Oracleは、2023年9月18日〜21日に開催された年次イベント「Oracle Cloud World 2023」の場で、**新しいアプリケーション・デプロイメント・テクノロジー、「GraalOS」を発表しました。**

GraalOSは、OracleのクラウドサービスであるOracle Cloud Infrastructure（OCI）Functionsを利用します。GraalOSはJavaをコンパイルし、ネイティブバイナリをデプロイ・実行することでサーバーレスアプリケーションの起動と実行を高速化します。

【参考】：[Oracle Java Blog: Introducing GraalOS](https://blogs.oracle.com/java/post/introducing-graalos)
【参考】：[GraalOS](https://www.graal.cloud/graalos/)
【参考】：[Oracle CloudWorld 2023](https://www.oracle.com/cloudworld/)

*Oracle Cloud Infrastructureとは、Oracleが提供するパブリッククラウドサービスで、「Oracle Cloud」あるいは「OCI」と略します。*サービスは、IaaS（Infrastructure as a Service）によるハードウェアの自由なカスタマイズ、PaaS（Platform as a Service）の両形態によってサービスが提供されます。

【参考】：[Oracle Cloud Infrastructure（OCI）](https://www.oracle.com/jp/cloud/)

IaaSとPaaSの違いを知り、クラウドに強いエンジニアになろう！

他のパブリッククラウドサービス同様にOCIにおいても、サーバーレスのコンピューティングサービスが提供されています。サーバーレスサービスでは、物理的なサーバを気にすることなくコードを実行することができます。

サーバーレス環境を実現するために、FaaS（Functions as a Service）のアプリケーション開発環境を用います。

*OCIでは、FaaSに基づくサーバーレス・コンピューティングサービスにより、サーバを気にせずにコード実行を行い、自動的なスケーリングなど柔軟性を高めることができます。*

サーバーレスでは、イベントやリクエストに応じてアプリケーションを実行するため、実際に使用したリソースに対してのみ料金を支払い、コスト削減が可能です。

【参考】：[OCI サーバーレスとは](https://www.oracle.com/jp/cloud/cloud-native/functions/what-is-serverless/)

*OCI Functionsは、OCIが提供するサーバーレスのコンピューティングサービスです。*OCIの各サービスやSaaSアプリケーションとネイティブに統合されています。OCIのFunctionsはサーバーレスのFaaSを構成するもので、Fn Projectをベースとして、サーバーレス環境の構築を容易にするものです。

今回発表したGraalOSをベースとするOCI Functionsは、関数をより高速で小さなネイティブ実行ファイルに事前にコンパイルしておきます。コンテナの代わりに、より効率的なGraalOSランタイム上で実行し、これまでのコールドスタートの時間を大幅に短縮します。

【参考】：[OCI Cloud Functions](https://www.oracle.com/jp/cloud/cloud-native/functions/)
【参考】：[Fn Project](https://fnproject.io/)

*Graalとは、Oracleが開発するJavaクラウドネイティブアプリケーションのスタックを表します。*「Graal Cloud Native」「GraalVM Native Image」「GraalOS」からなります。

Graal Cloud Nativeは、マルチクラウド・ネイティブ・アプリケーションの構築を容易にする、オープンソースのMicronautフレームワークモジュールのセットです。アプリケーションを効率的なネイティブ実行ファイルにコンパイルするGraalVM Native Image、クラウドをJVMのように使いやすくするGraalOSが含まれます。

【参考】：[What is the Graal Stack?](https://www.graal.cloud/#whatisgraal)
【参考】：[GraalVM](https://www.graalvm.org/)
【参考】：[Graal Cloud Native](https://www.graal.cloud/gcn/)

GraalVMは、Oracleが新たに開発したJavaのコンパイラです。Javaアプリケーションを拡張し、パフォーマンスの向上を図る、GraalのベースとなるJDKです。*あらかじめコンパイルしておくことが可能であり、クラウドネイティブな環境でのデプロイメントに威力を発揮します。*

OCIとの親和性が高く、無料で利用することができます。

【参考】：[Oracle GraalVMとは](https://www.oracle.com/jp/java/graalvm/what-is-graalvm/)
【参考】：[Oracle GraalVM](https://www.oracle.com/jp/java/graalvm/)

*GraalOSは、OCIで利用可能な、高性能なサーバーレスJavaのアプリケーション・デプロイ技術です。*GraalVM Native Imageを使用して、アプリケーションをネイティブ・マシンの実行ファイルとして実行します。

