SlideShare uma empresa Scribd logo
1 de 32
PRMUグランドチャレンジ再始動
第一期の振り返りと第二期への期待
2016/12/15
PRMU@鳥取 on 「PRMUグランドチャレンジ」
内田誠一, 前田英作, 佐藤真一, 佐藤洋一, 日浦慎作,
福井和広, 鷲見和彦, 馬場口 登
「グランドチャレンジ」とは?
 条件1:誰にも理解し易く,ゴールも比較的明確
 条件2:大規模な技術流を生む
 「パターン認識の分野でも,対象をうまく限定すればある
程度のことはできるようになった.(中略) しかし実際には,
乗り越えるべき壁の実態が分かっていない. (中略) 『正
しい問いかけ』をして, 乗り越えるべき壁を明確にしなけれ
ばいけないのである.」
 小川, 大田,“良い問題を作るために”,信学会誌, 2009
2
パターン認識の
ゴールとは?
「PRMU-GC」とは?
 第一期PRMU-GC
 2007-2009
 第二期PRMU-GC
 本日始動!
3
10年
弱
アンサンブル学習, SVM, MCMC,
Particle Filter, SIFT, BoF, 一
般物体認識,
グラフカット,近似最近傍探索
深層学習,大規模データ
凸最適化,質感情報処理
4http://mettapops.blog.fc2.com/
なぜ今
「再び」グランドチャレンジか?
なぜ今「再び」グランドチャレンジか?:
3つの動機
 第一期PRMU-GC で設定した課題の多くが,すでに広く
着手され,陳腐化しつつある
 今後のPRMUを考えるべき時期に来てている
 AI/データサイエンスブームの後に来る「オワコン感」の中での
「生きる道」を考えておく
 PRMU関係者全員に議論の場を提供したい
 研究会は研究発表の場だけではない!
5
第一期PRMU-GCの
振り返り
2007-2009
6
第一期PRMU-GCの「4段階」
 第一段階(2007. 6)
 問題提起
 第二段階(2007. 10 – 2008. 3)
 メンバー策定と個々が考えるグランドチャレンジ
 第三段階(2008. 5 – 2008. 12)
 PRMUとしてのグランドチャレンジ策定
 第四段階(2009. 1 – 2009. 2)
 まとめ 7
第一段階:問題提起
(2007 年6 月)
8
鷲見先生
当時PRMU副委員長
第一段階:問題提起
(2007 年6 月)
9
鷲見先生
当時PRMU副委員長
第一段階:問題提起
(2007 年6 月)
10
鷲見先生
当時PRMU副委員長
第二段階:メンバー策定と「個々が考えるグランドチャレンジ」
第一期PRMU-GCメンバ決定
11
副委員長
委員長
第二段階:メンバー策定と「個々が考えるグランドチャレンジ」
第一期PRMU-GCメンバ決定
12
副委員長
委員長
10年後も現役で,言ったことに責
任が取れる,アラフォー(当時)が選
定
第二段階:メンバー策定と「個々が考えるグランドチャレンジ」
信学総大(2008.3)にてパネル
 DP-1. パターン認識・メディア理解の挑戦すべき課題‐2010年代に向けて‐
 DP-1-1 グランドチャレンジの背景と狙い(15分)
 鷲見和彦(三菱電機)
 DP-1-2 パターン認識・理解の挑戦テーマ -1990年代の夢とその展開-(40分)
 大田友一(筑波大)
 DP-1-3 パターン認識・メディア理解の挑戦すべき課題:パターン認識基礎と文書認識の視点で
 内田誠一(九大)
 DP-1-4 パターン認識・メディア理解の挑戦すべき課題:パターン認識基礎と物体認識の視点で
 福井和広(筑波大)
 DP-1-5 パターン認識・メディア理解の挑戦すべき課題:コンピュータビジョンの視点で
 佐藤洋一(東大)
 DP-1-6 パターン認識・メディア理解の挑戦すべき課題:センシング・イメージングとヒューマンインタフェイ
スの視点で
 日浦慎作(阪大)
 DP-1-7 パターン認識・メディア理解の挑戦すべき課題:映像メディアとデータベース検索の視点で
 佐藤真一(NII)
 DP-1-8 ITアプリケーションから見たパターン認識メディア理解技術への要求と期待
 栄藤 稔(NTTドコモ)
 総合討論(30分) 講演者全員による討論
第二段階:メンバー策定と「個々が考えるグランドチャレンジ」
信学総大(2008.3)にてパネル
 DP-1. パターン認識・メディア理解の挑戦すべき課題‐2010年代に向けて‐
 DP-1-1 グランドチャレンジの背景と狙い(15分)
 鷲見和彦(三菱電機)
 DP-1-2 パターン認識・理解の挑戦テーマ -1990年代の夢とその展開-(40分)
 大田友一(筑波大)
 DP-1-3 パターン認識・メディア理解の挑戦すべき課題:パターン認識基礎と文書認識の視点で
 内田誠一(九大)
 DP-1-4 パターン認識・メディア理解の挑戦すべき課題:パターン認識基礎と物体認識の視点で
 福井和広(筑波大)
 DP-1-5 パターン認識・メディア理解の挑戦すべき課題:コンピュータビジョンの視点で
 佐藤洋一(東大)
 DP-1-6 パターン認識・メディア理解の挑戦すべき課題:センシング・イメージングとヒューマンインタフェイ
スの視点で
 日浦慎作(阪大)
 DP-1-7 パターン認識・メディア理解の挑戦すべき課題:映像メディアとデータベース検索の視点で
 佐藤真一(NII)
 DP-1-8 ITアプリケーションから見たパターン認識メディア理解技術への要求と期待
 栄藤 稔(NTTドコモ)
