人工知能と聞くと難しいイメージがありますが、今や小学生など子供向けに人工知能（AI） 教育を導入する時代となりました。エンジニアの皆さんの中にもAIに興味を持つ方は少なくないでしょう。

機械学習は分かるけれど、そもそもAIとは何かについては漠然として分からないという方もいるかもしれませんね。実は皆さんの多くは既にAIを利用しています。たとえば、iPhoneの「Siri」や、Androidスマホに搭載の「Googleアシスタント」もAIの1種です。

日々利用している天気予報でもAIが用いられています。このように、私たちの生活にAIは欠かせない存在になっています。これから、**エンジニアとして最低限押さえておきたい人工知能（AI）に関する基本知識について解説をしていきます。**

*【参考】：[AIエンジニアとは？仕事内容と求められるスキル・知識について｜マイナビAGENT](https://mynavi-agent.jp/knowledge/maker/656.html?utm_medium=content-text&utm_campaign=acv02)*

*「人工知能（AI : Artificial Intelligence）」という言葉が生まれたのは、1956年のことです。*アメリカ・ダートマス大学で行われたダートマス会議にて、計算機科学者で認知科学者のジョン・マッカーシーによって提唱されました。

初期のAI研究では、ゲームや数学問題など特定のルールのもとにある問題に対する解答を導き出せるようになりました。現実社会で起こり得る複雑な問題には対応できなかったものの、後のディープラーニングに用いられる*ニューラルネットワークの元となる「パーセプトロン」が考案されています。*

1980年代になると、*「エキスパートシステム」が誕生します。*エキスパートシステムは自己学習はできませんが、特定分野の専門知識をルール化して取り込み、問題に対する対処方法や判断を導き出すことができます。

そして、2000年代初頭から現在にかけてAIは目覚ましい発展を遂げています。ビッグデータを用いた「機械学習」の研究や人間の脳をモデルにしたニューラルネットワークによる「ディープラーニング」が盛んになり、**AIの性能はますます向上し、あらゆる分野に活用されるようになっています。**

ディープラーニングとは？機械学習との違いもわかりやすく解説

ニューラルネットワークとは？仕組みや機械学習との違いについて

### 機械学習とディープラーニングの違い

「機械学習」も「ディープラーニング」もよく聞く言葉ですが、*「機械学習」は人工知能（AI）の学習のこと、「ディープラーニング」はその内の1つの手法を指します。*

機械学習には「教師あり学習」「教師なし学習」「強化学習」の3つの種類があります。いずれでもコンピュータがデータに基づいて学習し、より正確な予測や問題の検知ができるようになります。

機械学習では各データの特徴を抽出する必要がありますが、この特徴を人間が教えるのではなく、**AI自身が抽出できるようにしたものが「ディープラーニング（深層学習）」です。**

ディープラーニングに用いられる「ニューラルネットワーク」は多層構造になっており、それぞれの層が連携することで教わっていない部分に関しても判断や推理ができるようになります。

エンジニアなら知っておくべき！機械学習とディープラーニングの違いとは？

人工知能は私たちの身近な存在になりつつありますが、意外に人工知能については正しく理解されていません。まず人工知能そのものの定義は定まっておらず、人工知能というよりは、多くの人にはAIという言葉で認識されています。

**そもそもAIとは「Artificial Intelligence」の略称であり、「人の持つ知覚や知性などを人工的に再現するもの」として一般的に理解されています。**AIはテクノロジーですが、学術分野としてはコンピューターサイエンス・認知科学・医学・哲学・心理学などさまざまな分野にまたがっており、いまだに議論や論争が続いています。

また、AIを全知全能と見る人もいますが、人間を超えるような汎用的AIはまだ存在していません。とはいえ、特定の領域では人の能力を遥かに超えるAIが登場し、それらが人の仕事を代わりに行うようになりつつあります。例えば、医療診断や金融取引などのさまざまな分野で活躍を始めています。

いずれにしても、AIが我々エンジニアにとっては避けて通れない分野であることは間違いありませんので、まずはAIに対する正しい認識と理解に努めておく必要があります。

AIは進化を続けながら徐々に人間に近づきつつあり、**2045年にはAIが人類を超えるシンギュラリティ「技術的特異点」がやってくるという2045年問題が話題を集めています。**

シンギュラリティが起きると、大きな変化が訪れると見られています。例えば、仕事の概念が変わり、人の仕事がAIに置き換わると言われています。今でもその動きはありますが、スーパーマーケットや銀行は無人化され、レストランもAIが調理しロボットが配膳するようになるでしょう。

タクシー運転手や警備員の仕事もAIに置き換わります。またAIが暴走をする危険性も指摘されています。ただし、この2045年問題については賛否両論があり、シンギュラリティを否定的に受け止める専門家はAIの危険性やデメリットを懸念材料としています。

*【参考】：[人工知能の世界的権威が語る、テクノロジーがもたらす人類の未来 | マイナビニュース](https://news.mynavi.jp/techplus/article/20161006-ai/)*

