Go言語でAI開発：メリットから具体的な活用事例まで徹底解説

「Go言語 AI」の組み合わせに興味を持っているあなたは、きっとこんな疑問を抱いているのではないでしょうか。「Go言語の将来性はどうなの？」「PythonとGoのどちらがAI開発に適している？」「Go言語で作れるものって何があるの？」実は、Go言語は継続的な成長を続けており、AI分野において注目を集めているプログラミング言語です。

Go言語の読み方は「ゴー言語」で、その難易度は比較的低く、入門しやすい言語として知られています。特にAI開発においては、Pythonでの機械学習モデル開発とは異なる強みを発揮し、高速な推論処理やリアルタイムデータ処理で威力を発揮します。メルカリやぐるなび、YouTubeなどの大手企業が実際にGo言語をAIシステムに採用し、劇的な性能向上を実現している事例も数多く存在するのです。

本記事では、Go言語でのAI開発について、基礎知識から具体的な活用事例、実践的な開発方法まで、サンプルコードを交えながら詳しく解説していきます。Go言語でゲーム開発やアプリ開発も可能ですが、特にAI分野での活用方法に焦点を当て、あなたのキャリアアップにつながる実践的な情報をお届けします。Go言語×AIの可能性を一緒に探っていきましょう。

Go言語とAI開発の基礎知識

Go言語は2009年にGoogleによって開発されたプログラミング言語で、シンプルな構文と高速な実行速度を特徴としています。

AI分野においては、機械学習モデルのトレーニングよりも、推論エンジンやAPIバックエンド、リアルタイムデータ処理の分野で威力を発揮するのです。

静的型付け言語として厳格な型チェックが実行前に行われるため、大規模なAIシステムでの予期せぬエラーを大幅に削減できます。

Go言語の基本特性とAIとの親和性

最大の特徴は、Goroutineと呼ばれる軽量な並行処理機能でしょう。従来のスレッドベースの並行処理と比較して、メモリ使用量を大幅に削減しながら数千から数万の並行処理を実現できるのです。

AIアプリケーションでは、複数のユーザーからの同時リクエスト処理や、リアルタイムでのデータ分析において、この並行処理能力が決定的な優位性を提供してくれます。コンパイル言語としての特性により、実行時のオーバーヘッドが少なく、レスポンス時間の短縮が求められるAIサービスに最適な選択肢となっています。

AI開発におけるGo言語の位置づけ

AI開発のエコシステムにおいて、Go言語は「AIインフラストラクチャ層」での活用が主流となっています。

機械学習モデルの学習フェーズではPythonが優勢ですが、学習済みモデルを本番環境で運用する推論フェーズでは、Go言語の高速処理能力が重要な役割を果たすのです。特に、マイクロサービスアーキテクチャでのAI機能提供や、クラウドネイティブなAIワークロード管理において、Go言語の軽量性とスケーラビリティが評価されています。

Kubernetesとの親和性も高く、コンテナベースのAIデプロイメントにおいて、効率的なリソース利用を実現できます。

Go言語とPythonの使い分け

使い分けは、開発フェーズと要求される性能特性によって決まります。Pythonは豊富な機械学習ライブラリ（TensorFlow、PyTorch、scikit-learn）を持ち、データサイエンティストによる実験的な開発や研究開発に適しているでしょう。

一方、Go言語は本番環境での高速処理、大規模トラフィック処理、低レイテンシーが要求されるリアルタイムAIサービスに優位性があります。実際の開発現場では、Pythonで開発・学習したモデルをGo言語で構築したAPIサーバーから呼び出すハイブリッド構成が一般的になっています。

Go言語でAI開発を行うメリット

Go言語を使ったAI開発には、従来のPythonベースの開発では実現困難な独自の利点があります。

特に、エンタープライズ環境での大規模AI運用において、その真価を発揮するのです。

高速処理によるパフォーマンス向上

Go言語はコンパイル言語として機械語に直接変換されるため、Pythonなどのインタープリター言語と比較して大幅な実行速度向上を実現します。ベンチマークテストでは、同等の処理をPythonで実行した場合と比較して、Go言語は4-10倍の高速化を達成することが一般的です。