 総合討論(30分) 講演者全員による討論
栄藤 稔 氏
「OpenCV 等でコンポーネントがライブラリー化され,そ
の組合せが自在に検証できる今,PRMU 技術者に求
めることは,検証可能な魅力あるターゲットシステムを設
定し,組織的に多くの組合せを試すこと,そして欠けて
いるコンポーネントの機能がなんであるかを見つけ出し,
創出することである.」
 物体認識・理解
第三段階:「PRMU としてのグランドチャレンジ策定」の段階
「3軸『物理・統計・意味』+センサ」
[内田, 佐藤, 鷲見, 福井, 信学会誌, 2009]
 人間の認識・理解
第三段階:「PRMU としてのグランドチャレンジ策定」の段階
「3軸『物理・統計・意味』+センサ」
[内田, 佐藤, 鷲見, 福井, 信学会誌, 2009]
 モデリング技術
第三段階:「PRMU としてのグランドチャレンジ策定」の段階
「3軸『物理・統計・意味』+センサ」
[内田, 佐藤, 鷲見, 福井, 信学会誌, 2009]
第三段階:「PRMU としてのグランドチャレンジ策定」の段階
「10大チャレンジ」の策定
18
第三段階:「PRMU としてのグランドチャレンジ策定」の段階
No.10: 究極のチャレンジ
19
現在の Captioning やVisual
Q&Aが,このレベルに到達可能か
どうかは疑問ですが...
第一期OBによる「振り返り」ミーティング,
やりました (2016.8@NII)
 皆さん,アラフォーからアラフィフへ進化してました 
20
でも,アラフォー時代と変わら
ず,議論伯仲
第一期PRMU-GCの成果
 過去15年間の進展を整理
 技術的展開を3軸で表現
 「今後これが流行る」という10課題を「予言」
 いずれも「はずれなかった」
21
第一期PRMU-GCの反省点
 10課題や3軸が外さなかったのは,すでに見えていたから?
 10課題は多かった
 画像に偏った課題が多かった
 課題選定時にもう少しブレークダウンして,課題への取り組
みを促すような仕組みを提供すべきだった
 ImageNetは2009年.Amazon MTも既にあった
 「vs.人間」という課題設定にすればわかりやすかった?
 潮流を作るには至らなかった.若手への影響もなかった?
 他分野から見える柱を立て,新規参入を促すべきだった 22
第二期PRMU-GCへの
期待
23
第一期と第二期では「動機」が違う!
 第一期の基本動機
 「そこそこの現状で満足していいのか?」
 第二期の基本動機
 「解けてしまった課題」や「表層的には解けてしまったように見える課
題」がある中で次の手をどう打つのか? オワコンにしないためには?
24
現状までに達成された技術を踏まえながら,
若手研究者に「当分野の未来」の魅力を伝えたい
第二期へのメッセージ
from 第一期 (1)
 もっとぶっ飛んだところから考える
 世界中のすべての紛争を解決,高齢者も障碍者も皆幸せに暮
らせる世の中を作る,うなぎなど任意の生物の生態を一気に解明
 無限大からのバックトラック
 Ex. データが無限にあったら? そのうえで,現状を考える
 未来は予見できる!(予見しなくてはいけない)
 DNN の潜在能力も30年前にわかっていた
25
未来へぶっ飛ぶ.そこから考える
第二期へのメッセージ
from 第一期 (2)
 チャレンジテーマを具体的に「タスク化」するのもアリ
 ImageNetのような具体的フィールドを準備し,そこでタスクが解
決できれば,そのチャレンジテーマが解決できたと設定
 データを準備するなら当初より大規模で
 部分問題ではなく総合的なタスクの達成を目指す
26
具体的なタスク設定が必要
ただし大きな技術流を生む規模のもの
第二期へのメッセージ
from 第一期(3)
 数学や制御理論,音声などのからの視点
 数学者の参入も必須.実際SVMは数学者が開発
 専門外からも注目される内容
 「わかりやすさ」も必要か
 エラー分析プロジェクト「Project Next NLP」
 自然言語処理分野
27
他分野にも目を光らせるべし
第二期へのメッセージ
from 第一期(4)
 企業のスポンサー
 企業は実用化の種,研究機関は新規の研究のネタ
 PRMUが中心となってファンド(新学術領域)を申請
 研究会の枠組みを使ったOpen Approach
 国際化・国際シンポ・国際雑誌でのPRも大事
28
コミュニティ(PRMU)のバックアップによる
Driving Forceの確保
とはいえ
古参者(⊃第一期メンバ)の非難をはねのけつつ,議論
を楽しみ,新しいチャレンジを見出してくれることに期待し
ています!*
*鷲見和彦, “10 年先を読む楽しみ”, 電子情報通信学会情報・システムソサイエティ誌,vol.20, no.4, 2016
鷲見先生
現在青学教授
第二期メンバ(50音順, 敬称略)
 安倍 満@デンソーITラボ
 木村 昭悟@NTT-CS研
 中澤 篤志@京大
 舩冨 卓哉@NAIST
 松下 康之@阪大
 山崎 俊彦@東大
30
前田 英作
@PRMU委員長
内田 誠一
@PRMU副委員長
アラフォー!
今後の予定
 2017.1- 12 議論の場(数回実施.1回は合宿)
 2017.7 MIRUにて企画セッション(????)
 2017.12 まとめた結果を報告@PRMU
 2018 まとめた結果を信学会誌に掲載
31
本活動を楽しんでいただければ幸いです
32https://www.askideas.com/bicycle-funny-fall-on-road/