このGraalVM Native Imageを使用したアプリケーションのランタイム実行環境をGraalOSと呼び、その環境はサーバーレスでクラウド・コストを削減し、より高速で安価に運用することができます。

【参考】：[Oracle Java Blog: Introducing GraalOS](https://blogs.oracle.com/java/post/introducing-graalos)
【参考】：[Oracle Cloud Infrastructure Blog: Ultra-fast serverless functions powered by GraalOS](https://blogs.oracle.com/cloud-infrastructure/post/ultrafast-serverless-functions-powered-by-graalos)

### 特徴1「高速なコールドスタートが可能」

一般的なコールドスタートの場合、実行環境のセットアップ、関数イメージのプルや起動に数秒以上が必要です。Javaの場合はJVMの起動がさらに必要です。

*GraalOSアプリケーションは、事前にサーバーレス関数をGraalVMで先行コンパイルし、即座に起動するスタンドアロンのネイティブ実行ファイルを準備することができます。*このネイティブ実行ファイルはコンパクトであり、呼び出し時間が短縮できます。

小さなネイティブLinux実行ファイルの場合、数十ミリ秒で起動するため、実質的に低コストな高速コールドスタート環境を提供します。

### 特徴2「メモリ使用量の削減」

*GraalOSアプリケーションは、GraalVMネイティブ・イメージの先行コンパイルの結果、大幅にメモリ使用量を削減します。*OCI Functionsを含む多くのクラウドサービスでは、メモリ使用量が利用料金へ反映されるため、GraalOSによりコスト削減効果が高まります。

GraalOSベースのOCI Functionsは、最低限のメモリしか使用しないネイティブ実行ファイルです。Fnを用いる場合と比較しても、ビジネスロックの実行時には半分のメモリー使用量となります。

### 特徴3「クラウドサービスと統合したクラウドネイティブ環境」

OCIのEvent、Connector Hub、Data Integration、API Gateway、Notifications などの主要サービスでは、OCI Functionsのトリガー機能が組み込まれています。この仕組みを使用してGraal OCI Functionsを呼び出すことができます。

データベースやオブジェクトストレージなどと統合し、サーバーレスの恩恵を得ることができます。

ステートフルおよびステートレスマイクロサービスとFunctionsのサポートにより、*GraalOSはクラウドネイティブアプリケーションに最適で、GraalOSとGraal Cloud Nativeを搭載したOCI Functionsはこれらのすべてのメリットを受けることができます。*

### OCI Functionsの今後の拡張計画

*Oracle CloudWorld 2023では、GraalOSを用いたOCI Functionsの今後の拡張計画が明らかにされました。*サーバーレスサービスのOCI Functionsは1秒以下のレイテンシで起動し、使用メモリを最大50%削減できるようになる見込みです。

GraalOSの完全なアプリケーションデプロイメントプラットフォームは、2024年リリースに向けた準備がされています。

GraalOSは、非常に高速なFunctions呼び出しが可能となり、プロビジョニングされたアプリケーション実行には最低限のリソース有効化で対応できるため、コスト的にもメリットがあります。当初はJava向けに提供されますが、将来的には多くの言語に対応するとしています。

これらの機能提供はベータ・プログラムを通じて提供されます。

【参考】：[Oracle Cloud Infrastructure Blog: Ultra-fast serverless functions powered by GraalOS](https://blogs.oracle.com/cloud-infrastructure/post/ultrafast-serverless-functions-powered-by-graalos)

## GraalOSによりOCIのサーバーレスサービスの付加価値が高まります

Oracleは、GraalVMをJDK 21向けに提供することも明らかにしました。位置づけとしては、ハイパフォーマンスの高性能JDKとなります。これらの使用はOCIでは無料となり、Oracle Java SEサブスクリプション製品に含まれるものです。

GraalVMで採用するJavaのコンパイラ技術はアヘッド・オブ・タイム（AOT）と呼ばれ、あらかじめ実行ファイルを生成することでサーバーレスの性能向上に寄与します。

**GraalOSはOCIのランタイム環境として提供され、クラウドサービスでのコード実行を手助けし、OCIのサーバーレスコンピューティングサービスの利便性をさらに高めるでしょう。**

Java入門！概要やメリット、基本事項について徹底解説！

OracleのGraalOSとは、OracleのクラウドサービスOCIで提供されるJava実行環境です。年次イベント「Oracle Cloud World 2023」で発表されました。ここでは、OCIの概要とともに、GraalOSの概要と機能を解説しています。

