パリオリンピックがもうすぐ始まる。オリンピックが始まると思い出すのは、コロナ感染を心配してその開催是非が議論された東京オリンピックである。
朝のモーニングショーでは、開催に猛反対をしていたところがあった。結局無観客で開催されたのだが、開催されたとたんにそのモーニングショーでは選手の活躍が話題の中心となっていた。
モーニングショーとはその程度のものと思えば腹も立たないが、この姿勢に一部の評論家は、まず謝罪してから選手の応援をすべきだと言っていたが、正論である。
オリンピックを目指し、頑張ってきた選手たちがいる。その夢をかなえてやりたい、と考えるのが、理想の社会である。開催の可能性「にむけて」、とことん議論するのが、本当に選手を応援している姿勢である。
モーニングショーでは、開催を前提に議論する問題まで取り上げ、開催を断固否定していた。無観客開催が決まった時にも、それを批判していたが、これでは選手を応援する資格は無い。
このような場合には、開催が決まった瞬間に、まず謝罪し、開催された時には選手の応援に専念することを宣言すればよかったのである。
カテゴリー : 一般
pagetop
有機高分子材料（以下高分子）は、無機材料と比較し、密度ばらつきが大きい。無機材料でも空隙や欠陥が密度ばらつきを生み出すので、この表現は誤解を生むが、「空隙や欠陥が無い場合にも」と一言加えると、誤解も無くなるかもしれない。
・
但し、高分子の自由体積を空隙や欠陥と見なさない、という前提になるが。ややこしいのは、どこからが空隙で、どのサイズ以下が自由体積なのか、という区別が難しい場合がある。
・
そのような議論を避けるために、「空隙や欠陥の無い状態で、高分子の非晶質相の密度ばらつきは、無機材料の非晶質相のそれに比較して大きい」と、やや面倒な言い方をすれば上げ足をとられないかもしれない。
・
それでは、高分子の結晶は、無機材料と比較してその密度ばらつきは同じなのかというと、これも少しばらつきが大きい。
・
石丸構文に出てくるような捻くれたツッコミを警戒していると、このような問題の議論は難しくなる。しかし、高分子について考えるときに、実は密度以外の特性でもおおざっぱなとらえ方をしないと、現象から新たなアイデアを生み出すことができない。
・
例えば、弾性率は密度に依存する。ゆえに密度ばらつきは弾性率が関わる、引張強度や曲げ強度、衝撃強度のばらつきを生み出す。誘電率も同様に密度の影響を受けるので、屈折率などもばらつく原因となる。
・
そもそも高分子の密度は、自由体積の量を制御できないのでばらつく。そこへ成形時に空隙や欠陥が入ることが避けられないので、さらに大きくばらつくことになる。
・
射出成形体と延伸により製造されるフィルムとの密度ばらつきの比較をすると、後者は少し小さいので空隙や欠陥の存在で生じる影響を見積もることができる。そのような見方をしても、高分子の密度ばらつきは、無機材料のそれより大きい。
・
何を言いたいのか、書いていて不安になってきたが、形式知ですべて論じることができない分野では、このような不安はつきものである。
・
勇気をもって結論を言えば、高分子は無機材料に比較して密度ばらつきが大きいが、それには自由体積の影響がある。また、空隙や欠陥は、無機材料よりも入りやすく、さらにそのばらつきを大きくする原因となりうる。
カテゴリー : 一般 高分子
pagetop
ドラッカーを情報工学の父と呼んでいるのは当方ぐらいだろう。彼の著書を情報工学の視点で読み直すと、公開された情報をどのように処理したらよいかの説明書になっていることに気がつく。
だから、情報工学の父としたのである。さて、高校から大学へ進学する頃は第一次AIブームだったが、日本ではそれほどの騒ぎになっていない。ただ、有機合成分野ではコーリーの提唱した、「逆合成」という考え方が、話題になっていた。
すなわち、何か複雑な構造の有機化合物の合成ルートを考えるときに、シントンという構造を構成する基本単位に注目し、そのシントンに化合物を分解していって合成ルートを探るのである。
これは、複雑な構造の有機化合物をゴールとして捉え、逆向きに推論を進めて、合成に用いるスタート物質を探る方法である。スタート物質は、1つ以上できるが、その基本化合物をシントンと呼んだ。