## 人工知能（AI）とアルゴリズム

エンジニアの皆さんは日々アルゴリズムと関わっていると思いますが、特に**AI分野でアルゴリズムは必須です。**分かったようで分からないアルゴリズム、ここではAIとの関係について易しく解説していきます。

アルゴリズムとは、簡単にいえば手順や計算方法のことです。コンピューターが瞬時に計算やデータ処理をしてくれるのは、アルゴリズムがあるからです。

このアルゴリズムを組み込んだものがプログラムです。プログラマーは最適なアルゴリズムを編み出し、プログラミングという形でこれを具現化します。つまり、**アルゴリズムはプログラミングを行う上での基礎なのです。**

### 人工知能（AI）開発でアルゴリズムが重要な理由

AIは自ら学習を行いながら賢くなれるコンピューターを指します。この**AIが行う学習が「機械学習」です。**

「機械学習」ではコンピューターは膨大なデータを処理、分析する中でパターンや特徴を見つけます。そして見つけたパターンや特徴から答えを推測するのです。パターンや特徴などを表現するためのモデルを構築するのに必要なのがアルゴリズムです。

すなわち、AIが学習する過程においてアルゴリズムは非常に重要な役割を担う技術となっています。

機械学習エンジニアの仕事内容とは？スキルや将来性についても解説

### アルゴリズムが処理できるもの

皆さんが普段利用しているスマホのSiriなどの音声アシストは、皆さんの声を認識して反応しています。それは音声認識アルゴリズムがあるからです。**アルゴリズムが処理できるものとしては、数値以外に自然言語や音声、画像などがあります。**

AIのアルゴリズムでは構造化データを扱うため、数値化されていない音声や画像データは一旦数値に置き換えられます。続いてAIによってその特徴が抽出され、パターンを発見し、モデル構築を行ってから自動的に認識処理を行います。

## 人工知能（AI）開発におけるアルゴリズムの種類

アルゴリズムにはさまざまな種類がありますが、*AI開発において、アルゴリズムは大きくは3種類に分類できます。*以下、3種類のアルゴリズムについて解説します。

教師あり学習（与える情報と正しい判断をセットにし、コンピュータにパターンを学習させる手法）の一部で、**与えられたデータを種類や特徴によって分類をします。**

犬の画像と猫の画像を学習させ、犬の画像を読み込んだ時にAIが犬だと認識して分類できるようにするアルゴリズムなどがその例です。皆さんの身近なところでは、スパムメールフィルターなどが分類アルゴリズムの典型的な例です。

こちらも教師あり学習です。これは**過去に学習したデータから、特定の結果を予測させるアルゴリズムです。**例えば、天気予報では過去の気温から明日の気温を予測したり、企業においては過去の売り上げから未来の売上予測を行ったりするのが回帰に当てはまります。

### クラスタリングアルゴリズム

教師なし学習アルゴリズムです。**データから類似性を発見し、グルーピングを行います。**例えば、ネットショッピングのレコメンド機能にクラスタリングアルゴリズムが活用されています。クラスタ分析とも呼ばれ、マーケティング分野ではよく利用されています。

今や中学生が人工知能（AI）を利用したり、AIを開発したりする時代です。では、人工知能（AI）とはどのようにして作るのでしょうか？人工知能（AI）を作る際の大まかな流れを紹介しますので、イメージをつかんでください。

*【参考】：[AIを使ったプログラミングに挑戦！オンラインイベント【中学生限定】 | マイナビニュース](https://news.mynavi.jp/lp/2021/digital/pc/programming_2021/)*

### 何をするのか、目的を決める

人工知能（AI）の開発に際しては、まずは目的を明確にすることです。**何をしたいのか、AIによって何を解決したいのかが決まれば、AI開発に必要なアルゴリズム・データ・学習方法などが決まるからです。**

### 機械学習に必要なデータを集める

人工知能（AI）開発では「機械学習」が欠かせませんが、**機械学習を行うためには膨大なデータが必要です。**今、さまざまな企業がビッグデータを集めているのも、AIに機械学習をさせてビジネスに必要な情報を得るためです。

### AIに必要な「学習済みモデル」を作る

「学習済みモデル」とは、AIが画像認識や音声認識のパターンをすでに学習して覚えているモデルです。これを利用できれば、モデルを1から作らなくとも済みます。

学習済みモデルとして有名なのは、Googleの機械学習のソフトウェアライブラリ「TensorFlow」です。**「TensorFlow」は学習済みモデルとして最も利用されているフレームワークで、Python・Java・C言語・C++・Juliaでの利用が可能です。**