コンパイラ言語による実行速度の優位性

コンパイル時最適化により、実行時のオーバーヘッドが最小限に抑えられます。AIアプリケーションにおける推論処理では、この実行速度の差が直接的にユーザーエクスペリエンスに影響するでしょう。例えば、画像認識APIでの応答時間が100ミリ秒から20ミリ秒に短縮されることで、リアルタイム性が要求されるアプリケーションでの実用性が大幅に向上します。

リアルタイム処理での応答性改善

金融取引のリスク分析や自動運転システムでの障害物検知など、ミリ秒単位の応答時間が要求される分野では、Go言語の低レイテンシー特性が決定的な優位性を提供してくれます。

ガベージコレクションの停止時間も短く設計されており、リアルタイムAIシステムでの安定した性能を維持できるのです。

並行処理によるスケーラビリティの実現

Go言語のGoroutineは、OSスレッドよりもはるかに軽量で、1つのGoroutineあたり約2KBのメモリしか消費しません。この特性により、数万の並行処理を単一のサーバーで実行することが可能になります。

Goroutineを活用した軽量な並行処理

従来のスレッドベースの並行処理では、コンテキストスイッチのオーバーヘッドが問題となりますが、Goroutineはユーザーレベルでのスケジューリングにより、このオーバーヘッドを大幅に削減してくれます。

AIサービスにおいて、複数のモデル推論を並行実行する際に、システムリソースを効率的に活用できるのです。

大規模システムでの同時リクエスト処理

メルカリでは、Go言語の並行処理能力を活用して、全ユーザーへのプッシュ通知システムを構築しています。

数百万ユーザーへの同時配信において、Go言語のGoroutineが外部API呼び出しを効率的に並行実行し、配信時間の大幅な短縮を実現しています。

開発効率化とメンテナンス性の向上

Go言語のシンプルな構文設計により、学習コストが低く、チーム開発での生産性向上が期待できます。

言語仕様が意図的に小さく保たれているため、新しいメンバーでも短期間で習得可能です。

シンプルな構文による開発工数削減

Go言語は”Less is more”の哲学に基づいて設計されており、複雑な言語機能を排除することで、コードの可読性と保守性を高めています。

AIプロジェクトでは、アルゴリズムの複雑さに加えて言語の複雑さが開発効率を阻害する要因となりますが、Go言語のシンプルさがこの問題を軽減してくれるでしょう。

チーム開発での可読性と保守性

Go言語の標準的なコードフォーマット（gofmt）により、チーム全体で一貫したコードスタイルを維持できます。

大規模なAIプロジェクトでは、複数の開発者が長期間にわたってコードを保守する必要があるため、この一貫性が開発効率の維持に重要な役割を果たします。

Go言語を活用したAI開発の具体的な事例

実際の企業におけるGo言語とAIの組み合わせ事例を通じて、その実用性と効果を具体的に検証していきましょう。

大手企業での活用事例

日本の主要企業では、Go言語の特性を活かしたAI基盤システムの構築が進んでいます。

特に、大規模なユーザーベースを持つサービスにおいて、その効果が顕著に現れているのです。

メルカリのプッシュ通知システム

メルカリでは、Go言語の並行処理能力を最大限に活用したプッシュ通知システム「Gaurun」を運用しています。このシステムは、Go言語のGoroutineを活用した並行処理により、数百万ユーザーへの大量配信に対応できる高性能な処理を実現しています。

このシステムでは、外部のプッシュ通知サービスとの通信を並行処理で実行し、システムリソースの効率的な活用を実現しています。HTTP/2対応により通信処理が大幅に高速化され、非同期処理APIによって効率的なプッシュ通知配信を可能にしています。

ぐるなびのバナー表示システム

ぐるなびでは、月間6,000万UU以上のアクセスを処理する「属性バナー」システムにGo言語を採用しています。このシステムは、ユーザーの行動履歴や属性情報を分析し、最適なバナー広告を表示する機能を提供しています。

Go言語の高速処理により、バナー表示でページの表示速度が遅くなるユーザーの負担を軽減し、高アクセス時でも安定した処理を実現しています。

Go言語への切り替えと同時に行ったシステム最適化により、処理性能が大幅に改善され、より大量のアクセスを処理できるようになりました。

AIバックエンドシステムの構築

大規模なAIサービスのバックエンドシステムにおいて、Go言語の採用事例が増加しています。

YouTubeサーバーでの大規模データ処理

YouTubeでは、MySQLインフラストラクチャの基本コンポーネントである「Vitess」システムにGo言語を採用し、大規模なデータ処理を効率化しています。Go言語の並行処理能力を活用して、データベースのスケーリングを促進し、高速なデータ処理を実現しています。

