Upload
takashi-yanagihara
View
1.532
Download
0
Embed Size (px)
Citation preview
ディープラーニング 導入の課題と実例
2017/10/24 Deep Learning Lab 第4回
1©2017 Ridge-i All Rights Reserved.
• Ridge-i について
• AI導入の課題
• 課題の実例
• さいごに
Agenda
2©2017 Ridge-i All Rights Reserved.
Ridge-i について
3©2017 Ridge-i All Rights Reserved.
Ridge-i について
ビジネスニーズにあった最適なAI技術を追求・提供します
パートナーシップ
Employees
10名 + α主に機械学習エンジニア、コンサルタント出身
外国人比率 50%
Office
千代田区大手町1-6-1-442
事業領域
AI コンサルティング AI ソリューション開発
例:モノクロ映像カラー化AI
特にディープラーニング機械学習、強化学習
会社概要
Style
裁量労働制
4©2017 Ridge-i All Rights Reserved.
RI 自社開発事例 モノクロ映像自動彩色AI
大相撲 (5/21 NHKで放送) NHKスペシャル「戦後ゼロ年 東京ブラックホール 1945-1946」
(8/20放送)
5©2017 Ridge-i All Rights Reserved.
Ridge-i 担当について
柳原尚史
• 小4からプログラマー。大学時代はプレイステーションのゲーム開発
• ブラックロック、HSBC、大和証券でリスク分析、アルゴリズム取引の開発
• 証券アナリスト、ネットワークスペシャリスト、宅建 など資格多数
趣味はトレイルランニング
富士山1日3往復
モンブラン170Kmを45時間寝ずに走破
数式に眠くならない強さ
6©2017 Ridge-i All Rights Reserved.
AI導入の課題
7©2017 Ridge-i All Rights Reserved.
©2017 Ridge-i All Rights Reserved.
相談
検討開始
活用
戦略
技術
詳細
開発
POC
周辺開発
実業務にデプロイ
多多
中中
少
AI導入
プロセス
人的
リソース
人材不足が
AI導入を阻む最大のボトルネック
AIで何かしたい
課題と方向性省力化・新商品・新ビジネスデータ戦略
どの技術とデータの組合せで
解決
実装・学習・検証チューニング
AI導入達成
AI導入の流れとボトルネック
8©2017 Ridge-i All Rights Reserved.
● 本来あるべき姿
「この課題はAIなら解決できるのか?」
「解決する事によるインパクトはなにか?」
「そのために必要なデータは何か?」
活用戦略の課題
導入自体の目的化
● ありがちな問題
「とにかく AIを入れたい」
「いまあるデータから宝が見つからないか?」
検討開始
活用
戦略
技術
詳細
開発
POC
周辺
開発
9©2017 Ridge-i All Rights Reserved.
技術詳細の課題
• AIで 運搬機器を映像で検出し、最適な動線解析を行いたい
• AIで 白黒映像の彩色作業の手間を削減したい
• AIで 炉の制御を自動化したい
• AIで 電力マネージメントを最適化したい
• AIで 製造装置の異常の兆候を捉えたい
• AIで 徘徊老人を探したい
AIが意味するところは玉石混合
検討開始
活用
戦略
技術
詳細
開発
POC
周辺
開発
10©2017 Ridge-i All Rights Reserved.
「AI」という言葉の曖昧さ
階層ベイズMCMC
GLMM
最尤法ベイズ理論
主成分分析、GLM
検定相関、共分散
確率、正規分布、分散
機械学習 統計解析
機械翻訳
トピックモデル
文章生成ディープラーニング(RNN, Skip-gram)
BWT, Wavelet Tree
TF-IDF, Word2Vec
検索、N-Gram
形態素解析
自然言語解析
どれでもAI
分散協調
深層強化学習強化学習
ディープラーニングLSTM, DBM, CNN, RNN
協調フィルタリングSVM, K-Means, 近傍法
探索木ロジスティック回帰最小二乗法
+ ナップザック問題、動的計画法、最適化問題等も
検討開始
活用
戦略
技術
詳細
開発
POC
周辺
開発
11©2017 Ridge-i All Rights Reserved.
ディープラーニングのパターン
検討開始
活用
戦略
技術
詳細
開発
POC
周辺
開発
汎用最強はなくて、課題毎に複数試す必要
アンサンブル、ブースティングみたいに組合せも
12©2017 Ridge-i All Rights Reserved.
©2017 Ridge-i All Rights Reserved.
●ユーザーがAI活用を企画するための知識・理解の不足
●あいまいなAIの定義
●日々進化するディープラーニング
ニーズとシーズのギャップ
相談
検討開始
活用
戦略
技術
詳細検討開発
実証実験
周辺開発実業務にデプロイ
一人で向こうまで行けって
そんな無茶な。。
(AI推進 担当)
深い谷
AI導入できた!
13©2017 Ridge-i All Rights Reserved.