Mais conteúdo relacionado

Destaque

Destaque (15)

オープンソースで作るスマホ文字認識アプリ
オープンソースで作るスマホ文字認識アプリオープンソースで作るスマホ文字認識アプリ
オープンソースで作るスマホ文字認識アプリ
 
Multidimensional RNN
Multidimensional RNNMultidimensional RNN
Multidimensional RNN
 
TFUG#3 Retty流 「2200万ユーザさんを支える機械学習基盤」 の作り方
TFUG#3  Retty流 「2200万ユーザさんを支える機械学習基盤」 の作り方TFUG#3  Retty流 「2200万ユーザさんを支える機械学習基盤」 の作り方
TFUG#3 Retty流 「2200万ユーザさんを支える機械学習基盤」 の作り方
 
Tutorial-DeepLearning-PCSJ-IMPS2016
Tutorial-DeepLearning-PCSJ-IMPS2016Tutorial-DeepLearning-PCSJ-IMPS2016
Tutorial-DeepLearning-PCSJ-IMPS2016
 
Ibis: すごい pandas ⼤規模データ分析もらっくらく #summerDS
Ibis: すごい pandas ⼤規模データ分析もらっくらく #summerDSIbis: すごい pandas ⼤規模データ分析もらっくらく #summerDS
Ibis: すごい pandas ⼤規模データ分析もらっくらく #summerDS
 
ディープラーニング徹底活用 -画像認識編-
ディープラーニング徹底活用 -画像認識編-ディープラーニング徹底活用 -画像認識編-
ディープラーニング徹底活用 -画像認識編-
 
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
NVIDIA Seminar ディープラーニングによる画像認識と応用事例NVIDIA Seminar ディープラーニングによる画像認識と応用事例
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
 
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
 
AtCoder Beginner Contest 011 解説
AtCoder Beginner Contest 011 解説AtCoder Beginner Contest 011 解説
AtCoder Beginner Contest 011 解説
 
