Arithmer AIチャットボット
•
0 gostou•179 visualizações
本スライドは、弊社のNLPソリューション・AIチャットボットについて、2021年7月20日にwebセミナーを行った際の資料になります。 "Arithmer Seminar" is weekly held, where professionals from within and outside our company give lectures on their respective expertise. Arithmer株式会社は東京大学大学院数理科学研究科発の数学の会社です。私達は現代数学を応用して、様々な分野のソリューションに、新しい高度AIシステムを導入しています。AIをいかに上手に使って仕事を効率化するか、そして人々の役に立つ結果を生み出すのか、それを考えるのが私たちの仕事です。 Arithmer began at the University of Tokyo Graduate School of Mathematical Sciences. Today, our research of modern mathematics and AI systems has the capability of providing solutions when dealing with tough complex issues. At Arithmer we believe it is our job to realize the functions of AI through improving work efficiency and producing more useful results for society.
Recomendados
Recomendados
Mais conteúdo relacionado
Mais procurados
Mais procurados (20)
Semelhante a Arithmer AIチャットボット
Semelhante a Arithmer AIチャットボット (20)
Mais de Arithmer Inc.
Mais de Arithmer Inc. (20)
Último
Último (20)
Arithmer AIチャットボット
- 1. 自動車、バイク等 Arithmer株式会社 営業企画本部 北村 潤一郎 研究開発本部 鈴木 良尚 梅本 晴弥 自社情報資産を“そのまま”AIチャットボットに ～チャットボットで問い合わせの件数や時間を大幅削減！ 自社情報資産を短時間で取込、社員教育や・ノウハウ継承に～ 2021年7月20日
- 3. 会社紹介
- 4. 会社概要 4 【会社名】 Arithmer株式会社 【代表取締役社長兼CEO】 大田 佳宏 【創 業】 2016年9月1日 【社員数】 85名（2021年4月） 【資本金（資本準備金含む）】 23億7,815万6,000円 【本社所在地】 〒106-6040 東京都港区六本木一丁目6-1 泉ガーデンタワー 40F 【サテライトオフィス】 東京大学オフィス、徳島オフィス、名古屋オフィス 【事業内容】 OCRや画像解析、動画解析、自然言語処理、３Dモデル自動生成、スマートロボットなど、 AIを活用したソリューションサービスの研究・開発を行い、B2Bビジネスを展開 【社名の由来】 Arithmerという社名は、算術、数学という意味のArithmeticからつくった造語です。科学技術の基礎には 数学があります。私たちは高度数学を応用して、まだ見ぬ新しいAI・IT技術を創造してゆきます。
- 5. AIについて 5
- 6. 6/27 自己紹介 【名前】 鈴木 良尚 【出身】 栃木県 【略歴】 富士フイルムにて医療画像診断システム、レポート作成システム担当 Arithmerにてチャットボット開発、AI-OCR開発（補正処理）、クイズに答えて似顔絵作 成ロボット、アンケート解析、文章類似度判定、GoogleCloud構築、企業様向け外部講師、 グローバルコミュニケーション開発推進協議会等、広範囲を担当。 6
- 7. １. この写真に映っているのは犬？猫？ ２. 機械学習（深層学習） ３. 機械学習のプロセス ４. 機械学習の種類 ５. 迷惑メール判定 7 目次
- 11. 犬 猫 入力(説明変数) 出力(目的変数) モデル a=1 b=1 c=1 ： パラメータ 犬 犬 0.8 1.3 1.4 猫 0.65 1.51 1.3 犬 0.3 1.25 1.74 猫 0.24 1.38 2.1 犬 0.19 1.43 2.32 猫 犬 猫 犬 推論 (実用) 学習 教師データ(訓練データ) a=0.19 b=1.43 c=2.32 ： パラメータ 例えば、犬猫画像判別機を作りたい。 機械学習のプロセス 11