Go言語の技術的特性により、並行プログラミングによる処理速度向上とレイテンシー削減を実現し、大量のデータ処理において優れた性能を発揮しています。

高速APIエンドポイントの構築

LINEヤフーでは、検索関連技術にGo言語を採用し、高速なAPIエンドポイントを構築しています。

高次元ベクトルデータ検索技術「NGT」のGo APIとサーバ機能を提供しており、Go言語の低レイテンシー特性を活用した近似ベクトル検索エンジンのアプリケーション開発を実現しています。同社では継続的な検索パフォーマンス改善に取り組んでおり、ユーザーエクスペリエンスの向上を行いました。

生成AI関連アプリケーションの開発

生成AIブームに伴い、Go言語を活用した生成AIアプリケーションの開発事例が増加しています。

LangChainを使った生成AIアプリ

LangChain Goは技術的に実在しており、ベクトル検索システムの構築が可能です。このシステムでは、大量の技術文書をベクトル化し、自然言語クエリに対して関連文書を検索する機能を提供することができます。

Go言語の並行処理により、複数の文書に対する類似度計算を並行実行し、検索処理の効率化を実現することが技術的に可能です。

LangChainの並行処理機能により、複数の操作を並行して実行することで性能向上と全体的な処理時間の削減が期待できます。

ChatGPT連携システムの構築

三井住友銀行では、独自開発の生成AIアシスタント「SMBC-GAI」を運用しています。このシステムでは、ChatGPT APIとの連携により、行内の専門用語検索、メール作成支援、文書要約などの機能を提供しています。

Azure OpenAI Serviceを活用したSMBCグループ専用環境上で動作し、従来30-60分かかっていた作業を数分で完了できるようになりました。同行では、このシステムの導入により、年間数千時間の工数創出を実現し、行員がより価値の高い業務に集中できるようになったと報告しています。

リアルタイムデータ処理とストリーミング

IoTやエッジコンピューティング分野でのGo言語活用事例も注目されています。

IoTデバイスでのエッジAI実装

トヨタ自動織機では、工場内の設備監視システムに異常検知システムを導入しています。このシステムでは、溶接作業の異常検知をリアルタイムで実行し、不良品の発生を事前に防止しています。

AutoEncoderによる無教師学習を導入したシステムにより、微小な異常も検知可能となり、異常波形を秒単位で検知して通知メールに波形差分を添付することで現場での即座確認を実現しています。同社の報告によると、このシステムの導入により、検査工数を90%削減し、品質管理の効率化を実現したとされています。

ドローン制御システムでの活用

日本郵便では、配達ルート最適化システムにAI技術を採用し、効率的な配送計画を実現しています。このシステムでは、積み荷、配送先データ、走行データなどの多様な情報をリアルタイムで分析し、最適な配達ルートを動的に計算します。

AIによる最適化計算により、100カ所以上の配送場所を回るルートを約5分で作成し、配達業務の効率化を実現しました。

Go言語によるAI開発の実践方法

Go言語でAI開発を始めるための具体的な手順と、実際の開発で使用されるツールやフレームワークについて解説していきます。

開発環境の構築と必要なツール

Go言語でのAI開発を始めるには、適切な開発環境の構築が重要です。Go言語の公式インストーラーを使用してGo 1.19以降をインストールし、モジュール管理機能を活用した依存関係管理を行いましょう。

AI開発に特化したライブラリとして、GoLearn（機械学習）、Gorgonia（深層学習）、GoCV（コンピュータビジョン）などが利用可能です。

Go言語の開発環境セットアップ

Visual Studio CodeにGo拡張機能をインストールすることで、効率的な開発環境を構築できます。

デバッグ機能、コード補完、リファクタリング支援などの機能により、AI開発の生産性を向上させることができるでしょう。

Docker環境での開発も推奨され、本番環境との一貫性を保ちながら開発を進められます。

AI開発に必要なライブラリとフレームワーク

Go言語のAI開発では、目的に応じたライブラリの選択が重要です。数値計算にはGonum、並行処理の制御にはsync/errgroup、HTTP APIの構築にはGin/Echoフレームワークが広く使用されています。

