SlideShare a Scribd company logo
1 of 28
Download to read offline
企業CVチームのCVとは限らない仕事
日本コンピュータビジョン勉強会
尾崎雄一、山中健司、山野文子、奥田浩人
企業CVチームのCVとは限らない仕事
①AI利活用の基本方針を定めた話
1
2
AIの利活用に関する基本方針を発行
ルール面倒!
開発の邪魔
AI
エンジニア
3
ガートナーハイプサイクル:2016年
出典:https://news.mynavi.jp/photo/article/20161005-a179/images/001l.jpg
期待度
AIスゴイ!
SOTASOTASOTA!
運用PFの注目も⤴
4
頻発するインシデント
https://towardsdatascience.com/compas-case-study-fairness-of-a-machine-learning-model-f0f804108751
COMPAS
• 米国の一部の州で使用されて
いる再犯予測システム
• アフリカ系アメリカ人に対して
不利な判定をすることが判明
企業にとっては事業
継続に関わるリスク
5
ガートナーハイプサイクル:2021年
出典: https://www.gartner.com/resources/747500/747539/Downloadable_graphic_Hype_Cycle_for_Artificial_Intelligence_2021.png
社会実装の進展と共に
信頼できるAI
が求められるように
AI TRiSM : AI Trust Risk & Security Management
6
• 欧州委員会によるAIに関するホワイトペーパのリリース
• AI倫理の研究者Timnit Gebru氏の解雇
• 国際連合によるAI倫理委員会
• IBMの顔認識ビジネスからの撤退
AI倫理に関わる主要な国際動向
出典:“AI Index Report“, https://hai.stanford.edu/research/ai-index-2021
AI倫理に言及する
論文の増加
AI倫理原則の発行
は高い水準に
社会的文脈
7
• 公平性、非差別、バイアス
• 説明可能性
• 透明性
• プライバシー
• 安全・安心
• 倫理
• セキュリティ
ポイントとなる概念
参考文献
中川:AI倫理指針における課題,人工知能学会学会誌Vol.35,No.6,(2020)
要求仕様
数理的定義
文化
法・規制
常識
8
ソフトウェアライフサイクルを通じた対応が必要
出典:NEAL ANALYRICS https://nealanalytics.com/expertise/mlops/
モデル開発
データ収集
企画
検証
リリース
モニタ
開発
調整
Ex 人物画像は同意の上で
収集しているか?
Ex データの保存・管理
の運用は?
Ex 宗教・価値観の異なる
地域へ輸出予定は?
Ex データの流通経路に
懸念はないか?
Ex 性別を第三者がラベル
付けしていないか?
Ex “公平“にサンプルし
たデータか?
Ex 公平性、透明性など
の定量指標と判断基準
は倫理観点で妥当か?
Ex AI倫理リスクをモニタ
する仕組みは?
Ex 個人情報をトラックで
きているか?
Ex 安全・安心を担保でき
るセキュアな設計か?
9
• 事業の存続に関わるリスクの回避
• 顧客や協業企業様から信頼を得る
今後は、AI利活用ポリシーを実践してゆくことが課題
なぜAI利活用ポリシーが重要か
企業CVチームのCVとは限らない仕事
② 開発時の開発効率改善
10
11
製品化に必要な事
性能が良いというだけでは製品にはならない
自分の環境だと
動作しない…
アルゴリズムが
丸見えだけど…
強制終了したけど
原因が分からない…
利用方法が
分かりづらい…
お客様が満足する品質を確保しながら素早くリリース!!
アルゴリズ
ム開発
実装 品証
12
製品化に必要な事
性能が良いというだけでは製品にはならない
自分の環境だと
動作しない…
アルゴリズムが
丸見えだけど…
強制終了したけど
原因が分からない…
利用方法が
分かりづらい…
お客様が満足する品質を確保しながら素早くリリース!!
アルゴリズ
ム開発
実装 品証
13
実験管理システムの導入
import mlflow
import pytorch
with mlflow.start_run():
# 学習条件の記録
mlflow.log_param(‘learning_rate’, lr)
# 評価値の記録
mlflow.log_metric(‘loss’, loss)
# 学習済みモデルの記録
mlflow.pytorch.log_model(model, ‘model’)
# ファイルの記録
mlflow.log_artifacts(img, ‘output_image’)
実行
学習/評価に普段用いているコード
にAPIを叩く記述を追加すると…
1試行毎のログ
評価値
学習条件
Webアプリから記録結果を閲覧することができる
(実験を比較出来たりと便利機能付き)
MlflowというOSSを活用したシステム
• 再現性を担保
• 自動記録により工数削減
サーバー
14
■不要な作業の削減による効率