GraalOSとは、Oracle Cloud Infrastructure（OCI）で提供されるJava実行環境を指します

OCI Functionsを通して利用するアプリケーション・デプロイメント・テクノロジーです

GraalOSを用いたOCI Functionsは、今後も拡張を予定しており、OCIの利用メリットとなります

OracleのGraalOSとは？OCIで提供されるJava実行環境

機械学習エンジニアは、人工知能・AIの領域でシステムを設計・構築するエンジニアを指します。また機械学習エンジニアは、ML（Machine Learning）エンジニアとも言われています。ここでは機械学習エンジニアの詳細に迫ります。

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！

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

機械学習の説明をする上で前提となるのが、人工知能についての知識です。人工知能とは、人間が備えている知的な行為をコンピュータの手続き・アルゴリズムに基づき、所定のデータを与えることで機械的に実行することを研究する領域です。

人間の介在なしに機械的に実行することができれば人間の負担が減り、従来経験則に任せていた領域も科学的に最適な結果を導くことが可能になります。

**機械学習は人工知能の1種で、学習方法を定義して機械的に学習させるため、過去の蓄積データから将来を予測するための技法を指します。**

関連した用語としてよく聞かれる「深層学習（Deep Learning）」とは、人間の脳神経であるニューロンをヒントにモデル化されたニューラルネットワークを用いた技術です。十分なデータ量を与えることで、機械が人間の介在なしに自動的にデータから特徴を抽出し、パターン認識等に活用していきます。

したがって、「人工知能 ⊃ 機械学習 ⊃ 深層学習」の関係を持ち、人工知能は全体を包摂する関係にあります。

### データサイエンティストとの違い

よく求人サイトの募集職種で、データサイエンティストや機械学習エンジニアが記載されていますが、*データサイエンティストとは機械学習アルゴリズムを使うシステム利用者で、データ分析者・統計の専門家を指します。*一方、機械学習エンジニアは機械学習アルゴリズムを設計・実装する技術者のことで、ITエンジニアの1種です。

データサイエンティストに役立つ資格8選！取得のメリットや難易度は？

### 機械学習エンジニアはAIエンジニアの一種

*AIエンジニアとは、AI関連の技術職全体を指します。*具体的には、上記のシステム構築側の機械学習エンジニアおよびシステム利用側のデータサイエンティストが含まれます。

AIエンジニアについて解説する際は、目的別に機械学習エンジニア・データサイエンティスト・データアナリストに分けて仕事内容を説明します。

データアナリストとは？仕事内容や向いている人の特徴を解説

<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>

## 機械学習エンジニアの仕事内容

機械学習エンジニアは、AI分野の技術の専門家として認知されています。一般企業の他、学術系研究機関に勤務される方もいます。ここでは、機械学習エンジニアの具体的な仕事内容について触れていきます。

### 機械学習に用いるデータの収集・整形

**膨大なデータの収集・整理・管理はもちろん、データの整形までもコンピュータで行います。**その際、学習には「教師あり学習」「教師なし学習」「強化学習」の3パターンがあり、目的によって使い分けをします。機械学習エンジニアはこれらの作業を行うコンピュータに指示を出したり管理したりする役割があります。

### 機械学習を用いたシステムの設計・開発

クライアントの要望に合わせて必要な機械学習のアルゴリズムを構築し終えたら、そのモデルを元にシステムやサービスを設計・構築・運用していきます。

実際にこの機械学習モデルをサービスとして活用した際に得られる結果が、どういったものになるのかを明確にする必要があるため、複数のモデルを作成して1つに絞り込んで改良していきます。

システム開発の工程とは？基本的な流れや略語の意味を解説！

### 機械学習のためのインフラ構築

機械学習を行うには、膨大なデータを処理したり安全・効率的に運用したりする必要があり、それには実行環境を整えなければなりません。Web APIとして呼び出せる設計を行ったりバッチなどの処置を管理したりと、*目的に合わせたインフラの構築をするのも機械学習エンジニアの仕事です。*

インフラエンジニアの種類とは？適性や興味から目標分野を定めよう！

## 機械学習エンジニアに必要なスキル

ここでは、機械学習エンジニアにはどのようなスキルが必要なのかまとめました。

機械学習エンジニアはシステム構築サイクルを任されるため、プログラム開発や学習アルゴリズムの設計の知識が求められます。**プログラム開発では、Python・C・C++が主な開発言語です。**特に、PythonはAI・機械学習・データ解析には欠かせません。C・C++・Javaは人工知能関連の開発で活用されています。

