カテゴリー: ＩＴ関連

https://r.nikkei.com/article/DGXMZO59432930S0A520C2000000?s=4

　※　目を引いたのは、次の部分だ…。『ゲーム向けは前年同期比27%増の13億3900万ドル。2月はサプライチェーン（供給網）の混乱や店舗閉鎖による落ち込みが目立ったが、自宅で過ごす時間が延びたことでゲームで遊ぶ人が増え、四半期ベースではプラスとなった。任天堂の「ニンテンドースイッチ」向けの販売拡大も寄与した。ジェンスン・ファン最高経営責任者（CEO）は「あつまれ　どうぶつの森」など人気ゲームの名前を挙げ、「エヌビディアの技術を使って遊んでもらっている」と話した。』
　おんや？…。ニンテンドーのゲーム機は、AMDじゃなかったっけ…。
　それで、ちょっと調べた…。

※　次の記事が、参考になった…。
　非常に参考になる…。ほぼ丸々、引用させていただきます。
　問題がある場合は、Word Press.comの方に連絡してください。

Nintendo Switchのチップ解剖から考えるデグレード版Tegra X1を選んだ理由
https://eetimes.jp/ee/articles/1703/29/news022.html

※　こういう人が、書いている記事だ…。

『半導体チップからゲーム機を作り上げてきた任天堂

　2017年3月3日に任天堂からゲーム機「Nintendo Switch」が発売された。任天堂は歴代、新たな半導体チップを擁して常にゲーム機の新しさを追求してきた会社の1社である。初代「ファミリーコンピュータ」（以下、ファミコン）、「スーパーファミコン」、「NINTENDO64」などで独自チップを作り、その上で走るユニークなソフトウェアで一時代を築いてきた。図1は、今回発売されたNintendo Switchの前世代ゲーム機である「Wii U」と「3DS」（2014年版）に搭載されているメインプロセッサの様子である。

図1：任天堂は歴代機で半導体の盟主だった （クリックで拡大） 出典：テカナリエレポート
　任天堂のゲーム機用チップは初代ファミコンからCPUとグラフィック系チップを用いている。Wii UではIBMのPowerPC系のCPUを3基持ち、GPUはAMDのRadeon HDのモディファイ版が使われている。2チップ構成だ。ともにWii U専用の新規開発のカスタムチップであった。携帯ゲーム機の「3DS」では富士通セミコンダクター（現ソシオネクスト）が設計したチップを採用している。こちらは45nmプロセスから28nmプロセスへと製造プロセスの微細化によるコストリダクションを経ているが、当初からディジタルメディアプロフェッショナル（DMP）のGPUとARMコアを1チップ化した、CPU+GPU構成となっている。

“カスタマイズされたTegraプロセッサ”に迫る
　Nintendo Switchは2017年1月13日、東京ビッグサイトで開催された「Nintendo Switchプレゼンテーション2017」で発表された。米国の半導体メーカーNVIDIAと共同開発を行った「カスタマイズされたTegraプロセッサ」が活用されていることが発売前から明らかになっていた。

　図2は、販売開始になったNintendo Switchの背面と、背面下部に印字されている文字部分、背面カバーを取り外したところである。

図2：任天堂スイッチはドイツ生まれ （クリックで拡大） 出典：テカナリエレポート
　背面下部には商品に関する情報（型名、デザイン場所、製造場所、年号）が書かれている。どの製品もこの情報から「いつ、どこで、だれが」開発したかが分かる。Nintendo Switchは順に「2016年、ドイツの任天堂が設計し、中国で製造した」ことが読み取れる。』
『米国ではなく“ドイツ”
　本連載の第11回（初代ファミコンとクラシックミニのチップ解剖で見えた“半導体の1/3世紀”）で報告した「ニンテンドークラシックミニ ファミリーコンピュータ」は“いつ、どこで、だれが”の情報記載されておらず「任天堂（漢字）＋MADE IN CHINA」の文字が搭載されているだけであった。しかしNintendo Switchではドイツにある任天堂ヨーロッパの住所、2016年という年号が記載されている。この情報から「2016年にドイツで開発されたもの」だと推測される。任天堂は新たな半導体プロセッサを開発するところからゲーム機を作ってきた。そのためにIBMやAMDといった米国を代表するプロセッサメーカーとともに仕様を決めて、チップ開発を行ってきたことは先に述べた。