■短縮された時間を再投資して得られる潜在的な収益
導入効果
パラメタ、コード管理
評価値の描画
比較表作成
パラメタ、コード変更
学習プログラム実行
結果取得(10分→0分)
結果比較(1日→30分)
※時間は1実験あたり。実験内容、個人差あり。
多く実験するケースほど効果的!!!
複数マシンから取得
企業CVチームのCVとは限らない仕事
③実装時の開発効率改善
15
アルゴリズ
ム開発
実装 品証
16
CIを使った開発効率の改善
開発者
解析用サーバー
(Win/Linux)
コード修正
テスト
フ
ィ
ー
ド
バ
ッ
ク
テ
ス
ト
指
示
テスト結果
ジョブ
ビルドチェック
単体テスト実行
構文チェック
セキュリティチェック
⇒ これらを自動的に実行
Gitサービス
コードをGit上に上げる事で自動的に品質解析やテストを行う
CI(継続的インテグレーション)システムを構築
17
CIシステムの構成
開発用PC 開発用PC
git push
解析サーバー(Linux)
解析サーバー(Windows)
Git
Runner
テーマA
仮想環境
テーマB
仮想環境
テーマC
仮想環境 品質チェック
ツール
ジョブ指示
チェック実行
Git
Runner
品質チェック
ツール
ビルド環境
各種
ライブラリ
ジョブ指示
チェック実行
テーマ毎に
必要な物を
リンク
ジョブ命令
ジョブ命令
結果取得
結果取得
AI技術開発部では様々なテーマの開発を担当
開発環境が異なる各テーマに対応したシステムを構築
18
CIシステムによる効率化の効果
4つの
メリット
① CIツールによる解析・テストの自動化 ② 様々な開発環境での解析に対応
ローカルPC ローカルPC ローカルPC 環境構築済みの
解析用サーバー
③ インストールに非常に手間のかかる
品質チェックツールがインストール
不要に
開発者 開発者 開発者
④ 品質チェックツールのライセンス
共有化
単一ライセンスを
使いまわし可能!
開発者が品質チェックにかかる工数は大幅に短縮!
企業CVチームのCVとは限らない仕事
④ ML品質保証に関する仕事
19
アルゴリズ
ム開発
実装 品証
20
機械学習技術 や 画像認識技術を製品搭載してきた
X線画像の被写体自動認識 印刷領域の汚れの自動検知
画像診断ワークステーション
CS-2
マンモグラフィ診断支援システム
「NEOVISTA I-PACS CAD type M」
X線乳房画像中の病変候補を自動検知
インテリジェント
クオリティオプティマイザー
IQ-501
21
最近は AIの製品搭載が増えつつある
介護施設向けサービス
「HitomeQ(ヒトメク) ケアサポート」
入居者の行動を
分析し、起床・
離床・転倒・
転落などの行動
を認識
ランニングフォーム改善支援システム
「Runalytic(ラナリティック)」
走行姿勢を推定し
ランニングフォーム
を解析
ショッパー行動解析サービス
「Go Insight」
ショッパーの属性、
商品接触、滞在
などの棚前行動
を検知
医師の診断をサポートするX線画像の肋骨減弱
画像の中から肋骨と鎖骨を認識
22
機械学習(ML)品証ガイドライン の検討を開始
ML以外の
アルゴリズム
用の品質保証
ML
アルゴリズム
用の品質保証
+
・ 要求仕様
・ アルゴリズム設計
② 社外ガイドライン
・QA4AI(2019年)
・AIQM(2020年)
① MLに関する法規
各種ドメインの規格
・薬生機審発
・自動車用機能安全規格
従来の
社内検証
方法
社内の従来知見 と 社外情報 を用い ML品証ガイドラインを更新
従来知見
社外情報
・ 有識者の知見
・ 大量データで検証
23
ML品証ガイドラインの実適用
企画
品質保証
< 品質保証対応の実施 >
・ガイドラインの維持/管理
< 企画立案 >
・初期検討、活動推進
外部から情報を引用するだけでは
“使えるモノ” にならない
ML品証ガイドラインを使える状態にするため、三位一体の体制を構築
< AIアルゴリズム研究・開発 >
・ガイドラインの実適用
・細則の作成
・ 技術観点での意見
・ ユーザ視点でのリクエスト
・ 施行結果のフィードバック
研究・開発
わかる言葉で、
実施項目を明確に
24
AIの利活用に関する基本方針の策定 と 対応
https://www.konicaminolta.jp/about/csr/pdf/use-of-ai-basic-policy.pdf
グローバルに事業を展開する企業として、人間中心のより良い社会を実現するAIの適正な
利活用についてグループ共通の認識を持ち、一丸となってAIを積極的に利活用していく
25
• 伝統的メーカでのAI開発業務の一部を紹介しました
• AIモデル開発は全体の一部。AI倫理、開発プロセス、
ML品質保証、、様々な業務を担当・支援しています
サマリ
26
AIエンジニア
募集中です!
博士歓迎
Innovation Garden Center 大阪
八王子研究開発棟
採用ページ
https://www.konicaminolta.com/j
p-ja/recruit/stu/works/index.html
DM頂ければ、ざっくばらんに
お話しさせて頂きます。
@HO75013227
twitter @HO75013227
企業CVチームのCVとは限らない仕事

