AI Utilization Seminar 20190709
•
0 gostou•707 visualizações
2019年7月9日(火)にウィンクあいちで開催されるイベント「AI活用セミナー」で使う資料です。 AI や機械学習とは何か、来栖川電算がどのように取り組んでいるかが分かります。 資料にも登場する「アノテーション駆動研究開発」は数年前から実践している手法（具体的な手法というより考え方）です。それに名前を付けました。合理的な手法なのでお勧めです。
Recomendados
Mais conteúdo relacionado
Mais procurados
Mais procurados (20)
Semelhante a AI Utilization Seminar 20190709
Semelhante a AI Utilization Seminar 20190709 (20)
Mais de 陽平 山口
Mais de 陽平 山口 (20)
Último
Último (11)
AI Utilization Seminar 20190709
- 1. ～ S O F T W A R E 2 . 0 時 代 の サ ー ビ ス の 作 り 方 ～ A I で ビ ジ ネ ス を 加 速 せ よ ウ イ ン ク あ い ち 1 0 0 4 号 室 2 0 1 9 . 7 . 9 来 栖 川 電 算 取 締 役 山 口 陽 平 「誰でも使える！」ＡＩ活用セミナー ～ＡＩ（人工知能）で課題解決しませんか？～
- 2. 今日話すこと 1. はじめに 2. AI で強化された各社のビジネス 3. 機械学習 4. 機械学習プロジェクト 5. アノテーションの重要性 6. アノテーション駆動研究開発 7. 付録 2
- 4. 来栖川電算 設立 2003年（名古屋工業大学発ベンチャー） 従業員 66人 • SF 世界の技術を実現し、社会に役立てる – AI 技術のライセンス販売・研究・SI • 文字認識，物体認識，動作認識，行動認識 – スマホアプリの企画・制作・運営 スマートライフ技術 NTTドコモ様との共同研究 スマートドライブ技術 大手自動車メーカー様むけ メイドさん もふくめて 4
- 5. 5 AR付箋 書籍の中身を検索するアプリ Cellars ワインラベルで情報検索するアプリ 画像認識API 商品パッケージで情報検索するAPI 生活情報調査 道路沿いの視覚情報を収集し、活用 交通情報調査 道路沿いの視覚情報を収集し、活用 研究開発支援 タンゴチュウ 写真に写る単語を抽出するサービス 走行データ解析 周辺環境を認識し、様々な解析に活用 地図生成 オルソ画像から地物・交通規則を抽出 動作推定API 加速度センサで人の行動を推定 毎朝体操 腕の動きで体操採点するアプリ ヒーローの動きでゲームを制御 なりきり2.0 ー シ ョ ン 認 識 研究開発支援 研究開発支援 AHAB 大量の実験と計算資源を効率的に管理 ANNOFAB 高品質なアノテーションを大量に生産可能 DNNコンパイラ DNNの推論を10～1000倍も効率化 GameControllerizer プログラマブル・ゲームコントローラ 研究開発支援 類似検索 類似検索 類似検索 文字認識 物体認識 物体認識 物体認識 物体認識 モーション認識 モーション認識 モーション認識物体認識 瞳孔位置推定 眼球運動を監視し、眠気の推定に活用
- 7. 技術者集団 様々なアルゴリズムや知識で課題解決 • 最先端の AI 技術 – 文字認識，物体認識，モーション認識 • 限界性能を引き出す優れた実装技術 – 機械学習・コンパイラ・データベースなどの アルゴリズムやバイナリハックを駆使した高 精度化・高速化・省資源化・並列化・分散化 • 高品質なソフトウェアを実現する技術 – 言語・アーキテクチャ・プロセスに対する深 い理解に基づく設計と計画 7
- 14. 毎朝体操 センサを活用し、運動を習慣化 スマホやウォッチの加速度センサを用いて体操を採点 し、運動を習慣化。主婦やお年寄りの健康だけでなく、 オフィスや工場における安全（転倒予防）を支援。 14
- 16. 共通点 ⇒ 弱い AI 人間のように推論することで特定の課題を解決する • AI – 人間のように推論する機能 • 弱い AI ※紹介した事例は全てコレ – 特定の課題を解決するために設計されている ため、他の課題を解決するためには使えない • 強い AI ※実現の目途が立っていない – 特定の課題を解決のために設計されていない ため、様々な課題を解決するために使える 16
- 18. 機械学習 人間の学習能力や推論能力を機械に模倣させる手法 • 学習 – 与えられた現象を説明できる法則を得ること • 推論 – 法則に従って与えられた現象を説明すること 18 現象 既知のデータ 法則 モデル 現象 未知のデータ 学習 推論 モデル ＝ プログラム ＋ パラメータ 例：数式，論理式，ホーン節，決定木，オートマトン，確率分布，…