未経験者の場合は、まずはこれらのプログラミング言語の知識から習得しましょう。

Pythonと機械学習を学んでAI時代に対応できるエンジニアに

Javaとは？人気プログラミング言語Javaの将来性やメリットについて解説

機械学習エンジニアが担うアルゴリズム設計には、プログラミング言語の理解の他に、**高度な数学や統計理論を多用します。**アルゴリズムの目的によって必要な数学的・論理的な知識が異なるため、一定の知識や経験が求められます。

例えば、顔認識や文字認識として画像を使用した機械学習を行いたい場合は、画像認識学の知識が必要です。

機械学習エンジニアには、システムインフラの技術も求められます。特に最適化には、ハードウェアの知識に基づいてシステムメモリーの利用や計算手法を最適化するため、OSとハードウェアの知識が求められます。

### データベースやクラウドに関する知識

機械学習エンジニアは、**収集したデータを格納するためにHadoopやSQL等のデータベースを理解している必要があります。**過去の蓄積データを活用するためには、ビッグデータの理解も合わせて必要です。また、最近ではクラウドにデータを格納することも増えているため、クラウド連携も知識があると有利でしょう。

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

AWSは機械学習でも注目度が上昇中！活用例と学習方法を解説

### 機械学習エンジニアになるまでのロードマップ

これまで機械学習エンジニアに必要なスキルを紹介しましたが、ではこういった知識を習得するためにはどのような学習手順を踏めば良いのでしょうか。ここでは、機械学習エンジニアになるまでのロードマップを簡単に紹介します。

まずは機械学習やAI関連で活用するプログラミング言語を学びます。おすすめはPythonです。Python学習において必要な開発環境を整え、基礎文法やサンプルプログラムを作ってみましょう。

AIや機械学習において必要な数学の分野は、微分積分・線形代数・確率統計です。範囲としては大学で学ぶ程度で十分とされているため、高度な知識は求められません。統計学においては、まずは分布・推定・検定などの基本的な概念から学んでいきましょう。

機械学習は、教師あり学習・教師なし学習・強化学習の3つに手法があり、それぞれのアルゴリズムは異なります。ニューラルネットワークやk近傍法などさまざまな種類がありますので、参考書や学習サイトなどで学んでいきましょう。

*④機械学習を実装したものを作成してみる*

これまでに習得した知識やスキルを活かして、実際に機械学習を実装しているAIを作成してみましょう。実際に作ってみることでしか知り得ないことを学べます。

*⑤ITエンジニアからスタートする*

いきなり機械学習エンジニアを目指すのではなく、まずはプログラマーやシステムエンジニアなどからスタートし、システム開発について知見を広めましょう。

*⑥機械学習エンジニアの案件に応募する、もしくは転職する*

フリーランスとして機械学習エンジニア向けの案件に応募したり、転職によって機械学習エンジニアを目指したりする方法もあります。その際、転職エージェントを活用して研修制度が充実している企業に出会えるようにしましょう。

Pythonの学習ロードマップとは？習得のコツやおすすめのサイトを紹介！

未経験からITエンジニアになるには？ステップと効果的な転職方法を徹底解説！

機械学習が学べるおすすめの本12選！初心者から上級者まで厳選してご紹介！

<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>

## 機械学習エンジニアに必要な資格

どのような職種でも実務経験に加えて資格を取得できれば、対外的に自分のスキルを証明することが可能です。ここでは、機械学習エンジニアが取得しておきたい資格について紹介します。

機械学習エンジニアの能力を証明するために、日本ディープラーニング協会の検定「G検定」がおすすめです。G検定はジェネラリスト向けの検定、E資格はエンジニア向けとなります。**資格取得により、人工知能ならびに機械学習に関する知識の証明が可能です。**

【参考】：[一般社団法人 日本ディープラーニング協会のG検定、E資格](https://www.jdla.org/)

G検定とはどのような資格？難易度や勉強方法、活かせる仕事も紹介

統計自体の能力を証明するために、統計質保証推進協会の「統計検定」を取得しましょう。**この資格を取得することでデータに基づいた客観的な判断ができ、科学的に問題を解決する統計能力を証明できます。**機械学習エンジニアのみならず、データサイエンティストにもおすすめの資格です。

【参考】：[一般財団法人 統計質保証推進協会の統計検定](https://www.toukei-kentei.jp/about/)