これは、第二次AIブームで創薬のプログラム開発がなされ、実用化された。すなわち、第一次AIブームでは、AIの推論が議論され、それが第二次AIブームで実を結んだ格好となっているが、すべてがうまく行ったわけではない。
第二次AIブームではエキスパートシステムがいくつか作られたが、結局それらは、特定の問題を解くには使えたが、汎用の問題を考えることができず。第二次AIブームは短命に終結する。
この第二次AIブームでは、第五世代コンピュータープロジェクトが国研として推進されたが、失敗したと言われている。同じ時代にセラミックスフィーバーが起きているが、これは50年以上前のムーンライト計画の結実したものである。
日本発のセラミックスフィーバーは、クリントン大統領をびっくりさせて、ナノテクノロジーの国家プロジェクトがアメリカでスタートしている。アメリカでは、第二次AIブーム後ナノテクノロジーとともにCPUの研究だけでなくソフトウェアー科学が発展している。
オブジェクト指向のような考え方はアメリカ発である。日本でもハドソンのような面白いソフトウェアー企業が誕生しているが、産業や生活にイノベーションを起こすほどにはなっていない。
不思議に思うのは、有機合成分野におけるコンピューターの導入について、有機合成の専門家の間で知識の差がある点だ。逆合成の知識を持っていない有機合成の専門家すら存在する。
これは、日本においてデータサイエンスあるいはコンピューターサイエンスという分野がどのような認識をされているのかが現れた結果ではなかろうか。
現代では、技術に関わる研究者は、データサイエンスが常識の時代になった。弊社ではデータサイエンスを学びたい人を応援しています。お問い合わせください。
カテゴリー : 未分類
pagetop
大学生の時に情報工学科設置のブームが起きている。すなわち第一次AIブームの影響がこれであるが、当時のデータサイエンスは、IBMの大型コンピューターあるいは、ミニコンと呼ばれる中型のコンピューターが使用された。
また、データサイエンスの中心は多変量解析だった。実験計画法も多変量解析の一つとされたが、タグチメソッドにとってかわられた。
79年にゴム会社へ入社した時に、優秀な情報工学科卒業生が同期にいて、熱くデータサイエンスについて語っていた。そこでIBM3033に付属したパッケージに関する電話帳数冊分のマニュアルについて解説をお願いしている。
何故かその後静かになったが、すぐに奥野先生の多変量解析の教科書を手に入れて、それを同期の友人たちと一生懸命勉強した思い出がある。
当時市販されていていた165-SR13というサイズのタイヤを解剖して得られたデータをどのようにまとめるのか議論し、多変量解析で行えばよい、となったからである。
多変量解析の理解は簡単だったが、英文のマニュアルとの格闘が大変だった。英文は簡単でも数学の用語が難しかった。奥野先生の本には英語も付記されていたのでそれが重宝したのだが、パラメーターの呼び名がマニュアルと教科書で少し異なっていた。
悪戦苦闘してIBM3033を使ってデータサイエンスを自由自在に使えるようになったのだが、8ビットマイコンの時代になった。上司が保証人となって80万円のローンを組み、独身寮にMZ80Kのシステムが1セット稼働することになった。
IBM3033は、使用料金が高かったため、マイコンの方が安いとなったのだが、今ならばブラック企業である。従業員にローンを組ませてコンピューターを購入させているのだ。
そして、データサイエンスをやりたければ、業務終了後独身寮でやれ、といわれている。定時後の残業を命じられても、残業代がでないのである（注）。
これが当方とデータサイエンスとの本格的お付き合いとなった。当時年収200万円程度で80万円のローンである。必死に使い倒すしかなかったので、様々な研究テーマについてデータサイエンスの応用を検討している。これが今思えば良い勉強になった。
（注）残業代だけでなく、上司の代わりに難燃剤のセミナー講師を当時から務めさせていただいたが、セミナー会社から講師料を頂いてない。皆上司の懐に入っていたことを転職してから知った。セミナーでは独身寮でまとめられたデータもゴム会社の研究データとして使われた。今から考えればひどい話だが、当時はデータサイエンスの勉強意欲が勝っていた。