TensorFlowとは？特徴やできることをわかりやすく解説！

### プログラミングによりAIを組み込む

機械学習を行うことで解析されたデータを活用し、**ユーザーにAIサービスとして提供するためには、プログラミングを行う必要があります。**

AIサービスの提供方法としては、Webアプリ・スマホアプリ・LINEのチャットボットなどを利用します。ここまでが、AIの作り方の大まかな流れです。

今はクラウドサービスとしてこれらを簡単に行える環境も整っていますので、クラウドサービスについてもぜひ研究してみてください。

クラウドサービスとは？種類やメリット・デメリットをわかりやすく解説

## 人工知能（AI）開発に用いる言語

AIのサービスを開発するために用いるプログラミング言語について見ていきましょう。実際にAI分野で用いられている言語は数多くありますが、ここでは*AI開発でよく利用されている言語として4種類紹介します。*AIエンジニアを目指す方はぜひ参考にしてください。

AI（人工知能）のプログラミングで最もよく使われているプログラミング言語です。**Pythonは文法構造がシンプルで理解しやすく、機械学習向けのライブラリが充実している点が評価をされています。**他、PythonはWebアプリやゲーム開発などでも利用されるなど汎用性の高さも人気の理由です。

Pythonとは？人気のPythonを学ぶ際に知っておきたいこと

R言語もAI（人工知能）開発に適したプログラミング言語です。**R言語はもともとは統計学やデータ解析などで使用され、特に学術分野では多く使われてきました。**データサイエンティストを目指す方を中心に、民間企業などでもR言語が注目されています。

R言語とは？特徴やできること、Pythonとの違いを解説！

プログラミング言語の元祖と言われるC言語にオブジェクト指向が追加され、プログラミングの効率が高いのが特徴の言語です。**C++はAI開発でもよく使われ、C言語とも互換性が高く、同時に使うことが可能です。**AI開発以外に、Webアプリやスマホアプリの開発にも利用されています。

**AI開発用の言語として最近注目が集まっている言語です。**Juliaはスクリプト言語でありながら高速処理が可能であり、かつ文法構造もシンプルで覚えやすく、扱いやすいという特徴を兼ね備えています。

しかも、PythonやR言語のライブラリもJuliaから扱えるため、今後はAIプログラミングの主流になる可能性を秘めています。

## AIエンジニアは将来性が高い

ここまで人工知能（AI）に関して、エンジニアとして最低限知っておきたい知識を中心に解説してきました。AIビジネスはDXブームと相まって、急速に成長しており、一方でAIエンジニアの不足が指摘されるなど、将来性の高い分野としても期待が高まっています。

**就職や転職において、AI開発に関するスキルを有する方は優遇される可能性が高いと見られます。**この記事で人工知能（AI）に少しでも興味が湧いた方は是非、AI開発に適したプログラミング言語の勉強を始めてみてはいかがでしょう。

DXとは？その意味と日本の現状、DX推進の障壁となる要因を分かりやすく解説！

DXにAIは必要な要素であるが、AI導入はDX推進とイコールではない

人工知能（AI）は既に社会に浸透し、エンジニアとしても必須の領域です。しかし、機械学習は分かっても、人工知能（AI）に関してはエンジニアの間でも正しく理解されていません。ここでは、エンジニアとして最低限押さえておきたい人工知能（AI）の基礎について解説します。

AIが機械学習をする過程において、アルゴリズムは非常に重要な役割を担う技術となっている

AI開発でよく利用されている言語としてはPython、R言語、C++、Juliaなどがある

AI開発分野は急速に発展する一方で人材不足が深刻化しており、将来性の高い分野である

今さら聞けない人工知能（AI）の基礎知識｜AI開発の基本を解説！

## SDGs達成に向けたエンジニアの取り組みとは？

SDGsは、*簡単に言えば「今より世界をより良くしよう」といった世界基準で設けられている取り組みのことで、近年さまざまなメディアがSDGsについて取り上げています。*

貧困問題・環境問題・ジェンダーレスについてなど、現在世界的に抱えるさまざまな分野の問題を1つずつクリアしていくためにも、実はIT業界やIT部門でもアプリ開発・情報システムなど、貢献できる分野があります。システムやアプリケーションの開発で検討できることもありますので、エンジニアとして今後どのように対処するべきか考えていきます。

そもそもSDGsとは、「Sustainable Development Goals」の略で、日本語では「持続可能な開発目標」と訳されています。**SDGsは17の分野別目標が設定されており、2015年国際連合において採択されたものです。**SDGsは、採択された2015年から15年後の2030年に達成するための目標となります。

【参考】：[United Nations THE 17 GOALS](https://sdgs.un.org/goals)

この開発目標（ゴール）は17の分野に定義されており、さらに169の達成基準（ターゲット）に細分化されています。

2015年9月の国連総会で、2030アジェンダ（The 2030 Agenda for Sustainable Development）が採択されました。そこで2030年までの基本方針の中で、SDGsを17の分野別目標と169の達成基準が提示されました。

【参考】：[ユニセフ SDGs17の目標](https://www.unicef.or.jp/kodomo/sdgs/17goals/)
【参考】：[国際連合広報センター 持続可能な開発目標](https://www.unic.or.jp/activities/economic_social_development/sustainable_development/sustainable_development_goals/)