統計検定2級とは？合格するための勉強法や資格が活かせる仕事も紹介

### データベーススペシャリスト試験

「データベーススペシャリスト試験」は、情報処理技術者試験の1つで、**データベースの設計監理者や管理責任者が対象です。**高度なIT人材として専門的な知識や技術を証明し、情報システム基盤の企画・要件定義・開発・運用・保守の役割を果たすために役立ちます。

【参考】：[データベーススペシャリスト試験(DB)](https://www.ipa.go.jp/shiken/kubun/db.html)

データベーススペシャリスト試験とは？活用できる仕事や効果的な勉強方法を解説

## 機械学習エンジニアはやめとけ？メリットはある？

機械学習エンジニアはIT時代の昨今では需要が高いですが、「やめとけ」と言われることがある職種でもあります。ではなぜそのようなことを言われてしまうのでしょうか。ここでは、その理由やメリットについても解説します。

### ハードルが高いが、重宝される人材になれる

前述したように、機械学習エンジニアに求められるスキルは、プログラミングスキルなどITエンジニアとしての基本的なスキルに加え、統計などの数学的知識も必要です。

そのため、習得しなければならない知識の幅が広く、ハードルが高く感じてしまう部分もあります。特に未経験から機械学習エンジニアを目指すとなると、難しく思えるところは多いでしょう。

しかし、*機械学習エンジニアになる過程で得る知識やスキルは、今後のIT社会で活躍できる武器にもなり、IT人材として重宝されやすくなります。*自身の市場価値を高めるためにも、チャレンジする意義は大いにあるでしょう。

また、未経験採用に力を入れて研修制度が整っている企業に入社できれば、働きながら機械学習エンジニアとして成長することができるため、転職エージェントを活用してそのような優良企業を見つけるのもおすすめです。

### 技術進歩に付いていくことで高い知識やスキルが保たれる

ITの技術は日進月歩で常に進化しており、機械学習エンジニアやAIエンジニアは常に最新の情報を把握しておくことが求められます。そのため、日々の多忙な業務と並行して学習も継続させる必要があり、それが「きつい」「やめとけ」と言われてしまう要因の1つにもなっています。

**しかし、こういった学習の継続は自身のスキル向上に繋がるので、今後昇進やキャリアアップの際には有利に働くでしょう。**

## 機械学習エンジニアの年収やキャリアパス

機械学習エンジニアは、人工知能の領域の経験や統計の知識が求められます。ここでは、その先にあるキャリアの選択肢や結果として得られる年収について説明していきます。

ここでは、機械学習エンジニアの年収例を紹介します。今回は「製品開発／研究開発」というカテゴリで見ていきます。

「マイナビエージェント 職種図鑑」での「製品開発／研究開発」の平均年収は477万円（※2023年8月執筆時点）、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「IT技術スペシャリスト（特定技術(DB・NW・セキュリティ等））」を参考にすると、平均年収758万円と分かりました。

機械学習エンジニアは、AI領域を担うエンジニアです。今後、コンピュータの利用領域の広がりにより、人間の介在なしに処理できる、自動化の適応がより進んでいきます。コンピュータによる認識や予測・分析のニーズが高まる中、システムを支える機械学習エンジニアの需要が高まるでしょう。

機械学習エンジニアは、人工知能AIの領域で、システムを設計・構築するエンジニアを指します

コンピュータ知識の他、数学や統計の高度なスキルが必要とされます

AI市場はさらに拡大していき、機械学習エンジニアの需要が、さらに高まるでしょう

機械学習エンジニアとは？AIエンジニアとの違いや年収、言語を紹介

Cortanaのサポート終了が、Windows公式サポートページで告知されました。**2023年後半以降には、WindowsのCortanaアプリのサポートを終了すると表明しています。**Microsoftによると、今後はAIを使用した作業の効率化に焦点をあてたソリューションを提供していく、としています。

【参考】：[Windows での Cortana のサポート終了](https://support.microsoft.com/ja-jp/topic/windows-%E3%81%A7%E3%81%AE-cortana-%E3%81%AE%E3%82%B5%E3%83%9D%E3%83%BC%E3%83%88%E7%B5%82%E4%BA%86-d025b39f-ee5b-4836-a954-0ab646ee1efa)

*Cortanaとは、Windowsプラットフォームに搭載されるAIアシスタント機能を表します。*音声を認識し、キーボード操作をすることなく、Bingでの検索や、生産性向上ツールと連動して作業を手助けします。

Cortanaは、自然言語処理により命令を解釈しますが、今日の新しいBingなどのような大規模言語モデルでは、さらに高速化・高性能化が進みより自然な言語解釈が可能となっています。