　しかしNintendo Switchでは米国ではなく、“ドイツ”のネーミングが刻まれている。

2015年発売の「Tegra X1」と同じ!?
　図3は、実際にNintendo Switchを分解し、メインのプロセッサ「ODNX02-A2」をチップ開封した様子である。

図3：スイッチのプロセッサはNVIDIA Tegra-X1 （クリックで拡大） 出典：テカナリエレポート
　筆者が代表を務めるテカナリエではNintendo Switchの発売前から、NVIDIAのアプリケーションプロセッサ「Tegra」の全てのバージョンに対してチップ開封を行っている。そこで過去のTegraのチップ開封で得た情報と照らし合わせたところ、Nintendo Switchが搭載するプロセッサは2015年発売の「Tegra X1」と同じものであることが判明した。

　TegraX1はどのようなプロセッサなのだろうか。実際にはゲーム機のみならず車の自動運転システムやインフォテインメントシステム、GoogleのAndroidタブレット「PixelC」などで広く活用されるプロセッサである。CPUにはARMの64ビットプロセッサ「Cortex-A57」「同A53」が各々4基ずつ搭載される。GPUはNVIDIA独自のGPU内部アーキテクチャ「Maxwell」が活用されCUDAが256基も搭載されるGPUリッチなSoCだ。チップにはカメラISPやビデオデコーダー／エンコーダーなども搭載されている。

　2016～2017年にNVIDIAはFP64（64ビット浮動小数点演算性能）のアーキテクチャを強化し、FP16を扱える新世代のGPUアーキテクチャ「Pascal」を採用したGPU製品群を発売しており、Tegra X1はその点で1世代前のプロセッサという位置付けになっている。Tegra X1の後継チップ「Parker」も発表されており、こちらはPascal世代GPUとNVIDIAの独自開発によるARM準拠コアDenver2が採用されるチップとなっており、Tegra X1は2017年の時点では「CPU」も「GPU」も共に1世代前のものということになる。

　Nintendo Switchの発売にあたり、NVIDIA Tegraのカスタマイズチップを活用との情報を明らかにしている。しかしチップ開封によってシリコンは、TegraX1と全く同じものであることは判明している。どんなカスタマイズを行っているのだろうか。答えを図4にまとめた。Tegra X1は、Nintendo Switchだけでなく、車載用途から、ホーム機器まで多くの製品に使われている。その中で最も機能を使っている（製品側の仕様書から）ものが、NVIDIA自身が発売する「Shield Pro」というホーム・エンターテインメント機である（車載の場合にはカメラ画像処理プロセッサなどの機能は使わない!!）。

図4：ピン数を落としデグレードで「速さ」を選択 （クリックで拡大） 出典：テカナリエレポート
　Shield Proに使われるTegra X1のチップパッケージは「1232」端子を持っている。一方Nintendo Switch向けのTegra X1は「960」端子。実に22％端子数が削減されている。単純計算になるが、おおよそ5分の4しか機能を使っていないことになる。「カスタマイズされたTegra」という表現は正しい。グレードアップのカスタマイズではなく、デグレードされたカスタマイズということなのだろう。これもカスタマイズであることは間違いない!!』
『なぜ、デグレードのなのか
　歴代ゼロスクラッチからプロセッサチップを作り、半導体開発からゲーム機を作り上げた任天堂の姿はない。中国Allwinner Technologyのプロセッサ「R16」をそのまま使って作り上げたクラシックミニファミコン（本連載第11回参照）、NVIDIAの汎用プロセッサ「Tegra X1」をデグレードさせて使ったNintendo Switch。これらは、なぜこのような手法で作られたのだろうか。

図5：クラシックミニは中国、台湾の半導体メーカー製チップで構成されていた （クリックで拡大） ※連載第11回図3を再掲載
　ゲーム機市場がスマホによって縮小したからか？　岩田さん（＝故岩田聡元任天堂社長）を失ったことで任天堂の方針が変わったからなのか？　あるいは専用チップをわざわざ作らなくとも市販チップでも十分な性能を作り上げられるほどに市販チップの性能が高いからなのか……。そして、それが最もローコストで速く作れるからなのか。真相は分からない。しかし、開発は最も速い時間で完結することだけは確かだ。市販チップのデグレード品を利用するのが最も速いのである。

