データサインティスト初心者のぬる~い業務内容を振り返ります。
本日は少し珍しい、量子コンピュータを使ったサービスについて話を聞くことができました。
AIとは少し異なる分野ですが、近い将来共存する技術になりそうな素敵な未来が見えたような気がしました。
1日のタイムテーブル
【Day 12】
本日は久々の出社です。
- 7:00 起床
- 9:00 業務開始。
- 今日は少し忙しめ。会社PCの入替があるからです。
- PCのセキュリティやらネット設定やら、半日以上を費やす必要があります。
- なんとPC設定のためのマニュアルが100ページ以上…
- 12:00 お昼
- お昼は中華料理でした。本格的な中華
~~前半戦終了~~
- お昼は中華料理でした。本格的な中華
- 13:00 量子コンピュータを使ったサービス、Magellan Blocksの説明を受ける
- 量子コンピュータで何ができるのか?それは、数多くある組み合わせから最適な組み合わせを求める問題です。
- 従業員のシフト決めや運送会社の配送ルート、トラックの積載物の置き方などなど
- 例えば外国人労働者がたくさんいる工場の来月のシフトを作る場合、従業員たちの希望シフトを聞くことは必須として、それ以外にもシフトを作るために従業員のスキル能力を考慮したり、母国語を考慮して人の組み合わせを決定する必要があります。
- 面倒くさいですよね?こういう面倒くさそうな組み合わせ問題を解くのが量子コンピュータです
- 量子コンピュータを使うためには、何を最適化するか?を決める必要があります。例えば”工場の生産数(最大化したい)”や”製造の複雑な工程にかかる時間(最小化したい)”などです
- つまり、量子コンピュータを使って問題を解決するためには上記のように課題に対して”何を最適化するのか”を決定し、数式に落とし込んでいく必要があります。
- 自分たちでやるの普通にむずくね?かといってコンサル費用をペイできるくらいの効果は得られるん?と正直思いました
- ちなみに機械学習(を利用してアプリを使って)でも最適化問題を解くことができますが、「機械学習=データ持って来い」となるので、メリットはありそうです
- 機械学習との連携の例としては、製造現場の来月の生産数予測(需要予測)を機械学習で行った上で、量子コンピュータを使ってシフトを最適に決めるというケースが考えられそう
- 機械学習の予測値を更に活かすために最適化問題を解く、といったケース。機械学習においても予測値をどう活かすのか?は非常に大きな問題。ビジネスケースによっては量子コンピュータに繋げられそう
- 機械学習と量子コンピュータのコンビを使うとすると、次のくらいしか思いつかん
(ML:機械学習、QC:量子コンピュータ)- コールセンターの入電量を予測し(ML)、人員配置を最適化する(QC)
- 配送予定の荷物を予測して(ML)、最適なトラックの大きさを決めてと配送ルートを決定する(QC)
- EC上でどのページにどの広告を掲載するのが良いか(収益が高いか、人がより見てくれるか等)を最適化する(QC)
- 営業さんも、難しい内容のものを売らないといけないのでなかなか大変そうでした。
- 15:00 続!PCの設定
- 17:30 業務終了
結局、Magellan Blocksの説明と新しいPCの設定で一日が終わってしまいました。
成果物
- 革新的で最新鋭の量子コンピュータ製品知識
- New PC (メモリ8G⇒16G up!、重さ数十グラムdown!)
以上!
コメント