【参考】：[Cortana とは](https://support.microsoft.com/ja-jp/topic/cortana-%E3%81%A8%E3%81%AF-953e648d-5668-e017-1341-7f26f7d0f825)

自然言語処理とは？注目される理由やできることをわかりやすく解説

### Cortanaのサポート終了の背景

*Cortanaのサポート終了の背景には、AIの急速な利用拡大が挙げられます。*OpenAIの提供するChatGPTは2022年11月に登場して以降、GPT-4は新しいBingにも組み込まれている状況です。Microsoftは、2019年以降OpenAIに投資を行っていますが、2023年1月には追加投資により、パートナーシップを拡大しています。

OpenAIとのパートナーシップの成果として、新しいBing、Microsoft 365 Copilot、GitHub Copilotなど多くのMicrosoftの製品・サービスにOpenAIの技術が活用されています。Microsoft WindowsにおいてもWindows 11の普及が進み、利用者に対して統合化されたAI利用環境の提供の必要性が高まってきています。

Windows 11では、エクスペリエンスの向上をテーマに機能を提供しており、AI機能の搭載はもはや避けては通れないものとなっています。そこで、次の2点を表明し、方向性を明らかにしました。

・利用者に対してWindows 11にWindows Copilotを導入し、利便性を向上すること
・開発者に対して、Bing ChatプラグインをWindowsに拡張し、アプリをWindows Copilotに統合可能にすること

【参考】：[AI のパワーを Windows 11 にもたらす – Windows Copilot と Dev Home でお客様と開発者の生産性の新時代へ](https://blogs.windows.com/japan/2023/05/26/bringing-the-power-of-ai-to-windows-11-unlocking-a-new-era-of-productivity-for-customers-and-developers-with-windows-copilot-and-dev-home/)
【参考】：[マイクロソフトと OpenAI がパートナーシップを拡大](https://news.microsoft.com/ja-jp/2023/01/25/230125-microsoftandopenaiextendpartnership/)

新しいBingのリリース！AIを活用した検索サービスの登場

「Microsoft 365 Copilot」を発表！使い方や搭載されるAI機能とは

AIペアプログラマー「GitHub Copilot」の使い方や導入メリットを徹底解説！

### 引き続きCortanaを利用するには？

*今回のCortanaサポート終了の発表は、Windowsのスタンドアロンアプリのみです。*今後も従来通り、Outlook モバイル、 Teams モバイル、 Microsoft Teams ディスプレイ、 および Microsoft Teamsの会議室で使用できます。

【参考】：[Outlook モバイルのCortana](https://support.microsoft.com/ja-jp/topic/cortana-%E3%81%8B%E3%82%89%E3%83%9E%E3%82%A4-%E3%83%A1%E3%83%BC%E3%83%AB%E3%82%92%E5%86%8D%E7%94%9F%E3%81%99%E3%82%8B%E3%81%A8%E3%81%A9%E3%81%86%E3%81%97%E3%81%9F%E3%82%89%E3%82%88%E3%81%84%E3%81%A7%E3%81%99%E3%81%8B-5ea7f3df-02cd-2524-f775-f3c89316367b)
【参考】：[Teams モバイルのCortana](https://support.microsoft.com/ja-jp/office/teams-%E3%81%A7-cortana-%E3%81%AE%E9%9F%B3%E5%A3%B0%E3%82%A2%E3%82%B7%E3%82%B9%E3%82%BF%E3%83%B3%E3%83%88%E3%82%92%E4%BD%BF%E7%94%A8%E3%81%99%E3%82%8B-274bb2f0-d962-4182-b45d-307435cea256)
【参考】：[Microsoft Teams ディスプレイのCortana](https://support.microsoft.com/ja-jp/office/teams-%E3%81%A7-cortana-%E3%81%AE%E9%9F%B3%E5%A3%B0%E3%82%A2%E3%82%B7%E3%82%B9%E3%82%BF%E3%83%B3%E3%83%88%E3%82%92%E4%BD%BF%E7%94%A8%E3%81%99%E3%82%8B-274bb2f0-d962-4182-b45d-307435cea256)
【参考】：[Microsoft Teamsの会議室のCortana](https://support.microsoft.com/ja-jp/office/microsoft-teams-%E3%83%9F%E3%83%BC%E3%83%86%E3%82%A3%E3%83%B3%E3%82%B0%E3%81%A7-cortana-%E3%82%92%E4%BD%BF%E3%81%86-8214c032-1977-4aab-92d5-cc0dd03b22d6)