ドイツで開発した意味合い
　ドイツと言えばNVIDIAのTegraとは最も結びつきの強い国の1つである。車向けのTegraではAudiがすでに採用し、2017年に入ってZFやメルセデスもNVIDIAとの提携を発表している。任天堂とは直接関係はないが、自動運転システムやAI（人工知能）にも活用されるNVIDIAチップは強力なソフトウェア開発を必要とする。

　NVIDIAは2012年にドイツのユーリヒ総合研究機構に同社GPUが採用され、さまざまな科学解明に活用されていることを発表している。膨大なソフトウェア開発者を必要とするのはゲーム機も同じ。無関係とは言えないかもしれない。

⇒「この10年で起こったこと、次の10年で起こること」連載バックナンバーは、こちら』

　※　ということだ…。スイッチのCPUがARMのCoretexコアになっていたことも、GPUがNVIDIAのTegraになっていたことも、知らんかった…。いつの間にか、「取り残されて」いたな…。まあいい…。世の中、そういうものだ…。「それでも、生きて行くんだよ。」だ…。

Nintendo Switch の凄いスペックまとめ
https://www.d-colors.net/game/nintendo-switch

まずは数理的思考を身に付けよ！全大学が「ＡＩ教育」を競い合う時代に
https://newswitch.jp/p/22307

※　こういう人が、書いている記事だ…。

『ビジネスや行政などの意思決定の根拠となるデータを、数理的な思考でとらえて人工知能（ＡＩ）で分析する―。そんな数理、データサイエンス（ＤＳ）、ＡＩの人材育成が急ピッチで進む。政府の「ＡＩ戦略２０１９」では初級レベルは全大学生に必須とされ、認定教育プログラム制度が進みだした。文部科学省のモデル構築事業も拠点６大学から協力校へと展開中だ。これらの教育に関わらずに済む大学は皆無、そんな時代に入っている。（取材＝編集委員・山本佳世子）』
『政府が１９年にまとめたＡＩ戦略でイメージするのは、組織の活動やＩｏＴ（モノのインターネット）で得られるビッグデータ（大量データ）を、統計学やＡＩで分析して活用する人材だ。企業や官公庁、地域社会などあらゆる分野の課題解決でニーズが急増している。内閣府は象徴的な言葉としてＡＩを出しているが、教育テーマとしては論理的考え方やデータに基づく分析など広義のものだという。

同戦略では２５年の目標を掲げ、大学生は学部によらず「全員が初級のリテラシー（読解記述力）レベルを学ぶ」とする。大規模な取り組みとなるため「数理・データサイエンス・ＡＩ教育プログラム認定制度」で後押しする。応用基礎レベルの整備は１年先に予定しているが、まず今年３月にリテラシーレベルを２本立てで整えた。

このうち「認定教育プログラム」は「全学での開講」「複数の専門分野の学生の履修」「履修の学生数や率を高める計画」などの要件を満たせば書類審査で済む。ただ申請プログラムで１年以上の活動実績が必要だ。「データサイエンス学部の実績を基に、全学展開を図る大学」などが対象と予想される。』
『もう一つ、一段上となるのが「認定教育プログラム＋（プラス）」だ。他大学を先導する独自のプログラムで、認定には実地調査もある。「全学生の半数以上が履修しているか、３年以内に実現する計画」という部分のハードルが高い。内閣府の佐藤文一審議官は「旧帝大や研究型大学には、より先進的な取り組みで『プログラム＋』にチャレンジしてほしい」と強調する。どこが先陣を切るのか、視線が集まることは間違いない。』
『文部科学省は１７年度から、大学が文系理系を問わず全学的な数理・ＤＳ教育を後押しする事業を進めている。２０年度は国立大学の運営費交付金の一部の１０億円をこれに充てる。事業開始時は「数理・ＤＳ教育」としており、前面になかったＡＩも、今は内閣府の戦略と相まって扱う。