SDGsにおける17の分野別目標は以下の様に定義されています。

・目標1：貧困をなくそう
・目標2：飢餓をゼロに
・目標3：すべての人に健康と福祉を
・目標4：質の高い教育をみんなに
・目標5：ジェンダー平等を実現しよう
・目標6：安全な水とトイレを世界中に
・目標7：エネルギーをみんなに そしてクリーンに
・目標8：働きがいも経済成長も
・目標9：産業と技術革新の基盤をつくろう
・目標10：人や国の不平等をなくそう
・目標11：住み続けられるまちづくりを 
・目標12：つくる責任 つかう責任
・目標13：気候変動に具体的な対策を
・目標14：海の豊かさを守ろう
・目標15：陸の豊かさも守ろう
・目標16：平和と公正をすべての人に
・目標17：パートナーシップで目標を達成しよう

上記の見出しからだけでも、17の目標は非常に多岐に渡っていることが理解できるでしょう。

### 情報格差（デジタルデバイド）の解決

総務省が定義する「情報格差（デジタルデバイド）」では、「インターネットやパソコン等の情報通信技術を利用できる者と利用できない者との間に生じる格差」を指しています。

【参考】：[デジタルデバイド：総務省](https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/h23/pdf/n2020000.pdf)

PCやスマホが普及してきたことで、コミュニケーションが図りやすくなった分、SNSなどで得られる情報の獲得量に、大きな格差が出てしまうようになりました。そのため、目標17で掲げている「パートナーシップ」について、本来通信機器の利用でコミュニケーションの充実を図るはずだったことが、新たな情報格差が生まれています。

エンジニアも大きく関わるこの社会問題は、単にゴールを「デジタル機器が使える」にするのではなく、「インターネット通信機器を活用して、どのように情報を得られるようにするか」が課題です。エンジニアが貢献できる解決策としては、「IT知識獲得のための教育」「IT人材の確保」「より使いやすいIT技術の開発」などが挙げられます。

**エンジニアの方たちは、パートナーシップを妨げる情報格差の解決に貢献できるような企業で活躍することで、SDGsの目標達成に貢献できます。**

<center>[エンジニア転職を成功させるため<br/>ぜひ*『マイナビIT エージェント』*をご活用ください！](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv12_2)</center>

## SDGsのウェディングケーキモデル

SDGsは我々人類や生物の生活・環境全般をカバーする、多様な目標が設定されており幅広い活動が求められます。ストックホルム・レジリエンスセンターでは、より理解を深めるために「SDGsウェディングケーキモデル」という構造モデルを定義しています。このモデルはヨハン・ロックストローム博士により考案されました。

【参考】：[Stockholm Resilience Center The SDGs wedding cake](https://www.stockholmresilience.org/research/research-news/2016-06-14-the-sdgs-wedding-cake.html)

考え方は、生物圏（Biosphere）を土台にして社会圏（Society）と経済圏（Economy）が上に乗ったケーキ型のモデルです。ケーキの頂点となる最上位にはローソクを模した最終の目標が設定されています。

ウェディングケーキの土台を支える重要な部分です。言い換えると、地球を支える重要な部分ですので地球環境を健全にし、気候変動への対策が求められます部分です。以下の目標が当てはまります。

「目標6：安全な水とトイレを世界中に」
「目標13：気候変動に具体的な対策を」
「目標14：海の豊かさを守ろう」
「目標15：陸の豊かさも守ろう」

ウェディングケーキの中間に位置づけられます。生物圏が維持されたのちに、社会活動で必要とされる目標が当てはまります。

「目標1：貧困をなくそう」
「目標2：飢餓をゼロに」
「目標3：すべての人に健康と福祉を」
「目標4：質の高い教育をみんなに」
「目標5：ジェンダー平等を実現しよう」
「目標7：エネルギーをみんなに そしてクリーンに」
「目標11：住み続けられるまちづくりを」
「目標16：平和と公正をすべての人に」

経済圏はケーキの最上層で生物圏と社会圏が支えて成り立つ部分です。土台と中間層の支えなくては発展を見込むことができません。

「目標8：働きがいも経済成長も」
「目標9：産業と技術革新の基盤をつくろう」
「目標10：人や国の不平等をなくそう」
「目標12：つくる責任 つかう責任」

ケーキの頂点（最終の目標）としては、「目標17：パートナーシップで目標を達成しよう」がケーキに立てるローソクの役割となります。それぞれが目標を達成したのちに相互に協力し、地球規模の課題を解決し、維持する役割を持ちます。

これよりSDGsのウェディングケーキモデルを用いて、ITの効果的活用が可能か検討していきます。ITが活用できる領域は各企業のIT部門、IT業界ともに対応や貢献が求められる領域です。

*■「目標6：安全な水とトイレを世界中に」*
水と衛生の利用可能性と持続可能な管理が期待されています。水質汚染を最小にするために汚染物質排出を抑制し、浄化システムの開発から運用まで適切に管理していくことが求められます。