## Cortanaサポート終了による代替案

*Microsoftでは、公式サポートサイトで代替案を提示しており、メーカーの義務としてサポート終了の影響を低減しています。*詳細は以降で解説していきます。

Cortanaは、そもそもいるの？いらないの？などと不要な場合もあるため、無効にしたりアンインストールしたりすることもあります。また、「Cortanaを更新しています」から復旧しないなどのトラブルに遭遇する場合も稀にあります。

このことから、Cortanaサポート終了で、すぐに影響があるのは一部の方に限定されると見られます。

Cortanaと似ている音声機能に、Windows 11の音声アクセスがあります。PCを制御し、音声からテキストを作成することができます。Windows 11の新機能で、22H2以降で使用できます。*Cortanaの代替として、アクセシビリティの向上が可能です。*

【参考】：[Windows 11の音声アクセス](https://support.microsoft.com/ja-jp/topic/%E9%9F%B3%E5%A3%B0%E3%82%A2%E3%82%AF%E3%82%BB%E3%82%B9%E3%82%92%E4%BD%BF%E7%94%A8%E3%81%97%E3%81%A6-pc-%E9%9F%B3%E5%A3%B0%E3%81%A7%E3%83%86%E3%82%AD%E3%82%B9%E3%83%88%E3%82%92%E4%BD%9C%E6%88%90%E3%81%99%E3%82%8B-4dcd23ee-f1b9-4fd1-bacc-862ab611f55d)
【参考】：[音声アクセスの概要](https://support.microsoft.com/ja-jp/topic/%E9%9F%B3%E5%A3%B0%E3%82%A2%E3%82%AF%E3%82%BB%E3%82%B9%E3%81%AE%E6%A6%82%E8%A6%81-bd2aa2dc-46c2-486c-93ae-3d75f7d053a4)

新しいBingは、生成AIのエンジンGPT-4をベースとしています。複雑な質問をプロンプトで指示し回答を得ます。出典情報に基づいて正確な回答を作成することも可能ですので、ウェブの検索とチャットそれぞれのメリットを享受することができます。*新しいBingにより、Cortanaの代替以上のメリットが得られるでしょう。*

【参考】：[新しいBing](https://www.bing.com/new)

ChatGPTとBingの違いは？実際の回答を比較して解説

Microsoft 365 Copilotでは、Word、Excel、PowerPoint、Outlook、Teamsなどといったオフィスアプリケーションに、AI機能が搭載されます。そのため、*それぞれのデータを相互に使って、予定表、メール、チャット、ドキュメント、会議などの新たなデータやコンテンツを作成が可能となります。*

【参考】：[Microsoft 365 Copilot を発表 – 仕事の副操縦士](https://news.microsoft.com/ja-jp/2023/03/17/230317-introducing-microsoft-365-copilot-your-copilot-for-work/)

*Windows Copilotは、WindowsにAI支援機能を集約するものです。*今後のAI時代の中心的なWindowsの機能となります。具体的には、BingのチャットやMicrosoftや他社の作成したプラグインを組み合わせて、アプリケーション相互の連携など生産性向上に役立てることができます。

Windows Copilotは、2023年6月より先行プレビューを開始し、パブリックプレビューを経て年内に正式リリースを予定しています。

【参考】：[AI のパワーを Windows 11 にもたらす – Windows Copilot と Dev Home でお客様と開発者の生産性の新時代へ](https://blogs.windows.com/japan/2023/05/26/bringing-the-power-of-ai-to-windows-11-unlocking-a-new-era-of-productivity-for-customers-and-developers-with-windows-copilot-and-dev-home/)



## Cortanaのサポート終了でも代替案は多くある

Cortanaは長らく、AIアシスタント機能をWindowsに提供してきました。今日の生成AIの活用と進歩は目覚ましく、既存の機能を置き換えるどころか、新たな利用方法や活用領域の拡大が始まっています。

**AI時代におけるWindowsの製品の転換はマイナス面よりもプラス面が上回り、代替案も数多くあります。**新しく登場が予定される、Windows Copilotは期待を持って受け入れることができるでしょう。

2023年6月Microsoftは、年内にWindowsのCortanaアプリのサポートを終了すると発表しました。ここでは、Cortanaのサポート終了の背景やMicrosoftのAI戦略、Cortanaの代替案などのWindowsの方向性を解説していきます。