拠点校は北海道、東京、滋賀、京都、大阪、九州の６国立大学だ。数学、統計、情報など各大学の強みを出しながら、他大学の参考になる標準カリキュラムの策定に向けて、学内での実施に取り組む。』
『九州大学数理・データサイエンス教育研究センターは最初に、高年次学生・大学院生向け講座に取り組んだ。受講生の卒業・修士研究用のデータ解析プログラムを実装し、個別指導をしつつ理論の学びに誘導した。理論から実装に進む通常の積み上げ式とは、逆の学びにしたのが注目だ。

次いで低年次学生向け講座では、看護学や文学など意外な分野も含めた先輩の実例を紹介。その上で学科別に必要なデータ解析法の原理を解説し、学生のやる気を引き出した。

専門が多岐にわたる教員・研究者６０人程度が参加する合宿勉強会もユニークだ。共同研究費を用意し、例えば数学、情報、病院の研究者が、病院内の治療方針や医薬品選定を合理的に決める手法の開発に取り組む。内田誠一センター長は「データ分析を串にして、考えられなかったつながりが生まれている」と効果を実感している。』
『一方、北海道大学の場合は「学部、修士、博士の各課程を想定した文科省のＤＳの３事業すべてで採択されている」（数理・データサイエンス教育研究センターの湧田雄基特任准教授）のが強みだ。またデータを持つ企業と北大の産学共同研究を基に、社会人教育を展開する特色もある。』
『１９年度には６拠点大学に加えて計２０の国立大を協力校に据え、さらに公私立大へも広げていく計画だ。他大学での実施には、新型コロナウイルス対応で導入が進んだオンライン授業と演習の組み合わせや、指導役の教員を育成するファカルティー・デベロップメント（ＦＤ）も重要だ。伝統と異なるさまざまな手法で浸透を図ることになりそうだ。』
『内閣府の総合科学技術・イノベーション会議（ＣＳＴＩ）などで議論してきたＡＩ戦略のうち人材育成は、２５年時点で実施する人数を示している。最も下の小中学生は情報通信技術（ＩＣＴ）の端末を１人１台で扱う。年間、つまり１学年の全高校生約１００万人で理数（理科と数学）の素養を強化する。右図のピラミッド構造で底辺を支える大学などの全学生約５０万人は、数理・ＤＳ・ＡＩの初級レベルを学ぶ。学部１、２年生が対象だ。ここまでがリテラシーレベルだ。』
『この上の応用基礎レベルは「各専門分野×ＡＩ」の教育だ。専門の学びをする学部３、４年生の半分、約２５万人を想定する。目を引くのは理工系人材は半分程度にすぎず、保健系や人文・社会科学系での育成も重視されている点だ。ダブルメジャーとして「専門は経営学とＤＳ」などと言えるだけの力を付け、実社会での活躍を最も期待される層だ。

その上のエキスパートレベルは大学院生などで、２０００人とぐっと数が減る。研究者やその卵としてＤＳ・ＡＩを活用する。最上位のトップレベルは世界と戦うＡＩ先端研究者などで、１００人としている。』
『データ分析は多くの数値データから普遍的な真理を導くのが狙いだ。伝統的には統計学を使い、心理学や教育学の調査研究でも行われる。統計学は数学の仲間だ。世の中の現象を１次式で近似する多変量解析には、数学の線形代数が使われる。過去のまとめに適するが、変化の激しい未来の予測手法としては微妙なところだった。

一方、ＡＩは多様なツールがあり、未来予測に適する面がある。その一つ、人気のディープラーニング（深層学習）は画像判断や機械翻訳、囲碁などで、その強さが一般社会でも実感されたことで注目が高まっている。

日刊工業新聞2020年5月18日』

社会人のためのデータサイエンス入門｜総務省統計局
https://gacco.org/stat-japan/

※　総務省でも、「無料のオンライン学習」をやってるぞ…。

※　むろん、「有料オンライン学習」の講座も、あまたある…。

データサイエンティストのスクール比較・おすすめ講座・コース7選
https://www.bigdata-navi.com/aidrops/1809/

データサイエンス独学の書籍、オンライン講座、ブログ50選
https://www.finereport.com/jp/analysis/site/

※　にわかにＡＩにスポットライトがあたり、どの企業でも「ＡＩの活用を図れ！」とか、「ＡＩ使って、何かやれ！」とかいう号令が下されるようになった…。しかし、如何せん、そういう「ＡＩが何であるのか」「ＡＩで何かやれる」という「ＡＩ人材」なんか、どこにもいない…。いても、数が少なくて、「需要に供給が追いつかない」…。「ＡＩ人材」どころか、そもそも「データサイエンス」を分かっている人材（ＤＳ人材）すら、数が少ない…。そういうのが、現状だ…。

