文部科学省は日本の研究力向上を目指す「研究力向上改革2019」をまとめた。若手研究者の任期延長など大学改革と人材、資金、環境改革を一体で推進する内容で、日本の研究の国際的な地位低下に歯止めをかける。

　文科省によると、若手研究者の任期はプロジェクトで採用した場合、3年未満が多く、不安定だと指摘されている。これを打開するため、採用期間を5年程度に延ばすことを明記した。プロジェクトに専念する義務も緩め、一定時間を自分の研究に充てられるようにする。

　競争的資金の直接経費から研究以外の業務の代行経費支出を可能にするとともに、研究代表者に対する人件費支出を認めるとしている。優秀な研究者を確保し、研究者の雑務時間を減らすことでより大きな研究成果を上げやすくするのが狙いだ。

続きはソースで

参考：【文部科学省】研究力向上改革2019（PDF）
http://www.mext.go.jp/a_menu/other/__icsFiles/afieldfile/2019/04/25/1416069_01.pdf

https://univ-journal.jp/25718/

グーグルは3月下旬、人工知能（AI）プロジェクトを倫理面で指導する第三者委員会を設置することを発表した。しかし、委員会が存続したのは発表から1週間余りに過ぎなかった。4月4日、同社は委員会の解散を発表した。何千人ものグーグル社員らが、ある委員会メンバーの解任を求める請願書に署名したことが原因だ。

「先端テクノロジー外部諮問委員会（ATEAC：Advanced Technology External Advisory Council ）」と呼ばれる第三者委員会は、当初計画ではグーグル内の「AIプロジェクトの責任ある発展を指導する」ために設立された。委員会のメンバーは8人で、テクノロジスト、哲学者、経済学者が含まれており、4月以降、年4回の会議を開き、グーグルのAIプロジェクトに関する意見をまとめた報告書を提供することになっていた。委員会メンバーの1人であるカーネギーメロン大学のアレサンドロ・アクイスティ教授は、メンバーを辞任することを発表済みだ。ボックス（Vox）の報道によると、グーグルは委員会全体を解散し、計画を最初からやり直すつもりだという。

続きはソースで

https://cdn.technologyreview.jp/wp-content/uploads/sites/2/2019/04/05184404/google-ap.jpg

https://www.technologyreview.jp/nl/google-has-now-cancelled-its-ai-ethics-board-after-a-backlash-from-staff/

「ライバルがAI（人工知能）を使ったサービスを発表したそうだ。ウチはどうするんだ」――本連載では、上司から突然こんなむちゃぶりを受けて困っている人のために、AIプロジェクトの進め方をいちからまとめてきた。

　あなたはAI導入の目標を明確にし、必要なデータをそろえ、PoC（概念実証）を実施して、AIをどう活用すれば本当に役立つのかを把握した所だ。


　あとは本番環境に実装すれば任務完了――と言いたいところだが、残念ながらこれで終わるわけではない。

　採用した新人を現場に配属して「あとはよろしく」で終わる人事担当がいたらどう思うだろうか？　AIを開発して終わりと考えるのは、それと同じようなものだ。AIが真に成果を出せるかどうかはその後のフォローで決まると言っても過言ではない。本稿で解説する3つのフォローが実施できるよう、予算とマンパワーを確保しておいてほしい。

■その1：「偏見を持つAI」を作らないために　運用後も「再学習」
　これまでの記事でも述べてきたが、本連載ではAIを「これまで人間のみが実行可能だった作業や、人間には不可能だった作業を、機械がデータに基づいて実行することを可能にする仕組み」と定義している。

　実際に最近のAIアプリケーションは、データを使ってAIを学習させ、目標とする作業をさせるものが多い。そのため連載第2回で解説したように、AI導入プロジェクトでは「適切な質と量のデータを集められるかどうか」が重要になる。
http://image.itmedia.co.jp/news/articles/1901/25/koba4_02.jpg

　AIの開発が終わったからといって、この課題が消えてなくなるわけではない。1度学習させた内容が、時間経過や環境の変化などで不適切なものになる可能性があるためだ。

連載第2回では、米Amazon.comの失敗についても解説した。採用候補者の履歴書を自動で審査するAIを開発したところ、女性よりも男性を高く評価する「偏見」を持つようになってしまったというものだ。この原因は、学習に使用した過去10年分の履歴書において、男性からの応募が大半を占めていたことにある。そして実際に大量の男性が採用されていたことで、AIが「女性」という性質を、低い点数を与えるシグナルと解釈してしまったわけだ。

　これは開発時の学習用データ準備の失敗ということになるが、環境や時代の変化によってAIの学習内容が時代遅れになってしまった事例という解釈もできるだろう。

　例えばいま、日本の企業がAmazonのように過去の履歴書を学習用データとした「履歴書審査AI」を導入したとしよう（ソフトバンクやサッポロビールなど、実際に採用プロセスにAIを活用する企業は既に登場している）。

　このAIは女性差別をしないように調整されているものの、過去の採用で応募してきたのは日本人ばかりだ。しかし今後、少子高齢化対策として日本で外国人が働きやすくなり、大勢の外国人がこの会社に応募するようになったとしたらどうだろうか。非常に優秀な外国人候補者がいても、AIは彼もしくは彼女を適切に評価できない恐れが大きい。

　このように、いくら過去のデータに基づいて優秀なAIを開発しても、その後の環境変化でAIのアウトプットが不適切なものになる可能性がある。そのためAIの判断精度を定期的に確認して、必要であれば新しいデータを使って「再学習」してやる必要があるのだ。

続きはソースで

ITmedia NEWS
http://www.itmedia.co.jp/news/articles/1901/25/news041.html

■民間宇宙ベンチャーに人工衛星の製造・運行を一任

宇宙へアクセスできない民間企業や大学に、宇宙実験の機会を提供する──。そんなJAXAの「革新的衛星技術実証プログラム」第1号が、強化型イプシロンロケット4号機を用いて年度内に打ち上げられます。

この「革新的衛星技術実証1号機」は、宇宙ベンチャーのアクセルスペースが開発し運行する小型衛星「RAPIS-1」、および6基の超小型衛星を搭載。JAXAが民間の宇宙ベンチャーに人工衛星の開発や製造・運用までをすべて委託するのは今回が初めてです。

この「RAPIS-1」は、民間企業や大学・研究機関からの公募で選ばれた7つの実証テーマに沿った機器や部品を搭載します。その内訳は下記の通りです。

・革新的FPGAの耐宇宙環境性能軌道上評価（提案機関：NEC）
独自の動作原理（原子スイッチ：ナノブリッジ）に基づくFPGA（設計者が自由に論理回路の構成をプログラムできるデバイス）の軌道上実証。従来のFPGAと比較しても大幅な省電力化・小型化が可能だといいます。

・X帯2-3Gbpsダウンリンク通信の軌道上実験（慶應義塾大学）
降雨に強いX-Bandを利用して、地球の周回軌道から地球に2-3Gbpsのダウンリンク通信を目指す実証実験です。これまでの衛星通信と比較しても大幅に高速だとアピールします。

続きはソースで

http://fanfun.jaxa.jp/countdown/kakushin-epsilon4/images/tn_kakushin_overview.jpg
https://japanese.engadget.com/2018/12/18/3gbps-jaxa-1/