Microsoftは、年内にWindowsのCortanaアプリのサポートを終了すると発表しました

Microsoftの製品に、提携しているOpenAIの技術を多数活用しており、今後も注力する見込みです

Cortanaは、Windows Copilotに置き換わり、Cortanaの機能別に代替案が用意されます

Cortanaのサポート終了！終了後の代替案や今後の方向性を解説

## 大規模言語モデル「Code Llama」が発表

*Metaは2023年8月24日、コードに特化した大規模言語モデル「Code Llama」を発表しました。*

Code Llamaは、Llama 2をベースに構築されたもので、プログラミングコードとコードに関する自然言語を生成できる最先端のLLMと述べられています。Llamaは「Large Language Model Meta AI」の略で、ラクダ科のラマと同じです。

【参考】：[Meta AI: Introducing Code Llama, a state-of-the-art large language model for coding](https://ai.meta.com/blog/code-llama-large-language-model-coding/)
【参考】：[GitHub: FacebookResearch / codellama](https://github.com/facebookresearch/codellama)
【参考】：[Meta AI: Introducing Llama 2](https://ai.meta.com/llama/)

*Code Llamaは、Metaが開発した商用利用可能なLLMで、プログラミングコードとコードに関する自然言語に対して、プロンプトから指示を与えて利用します。*月間アクティブユーザーが7億人を超えない範囲では、ライセンス条項にしたがって無料で使うことができます。

Code Llamaには、以下の3つのモデルバリエーションを用意し、多様な用途に対応します。

・*Code Llama*
　基本となるコード・モデルです。

・*Codel Llama - Python*
　Pythonに特化したコード・モデルです。

・*Code Llama - Instruct*
　自然言語の命令を理解するためにチューニングを施したモデルです。

Meta社では、公開されている他のLLMとの比較のためにベンチマークテストを実施しており、「Code Llamaは、コードタスクにおいて他社を上回る結果が得られた」としています。

【参考】：[Meta AI: Introducing Code Llama, a state-of-the-art large language model for coding](https://ai.meta.com/blog/code-llama-large-language-model-coding/)
【参考】：[LLAMA 2 COMMUNITY LICENSE AGREEMENT](https://github.com/facebookresearch/llama/blob/main/LICENSE)

プロンプトエンジニアリングとは？実用例も交えてポイントを解説！

*Code Llamaのメリットですが、コード生成にテキストプロンプトを使用することで、開発者はワークフローをより高速かつ効率的に実施することが可能です。*コーディングに不慣れな方でも、学習のための参入障壁を低くすることが期待できます。

Metaでは、「Code Llamaが、プログラマーがより堅牢で文書化されたソフトウェアを書くための生産性向上ツールや教育ツールとして利用される可能性を秘めている」と述べています。

【参考】：[Meta AI: Introducing Code Llama, a state-of-the-art large language model for coding](https://ai.meta.com/blog/code-llama-large-language-model-coding/)

*Code Llamaは、Llama 2をコードに特化させたバージョンであり、コードに特化したデータセットでさらに訓練し、同じデータセットからより多くのデータをより長くサンプリングすることによって作成されています。*

強化されたコーディング機能を備えており、コードと自然言語のプロンプトの両方から、コードとコードに関する自然言語を生成することができます。

プログラミング言語は、Python、C++、Java、PHP、Typescript（Javascript）、C#、Bashなど、一般的な言語の多くがサポートされます。

bashとは？シェルの概要から他のシェルとの違いまで解説！

*Code Llamaでは、それぞれ7B（70億）、13B（130億）、34B（340億）のパラメータを持つ3つのモデルサイズがあります。*それぞれ、500B（5,000億）トークンのコードとコード関連データでトレーニングされています。

3つのモデルの違いですが、7Bモデルは1つのGPUで処理できるコンパクトモデルです。34Bモデルは最高の結果を返し、より良いコーディング支援を可能にするパワフルなモデルです。

7Bと13Bモデルはコンパクトな割に高速で、リアルタイムのコード補完のような低レイテンシを必要とするタスクに適しているなど、多様な用途にそれぞれのモデルで対応が可能です。

### Code Llamaのモデルバリエーション

*Code Llamaでは、合わせて「Code Llama - Python」と「Code Llama - Instruct」のバリエーションもモデルを提供します。*

「Code Llama - Python」は、Code LlamaのPython言語に特化したモデルで、100B（1,000億）トークンのPythonコードでチューニングされています。Pythonはコード生成で良く用いられるプログラミング言語であり、有効なソリューションと言えるでしょう。

技術の記事（13ページ目）