カテゴリー : 一般
pagetop
すでにメールを書かせたり、披露宴の祝辞を書かせたり、マスコミでAIの機能紹介がなされたが、このような、ある意味定型文に近い作業であれば、過去にもあった。
今のAIの凄いところは、非定型の内容でもそつなくこなすことである。これについては、大学生がレポート提出するにあたり、AIにやらせたり、研究レポートを書かせたりしていることが問題として話題になっている。
しかし、TVで紹介されていることは、大したことではない。生成系AIの効果的使い方は、アイデアを練る時である。AIがAIの特徴を発揮する、このような使い方が意外にも紹介されていない。
今話題になっているAIは、実は自律的に人間のように思索をしているわけではない。登場した時に人間と同じ思考をしている、と言われたりしたが、それは嘘である。
なぜなら、人間のように生成系AIは芸術を生み出すことができない。せいぜいピコ太郎のように不思議な組み合わせで感動させてくれる程度のことはできるが、ピカソのような芸術を生み出すことはできない。
ただし、人間の思索の介助者としては、現代のAIは十分にその機能を発揮してくれる。せっかくこのような優れた機能があるのに、この機能をうまく解説しているサイトが無い。
そこで弊社はセミナーを幾つか企画し、セミナー会社で講義している。土日にはサービス企画として格安のセミナーを行っています。このセミナーは平日も可能ですのでお問い合わせください。
カテゴリー : 一般
pagetop
もし、生成系AIの使い方がわからなければ、AIに尋ねるとよい。AIが丁寧に教えてくれる。このようなことはすでに慣れた、という人は、具体的に業務を尋ねてみるとよい。
そのときAIに上手な質問方法がある。マークダウン形式で箇条書きに書いてゆく方法である。そうすると、主項目、補助項目、予備などと3段階に質問内容を分けることができる。
すなわち、質問を長い文章で書かなくても、マークダウン形式で箇条書きすればよいだけで、作文よりも簡単である。
＃指示文（あるいは質問）
質問内容を箇条書き列挙する。
＃背景、前提
質問の背景や前提条件の項目を列挙
＃AIが考えるときの役割、立場、手法
＃制約条件、出力条件
＃出力形式、出力項目
と書けばよいだけである。
これは、各項目が対等に扱われる例であるが、背景を＃＃で下位項目としてもかまわない。AIが誤解する恐れがあるとか、分からないのに無理に答えを出させたくない時には、
＃禁止事項
わからない項目は、回答を生成しないでください。
と書いておくと、ハルシネーションを少し防ぐことができる。完全に防ぎたい時には、セミナーの中で説明する方法を使うことになるが、AIでは10％近くハルシネーションが現れるので、この対策は重要である。
弊社では、AIを効果的に用いる問題解決法を用意していますので、問い合わせていただきたい。休日もセミナーを行っています。
カテゴリー : 一般
pagetop
トップを目指していたコンピューター開発の国家プロジェクト予算について、「２番でダメですか」と言っていた国会議員がいた。このような見識の国会議員を選ぶようでは、国家は益々沈滞する。技術開発は、いつでもトップを目指さなければいけないのである。
写真会社へ転職した時に、「ライバルのおこぼれの技術開発をしていてはだめだ」とはっぱをかけていたCTOがいたが、当方が配属された部署では、ライバルの特許抜けの技術開発をやっていた。
もう事業として行われていない技術だったので、先日のブリードアウトのセミナーで問題解決事例としてお話ししたが、ライバルを凌駕する技術目標を設定して、初めて問題解決できた、という事例である。
技術開発には、面白い側面があり、高い目標設定だから難しい、とはならないのだ。予期せぬ技術課題が出てきても、低い目標のために諦めきれず、逆に解決を難しくする場合がある。
高い目標に設定すれば、チャレンジするため必死でアイデアを練り、その結果、易しい技術開発となる場合が多い。アイデアを練る段階が最も苦しいのだ。