- 12. 12 機械学習の種類 教師あり学習 • 分類 • 回帰 教師なし学習 • クラスタリング • 次元削減 など 強化学習 • 戦略決定 など 最も実用的な学習方法（教師データから学習）
- 13. 迷惑メール判定（機械学習のプロセス） 通常 迷惑メール 通常 迷惑メール 犬 通常 or 迷惑メール 入力(説明変数) 出力(目的変数) モデル w₁=0.19 w₂=1.43 w₃=2.32 ： パラメータ 推論 (実用) 学習 w=0.19 w=1.43 w=2.32 ： パラメータ 教師データ （迷惑メール判定） メール 通常 or 迷惑メール 13
- 15. 自然言語処理について
- 16. 自動車、バイク等 AI自然言語処理 2 0 2 1 / 7 / 2 0 N L P t e a m : H a r u y a U m e m o t o
- 17. 17 梅本 晴弥 (Umemoto Haruya) キャリア 2018, 青山学院大学（情報テクノロジー学科）卒業 学士（工学） 2020, 青山学院大学大学院（知能情報コース）卒業 修士（工学） 2020, Arithmer 株式会社(NLPチーム) 専門分野：強化学習，機械学習，自然言語処理（対話システム, 大規模事前学習モデル） 受賞歴 2020 - 人工知能学会研究会優秀賞 2020 - 薦田先端学術賞 2020 - 学業成績最優秀賞 2020 - 修士論文発表優秀賞 2017 - データ解析ハッカソン2017準優勝 (SIG-DOCMAS主催) 担当案件等 ◼ 自己学習を促す教育用動画レコメンドAI (https://arithmer.co.jp/210405) ◼ SPI等に基づいた能力予測システム ◼ 就活生の傾向把握のためのES分析 ◼ 人間のフィードバックに基づいた対話シス テム研究開発 自己紹介
- 18. 18 目次 1. 自然言語処理の概要 2. 自然言語処理の課題点と近年の発展 3. 自然言語処理の最新研究事例の紹介
- 19. 19 目次 1. 自然言語処理の概要 2. 自然言語処理の課題点と近年の発展 3. 自然言語処理の最新研究事例の紹介
- 22. 22 代表的なデータの種類と応用例 画像/動画 • 顔認識 • 物体検出，トラッキング • 異常検知 音声 • 合成音声 • 音声認識 • ノイズ抑制 数値データ • 数値予測 • ビックデータ処理 • エッジデータ処理 自然言語 • 情報検索 • 機械翻訳 • 対話システム
- 23. 23 自然言語処理技術の分野・技術 感情分析 文章校正 文章生成 音声認識 情報検索 文書分類 機械翻訳 質問応答 構文解析 意味解析 形態素解析 文脈解析 自然言語処理が扱う分野は幅広く，専用に発展した技術も多い
- 25. 25 自然言語処理をする動機と課題 • 👍人間の多くの活動に自然言語が含まれている 家族との会話，テレビの視聴（音声），インターネットでの検索 • 👍応用先が幅広い 人間が自然言語処理でしている作業の多くは潜在的に置き換えられる可能性がある • 👍データ量の多さ 人間の各種行動において逐次蓄積された大量の言語データを活用することができる • 😥自然言語特有のあいまい性 同音異義語，類義語が多様に存在し，それが文章として組み合わされる • 😥自然言語は直接AIで扱うことができない 自然言語は数値データではないので，AIで扱うために工夫が必要になる
- 26. 26 目次 1. 自然言語処理の概要 2. 自然言語処理の課題点と近年の発展 3. 自然言語処理の最新研究事例
- 27. 27 自然言語処理はなぜ難しい？ AIは数値しか扱うことができない 画像 行列 AI AI 変換 音声 数値データ AI AI 何かの処理？ 文字 画像/動画 音声 数値データ 自然言語
- 29. 29 自然言語をそのまま扱うとどうなる？ 例：検索エンジン 調べたいことを検索 “入力された単語”が 含まれる記事を表示 表示される記事が少ない/ 良い検索結果が得られない 問題点 1. 数値として扱えないので，その単語が入っているかどうかでしか検索できない 2. 類似単語が含まれる(検索単語が含まれていない)良質な記事が検索に引っかからない
- 30. 30 NLPにおけるAIモデルの発展 事前学習モデル • GPT-1,2,3 • BERT • M2M100 • T5 Attention改良 Full Fonnection • Bug of Words • 分かち書き • 共起ベクトル 以前 2011年 ~ 2017年 ~ 現在 統計的自然言語処理 🔥Transformer爆誕🔥 分散表現獲得手法 • Word2vec • Glove • Fasttext RNN系 CNN * RNNやLSTM，CNNのモデル提案はもっと以前 • Refomer • Longformer • Big Bird • Peformer