AtCoderに毎回参加したくなる仕組み
AtCoderに毎回参加したくなる仕組みAtCoderに毎回参加したくなる仕組み
AtCoderに毎回参加したくなる仕組み
 
Spring 5に備えるリアクティブプログラミング入門
Spring 5に備えるリアクティブプログラミング入門Spring 5に備えるリアクティブプログラミング入門
Spring 5に備えるリアクティブプログラミング入門
 
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
 
Deep Learningと画像認識   ~歴史・理論・実践~
Deep Learningと画像認識 ~歴史・理論・実践~Deep Learningと画像認識 ~歴史・理論・実践~
Deep Learningと画像認識   ~歴史・理論・実践~
 
Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識
 
Build Features, Not Apps
Build Features, Not AppsBuild Features, Not Apps
Build Features, Not Apps
 

Mais de Seiichi Uchida

Mais de Seiichi Uchida (20)

1 データとデータ分析
1 データとデータ分析1 データとデータ分析
1 データとデータ分析
 
9 可視化
9 可視化9 可視化
9 可視化
 
13 分類とパターン認識
13 分類とパターン認識13 分類とパターン認識
13 分類とパターン認識
 
12 非構造化データ解析
12 非構造化データ解析12 非構造化データ解析
12 非構造化データ解析
 
0 データサイエンス概論まえがき
0 データサイエンス概論まえがき0 データサイエンス概論まえがき
0 データサイエンス概論まえがき
 
15 人工知能入門
15 人工知能入門15 人工知能入門
15 人工知能入門
 
14 データ収集とバイアス
14 データ収集とバイアス14 データ収集とバイアス
14 データ収集とバイアス
 
10 確率と確率分布
10 確率と確率分布10 確率と確率分布
10 確率と確率分布
 
8 予測と回帰分析
8 予測と回帰分析8 予測と回帰分析
8 予測と回帰分析
 
7 主成分分析
7 主成分分析7 主成分分析
7 主成分分析
 
6 線形代数に基づくデータ解析の基礎
6 線形代数に基づくデータ解析の基礎6 線形代数に基づくデータ解析の基礎
6 線形代数に基づくデータ解析の基礎
 
5 クラスタリングと異常検出
5 クラスタリングと異常検出5 クラスタリングと異常検出
5 クラスタリングと異常検出
 
4 データ間の距離と類似度
4 データ間の距離と類似度4 データ間の距離と類似度
4 データ間の距離と類似度
 
3 平均・分散・相関
3 平均・分散・相関3 平均・分散・相関
3 平均・分散・相関
 
2 データのベクトル表現と集合
2 データのベクトル表現と集合2 データのベクトル表現と集合
2 データのベクトル表現と集合
 
「あなたがいま読んでいるものは文字です」~画像情報学から見た文字研究のこれから
「あなたがいま読んでいるものは文字です」~画像情報学から見た文字研究のこれから「あなたがいま読んでいるものは文字です」~画像情報学から見た文字研究のこれから
「あなたがいま読んでいるものは文字です」~画像情報学から見た文字研究のこれから
 
Machine learning for document analysis and understanding
Machine learning for document analysis and understandingMachine learning for document analysis and understanding
Machine learning for document analysis and understanding
 
データサイエンス概論第一=8 パターン認識と深層学習
データサイエンス概論第一=8 パターン認識と深層学習データサイエンス概論第一=8 パターン認識と深層学習
データサイエンス概論第一=8 パターン認識と深層学習
 
データサイエンス概論第一=7 画像処理
データサイエンス概論第一=7 画像処理データサイエンス概論第一=7 画像処理
データサイエンス概論第一=7 画像処理
 
An opening talk at ICDAR2017 Future Workshop - Beyond 100%
An opening talk at ICDAR2017 Future Workshop - Beyond 100%An opening talk at ICDAR2017 Future Workshop - Beyond 100%
An opening talk at ICDAR2017 Future Workshop - Beyond 100%
 

Último

Último (11)

LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー  DS20L  カタログ  LiDARデバイスLoRaWANスマート距離検出センサー  DS20L  カタログ  LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
 
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアルLoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
 
Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native IntegrationsUtilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native Integrations
 
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
 
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半        2024/04/26の勉強会で発表されたものです。新人研修 後半        2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
 
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
 
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
 
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
 
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
 
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
 
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
 

「パターン認識・メディア理解(PRMU)研究会」グランドチャレンジ再起動 (第二期PRMUグランドチャレンジ)