※　それで、「このままでは、日本企業は、生き残っていけない！」ということで、強力に「政府の尻を叩きにかかった」わけだな…。

※　そういうことで、オレも気にはかけて、若干の資料や画像の収集は、やっていた…。今、フォルダを見ると、どこのサイトからキャプチャしたのかの「データ」までは、保存していなかった…。

※　まあ、いいや…。貼ってしまおう…。出所は、よく分からん…、ネットのどっかに転がっていた…、ということで…。

※　何か新しい分野にチャレンジしてみようと考える時は、
１、文献（紙の書籍、電子データの書籍）で、ざっと感じを掴む。
　導入本、初級本、中級本、上級本とあるので、まず「導入本」を２、３冊読んでみる。中には、「マンガで解説する○○」みたいなものもある…。
２、無料の「お試しオンライン学習」を、やってみる…。
３、大体の感じが把握できたら、いよいよ「有料オンライン学習」に取りかかる…。
　という段取りで取り組むのが、いいんじゃないか…。
　まあ、オレはいつも１で止まっているが…。それも、「導入本」２、３冊読んで「オシマイ」というのが多いな…。
　ネットは、玉石混交だ…。中には、「金取り」「詐欺まがい」も混じっている…。そういうものも、回避していかないとな…。

Udemyで400コース学んだ黒澤さんがおススメするデータサイエンスコース10選＋α
https://zine.qiita.com/products/udemy-datascience/
『──具体的な事例ですごくイメージが沸きました。次に伺いたいのですが、黒澤さん自身、これまで学ばれてきて、データサイエンスにはそもそもどんな知識・スキルが必要だと考えていますか︖また、あわせてそのスキル習得に効果的だったUdemyコースも教えてください。

黒澤：データサイエンスに必要なスキルは大きく3つと考えています。

１）数学（微分、線形代数、統計など）
２）プログラミング（Python、R）
３）問題解決力（価値創造する力、論理的思考力など）

まず数学についてですが、僕の経験上からもこれがデータサイエンスの学習においては最も重要だと考えています。

というのも、自分自身、Udemyでデータサイエンスを学び始めたころ、数学を学ばなかったことで失敗しているからです。』
『──そうだったのですね。それはどんな失敗だったのですか？
黒澤：正直いうと、もともとプログラミングスキルには自信があったので、PythonやRもすぐに使いこなせて、データサイエンスもできるとおごりがありました。
しかし、実際は、Pythonが使えたとしても数学の理解がないとただチュートリアルを動かすだけしかできません。

僕は、データサイエンスを活用した課題解決において重要な「数値予測」か、「カテゴリー予測」かの判断が数学（統計）の知識がなくてできなかったんです。

例えば、手書き文字の画像認識をしたい場合は「カテゴリー予測」を使う。商品の売上シミュレーションをしたい場合は、「数値予測」を使うなど課題に応じて判断しなくてはいけないのですが、それができなかったんです。

数学を学ばずに、機械学習ライブラリを使った⾼度な分析を実⾏しても理解が浅く、チュートリアル以上の事をしようとすると途端に難しくなってしまいました。』
『──エンジニアリング力の素地がある方だからこそ陥ってしまう落とし穴なのかもしれませんね。ただ、「微分・線形代数」については、具体的になぜ必要なのかまだわからないのですが、補足いただけますか？

黒澤：微分や線形代数は、機械学習など関数を使った予測モデルの作成に必要になります。機械学習とは、プログラム（機械）にデータを学習させて、予測させることです。予測するためには、実測値と予測値の誤差を最⼩限にさせていくことが必要で、これを「最適化」と言い、微分を使います。