- 31. 31 分散表現モデル：word2vec [Mikorov+13] 単語のベクトルを学習する教師なし学習モデル 学習用データ （文章ならなんでも可） 1. 学習フェーズ word2vecで学習 2. word2vecを用いて単語をベクトルに変換 単語 word2vecで変換 Queen ベクトル [0.2, 0.5, … ,-0.1, 0.8]
- 32. 32 word2vecで学習されたベクトルの性能を示す有名な例 king – man + woman = queen 1. 単語間で演算をすることが可能に(裏でword2vecを通してベクトル化をする) 2. word2vecで得られるベクトルは人間が単語に対する持つ印象と一致する 王様(king)から男性(man)を引いて女性(woman)を加えると女王(queen)になる 最初に単語のベクトルを学習させ，それを様々なタスクに 応用する流れがスタンダードに
- 33. 33 単語分散表現学習を利用した自然言語処理フロー 単語分散表現の学習 学習用データ （文章ならなんでも可） word2vecで学習 AIで扱えない言語を“人間の感覚と一致するベクトル”へ変換する 感情分析 文書分類 機械翻訳 質問応答 各種タスクのAIモデルの入力にword2vecのベクトルを利用
- 34. 34 NLPにおけるAIモデルの発展 事前学習モデル • GPT-1,2,3 • BERT • M2M100 • T5 Attention改良 Full Fonnection • Bug of Words • 分かち書き • 共起ベクトル 以前 2011年 ~ 2017年 ~ 現在 統計的自然言語処理 🔥Transformer爆誕🔥 分散表現獲得手法 • Word2vec • Glove • Fasttext RNN系 CNN * RNNやLSTM，CNNのモデル提案はもっと以前 • Refomer • Longformer • Big Bird • Peformer
- 35. 35 Transformer構造の登場[Vaswani+2017] Transformer構造 2017年にGoogleから発表されたAIモデルの新しい構造 1. グラフィックボード(GPU)を最大限に活用できる 2. 従来よりも効率良く学習でき，高い性能を持つ 3. 自然言語処理の長い依存関係も考慮できる 自然言語処理のスタンダードが変化
- 36. 36 事前学習を利用した自然言語処理フロー 事前学習 大量の学習用データ Transformerモデルで学習 感情分析 文書分類 機械翻訳 質問応答 ファインチューニング 事前学習済みTransformer モデルで学習 自然言語処理タスク
- 37. 37 Transformer構造と事前学習による発展 • 効率・性能良く学習できるTransformer構造によって 膨大なテキストデータを学習させることが可能に • 近年の言語モデルでは，事前学習を行い汎用的な言語モデルを作成し， その事前学習済みモデルを活用する • ファインチューニングで学習済みモデルを個別タスクへ適応させる構造は 学習効率/モデル性能を大幅に向上させた • 近年は大規模なモデルを扱うことが増えてきたため，より扱う方に 高度で幅広い専門知識が必要になってきている
- 38. 38 目次 1. 自然言語処理の概要 2. 自然言語処理の課題点と近年の発展 3. 自然言語処理の最新研究事例
- 43. 43 Dall・E[Ramesh+2021] 入力文に応じた画像を生成するGPT-3と同じ構造のモデル • パラメータ数は1200億 • 画像とその説明文が記載されたデータセット で学習 • 従来の画像生成よりも圧倒的に品質の高い 画像を生成することが可能に
- 45. AI技術と活用事例