Ridge-i の役割
導入支援、カスタマイズ
Ridge-iが自社・共同開発
コンサルテーションフェーズ ソリューション開発フェーズ
課題と効果
最適な技術構成
複数のAIと他技術をどう組み合わせるか
AIの導入価値の判定
PFN – DIMo、他AIを活用
自社・共同開発
相談
検討開始
活用
戦略
技術
詳細検討
開発実証実験
周辺開発実業務にデプロイ
導入達成
AI導入プロセス
パートナー企業
14©2017 Ridge-i All Rights Reserved.
課題の実例
15©2017 Ridge-i All Rights Reserved.
ケース1 活用戦略の必要性
「ビッグデータあるある」
16©2017 Ridge-i All Rights Reserved.
ビッグデータ活用あるある
● 車の任意の画像から、査定額を見積りたい
ビッグデータを使いたい あるある
● 「いまあるビッグデータを使ってほしい」
17©2017 Ridge-i All Rights Reserved.
ビッグデータあるある その1
● データが不整形(画像の縦横比率もバラバラ)
● 対象物体が映っているアングルが揃っていない
● 対象物体以外に色々映りすぎ
● 顧客データのマスキング、セキュリティ確保
教師データを抜き出すだけで一つのプロジェクト
18©2017 Ridge-i All Rights Reserved.
ビッグデータあるある その2
● ラベルに大きな偏り
● 画像だけじゃ わからないケース(内装)
● 同じ画像でも、作業者、画像外要因で結果が違うことも
現状の誤った出力に、モデルをあわせる、という本末転倒な結果にも。
入力データにモデル構築するのに十分な情報が入っていない
19©2017 Ridge-i All Rights Reserved.
ケース 1 のまとめ
将来の競争優位のために早めのデータマネージメント戦略が重要
いまあるデータに拘らない柔軟な姿勢
相談
検討開始
活用
戦略
技術
詳細検討
開発実証実験
周辺開発実業務にデプロイ
販売サポート
やっておけばよかった場所
機械学習・ディープラーニングを活用しやすいデータを貯めよう
20©2017 Ridge-i All Rights Reserved.
ケース2 技術詳細設計の必要性
「多目的は無目的」
21©2017 Ridge-i All Rights Reserved.
2年前に作った汎用AI
22©2017 Ridge-i All Rights Reserved.
放送レベルに特化させたAI
実証実験映像(4K)
23©2017 Ridge-i All Rights Reserved.
WEB上の汎用AIサービス Ridge-i + NHK ART
汎用的なAIと、RI彩色技術との比較
24©2017 Ridge-i All Rights Reserved.
モノクロ映像自動彩色AI - 活用実例
大相撲 (5/21 NHKで放送) NHKスペシャル「戦後ゼロ年 東京ブラックホール 1945-1946」
(8/20放送)
数百倍の省力化を実現しながらも、放送クオリティを確保
25©2017 Ridge-i All Rights Reserved.
ケース2 まとめ
©2017 Ridge-i All Rights Reserved.
ビジネス要件を満たす条件の見極め
相談
検討開始
活用
戦略
技術
詳細検討
開発実証実験
周辺開発実業務にデプロイ
販売サポート
やってよかった場所
目的が定まれば、技術の最適化が可能
汎用モデルはビジネスでは使えないことも
26©2017 Ridge-i All Rights Reserved.
ケース3 開発力の必要性
「ブラックボックスじゃ困るんだよ」
27©2017 Ridge-i All Rights Reserved.
ケース3 ブラックボックス問題
■よくある質問
「AIが理由を説明できないと、問い合わせがあった時に困る」
「じゃぁ、決定木でも使えば?精度は落ちるかもね」
■技術者的 模範解答
囲碁有段者 実際の解説
「単純にして荒々しい一手」 、 「そこの1目が厚いと思ったので」
「人間はもっともらしく言うのが得意なだけ」
28©2017 Ridge-i All Rights Reserved.
DNN Prediction 2輪車 飛行機
Visual
Explanation
R&D – Visual Explanations of DNN output
ディープラーニングが注目した箇所を図示する機能を追加
29©2017 Ridge-i All Rights Reserved.
ケース3 まとめ
©2017 Ridge-i All Rights Reserved.
ディープラーニングの構造まで踏み込んだ技術力
相談
検討開始
活用
戦略
技術
詳細検討
開発実証実験
周辺開発実業務にデプロイ
販売サポート
強くてよかった場所
ニーズをコードまで落とす理解力
30©2017 Ridge-i All Rights Reserved.
おまけ 社内R&D 事例
31©2017 Ridge-i All Rights Reserved.
R&D case - Super Resolution
Low quality(Input)
Deep Learning(Output)
Grand Truth
1/36 1/1 1/1
32©2017 Ridge-i All Rights Reserved.
R&D case - Depth estimation (single camera)
Single RGB Image(Input)
Deep Learning(Output)
33©2017 Ridge-i All Rights Reserved.
さいごに
34©2017 Ridge-i All Rights Reserved.
どの課題に、どのAI技術を使うのか、見極めが重要お気軽にご相談ください
問い合わせ[email protected]
相談
検討開始
活用
戦略
技術
詳細
開発
POC
周辺開発
実業務にデプロイ
AI導入達成
新しい技術とビジネス機会を一緒に見つけていきましょう!(We’re hiring!!)