この「最適化」の計算・演算をするためには、画像やExcelで作られた表データなど、すべてのデータを行列の形で数値化する必要があります。この行列を計算するための手段として線形代数が必要になります。さらに、学習させたモデルの精度を確認するために統計が必要になるんです。』
『──なるほど、よく理解できました。では、黒澤さんも特に重要だという数学を学ぶのにおすすめのUdemyコースはありますか？

黒澤：「【キカガク流】人工知能・機械学習 脱ブラックボックス講座 – 初級編 -」と「【ゼロからおさらい】統計学の基礎」がおススメです。

「【キカガク流】人工知能・機械学習 脱ブラックボックス講座 – 初級編 -」は、板書のように手書きで順を追って説明してくれ、わかりやすく人工知能の仕組みと機械学習の実装に必要な数学（微分と線形代数）を学ぶことができます。さらに得た知識をもとにPythonを使って簡単な機械学習の実装までを4.5時間で経験できるので入門者にはおススメです。』
『「【ゼロからおさらい】統計学の基礎」は、統計の基礎が学べ、統計基礎の鬼門といえる「仮説検証」を中心に理解することができます。また、「アプリの同時起動数」をテーマに統計を使い、「どれだけのユーザーが同時にアプリを起動してもサーバーが落ちずに耐えられるか？」を予測する演習をエクセルを使って行います。』

　※　後半は、「宣伝くさい」が、重要なことを言っていると思われる…。こういう、「電子計算機」を使って「機械」に仕事をさせようとする場合、「数学」のある程度の理解は不可欠だ…。なぜなら、「電子計算機」は、しょせんは「計算・演算」しかできないからだ…。そういうものに、「人間の望むような仕事」をさせようとすれば、「数式を組んで」「代入する値（データ）」を与え、「計算・演算」させていくしかない…。それには、「数学」のある程度の知識が前提になってくる…。

https://xtech.nikkei.com/atcl/nxt/column/18/00154/00902/?P=2

※　スマホは、そろそろ台数的には、頭打ちになった感じだ…。それで、「スマホ」後にブレークしそうなデバイスを、予想したことがあった…。すぐに思いついたのが、「ウエアラブル」＋「ＡＲ・ＶＲ」だった…。もはや、ある程度は製品化されているんだな…。

『Trimble XR10とは別に提供するクラウドサービス「Trimble Connect for AR／VR」を利用すれば、各種設計データを3DのAR画像に変換できる。設計データの種類はSKP、IFC、RVT、DWG、DXFといった主要なCADやBIM（ビルディング・インフォメーション・モデリング）データ形式に対応している。

　設計者と施工者の間で図面の整合性を3D画像で確認したり、施工の関係者同士で合意形成がしやすくなるという。例えば、鉄骨などの躯体（くたい）や仕上げといった建築工事と、配管などの設備工事において、現実空間に3DのAR画像を重ねて表示。躯体と設備が相互に干渉していないかを現場で確認しやすくなる。施工前に現場担当者が3Dモデルを見ながら、空間の把握や課題の抽出をするといった用途にも使える。』

※　見た目は、こんな感じ…。

※　インターフェースは、ディスプレイ内に映し出されるウインドウに対し、手や指のジェスチャーで行う…。未来的だ…。

※　オプション品の数々（かずかず）…。建設現場での「騒音」を考慮して、ヘッドセットが「骨伝導」のものになっているところが、「なるほどな」だ…。

※　こんな風に、まだ敷設されていない配管の完成画像を、映し出すこともできる…。相当、応用範囲は広そうだ…。

※　このコロナ騒ぎで、「テレワーク」「リモートワーク」に移行する会社も増えている…。そうすると、「VPN」なんかの話しも、よく話題になるようになった…。良い話し、ばかりでは無い…。やれ、「アカウントが乗っ取られて、ネットワークに侵入された！」とか、「社員全員に配布するVPNのIDが不足しているんで、交替で使ってくれ…。」とかいうショボい話しとかだ…。

※　それで、ちょっと情報を集めた…。

テレワークのVPNに潜む恐怖　製品に致命的な脆弱性
https://www.nikkei.com/article/DGXMZO58385090T20C20A4000000/

テレワーク悪用して企業ネットワーク侵入　6つの弱点
https://www.nikkei.com/article/DGXMZO58176120X10C20A4000000/?n_cid=SPTMG053

