幸せだったと思うと同時に、日産に勤務する技術陣はゴーン退陣後大変だったのだろうと心配したりしている。
カテゴリー : 一般
pagetop
過去の2度のAIブームでは、例えば創薬のデザインなどの特定の専門分野に特化したエキスパートシステムを提供できた。しかし、今回のAIブームで登場した生成系AIでは、知を学習データに表現して人間のように柔軟に答えを出してくれるので、一過性のブームではなく、ＡＩの本命と期待されている。
但し、データとなる知識を明文化しなければいけないので、形式知と経験知しか扱えない。それでも生成系ＡＩに接していると、あたかも人間と話しているような錯覚になる。
しかし、人間のヒューリスティックな回答の動作とそれが本質的に同じかどうか不明である（注1）。現在のAI（大規模言語モデルLLM）は、推論型モデルを含めて、本質的に暗黙知を獲得することはない。
しかし、ChatGPTに搭載されているメモリ機能やRAG（検索強化生成）を活用することで、過去の情報を参照し、あたかも暗黙知から経験知を創り出しているかのような振る舞いを見せることはある。
ただし、これは人間の暗黙知による活動とは異なる。つまり、AIが暗黙知を持っているように見えても、その動作は外部情報の言語連鎖を活用した疑似的連想であり、技術（注2）や芸術の創造を促す人間の暗黙知とは異なる。
AIの本命と言われている生成系ＡＩではあるが、人間が暗黙知から芸術や技術（注３）を生み出すような動作は、まだ確認されていない。
（注1）
ChatGPTのo1、o3モデル、GoogleのGemini Flash Thinking、Deepseek R1は推論型モデル（Reasoning Model）と呼ばれ、内部で「reasoning」という処理を行っている。これは一度生成した回答をそのまま確定させるのではなく、自己修正（Self-Reflection）や試行錯誤を繰り返し、より良い解を求めるように動作をしている。これは、従来の言葉の連想ゲームのような動作ではなく、探索木（Tree Search）のように「分岐して戻る」動作に近い。最近の研究（Aoki et al., 2024、https://arxiv.org/pdf/2406.16078）では、LLMが推論を行う際、まず直感的な推測（ヒューリスティック）を行い、その後、より論理的な精査を加える動作をしていることが確認されている。
（注2）
技術の中には、試行錯誤を繰り返し目標とした機能を生み出して出来上がった、科学の成果ではない技術も世の中には存在する。試行錯誤では、暗黙知の寄与によると思われる閃きで飛躍的な成果が生まれる場合がある。
（注３）
カオス混合装置や高純度SiCの合成法、FDを壊されたりする嫌がらせを受ける原因となった電気粘性流体の耐久性防止技術、写真学会から賞を頂いた有機無機複合ラテックスは暗黙知の成果で、瞬間芸のように技術が生まれている。データサイエンスによるデータ駆動の手法は暗黙知を刺激する方法である。
カテゴリー : 一般
pagetop
