Deep Learning Lab - ディープラーニング　導入の課題と実例

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


Ridge-i について


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


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）


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


AI導入の課題


©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


● 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


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


「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


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



●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！


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


導入達成

AI導入プロセス

パートナー企業


課題の実例


ケース１活用戦略の必要性

「ビッグデータあるある」


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」


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


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


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


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


ケース２技術詳細設計の必要性

「多目的は無目的」


２年前に作った汎用AI


放送レベルに特化させたAI

実証実験映像（4K）


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


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


ケース２まとめ


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


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


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」


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」


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


ケース３まとめ


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


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


おまけ社内R&D 事例


R&D case - Super Resolution

Low quality(Input)

Deep Learning(Output)

Grand Truth

1/36 1/1 1/1


R&D case - Depth estimation (single camera)

Single RGB Image(Input)

Deep Learning(Output)


さいごに


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!!)

Engineering

Deep Learning Lab - ディープラーニング 導入の課題と実例

Deep Learning Lab - ディープラーニング　導入の課題と実例