- 19. 機械学習の特徴 データでプログラミングする手法 • 仕様（法則）が不明でも適用可能 – 具体的なデータ（現象）で仕様を雑に規定 • 不正確な推論 – データの網羅性・正確性に依存 19 現象 既知のデータ 法則 モデル 現象 未知のデータ 学習 推論 伝統的手法：モデルを直接プログラミング 機械学習：データでモデルを間接プログラミング（帰納プログラミング）
- 20. 機械学習の難しさ データに基づく仮説検証ができる技術者（研究者）が必要 • やってみないと分からない – 具体的な解き方が分からないが故に機械学習 を使う。そうすると、必ず問題に対する理解 の不足・誤りがある状況から出発する。デー タや実験結果を観察することで、問題に対す る理解を深め・訂正してゆく必要がある。 • 正しいデータがたくさんいる – 大抵、複数人で手分けしてデータを用意する ため、品質を管理する仕組みが必要となる。 20
- 22. 工程と重要度 機械学習は一部、それを支える周辺の工程の方が大きい • タスクの設計 40% – パイプライン（システムのフロー）の設計 – 機械学習を適用するタスクと入出力の明確化 • データ・アノテーションの生産 40% – 仕様の明確化・調整，質・量・時期の計画 – 生産・ルール調整・測定・改善 • インフラ・モデル・アプリの構築 20% – 仕様の明確化・調整，結合時期の計画・調整 – 実装・パラメータ調整・測定・改善 22
- 23. 進め方と成果 やってみないと分からない ⇒ 仮説検証型 • たくさんの仮説検証がよい結果に繋がる • 副産物として研究レポートもできる 23
- 24. 進めるための体制 AI アプリを作るには、様々なスタッフが必要 24 AI アプリ SI インフラ AI インフラ データ モデル 研究者アノテータ デザイナ 開発者 職種 正社員 アルバイト 合計 24 時／週以上 12 時/週以上 ※即戦力 試用期間 研究者 20 % 2 % 10 % 0 % 32 % 開発者 15 % 7 % 12 % 3 % 37 % デザイナ 0 % 0 % 3 % 0 % 3 % アノテータ 5 % 23 % 0 % 0 % 28 % 合計 40 % 32 % 25 % 3 % 100 %
- 25. 必要となるインフラ 弊社・AWS・GCP・Azure などに頼れば効率的に構築可能 • データレイク • データ収集ツール • アノテーションツール • 可視化ツール • 実験スケジューラ • 機械学習コンパイラ • 機械学習フレームワーク 25
- 26. ANNOFAB 高品質な教師データを大量に生産可能 品質と生産性のトレードオフ、誤り漏れの削減、きめ 細かく柔軟な仕様・課題・進捗の管理。実務で培った ノウハウが詰まったアノテーションサービス。 26
- 28. DNN コンパイラ DNNの推論を 10 ～ 1000 倍も高速化 重みや活性の量子化・スパース化、計算の共有などの 様々な手法で DNN を近似し、高速化・省資源化され た実行形式（Linux・Android・iOS）へ変換。 28
- 31. アノテーション データに対する説明 学習や選別に利用 • タスクの内容や学習のさせ方により様々 – トレードオフ：量，正確さ，精密さ，… 31 出典: google street view出典: google street view出典: google street view 種類選択 ⇒ 識別タスク 矩形選択 ⇒ 検出タスク 画素選択 ⇒ 分割タスク
- 32. Q. 人はどれ？ マネキン，ポスター，信号，転倒，映り込み，… 32 出典: google street view
- 33. Q. 看板はどれ？ 壁や窓の文字・ロゴ・ポスター，カニ，… 33 出典: google street view
- 34. とても悩ましい 我々の問題に対する理解は不十分だと思え！ • 簡単そうなのに何故？ – 素朴に現実と対峙すると想定外だらけになる – 色々想定すると実はかなり難しい • 協調と学びが重要 ⇒ 丸投げできる作業ではない – アノテータが研究者へフィードバックする • ないと、問題への理解が深まらず・訂正されない – 研究者が問題設定やルールを改める • 放置すると、一貫性のないデータができあがる 34
- 43. その他 徹底的な自動化支援 ⇒ Web API と CLI により、大量一括処理や外部システムとの連携が容易 多言語対応 ⇒ 表示されるメッセージは全て日本語と英語に対応。カスタマイズ可能 プライベートストレージ対応 ※有料オプション ⇒ セキュリティが心配な方のために、社内ストレージに対応 プロフェッショナルサービス ※有料オプション ⇒ アノテーション作業，AI開発，これらに対するコンサルティング 43