More Related Content

Similar to 企業CVチームのCVとは限らない仕事

正統なソフトウェア品質エンジニアであるためにSQiP研究会に入るべき7つの理由
正統なソフトウェア品質エンジニアであるためにSQiP研究会に入るべき7つの理由正統なソフトウェア品質エンジニアであるためにSQiP研究会に入るべき7つの理由
正統なソフトウェア品質エンジニアであるためにSQiP研究会に入るべき7つの理由Hironori Washizaki
 
日経コンピュータ主催:さわってわかる機械学習 Azure Machine Learning 実践セミナー
日経コンピュータ主催:さわってわかる機械学習 Azure Machine Learning 実践セミナー日経コンピュータ主催:さわってわかる機械学習 Azure Machine Learning 実践セミナー
日経コンピュータ主催:さわってわかる機械学習 Azure Machine Learning 実践セミナーHiroshi Senga
 
ソフトウェアエンジニアでなくてもアジャイルが分かるセミナー
ソフトウェアエンジニアでなくてもアジャイルが分かるセミナーソフトウェアエンジニアでなくてもアジャイルが分かるセミナー
ソフトウェアエンジニアでなくてもアジャイルが分かるセミナーNaoya Maekawa
 
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計Takahiro Kubo
 
AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方
AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方
AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方Deep Learning Lab(ディープラーニング・ラボ)
 
企業と勉強会 @nifty エンジニアサポート
企業と勉強会 @nifty エンジニアサポート企業と勉強会 @nifty エンジニアサポート
企業と勉強会 @nifty エンジニアサポートDaichi Morifuji
 
Machine Learning Nagoya 20170619
Machine Learning Nagoya 20170619Machine Learning Nagoya 20170619
Machine Learning Nagoya 20170619陽平 山口
 
コンピュータビジョン技術の実応用とビジネス
コンピュータビジョン技術の実応用とビジネスコンピュータビジョン技術の実応用とビジネス
コンピュータビジョン技術の実応用とビジネスYusuke Uchida
 
テスト自動化への1エンジニアとしての期待
テスト自動化への1エンジニアとしての期待テスト自動化への1エンジニアとしての期待
テスト自動化への1エンジニアとしての期待teyamagu
 
2016年度コーポレートフェローシップ活動報告(山本さん)
2016年度コーポレートフェローシップ活動報告(山本さん)2016年度コーポレートフェローシップ活動報告(山本さん)
2016年度コーポレートフェローシップ活動報告(山本さん)Code for Japan
 
【15-B-L】Spinnakerで実現するデプロイの自動化
【15-B-L】Spinnakerで実現するデプロイの自動化【15-B-L】Spinnakerで実現するデプロイの自動化
【15-B-L】Spinnakerで実現するデプロイの自動化Developers Summit
 
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)Satoshi Hara
 
SIOS iQ:機械学習 I T O A VMware仮想環境の性能問題の原因分析 迅速な問題解決と未然防止を実現
SIOS iQ:機械学習 I T O A VMware仮想環境の性能問題の原因分析 迅速な問題解決と未然防止を実現SIOS iQ:機械学習 I T O A VMware仮想環境の性能問題の原因分析 迅速な問題解決と未然防止を実現
SIOS iQ:機械学習 I T O A VMware仮想環境の性能問題の原因分析 迅速な問題解決と未然防止を実現softlayerjp
 
SAS Viya Deep Dive: 自然言語処理&AI
SAS Viya Deep Dive: 自然言語処理&AISAS Viya Deep Dive: 自然言語処理&AI
SAS Viya Deep Dive: 自然言語処理&AISAS Institute Japan
 