外部のPython製機械学習モデルとの連携には、gRPCやREST APIを通じた通信が一般的でしょう。

LangChainを使った生成AIアプリケーション開発

LangChain Goは、Go言語で生成AIアプリケーションを構築するための包括的なフレームワークです。

このフレームワークを使用することで、複雑なAIワークフローを簡潔なコードで実装できます。特に、RAG（Retrieval-Augmented Generation）システムの構築において、ベクトルデータベースとの連携や文書の前処理を効率的に行えるのです。

LangChain Go版の基本的な使い方

LangChain Goでは、チェーン機能を使用して複数のAI処理を連続実行できます。

例えば、文書の要約→翻訳→品質チェックといった一連の処理を、単一のワークフローとして定義可能でしょう。Go言語の型安全性により、各処理間でのデータの整合性が保証され、実行時エラーのリスクを大幅に削減できます。

RAGシステムの実装手順

RAGシステムの実装では、まず文書をベクトル化してデータベースに格納し、ユーザークエリに対して関連文書を検索します。

LangChain Goでは、Pinecone、Weaviate、ChromaDBなどの主要なベクトルデータベースとの連携がサポートされており、高速な類似度検索を実現できるのです。

ChatGPTとGo言語の連携方法

ChatGPTとGo言語の組み合わせは、エンタープライズ向けAIアプリケーションの開発において強力な選択肢となります。

OpenAI APIとの接続設定

Go言語でOpenAI APIを利用する際は、公式のGo SDKまたはHTTPクライアントライブラリを使用します。

接続設定では、APIキーの安全な管理、リクエスト制限の考慮、エラーハンドリングの実装が重要でしょう。Go言語の構造体を活用することで、APIレスポンスを型安全に処理できます。

チャットボット機能の実装

Go言語でのチャットボット実装では、WebSocketやServer-Sent Eventsを使用したリアルタイム通信が可能です。

Goroutineを活用することで、複数のユーザーからの同時リクエストを効率的に処理し、応答性の高いチャットボットシステムを構築できるのです。

MCPサーバーを活用したAIコーディング支援

Model Context Protocol（MCP）サーバーは、AIによるコーディング支援を効率化する新しいアプローチです。

MCPサーバーの構築方法

Go言語でMCPサーバーを構築する際は、gRPCまたはHTTP/2プロトコルを使用してクライアントとの通信を行います。

サーバーは、コード解析、補完候補の生成、リファクタリング提案などの機能を提供し、開発者の生産性向上に貢献するでしょう。

AI支援によるコード生成の効率化

MCPサーバーを通じて、Go言語のコード生成を自動化できます。

関数のシグネチャから実装を生成したり、テストコードの自動作成、ドキュメントの生成など、開発工程の多くを効率化できるのです。

Go言語AI開発における課題と対策

Go言語でのAI開発には、いくつかの制約と課題が存在しますが、適切な対策により克服可能です。

機械学習ライブラリの制約

Go言語の機械学習エコシステムは、Pythonと比較して発展途上の段階にあります。

Pythonとの比較における課題

Pythonには、TensorFlow、PyTorch、scikit-learnなどの成熟したライブラリが豊富に存在します。一方、Go言語では、Gorgonia、GoLearn、GoMLなどのライブラリが利用可能ですが、機能の豊富さや成熟度において差があるでしょう。

特に、最新の深層学習アルゴリズムの実装や、研究レベルの実験的な機能については、Pythonが優位性を保っています。

代替ソリューションの活用方法

Go言語でのAI開発では、ハイブリッドアプローチが効果的です。機械学習モデルの学習はPythonで行い、学習済みモデルの推論処理をGo言語で実装することで、両言語の利点を活用できるのです。

ONNX（Open Neural Network Exchange）形式を使用することで、Pythonで学習したモデルをGo言語環境で実行可能です。

学習コストと習得難易度

Go言語は比較的習得しやすい言語として設計されていますが、AI開発特有の考慮事項があります。

Go言語の学習リソースと学習方法

Go言語の公式ドキュメント「A Tour of Go」は、言語の基本を効率的に学習できる優れたリソースです。

AI開発に特化した学習では、「Go言語による機械学習」や「Building Machine Learning Systems with Go」などの専門書籍が参考になるでしょう。