*■「目標13：気候変動に具体的な対策を」*
気候変動及びその影響を軽減するための緊急対策として、CO2排出を低減するために環境影響を最小にすることが求められます。再生可能エネルギーを利用することで化石燃料消費を抑え、サプライチェーンでの排出量を削減することが求められます。ITでは環境保全のために各プロセスの見直しやモニターを効率的に行う実装が求められます。

*■「目標14：海の豊かさを守ろう」*
海洋・海洋資源を保全し、持続可能な形で利用することが目標です。そのためには汚染物質排出を抑えるとともに、海洋資源・水産物を適切に管理することが求められます。

*■「目標15：陸の豊かさも守ろう」*
ここでは幅広く陸域生態系の保護、回復、持続可能な利用の推進が求められます。目標14と同様の考え方で土壌や大気への汚染物質排出を抑えるとともに、生態系の維持・管理することが求められます。その抑制技術や管理・モニターでのIT活用で、より効果を高めることが期待されます。

*■「目標1：貧困をなくそう」*
ITの直接貢献というよりは社会的な格差是正の考え方を定着・行動するために、ITを利用していくことができます。

*■「目標2：飢餓をゼロに」*
持続可能な農業を、ITを用いて効率的かつ確実な収穫を目指す試みがあります。ドローンによるモニターや温度湿度管理をITで行い、散水や農薬散布を適時・適量実施する最適なコントロールが可能になってきています。

ドローンプログラミングの言語はPythonが最適？できることも解説

*■「目標3：すべての人に健康と福祉を」*
健康的な生活を確保し福祉に役立てる活動は、ITで取り組んでいる領域です。医薬品の開発や効果のシミュレーション、あるいは健康寿命を延ばす仕組みの解析やウェアラブル端末の活用等、多岐に利用が可能な分野です。

*■「目標4：質の高い教育をみんなに」*
質の高い教育を確保し生涯学習の機会を促進するために、ITが活用できます。学習端末を用いたオンライン・リモート授業の実施や、学習効果を高めるためのソフトウェア開発が期待されています。

*■「目標5：ジェンダー平等を実現しよう」*
目標1と同様に、ITの直接貢献というよりは平等性の考え方を定着・行動するために、ITを利用していくことができます。

*■「目標7：エネルギーをみんなに そしてクリーンに」*
持続可能な近代的エネルギーへのアクセスを確保するために、エネルギー網の整備が求められます。特に化石燃料を利用せずに発電する再生可能エネルギーの活用を推進するために、ITによるシミュレーションや発電効果の向上が期待されています。

*■「目標11：住み続けられるまちづくりを」*
持続可能な都市および人間居住を実現するために、システムのデジタル化・オートメーション化をITにより推進していきます。

Pythonでできること・できないことは？自動化のための入門編

*■「目標16：平和と公正をすべての人に」*
目標1・目標5と同様に、ITの直接貢献というよりは平和と公正の考え方を定着・行動するために、ITを利用していくことができます。

*■「目標8：働きがいも経済成長も」*
生産的雇用と働きがいのある人間らしい雇用は重要なテーマです。そのため、単純作業をAI活用で自動化し生産性を高めるとともに、より人間的判断を求められる領域で人間の知見を活かせるようにすることが求められます。

AIエンジニアとは？AIエンジニアの概要と転職で成功するための秘策を解説

*■「目標9：産業と技術革新の基盤をつくろう」*
この目標では、インフラ構築、包摂的かつ持続可能な産業化の促進及びイノベーションの推進を図ることが求められます。ITによるデジタルトランスフォーメーション（DX）により技術革新を推進し高度なプロセスをITで転換していくことが求められます。リモートワークの加速により新しい需要にも対応していくことが期待される領域です。

*■「目標10：人や国の不平等をなくそう」*
各国内および各国間の不平等を是正するために、グローバルな視点でITシステムやネットワーク整備をすすめていきます。求人もグローバルに行い世界全体のリソースを効果的に活用していくことが求められます。

*■「目標12：つくる責任 つかう責任」*
持続可能な生産消費形態を確保するために、サプライチェーンの整備や流通・販売の仕組みを変えていきます。地産地消やそれに関連する人流・物流を最適化するためにITを効果的に活用します。さらに廃棄を最小にするために商品ライフサイクルを適正化し、ITシステムがそれを支えていくことになるでしょう。

最後に、ケーキの頂点（最終の目標）「目標17：パートナーシップで目標を達成しよう」達成のために、全世界規模で情報連携し支援の輪を確保・維持していきます。そのコミュニケーションネットワークにはITは欠かせません。

### SDGsにおいてエンジニアはどう貢献できる？

これまでに、SDGsの目標の多くがITの貢献領域となることがわかりました。

ここでは、エンジニアとして活躍できるITシステム化や、システム設計・アプリ開発・構築・運用について考えていきます。大きく、開発目標はITシステムが直接貢献できる領域、ITによって開発・生産の効率化が期待できる領域、運用や利用のための知識展開や学習・教育の提供、等に分類できます。