- 47. 今後 とも 、 この よう な 目 に 見える 取組 を 一つ 一つ 積み上げ て いく こと により 、 日米地位協定 の ある べき 姿 を 不断 に 追求 し て まいり ます 。今後 とも 、 抑止力 を 維 持 し ながら 、 沖縄 の 皆様 の 心 に 寄り添い 、 基地 負担 の 軽減 に 一つ 一つ 結果 を 出 し て まいり ます 。消費税率 引上げ に当たって は 、 前回 の # ％ 引上げ の 経験 を 生か し 、 あらゆる 施策 を 総動員 し 、 経済 に 影響 を 及ぼさ ない よう 全力 で 対応 し て ま いり ます 。毎月 勤労 統計 について 不適切 な 調査 が 行わ れ 、 雇用保険 、 労災保険 と いった セーフティー ネット へ の 信頼 を 損なう 事態 を 招い た こと について 、 国民 の 皆様 に おわび 申し上げ ます 。昨年 末 、 TPP が 発効 し まし た 。 来月 に は 、 欧州 と の 経済 連携 協定 も 発効 し ます 。今 、 国際社会 の パワー バランス は 大きく 変化 し つ つ あり 、 我が国 を 取り巻く 安全保障 環境 は 、 格段 に 速い スピード で 厳し さ と 不確 実性 を 増し て い ます 。こうした 取組 を通じて 再発防止 に 全力 を 尽くす こと で 、 政 治 の 責任 を しっかり と 果たし て まいり ます 。 テキスト自動生成 安倍元首相のように国会答弁するモデル
- 55. １，AIチャットボットとは ２，ArithmerBotの特徴 ３，導入と利用のポイント ４， 導入事例 ５， まとめ ６， ArithmerBotの価格と導入スケジュール 目 次 55
- 56. １，AIチャットボットとは
- 58. 58 チャットボット 質問 回答 お金が出ない 再度同じ操作をして ください。 お金が詰まった コールセンターに 連絡してください お札が詰まった コールセンターに 連絡してください 大量のQAが必要 １，AIチャットボットとは チャットボットとの違い AIチャットボット ArithmerBot 質問 回答 お金が出ない 再度同じ操作をして ください。 お金が詰まった コールセンターに 連絡してください お札が詰まった コールセンターに 連絡してください 自然言語処理技術により QAの削減などが可能 既存のマニュアルを用いる ことでQAレスの チャットボット実装を実現 質問 マニュアルより検索 お金が出ない 再度同じ操作をしてくださ い。 お金が詰まった コールセンターに連絡して ください お札が詰まった コールセンターに連絡して ください QAリスト QA
- 59. ２，ArithmerBotの特徴
- 67. ２，ArithmerBotの特徴 検索時の操作イメージ 67 ①質問文を入れます 質問は 何ですか USBが見えません この中に答えは ありますか USB取扱説明書 挿入確認 アクセスランプ 他のポートで USBメモリが正しくUSBポートに接続され ているかを確認してください。 USBメモリーのアクセスランプは点灯して いますか。 他のUSBポートに接続してアクセスランプ が点灯するか PC取扱説明書 接続されたUSB機器に電源が必要な らばONになっていますか。 セキュリティソフトで接続の許可に なっているかを USBポートに埃が溜まっていません か USB機器 電源は入って ②回答候補が表示さ れ妥当と思われる回 答候補をクリック ③詳細情報（マニュ アルの内容）が表示 されます セキュリティ
- 70. ３，ArithmerBot導入と利用のポイント AI利用を成功させる5つのポイント 70 ①データベース（マニュアル）を整備し適時アップデートし続ける ②検索者はできる限り具体的で端的な質問にする ③検索結果に評価を入れる ④効果的な導入評価は導入前から検討が必要 ⑤チャットボットの利用範囲を定める 口頭 通知書 教育 マニュアル 業務マニュアル 内部監査 マニュアル 内部評価 マニュアル 通達書 講習 マニュアル 規定集 内部検査 マニュアル 内部監査 マニュアル 指導 マニュアル ナレッジ集 ※資料種は例です。 ArithmerBotが最も有効活用できる範囲
- 73. 73 【導入背景】 銀行行員様からの内部問合せ 削減効果を図り導入 【開発期間】 約４カ月 【導入結果】 対象マニュアル数 800 問合せ件数減少 回答を得るまでの時間が大幅短縮 トータル問合せ処理工数がダウン ①質問事項を入力 Ex.「給与振込を行ったが、1件該当口座がなしで資金が返却された。 明日でないと来店ができないということであったが、資金はどこに保留すればいいか」 ②チャットボットの回答 最適な回答候補を、スコア順で表示（カスタマイズ可） 地方銀行様 事務部向けチャットボット Arithmerbot 事例紹介
- 77. 標準的な導入スケジュール 標準スケジュールと標準価格 標準価格 初期導入費：250万円～ 月 額 費： 25万円～ 稼働環境：Arithmerクラウド （GCP） お問い合わせ先 Arithmer株式会社 営業企画本部 営業部 03-5579-6683(代表) crm＠arithmer.co.jp