また、GitHubのオープンソースプロジェクトを通じて、実際のAI実装例を学習することも効果的です。

AI開発に必要なスキルセット

Go言語でのAI開発には、言語の基本知識に加えて、並行処理の理解、HTTP/gRPCによるAPI設計、データベース操作、クラウドプラットフォームの活用などのスキルが必要です。

特に、Goroutineとchannelを使った並行処理の設計は、高性能なAIシステム構築において重要な要素となるのです。

エコシステムの成熟度

Go言語のAIエコシステムは急速に発展していますが、まだ改善の余地があります。

コミュニティとサポート体制

Go言語のAI開発コミュニティは、Stack Overflow、Reddit、Gopher Slack、GitHub Discussionsなどのプラットフォームで活発に活動しています。

日本国内では、Go Conference、GCPUG、Go言語勉強会などのイベントでAI関連の情報交換が行われているでしょう。企業レベルでのサポートでは、Google Cloud、AWS、AzureなどのクラウドプロバイダーがGo言語でのAI開発をサポートしています。

今後の発展可能性

Go言語のAIエコシステムは、2025年以降さらなる発展が期待されています。

特に、エッジコンピューティング、IoT、マイクロサービスアーキテクチャでのAI活用において、Go言語の軽量性と高性能が重要な役割を果たすと予想されるのです。

GoogleのTensorFlow Liteのサポート強化や、新しいAIライブラリの開発により、Go言語でのAI開発の選択肢が拡大していくでしょう。

Go言語AI開発の将来性とキャリア展望

Go言語とAIの組み合わせは、2025年以降のテクノロジー業界において重要な成長分野となることが予想されます。

AI分野でのGo言語の成長トレンド

2025年のプログラミング言語トレンドにおいて、Go言語は特に注目を集めています。Stack Overflow開発者調査では、Goが最も急速に成長しているプログラミング言語の一つとして位置づけられており、GitHub統計でもGo関連のリポジトリや貢献が急成長を示しているのです。

AI開発においても、従来のPython中心の開発から、Go言語を活用したハイブリッド構成への移行が加速しています。

クラウドネイティブAIでの需要拡大

クラウドコンピューティング環境でのAI処理において、Go言語の高効率性が評価されています。

Google Cloud、AWS、Microsoft AzureといったクラウドサービスプロバイダーがバックエンドサービスでGoを採用していることが、その有用性を証明しているでしょう。特に、AIワークロードの分散処理やリアルタイム推論において、Go言語の並行処理能力が決定的な優位性を提供しています。

マイクロサービス化によるGo言語の重要性

多くの企業がモノリシックなAIシステムからマイクロサービスベースのアーキテクチャに移行する中で、Go言語はその効率性と信頼性から主要な選択肢となっています。

DockerやKubernetesとの相性の良さにより、スケーラブルでメンテナンスしやすいAIシステムの構築が可能になっているのです。

Go言語エンジニアのキャリアパス

Go言語を習得したエンジニアには、多様なキャリアパスが開かれています。

AI開発エンジニアとしてのスキル向上

Go言語でのAI開発スキルを身につけることで、従来のWebアプリケーション開発者から、より高度なAIシステム開発者へのキャリアアップが可能になります。

特に、リアルタイム処理、大規模データ処理、エッジコンピューティングでのAI実装において、Go言語のスキルは高く評価されているでしょう。分散システムの設計、マイクロサービスアーキテクチャ、クラウドネイティブ開発の経験を積むことで、AI開発エンジニアとしての市場価値を大幅に向上させることができます。

市場価値と年収の傾向

Go言語エンジニアの年収は、他のプログラミング言語と比較して高い水準にあります。Go言語は確実に高需要の技術であり、クラウドネイティブ・マイクロサービス分野での標準的地位を確立しています。AI関連の案件では、推論エンジンやAPIバックエンドでの技術的優位性により高い評価が期待されます。

特に、機械学習案件では、Go言語のスキルに加えてPythonの経験が技術的に補完関係にあり、開発から本番運用まで一貫したシステム構築が可能になります。

企業での導入事例と成功要因

実際の企業におけるGo言語とAIの組み合わせ事例から、成功要因を分析してみましょう。

スタートアップでの活用事例

多くのフィンテック系スタートアップでは、Go言語を活用したAI基盤システムの構築が進んでいます。リアルタイムでの不正検知システムや、高頻度取引でのリスク分析システムにおいて、Go言語の低レイテンシー特性が重要な役割を果たしているでしょう。