あたりまえのことを書く。「トップをあきらめて技術開発を行えば、トップには絶対になれない」のである。技術開発は、２番を狙ってするものではない。
これが技術開発だけではないことが、昨日示された。現職優位の都知事選に２番を目指して立候補した人物が、２番にもなれなかったのである。なれるかどうか不明でもトップを目指す、これは技術開発以外でも重要である。
都知事に当選した人物は、「一人しか卒業生がいなかったから首席卒業」、とちゃっかり述べている。だれもいない領域を狙うのもトップを狙う技術開発である。
カテゴリー : 一般
pagetop
１９８２年にエチルシリケートとフェノール樹脂から合成された前駆体を用いる高純度SiCの発明が生まれているが、このアイデアの源泉は、ホスフォリルトリアミドをどのようにしてPVAに分散するのか、という工夫が経験知として活用された。
修士論文の研究テーマは、高分子の難燃化ではなかったが、教授の企画した研究テーマでは、研究例が多く、研究として論文をまとめるのは簡単だったが面白くなかったからである。
ちなみに、ホスフォリルトリアミドの重合については、過去に研究例があり、そこに書かれていなかった条件を検討し、生成した化合物のプロトン導電性を測定した論文を書いている。
このような研究をするのは容易であるが、学問への貢献度としては低い。「何か新しいことを見つけるのが研究である」と大阪大学小竹先生の言葉を大学４年の時に学び、何か新しい発見のあるテーマを内心は出してほしかった。
研究者の教育のために研究結果が分かり易いテーマを出してくださった、と好意的に当方は捉えていた。しかし、直接ご指導された先生が、大学ではもっと科学にチャレンジするようなテーマをやるべきだ、などと毒気のある毎日で、自然と未踏査の分野へ追いやられた。
しかし、ホスフォリルトリアミドを捨てきれず、２年間プロトン導電体やホスファゼンとの共重合体などその応用研究を行い、６報ほど研究論文をまとめている。
そのうちの１報がPVAの難燃化であるが、とにかくどのようにホスフォリルトリアミドをPVAへ均一に分散するのか、そのプロセシングアイデアを考える毎日だった。
ケミカルアブストラクトが当時のデータベースであり、英文であることが苦痛だったが、１年格闘したところ不思議にも斜め読みができるようになっていた。
今のAIは便利である。日本語で答えてほしい、と希望を出せば、流れるような標準語で答えてくれる。大阪弁や名古屋弁でも努力して出力してくれるが、名古屋弁は下手である。
やや、話が外れたが、ケミカルアブストラクトにPVAをホルマリンで架橋する研究例が載っていた。ホルマリンがPVAに分散するならば、ホスフォリルトリアミドにホルマリンを付加させて変性したら、分散性が上がるのではないかと考えた。
すなわち、メチロール基の反応性で分散を改善しようと考えたのである。このアイデアは大成功で、これが経験知となり、フェノール樹脂とポリエチルシリケートとの混合においても反応させれば、すなわち、リアクティブブレンドを行えば均一に混合できるとアイデアをまとめることができた。
リアクティブブレンドについてはポリウレタンの合成方法として、当時知られていた。しかし、PVAの架橋は同一カテゴリーとして説明されていなかった。
情報を知に変える時にどのようなカテゴリーの情報なのか自分でも吟味しなおすことは、アイデア蓄積のために重要である。生成系AIの動作を知ってから、ますますこの方法が有効であると思っている。
カテゴリー : 一般
pagetop
高分子の難燃化技術について研究が活発化したのは、１９７０年代である。１９６０年代までは耐熱性高分子に関する研究が主流だった。
７０年代には、東北大村上研が翻訳した高分子の難燃化技術に関する学術書が出版されている。それ以前は、火災の現象と難燃性を記述した書籍が出版されているくらいで、専門書というよりも実務書である。
すなわち、燃えにくい材料とはカクカク云々であり、このような分野では石膏ボードと組み合わせて使うとよいという説明である。
学生時代にPVAの難燃化研究をまとめて、色材協会誌に投稿しているが、困ったのは過去の研究情報が少ないことだった。ケミカルアブストラクトを調べてもPVAの難燃化が難しいことや、添加剤の分散の難しさ程度の情報しか捕まらない（注）。
