ペースメーカー 自動充電

心臓の鼓動でペースメーカーなど体内埋込型機器を自動充電する技術が発明 – Engadget Japanese

Patricio R. Sarzosa, Thayer School of Engineering 世界中で数百万もの人々が体内埋込型のペースペーカーや除細動器などを利用していますが、問題は電池を5~10年ごとに交換する必要があることです。そのためには手術が必要となり、機器の交換にも高額な費用が掛かるばかりか、合併…

実用まではまだ時間がかかるようだが、ペースメーカーは 5年程度で充電するための手術が必要だということを知らなかった

体を切開するような手術は心身ともにすごい負担がかかるだろうから、自動充電=手術しなくて良い というのは ペースメーカー利用者にとって朗報だろうと思う

医療器具の発展は人類にとっても有益。今後が楽しみ。

RPAで 40万時間/年 削減

「RPAで40万時間削減」を掲げた損保ジャパン、導入後1年でどれだけ削減できたのか? (1/3)

RPAの大規模導入が進む保険業界で、年間40万時間の削減を掲げた損保ジャパン。導入から1年がたち、目標としていた40万時間の削減には成功したのか? 同社が導入プロジェクトの全貌やその成果、そして乗り越えてきた課題について語った。 (1/3)

1つ1つの挙動を事細かに整理 (Excel起動, 新規Book開く, セルA1を選択, 今日の日付を入力,,, ) し、それをロボットに登録する。
そうすればロボットは 登録した内容を順番に操作してくれる。
人間は誤入力・誤操作するけどロボットは100回やっても1,000回やっても全く同じことをやってくれる
その代わり、イレギュラー要素には弱い。だからイレギュラーな要素が起きないよう1つ1つの挙動をより精密に整理しなければならない。
INPUT情報にイレギュラーが発生する可能性があるならそこも修正。

普段やっている作業、例え日に数十回やるルーチンワークであったとしても、全作業を事細かに 例外なくまとめるのは難しい。
プログラマーであれば プログラムを組む感覚で作業を列挙するのは割とやりやすいだろうが、そうでもない人がいきなり「この作業を全て漏れなく事細かにまとめてください」なんていわれても出来るはずがない

RPAの導入が難しいのはここだと思っている
作業手順の定まっていないものはロボットに登録できない
普段作業を行っている人でないと作業を整理することは難しい

システム屋だけではなく、作業者の協力がなければ導入することはできない

難しいのだが、導入できたら効果は絶大。普段 1時間で行っている作業が数分で、文句も言わずに淡々と何度でも同じ操作をしてくれる
仮に操作に誤りがあったとしても、どこを治せばいいかは明解。
間違い方は人間と違って全く同じ間違いをするので、修正・手当すべき箇所が特定しやすい。ロボットの登録内容を修正すれば、以降同じ間違いは起きない

こんなにメリットがあっても導入がうまくいかないのは業務整理・イレギュラー要素が整理できないからだ

年間 40万時間以上の削減に成功するにはとんでもない労力を費やしたと思うが、素晴らしい成果だと思う

Google 遅くならないモード

グーグル、「Chrome」の”遅くならないモード”をテスト中

「Chrome」が将来、「Never-Slow Mode」(遅くならないモード)という新機能を搭載するかもしれない。重いウェブページを刈り込んで、高速な描画を維持するというものだ。  オープンソースプロジェクト「Chromium」で進行中の取り組みにおいて、このプロトタイプの機能が説明されている。Never-Slow …

Chromeの動作を保証・維持するために、少々重いページは容赦なく停止・制限する、みたいな。
どの程度でどのくらい制限するかの匙加減が難しそう。

ただ、実際重いページは全てのコンテンツが見たいわけじゃないし、広告だったり関連記事など他ページへの導線だったりは表示されてなくてもいいわけで。

どんな感じになるのか楽しみだ

落書き判定

ブラウザで動く落書き判定モデルの作り方 – エクサウィザーズ Engineer Blog

こんにちは。エクサウィザーズAIエンジニアの須藤です。 昨年の弊社忘年会の出し物として、落書き判定モデルを作りました。 お題に合わせて絵を書いて、AIにそれと判定させたら勝ちになるゲームです。 思いのほかちゃんと判定してくれて、ほっとしました。 取り立てて目新しさはありませんが、皆さんにも遊んでいただきたいと思い、ここで紹介します。 exaBaseのモデル詳細ページ で実際に遊べます。 ブラウザだけで動作しますので、お気軽にお試しください。 Googleが提供している Quick, Draw!というゲームのデータを使用します。 これは、お題に合う絵を描いて、AIに判定してもらうというゲームです。 制限時間は20秒で、AIが候補に挙げた時点でクリアとなります。 世界中のプレーヤーによって描かれた絵が、学習用データベースとして 無償で提供されています 。 データセットには などが含まれています。今回は画像とカテゴリーだけを用いて学習を行います。 ストロークを利用する学習モデルについては、以前の 川畑さんの記事 をご覧ください。 画像データはカテゴリー別にNumPy形式のバイナリファイルになっていて、Pythonで np.load(‘cat.npy’, mmap_mode=’r’) とすると読み込むことができます。 1500万人が遊んだというだけあって、約5千万サンプル、約40GBの巨大なデータです。 カテゴリーは以下の通りで、全部で347あります。 エッフェル塔 万里の長城 モナリザ 空母 飛行機 目覚まし時計 救急車 天使 動物の移動 蟻 金床 りんご 腕 アスパラガス 斧 バックパック バナナ 包帯 納屋 バット 野球 バスケット バスケットボール

ブラウザ上にマウスで描いた落書きが何かを判定してくれる
楽しくていろいろ描いたが..

左上: ひまわり ×、右上: 象 ○
左下: 眼鏡 ○、右下: とんぼ ×

力作のとんぼを スノーフレーク(雪片)とは。
ちゃんと見てませんが、判定できるモデルが決まってるので 指定されたモデルを描くのが正しいと思います

CAPTCHA