スタートアップ環境では、開発速度と実行性能の両立が求められるため、Go言語のシンプルな構文と高性能が評価されています。

大企業での導入メリット

大企業では、既存のPythonベースのAIシステムと並行して、Go言語による高性能なAPIレイヤーを構築する事例が増加しています。

これにより、AI機能の本番運用において必要な可用性、スケーラビリティ、保守性を確保しながら、開発効率を維持することが可能になっているのです。特に、金融、製造業、通信業界において、Go言語を活用したAIシステムの導入が加速しています。

Go言語×AIに関してよくある質問

PythonとGoのどちらがAI開発に適していますか？

PythonとGo言語は、AI開発において異なる役割を担います。

Pythonは機械学習モデルの研究開発、データ分析、プロトタイピングに適しており、豊富なライブラリエコシステムを持っているでしょう。一方、Go言語は学習済みモデルの本番運用、高速なAPI提供、大規模システムでの推論処理に優れています。最適な選択は、プロジェクトの要件によって決まるのです。研究開発フェーズではPython、本番運用フェーズではGo言語という使い分けが一般的です。

実際の開発現場では、両言語を組み合わせたハイブリッド構成が主流となっており、それぞれの長所を活かした開発が行われています。

Go言語でできるAI開発の範囲はどこまでですか？

Go言語でのAI開発は、推論エンジン、APIバックエンド、リアルタイムデータ処理、マイクロサービス構築の分野で特に力を発揮します。

具体的には、ChatGPTとの連携システム、画像認識APIの高速化、自然言語処理の推論処理、IoTデバイスでのエッジAI実装などが可能でしょう。機械学習モデルの学習については、PythonやR言語が主流ですが、学習済みモデルをONNX形式で変換することで、Go言語環境での実行が可能になります。

LangChain Goやその他のAIライブラリの発展により、Go言語でのAI開発の範囲は着実に拡大しています。

Go言語のAI開発における学習コストはどの程度ですか？

Go言語は”Less is more”の哲学に基づいて設計されており、他のプログラミング言語と比較して学習コストが低いとされています。

基本的な構文は1-2週間で習得可能で、並行処理（Goroutine）の概念も比較的理解しやすく設計されているのです。AI開発に必要な追加スキルとして、HTTP/gRPC API設計、データベース操作、クラウドプラットフォームの知識が必要ですが、これらも段階的に学習できるでしょう。

公式ドキュメント「A Tour of Go」や専門書籍を活用することで、3-6ヶ月程度でAI開発に必要なGo言語スキルを身につけることができます。

Go言語の現在の状況はどうなっているのでしょうか？

Go言語は継続的な成長を続けている言語です。

2025年の最新データでは、TIOBE指数でGoが史上最高位の7位を記録し、Stack Overflow開発者調査では13.5%の開発者に支持されています。GitHub統計でも6位にランクインしており、継続的な成長を示しています。特に、クラウドネイティブ開発、マイクロサービス、コンテナ技術の分野では、Go言語が標準的な選択肢となっています。Kubernetes、Docker、Prometheus、CoreDNSなど、現代のインフラストラクチャを支える重要なツールの多くがGo言語で開発されています。

AI分野においても、高性能なバックエンドシステムやリアルタイム処理において、その価値が再評価されています。

Go言語でゲーム開発やアプリ開発もできますか？

Go言語は、ゲーム開発やモバイルアプリ開発においても活用可能です。

ゲーム開発では、Ebiten、Pixel、G3Nなどのライブラリを使用して2Dや3Dゲームを開発できるでしょう。

特に、サーバーサイドのゲームロジック、リアルタイム通信、マルチプレイヤーゲームのバックエンドにおいて、Go言語の並行処理能力が活かされています。モバイルアプリ開発では、Go Mobileを使用してiOSやAndroidアプリを開発可能で、クロスプラットフォーム開発にも対応しているのです。

ただし、ネイティブアプリ開発と比較すると、UIライブラリの選択肢やパフォーマンスの面で制約があるため、用途に応じた適切な技術選択が重要です。