ITエンジニアの対応領域は、ウェブシステム・基幹業務システム・情報システム・業界固有のITシステム等に分類できます。さらに、フロントエンドエンジニアからバックエンドエンジニア等の役割に細分化できます。同様に、工程別に開発・運用から全体設計まで多様な役割があります。

そのため、一見するとすぐSDGsに対応・貢献できる場面は多くないと感じてしまいますが、自身の役割の中でしっかりと継続貢献していく意識自体が重要です。具体的には、「生物圏」と「社会圏」においてはITシステム導入により、ITシステム自体が環境保全活動を支えて持続可能性を高めることが可能です。

「経済圏」においては、IT化やデジタル化により成長度を高めることが期待できます。**「経済圏」のIT化・デジタル化とその活用は目標達成と経済成長を加速可能であり、ITエンジニアの活躍の場が非常に多いと考えられます。**

業務の過程の中で利用者視点に立ち、環境影響を最小にかつ持続可能な運用を意識する必要があると考えます。お互いの多様性を理解し尊重しながら対応を進めることで、SDGs目標に近づけることができます。

DXの推進力となる5つのデジタル技術と、企業の適切な選択方法

フロントエンドエンジニアとバックエンドエンジニアを詳しく解説！

### SDGsに貢献するエンジニアの年収

ここでは、SDGsに貢献するエンジニアの年収例として、システムエンジニアを参考に紹介します。

「マイナビエージェント 職種図鑑」でのシステムエンジニアの平均年収は431万円、経済産業省2017年発表の「IT関連産業の給与等に関する実態調査結果」から近い職種のSE・プログラマ（ソフトウェア製品の開発・実装）を参考にすると、平均年収568万円と分かりました。

国税庁2020年発表の「民間給与実態統計調査」における民間企業平均年収は433万円なので、システムエンジニアは一般平均年収と比較して、やや高めの年収を目指せることが分かります。

システムエンジニアは、スキル・実績などによって年収の幅が大きく開きます。目標17の「パートナーシップで目標を達成しよう」では、システムエンジニアを含むさまざまなエンジニア達がシステム開発を通じて、グローバル・パートナーシップの活性化への貢献に関わっています。

**SDGsへの取り組みを積極的に行っている企業にエンジニアとして参加ことで、目標達成に近付くことが可能です。**転職エージェントを活用して、SDGsに貢献できる企業を探してみましょう。

【参考】：[マイナビエージェント 職種図鑑](https://mynavi-agent.jp/it/jobindex/04.html?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv12_2)
※【平均年収 調査対象者】2020年1月～2020年12月末までの間にマイナビエージェントサービスにご登録頂いた方 
【参考】：[IT関連産業における給与水準の実態① ~ 職種別（P7）](https://warp.da.ndl.go.jp/info:ndljp/pid/11623215/www.meti.go.jp/press/2017/08/20170821001/20170821001-1.pdf)
【参考】：[民間給与実態統計調査-国税庁](https://www.nta.go.jp/publication/statistics/kokuzeicho/minkan2020/pdf/002.pdf)

## SDGsにおいてエンジニアができることは無限の可能性があります

この2年でリモートワークが拡大し、働き方が大幅に変わりました。その変化は場所に左右されない新しい働き方とビジネスをもたらしています。働き方が変わることで、CO2排出量を抑制する輸送・配送も見直されています。

ITにおいても、新型感染症のワクチン開発や気候変動対策のシミュレーションにスパコンが活用の幅を広げています。今後の再生可能エネルギー利用とCO2排出削減においても、効果の試算や測定・解析・検証に大いに期待できます。

このように、**直接貢献から環境改善・維持のシステム開発あるいは教育システムまで、多様な用途でITが活用されている事実があるため、エンジニアの役割や期待はさらに広がっていくでしょう。**SDGsにおいてエンジニアとして貢献したい場合は、SDGsに貢献できる企業を見つけねばなりません。個人の転職活動で探し出すのはとても難しいでしょう。

そこでぜひご活用いただきたいのが[マイナビIT エージェント](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv12_2)です。 

マイナビIT エージェントは、IT・Webエンジニア向けの無料の転職⽀援サービスです。

IT・Webエンジニアの転職事情に詳しいキャリアアドバイザーが、あなたのご経験やスキルをお伺いし、転職活動のプランをご提案致します。

アドバイザーは企業側の人事担当者と直接連携を取れますので、求人票に載っていない企業情報も確認することができます。残業時間や給与面など、働き方などをしっかり確認の上で応募企業を選んでいくのが良いでしょう。

・資格やプログラミングの勉強をしているけれど、企業が求めるレベルに達しているのかわからない
・スキルアップをして市場価値を上げていける企業の選び方を知りたい
・数多くあるITエンジニアの職種の中で、自分に向いている仕事は何か知りたい