Similar to 企業CVチームのCVとは限らない仕事 (20)

正統なソフトウェア品質エンジニアであるためにSQiP研究会に入るべき7つの理由
正統なソフトウェア品質エンジニアであるためにSQiP研究会に入るべき7つの理由正統なソフトウェア品質エンジニアであるためにSQiP研究会に入るべき7つの理由
正統なソフトウェア品質エンジニアであるためにSQiP研究会に入るべき7つの理由
 
日経コンピュータ主催:さわってわかる機械学習 Azure Machine Learning 実践セミナー
日経コンピュータ主催:さわってわかる機械学習 Azure Machine Learning 実践セミナー日経コンピュータ主催:さわってわかる機械学習 Azure Machine Learning 実践セミナー
日経コンピュータ主催:さわってわかる機械学習 Azure Machine Learning 実践セミナー
 
ソフトウェアエンジニアでなくてもアジャイルが分かるセミナー
ソフトウェアエンジニアでなくてもアジャイルが分かるセミナーソフトウェアエンジニアでなくてもアジャイルが分かるセミナー
ソフトウェアエンジニアでなくてもアジャイルが分かるセミナー
 
現場のインフラエンジニアから見たヤフー #ヤフー名古屋
現場のインフラエンジニアから見たヤフー #ヤフー名古屋現場のインフラエンジニアから見たヤフー #ヤフー名古屋
現場のインフラエンジニアから見たヤフー #ヤフー名古屋
 
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
 
AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方
AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方
AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方
 
ML Opsのススメ
ML OpsのススメML Opsのススメ
ML Opsのススメ
 
企業と勉強会 @nifty エンジニアサポート
企業と勉強会 @nifty エンジニアサポート企業と勉強会 @nifty エンジニアサポート
企業と勉強会 @nifty エンジニアサポート
 
リクルート式AIの活用法
リクルート式AIの活用法リクルート式AIの活用法
リクルート式AIの活用法
 
Machine Learning Nagoya 20170619
Machine Learning Nagoya 20170619Machine Learning Nagoya 20170619
Machine Learning Nagoya 20170619
 
コンピュータビジョン技術の実応用とビジネス
コンピュータビジョン技術の実応用とビジネスコンピュータビジョン技術の実応用とビジネス
コンピュータビジョン技術の実応用とビジネス
 
テスト自動化への1エンジニアとしての期待
テスト自動化への1エンジニアとしての期待テスト自動化への1エンジニアとしての期待
テスト自動化への1エンジニアとしての期待
 
2016年度コーポレートフェローシップ活動報告(山本さん)
2016年度コーポレートフェローシップ活動報告(山本さん)2016年度コーポレートフェローシップ活動報告(山本さん)
2016年度コーポレートフェローシップ活動報告(山本さん)
 
【15-B-L】Spinnakerで実現するデプロイの自動化
【15-B-L】Spinnakerで実現するデプロイの自動化【15-B-L】Spinnakerで実現するデプロイの自動化
【15-B-L】Spinnakerで実現するデプロイの自動化
 
QnA Maker 逆入門
QnA Maker 逆入門QnA Maker 逆入門
QnA Maker 逆入門
 
Yahoo! JAPANにおけるオンライン機械学習実例 #streamctjp
Yahoo! JAPANにおけるオンライン機械学習実例 #streamctjpYahoo! JAPANにおけるオンライン機械学習実例 #streamctjp
Yahoo! JAPANにおけるオンライン機械学習実例 #streamctjp
 
JAWS FESTA 20191102
JAWS FESTA 20191102JAWS FESTA 20191102
JAWS FESTA 20191102
 
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
 
SIOS iQ:機械学習 I T O A VMware仮想環境の性能問題の原因分析 迅速な問題解決と未然防止を実現
SIOS iQ:機械学習 I T O A VMware仮想環境の性能問題の原因分析 迅速な問題解決と未然防止を実現SIOS iQ:機械学習 I T O A VMware仮想環境の性能問題の原因分析 迅速な問題解決と未然防止を実現
SIOS iQ:機械学習 I T O A VMware仮想環境の性能問題の原因分析 迅速な問題解決と未然防止を実現
 
SAS Viya Deep Dive: 自然言語処理&AI
SAS Viya Deep Dive: 自然言語処理&AISAS Viya Deep Dive: 自然言語処理&AI
SAS Viya Deep Dive: 自然言語処理&AI
 

企業CVチームのCVとは限らない仕事