司会のいなもりさん
１コマ目。
IoT領域でのブロックチェーン実践
松浦さん（次世代システム研究室マネージャー兼チーフアーキテクト）
・スマート宅配ボックス実証実験
自宅のみならず客観的に受け渡しの証明可能なので、公共機関など荷物を受け取れる幅が広がる。
【そもそものブロックチェーンの基礎】
ハッシュの特性の確認、1ビットでも違うと変わってしまう、不可逆。
前のブロックのハッシュ値が次のブロックの入力になる。なので改ざんすると後続と整合しなくなる。
データの伝播があるため、全滅しなければ大丈夫。
スマートコントラクトでプログラムすると。。。
プログラミング自体大変
バグの回収が困難
確定に時間がかかるなどありますが、GMOでは解決している。（宣伝）
ブロックチェーンとは
「いつ」
「だれが」
「何を」
記録したかが
「第三者の証明なしに」保証されること
【ブロックチェーン世界の事例】
Soells of Genesis
所有権の管理に使われている。カードの値段は数万円のものも
Ujo Music
作成した音楽を直接販売
PINS
ラトビア PINSで検索すると情報出てくる
・文書管理として
公文書管理はドバイが力を入れている
投票や議決権行使はロシア、エストニア
直接民主主義における投票
GMOでは
ゲームコンテンツ管理もやってみた。
厳密な所有権管理は必要ないという結論に。
個人所有データ管理もしてみた。
確定に時間がかかるので今ある共有サービスでいいかな
（ブロックチェーンで”も”できるサービスだから）
ポイント制もいいことあるかも？
一企業の責任範囲で管理するポイントだったらDBで十分だった
宅配、この領域がちょうどよかった。
ただ厳密な受け渡しを一般レベルではそこまで求めてない。
もう一歩踏み込んで本人限定郵便とかであれば需要が出てくるかも。
KYC
ワンクリック口座開設で使える、申し込みの事実と本人確認。
KYCはホントにあちこちでどうしてくれようというお話しが出てきますね。
検討している領域としては
特許、遺言、お薬・カルテ管理
個人レベルのちょっとしたことくらいがちょうどいいのかも？
QA
証明にお金がかかっていた部分はブロックチェーンだからこそできる領域と思われる。
スマートコントラクトまで来ると国レベル、個人をターゲットにしたものだとこれからでもアイディア求めているところ。
２コマ目。
モバイルAR技術の最先端 Google Tangoを活用してバーチャル道案内スタッフを実現してみた
ブイさん（次世代システム研究室）
外国人のブイさんは空港など始めていく場所で道に難儀し、TangoでどうにかならんかとUnityちゃんを使ってバーチャル案内を作ってみたそうです。この領域、わたくしさっぱりわからず。。。
＞Tangoの領域学習
奥行き知覚
モーショントラッキング機能
領域学習機能
＞Tangoの良かったところ
学習速度空間認識が早い
ナビの制度が高い
地下や建物中などGPSがききにくいとこにもいい
DEMO（マーカーをつけるところがシュールで。。。）
マーカーをつけて案内してくれるまでとてもスムーズな時間でした。
しかし会場からの質問として行ったことない場所での問題解決にもかかわらず、どう学習させますかというところのソリューションが提案されました。
3コマ目。
深層学習は金融市場をシミュレーションすることができるか？
高橋さん（次世代システム研究室第一グループ）データサイエンティスト
資産領域の分野でAIが劇的な変化をもたらしている
2016年ヘッジファンド業界の明暗
AIを使ったヘッジファンドだけが利益を上げている。
目標；金融業界のAlfaGOを作りたい
そのための新しい金融市場のシュミレーション法、シュミレーションが大事からね！
従来の方法２つ
ヒストリカルシミュミレーション法
過去のマーケットの値動きをそのまま持ってくる
モンテカルロシミュレーション法
統計を使ってそれっぽい動いを再現
実際とは違う値動きをしてしまう
GAN（ぎゃん）で冒険的な挑戦をしてみよう！
「創造する」処理を実現したところがGANの革新的なところ。
ここは人間でも難しいところ。
DEMO
23万枚の顔写真をインストールして新しい顔写真を創造。
おさるっぽいのからそれっぽくなる。
GANの利点は勝手にやってくれるところ。
ということでさらにDCGANを使って視覚的アプローチによる外国為替市場のデータを使った実験。
データは後日公開されるpdfを見ていただいた方がいいと思います。
実験２。
AIがマーケットの値動きを追っているなら偽物と本物の区別がつけられるはず。
CNNの実力発揮で偽物の区別はつけられた。
では精巧な偽物チャートも区別がつけられるか。
モンテカルロシミュレーションで作ったそれっぽいチャートを交差エントロピーで計算させる。やっぱり全正解。
QA
データであるものを画像であえて分析したのはなぜ？
人間の感覚に沿って視覚的アプローチから再現するとより自然になるか、という実験。
高橋さんとしては結果オーライだったそうです。
たまにはこういう刺激大事！GMOのエンジニアさん、お話上手でわかりやすかったです。