こうした悩みを抱えていらっしゃる方は、まずは無料登録でキャリアカウンセリングをおすすめ致します。

<center>[あなたに合った企業選びをサポート致します。<br/>エンジニア転職のご相談はぜひ<br/>*『マイナビIT エージェント』*へ！](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv12_2)</center>

SDGsは、国際連合において採択された「持続可能な開発目標」を指します。2015年から15年後となる2030年の17の開発目標と169の達成基準から成ります。ここではSDGsの概要と、その達成に向けたエンジニアの活動領域と取り組みについて解説していきます。

SDGsはSustainable Development Goalsの略で、「持続可能な開発目標」を指します

2015年国際連合において採択されたSDGsは、17の分野別目標と169の達成基準から成ります

多くの開発目標はITで貢献可能であり、エンジニアの役割も広がっています

SDGsとは？達成に向けたエンジニアの取り組みを解説

## 量子コンピュータとエンジニア

エンジニアの皆さんは1度や2度は、量子コンピュータという文字を目にしたり、聞いたりしたことがあるでしょう。

量子コンピュータの開発にGoogle・IBM・Microsoft・Amazonなど、巨大IT企業が本気で取り組んでいます。2021年には、IBMが量子エリートの獲得に年収2,750万円を提示したニュースがネットで話題になり、就職活動に大きなインパクトを与えました。

量子力学に興味がある方の中には、インターン募集の広告に目を惹かれた方も少なくないでしょう。

**夢のコンピュータと言われて久しい量子コンピュータですが、2019年にGoogleは世界最速のスーパーコンピュータで1万年かかる計算を、わずか数分で終えたとする実験結果を発表しています。**

量子コンピュータの開発に成功したら、その超越的な計算能力によって、様々な環境問題や社会問題を解決できると言われています。一方で、従来型コンピュータには誤り訂正機能が備わっていますが、量子コンピュータではその技術がまだ開発されておらず、開発が難航しているとも言われています。

この記事では、量子コンピュータに関してITエンジニアが押さえておきたいポイントに絞り、わかりやすく話を進めていきます。

## 量子コンピュータは何がすごい？

従来のコンピュータは2進法を採用し、「0」と「1」の2種類のビットを用いて計算しています。一方、**量子コンピュータはビットの概念を拡張した「量子ビット」を用いて計算をする点が大きく異なります。**

量子力学では、「0と1を重ね合わせた状態」すなわち「量子重ね合わせ」の存在を認めており、「量子ビットでは2進法と比べてはるかに表せる情報の種類が多くなり、計算を高速に行えます。

2進法では4ビットで表せるのは、0000から1111までの16通りですが、4量子ビットは「0と1を重ね合わせた状態」を利用して16通りをいっぺんに表すことができます。

その結果10量子ビットでは1024通り、50量子ビットでは1125兆通りを1度に扱え、理論上は2進法と比較して約1億倍という圧倒的に速い計算が可能です。これが量子コンピュータの原理です。

しかし、*量子コンピュータの実力を発揮するためにはアルゴリズムが必要です。*なぜなら、量子コンピュータが導き出す答えは複数あり、その中から必要な答えを高確率で得るためのアルゴリズム（量子アルゴリズム）がなければ、解を導き出すことができないからです。

この量子アルゴリズムを開発できるか否かが、実用的な量子コンピュータ開発の鍵です。

量子コンピュータは「重ね合わせ」原理による計算の並列化、波どうしの「干渉」による正解率の増幅といった特殊なロジックによって計算スピートや精度を高めていくため、未経験者の方はこうした考え方を理解をするのに相当時間が必要かもしれません。

**量子アルゴリズムの開発には動作をシミュレーションするためのシミュレータが必要です**が、動作シミュレータとしては2022年3月に、富士通がスーパーコンピュータ「富岳」のプロセッサ性能を生かした世界最速レベルの36量子ビットのシミュレータを開発しています。

またIBMでは、量子ロードマップを発表し、2023年には1,000量子ビット超のユニバーサル量子プロセッサーの発表を計画するなど、量子コンピュータ開発競争は次第にデッドヒートの様相を呈しています。

ただし、従来型のコンピュータの物理性能には限界があり、量子コンピュータの開発には超電導体など新たな材料が必要と言われており、ハード面での技術革新も求められています。

*【参考】：[スーパーコンピュータ「富岳」のテクノロジーを活用し、36量子ビットの世界最速量子シミュレータの開発に成功 |  富士通](https://pr.fujitsu.com/jp/news/2022/03/30.html)*
*【参考】：[IBM Japan Newsroom - ニュースリリース](https://jp.newsroom.ibm.com/2022-05-13-IBM-Unveils-New-Roadmap-to-Practical-Quantum-Computing-Era-Plans-to-Deliver-4,000-Qubit-System)*

私たちの身体や、私たちの身の回りにある物質はすべて原子によって成り立っています。原子には原子核があり、原子核は陽子と中性子から構成されています。陽子は正の電荷を帯び、中性子は電荷を帯びていません。原子核の周りには、負の電荷を持つ素粒子である電子が分布しています。