VPNとは何か？ 基礎からわかる仕組みとセキュリティの対策を解説
https://www.sbbit.jp/article/cont1/36318

※　画像は、上記のサイトからキャプチャした…。

※　「VPN」とは、virtual private networkのことで、「仮想専用線網」と訳されているようだ…。「インターネットやNTTのOCNのようなオープンなネットワークを, 暗号化などのセキュリティ技術を用いて, 専用線であるかのように利用できるサービスの総称」…、ということだ…。

※　本来、「専用線網」とは、文字通り「物理的に」「専用回線」を敷設して構築するものだが、それではコストがかかりすぎるので、「既存のインターネット網」を利用して、いろいろ「流すデータ」に「暗号化」を施して、「専用回線網」みたいに「他からは、アクセスできない（覗くことができない）」ようにして「通信」しよう…、というものだ…。

※　概略は、こんな感じだ…。「トンネル宛先」とか「元パケットの暗号化」とかを施しておいて、送り届けたい相手のみが、一定の「ルール」に従って「復号化」すれば、一種の「秘密通信」みたいなものが、できるだろ…、という話しだ…。

※　そういう仕組みを、インターネット上に「トンネル」を構築する…、というアナロジーで表現している…。そういう「暗号化」「復号化」は、「専用の機器」で行う場合もあれば、一般の「コンピュータ（サーバ、ワークステーション、パソコン）で「ソフトウエア的に」行う場合もある…。

※　このモデル図だと、そういう「トンネル構築」のサービスを、大手のクラウドサービス業者（AWS、ＩＢＭ、ＭＳとか）と一括して契約して、行う…、という感じの説明になっているようだな…。

※　ただし、「仕掛けが複雑化する」ので、「セキュリティ上の脆弱性」も、多くなる…。

※　「リモートワーク」だと、「端末」の管理は、「リモートワーカー」自身がやらないとならないから、相当に管理がしっかりとしている必要がある…。ある意味、「リモートワーカー」自身が、「システム管理要員」並みか、少なくとも「それに準じる程度」のスキルを備えている必要がある…。

※　これは、「トンネル構築」に、「専用のVPN装置」を採用したが、なんと（！）その「装置に脆弱性があって」ハッキングされました…、という例だ…。そういうこともある…。

※　こういう風に、「仕掛けが複雑化していて」「端末の管理は、リモートワーカー自身」という構造から、「セキュリティ上の脆弱性」は、数多くできてしまう…、ということを示している…。

※　いつだって、サービス提供業者は、「オイシイ話し」ばかり言う…。

※　しかし、何だって「現実は、厳しく、大変なもの」なんだ…。

※　「アフター・コロナ」の「テレワーカー」は、いよいよ難儀なものとなるな…、という感じだな…。

※　ボタン電池来たんで、電池交換とCMOSクリアをやった…。

※　マザボには、「CMOSクリアボタン」なるものが付いていて、そっちは試したが、うまくクリアできなかった…。

※　それで、フツーに電池を外して、１５分くらい放置して、放電させた…。

※　バイオス画面で確認すると、「時計」が初期設定に戻っていたんで、クリアできたんだろう…。

※　CMOSクリアすると、「ハード」関係のデータベースを再構築するとか言っていたんで、ちょっと身構えたが、何と言うことも無かった…。

※　「ホット・スタート（マザボに通電しながらの）」ではあるが、２回ほど再起動やってみた…。今度は、バイオス設定がチャンと保存された…。「コールド・スタート（マザボに通電せずに、電源完全に落とした状態からの起動）」は、やってみて無い…。今晩、電源落とすから、明日の話しだな…。

※　散々騒いだが、結局は電池の劣化か…。見たら、リチウムイオン電池ではあるが、聞いたことの無いメーカーのものだった…。確か、５年くらいも使ったか…。

※　電源、落とさない人も多いようだが、オレは寝てる間は、電源は落としておく…。ケースの隙間からマザボのLEDの光が見えて気になるし、通電していると、どっからシステムに手を突っ込まれるのか、知れたモンじゃ無いからな…。起きて、使っている限りは、オカシイ挙動をすれば、「タスクマネ」や「リソースモニタ」で確認できるから、ある程度は安心していられる…。

※　まあ、精神的な問題にすぎないんだろうが…。