- 45. 最近の風潮 AI ビジネスのリードタイムが長すぎる • AI ビジネスのリードタイム – 実現可能性・価値の検証：数ヶ月～数年 – ※基礎研究ならよいが、多くはそうではない • AI ビジネスの要件 ※これを早く検証したい 1. 経験に基づいて予測できる 2. 経験を記録・収集できる 3. 誤った予測が許される 4. 期待値的に得をする 45
- 46. アノテーション駆動研究開発 AI を作る前に、人が AI になりきって、研究開発を進める • 肝は、早く確認し、失敗すること – 想定したデータを収集できるか？ – データが想定した分布になっているか？ – 人がデータだけを見て予測できるか？ • メリット – 実現性の高さ・価値の大きさの順にやれる – 人でも採算とれるならビジネスをやればいい • 実際のデータが揃っている状況から始められる • AI 化を進めれば利益率が改善する 46
- 49. 画像認識 API 商品パッケージで情報検索する API 商品パッケージが写った画像を送信するだけで、膨大 な DB から瞬時に種類を特定。クロールした画像から 直接構築した DB を利用。 49
- 50. Cellars ワインラベルで情報検索するアプリ ワインラベルにスマホをかざすだけで、18 万件から 瞬時に種類を特定。国内外のコンテストで入賞。株式 会社 Cellars 様による弊社技術の応用事例。 50
- 51. AR 付箋 書籍の中身を検索するアプリ 書籍を開いてスマホをかざすだけで、膨大な DB から 瞬時にページを特定し、貼られている付箋を表示。お 客様による弊社技術の応用事例。 51
- 53. 走行データ解析 周辺環境を認識し、様々な解析に活用 膨大な走行データから歩行者・車両・白線・標識など を検出・追跡し、索引化。必要に応じて、CAN や Lidar なども活用し、高品質化。 53
- 55. 交通情報調査 道路沿いの視覚情報を収集し、活用 首都圏を走行する大量の車両のドラレコを解析し、視 覚情報（天候，路面状態，レーン別交通量，危険シー ン，…）を DB 化。顧客との研究事例。 55
- 61. 動作推定 API 加速度センサで人の行動を推定 スマホやウォッチの動きから静止・歩行・走行・食 事・睡眠などを推定。同じ仕組みで撮影時の手振れ検 出も可能。株式会社 NTT ドコモ様との共同研究。 61
- 62. 毎朝体操 腕の動きで体操採点するアプリ 100 ヶ国 20 万人を超えるユーザから日々送られてく るセンサデータを学習することで体操採点の正確さが 自動改善。JFE スチール株式会社様へ導入。 62
- 65. DNN コンパイラ DNNの推論を 10 ～ 1000 倍も高速化 重みや活性の量子化・スパース化、計算の共有などの 様々な手法で DNN を近似し、高速化・省資源化され た実行形式（Linux・Android・iOS）へ変換。 65
- 67. ANNOFAB 高品質な教師データを大量に生産可能 品質と生産性のトレードオフ、誤り漏れの削減、きめ 細かく柔軟な仕様・課題・進捗の管理。実務で培った ノウハウが詰まったアノテーションサービス。 67
- 70. 体制 AI 実現のための全業務をカバー 70 AI アプリ SI インフラ AI インフラ データ モデル 研究者アノテータ デザイナ 開発者 職種 正社員 アルバイト 合計 24 時／週以上 12 時/週以上 ※即戦力 試用期間 研究者 20 % 2 % 10 % 0 % 32 % 開発者 15 % 7 % 12 % 3 % 37 % デザイナ 0 % 0 % 3 % 0 % 3 % アノテータ 5 % 23 % 0 % 0 % 28 % 合計 40 % 32 % 25 % 3 % 100 %
- 71. 設備 研究開発を円滑にするためにあらゆる手を尽くす • 理想的な個人設備 ※好きなものが選べる – PC，椅子，モニタ，キーボード，マウス，… • 豊富な計算資源とアノテータ ※使いやすい – Ahab：実験用ハイブリッドクラウド – ANNOFAB：アノテーションサービス • 豊富な独自データ ※世界中からどんどん集まる – 自動運転用データ，商品認識用データ，文字 認識用データ，体操採点用データ，… 71
- 72. サポート 技術を磨きやすくするためにあらゆる手を尽くす • 様々な働き方 – 自由な時間帯・場所，冒険者制度，… • 優秀な同僚 ※メンタリング（JEDI） – IPA 未踏ソフトウェア創造事業採択者，コン テスト入賞者，OSS コントリビュータ，… • その他 ※全て会社負担 – 自己研鑽のための書籍・機材の購入 – 勉強会・懇親会の開催・参加・移動・宿泊 – 会社の昼会・夕会・飲み会で供される飲食物 72