学生時代の調査に専任できる状態で１か月かけてもこの程度の知識しか得られない。ゴム会社に入社し、軟質ポリウレタンフォームの難燃化を担当した時には、まず、現場にゆき１日かけて経験知を取得している。
当時アメリカのゼネラルタイヤが開発した塩ビと三酸化アンチモンとの組み合わせ難燃化システムが採用されていたのだが、難燃剤の分散性が悪く沈降など問題があった。
すでに現場に技術がある時の調査は楽であった。素材の探索だけで済んだからである。すなわち、製造方法などから実験手順や評価方法の大半の情報を得ることができた。学生時代よりも調査が楽であった。
これらの経験から、まったく知識の無い分野の調査と技術が現場にある時の調査では、その手間と時間が異なることを実感できた。学生時代には、評価手段の調査とその技術獲得にも苦労した。
最近、まったく予備知識の無い分野で、AIを用いて企画を立案して、その簡便さに驚いている。寝転がって１時間ほどキーボードをたたいていたら、パワーポイントまで出来上がってしまうのだ。
そのパワーポイントを某大学の若手に送ったところ、面白いから産学連携で進めましょう、となった。ちょっと待て、と言いたかったが、AIの企画に間違いが無かったことが確認できた。AI恐るべし。
（注）ホスフォリルトリアミドの重合研究をやっていて、その応用分野として高分子の難燃剤が期待された。世界でも誰も研究していなかった。たまたまPVAが試薬としてあり、難燃化が難しい高分子だから難燃化出来たら面白いかもしれないと、先生に言われたので実験をした。しかし、難燃剤の分散がうまくゆかない。先生は、とりあえずその状態で評価したらどうだ、ということになったが、当方は不満だった。そこでホスフォリルトリアミドをPVAの反応型難燃剤としてデザインして、PVAと反応させた。塗料としての応用を期待し、フィルムで評価することにした。このように、まず、評価試料を作成するところから苦労したのである。
カテゴリー : 一般
pagetop
例えば、特許調査を行うシーンを考えてみる。新規分野の新企画の場合と、既存テーマ遂行中では異なるが、難易度は前者が高い。
このような場合に生成系AIは大変役立つ。新分野の新技術となると専門用語の知識が必要になる。生成系AIの特徴として事前に教師データで学習していることに着目すると、調査者が新分野の用語を仮に一言も知らなくてもAIに教えてもらいながら、それを学ぶことができる。
例えば、AIに調査分野のエリート技術者になってもらい、新規事業を推進するための技術戦略を尋ねればよい。AIは適当なシナリオを答えてくれる。
そのシナリオが正しいかどうかはともかくとして、その分野の専門用語がちりばめられたシナリオが語られるので、分からない専門用語を順次AIに尋ねるのだ。
この作業で、AIが知ったかぶりで、ただインターネットに存在する情報を参照しながら答えていることに気がつく。その段階まで自分の知識レベルが上がったと感じたならば、ＡＩが適当なことを言っている疑いのある参照先を尋ねると良い。
何が出てくるかはお楽しみであるが、かつて新分野の企画を行おうとしたならば、そしてその分野の特許調査ができるレベルまで知識を高めるために、高い金を払ってコンサルタントに相談するのか、あるいはどこかの調査会社が販売する高価な本を数冊読む必要があった。
しかし、AI相手に半日チャットをしておれば、すぐに新規分野の特許調査を開始できるレベルまで到達するのである。これは、嘘ではない。AIの回答次第では、１時間もかからない場合がある。
AIの回答はプロンプトデザインで変わる。人間同士、例えば部下とのコミュニケーションでも苦労するシーンを思い出していただきたい。AIに思い通りの答えを出してもらいたいならば、それに適した質問の仕方があることに気づくはずだ。
そこに気づいた人は弊社へ問い合わせていただきたい。よい学びの場と教材を提供させていただきます。今月はリスキリングを目指す方のために休日は特別価格５０００円（教材は電子ブックで１００００円）で運営しています。
カテゴリー : 一般
pagetop