原子は現在118種類が見つかっており、それぞれ原子番号が付けられています。

量子とは、**物質の最小単位である原子よりも小さな電子・原子核・陽子・中性子など、物質としての性質（粒子性）と状態の性質（波動性）の両方を合わせもった存在を「量子」（quantum)と呼び、その量子を研究する分野は「量子力学」と呼んでいます。**

## エンジニアとして押さえておきたいこと

以上解説したように、夢物語と言われた量子コンピュータの実用化が見えてきました。世界ではIBM・マイクロソフト・Google・Amazonなど、巨大IT企業が量子コンピュータの開発にしのぎを削っていますが、日本でも富士通や日立などコンピュータメーカーも研究開発に注力しています。

実際、国内でも量子コンピュータエンジニアや量子力学技術者の求人が活発化しています。こうした状況を踏まえ、**私たちエンジニアは量子コンピュータとは無縁ではいられなくなるでしょう。**これから、量子コンピュータに関係して押さえておくべきポイントを挙げていきます。

これまで私たちとは無縁の世界と考えていた「量子コンピュータ」が実用化に向かって大きく進み始めた点は見逃してはなりません。IBMが量子エリート（量子エンジニア）の獲得に向けて、破格の年収条件を提示しました。

今後、この動きは加速していく可能性が高いと考えられます。日本IBM社が2020年を量子コンピュータ元年と位置付けたように、**これから2023年、2024年に向けて量子コンピュータ市場は大きく拡大していくでしょう。**

これまではDX・AI・IoT・ビッグデータなどが話題の中心でしたが、これからは量子コンピュータがバズワードとなっていくかもしれません。

*【参考】：[日本IBMから見る、量子コンピュータ時代に向けた人材育成とは | TECH+（テックプラス）](https://news.mynavi.jp/techplus/article/20201218-1599088/)*

ここ数年間でクラウド市場は急速な成長と拡大を見せていますが、既に米国IBMは2016年から量子コンピュータのクラウドサービス「IBM Q Experience」の提供を開始しました。この分野はIBMが先鞭をつけましたが、富士通も2022年10月から量子コンピューティングのクラウドサービス提供を行うと表明しています。

他、**AWSをはじめとしてクラウドサービスを利用した量子コンピューティングサービス展開の動きが加速しており、我々エンジニアの仕事も大きく変わっていくかもしれません。**

*【参考】：[富士通、富岳ベースのスパコンや量子コンピューティングをクラウドで提供 | TECH+（テックプラス）](https://news.mynavi.jp/techplus/article/20220406-2314861/)*
*【参考】：[Amazon Braket (量子コンピューティングの深堀と実験) | AWS](https://aws.amazon.com/jp/braket/)*

AWSで何ができるのか？AWSの概要や強みについても解説

クラウド化における課題とは？失敗の原因と成功するための対策を解説！

量子コンピュータがどの分野に適しているのか、何が解決できるのかはまだ模索の段階です。**量子コンピュータは大別すると「アニーリング型」と「量子ゲート型」に分かれます。**

「量子ゲート型」は、処理単位を現在のコンピュータの「bit」から「量子bit」に置き換えたコンピュータのことで、これまでは「量子コンピュータ」と言えばゲート型を指してきました。

「アニーリング型」とは「組み合わせ最適化」に特化した量子コンピュータのことで、例えば物流ルートの最適化、ルートセールスの最も効率的なルート探索、交通渋滞をなくすための目的地別最適ルート探索などの用途が適すると考えられ、実用化も始まっています。

他、新薬開発・ビッグデータ解析・AI開発などでの活用が期待されています。AI開発においては、より人間の思考に近いAIの開発が可能になるかもしれません。いずれにしても、さまざまな事例が積み重なっていく中で、最適分野が明確になっていきますので、動きに注視しましょう。

量子コンピュータに関わるエンジニアを目指す場合、使用言語が気になるところです。量子コンピュータの命令型量子プログラミング言語としては、最初に実装されたQCLとLanQが知られています。

他、Pythonのライブラリーとして開発されたIBM製のQiskiは実機を動かせるだけではなく、シミュレータ機能を搭載しているため、従来型コンピュータでの利用が可能です。Microsoftは量子コンピュータ開発用にオープンソースのQ#プログラミング言語を提供しています。

このように、**量子コンピュータのプログラミング環境はクラウドサービス上に用意され、誰でも簡単に扱えるようになっていきます。**

*【参考】：[QCL (Quantum Computing Language)｜GitHub ](https://github.com/aviggiano/qcl)*
*【参考】：[LanQ – a quantum imperative programming language](http://lanq.sourceforge.net/)*
*【参考】：[Qiskit を使った量子計算の学習](https://qiskit.org/textbook/ja/preface.html)*
*【参考】：[Q# プログラミング言語と QDK とは? - Azure Quantum | Microsoft Docs](https://docs.microsoft.com/ja-jp/azure/quantum/overview-what-is-qsharp-and-qdk)*

基礎知識の記事（7ページ目）