無料マンガ・ラノベなど、豊富なラインナップで201万冊以上配信中！
無料マンガ・ラノベなど、豊富なラインナップで201万冊以上配信中！
プリファードネットワークス、通称PFN。
2019年、日本ベンチャー大賞受賞。日本屈指のユニコーン企業。2014年の創業（2006年にPFI創業、2014年にPFN設立）以来、錚々たるリーディングカンパニーの数々と共同研究を重ね、自動運転、パーソナルロボット、がん診断にはじまるバイオヘルスケア等々の課題解決に挑む、天才技術者集団――。
新聞や雑誌で語られるPFN像といえば、こんなところだろう。
しかし、実際のところPFNは何をしているのか。若き創業者たち（本書の著者、西川徹社長と岡野原大輔副社長）は何を考え、どんな未来を描いているのか。
本書では２人の創業者が、ベールに包まれていたPFNの仕事、そこで働く人々の描く未来、深層学習の可能性までつまびらかにする。
・天才集団とすら呼ばれているのに、なぜ「Learn or Die 死ぬ気で学べ」なのか
彼らは答える。PFNが挑戦しているのは変化の大きな分野であり、その中で最先端であり続けるためには、学ぶことが唯一の方法だ。未来を切り拓くために、私たちは、学び続けなければならない。
・パーソナルロボットの夢はこれまでに何度も語られてきたが実現していない。本気で作ろうとしているのか。
彼らは答える。もちろん可能性があるからやっている。私たちは、できるとわかっていること、誰でも実現できることはやらない。
・日本を代表するスタートアップ企業と聞けば、カラフルで華やかなオフィスが想像されるが、飾り気がない。なぜか。
彼らは答える。PFNには、洒落たオフィスにお金をかけるなら、性能のいいコンピュータが１台欲しいと思う人しかいない。
――９割にも及ぶ失敗を推奨し、成功率10％以下の仕事に挑み続けるPFNの思考とは？
※アプリの閲覧環境は最新バージョンのものです。
Posted by ブクログ
プリファードネットワークス(PFN)創業者の2人、西川・岡野原が綴ったこれまでの軌跡と、行動規範・未来についてである。
PFNはAI技術を扱う会社でありソフトウェアとハードウェアの融合、AIを扱うロボットを目指す企業だ。
個人的には、GAFAに蓋をされたような日本において、未来に希望を抱くことのできる内容だった。
まさにGoogleのように研究開発重視の姿勢で20%のリソースを自由な研究に割き、組織も同じ方向性に立つ人材に限って採用する、まさに前に進み続けるためにある企業だ。
コミュニケーションを重視する姿勢も良くあるIT企業とは異なると感じる。
表題にもある当社のバリューのうち、Learn or Dieこそが躍進の源泉なのだろう。その他含めて
＊Motivation-Driven（熱意を元に）
＊Learn or Die（死ぬ気で学べ）
＊Proud, but Humble
（誇りを持って、しかし謙虚に）
＊Boldly do what no one has done before
（誰もしたことがないことを大胆に為せ）
どれも、らしさを、表している。
世界を変える様なことをできる彼らを羨むだけであることはもったいない、成功すると分かっていることは面白くないという気概で生きたい。
Posted by ブクログ
プリファード・ネットワークスの沿革や概念について創業者の視点から書かれている。
会社が掲げる主な理念として４つほど挙げられてる。
Motivation-Driven (熱意を元に)
Learn or Die (死ぬ気で学ぶ）
Proud, but Humble （誇りを持って、しかし謙虚に）
Boldly do what no one has done before (誰もしたことがないことを大胆に為せ)
この４つ、確かに大事だなという気がするし、真っ当なことは大きい会社がさっさとやってしまう。だからこそできるかできないか分からないところに挑戦するといった姿勢は好感が持てた（それができるような資金調達に成功しているのもすごいが）
PFNが強くなった理由も納得できた気がした一冊でした。
やっぱり夢があるって良い
Posted by ブクログ
成功率10%以下の課題に挑み続ける。
PFNバリュー
Motivation-Driven 熱意を元に
Learn or Die 死ぬ気で学べ
Proud, but Humble 誇りを持って、しかし謙虚に
Boldly do what no one has done before 誰もしたことがないことを大胆に為せ
IoT × AI
深層学習＋ロボティクス、クリエイティブ、スポーツアナリティクス
深層学習専用プロセッサー MN-Core
ファナック
ロボットがロボットを作っている
機械学習が機能する領域はロボット、物理世界での問題をAIとロボットで解く
自動運転
シミュレーター×強化学習 報酬の計算
ゲーム
強化学習で自分と同じくらい強い相手をつくり、学習する
生成モデル
深層学習の派生技術 教師なし学習 似た事例を生成
深層学習
汎化能力 「確率的勾配降下法」 適当なノイズを入れて追試する
インターネット時代の研究開発
自分以外が優れたアイデアを出す可能性はすごく高い。
外部のアイデアを見ながら自分たちができるところを探る。
フレームワークでは機能差がなくなり、競争の源泉が移り変わった。
技術を作るために
一人では絶対できないことをやるために会社を立ち上げた。
エキスパート同士が分担し、繋がり、理解する。
一匹狼では会社は知識を吸収できない。
500年後のテクノロジー
今と全く異なったものになる、今から500年前を振り返っても何もなかった。
製造業
モノを作っているからできることがある。
今のハードウェアは人が設計しやすいようにできている。
将来は深層学習が設計まで踏み込める。人ができない並列で考えることができる。
ロボット
手と足がついたコンピュータになる 自動車もロボット
パーソナルナルロボット分野に取り組む
目は人間にほぼ近いものができている
手＝アクチュエーターはこれから
プログラミングのハードルを下げる＝ビデオ予約と同じくらいの感覚に
人間ができている情報処理能力を与えるためには ソフトとハードを密に融合
今のロボットもロケットも モデルベースの制御技術、AIではない
ルールベースから、「学習ベース」になると複雑な制御も可能になる
エッジでもクラウドでもない最適化＝ネットワークの革新
コンピュータネットワークにも人間の細胞同様、免疫システムを
順当にやることはGAFAのような大手がやる。
できるわけないと思っているところに解を探す。
※アプリの閲覧環境は最新バージョンのものです。
ビジネス・実用
ビジネス・実用
ビジネス・実用
試し読み
ビジネス・実用
試し読み
ビジネス・実用
試し読み
ビジネス・実用
試し読み
ビジネス・実用
試し読み
