Successfully reported this slideshow.
Your SlideShare is downloading. ×

AI市場動向・調査

Ad

AI市場動向・調査

Ad

目次
➢自己紹介
➢技術の話
➢ビジネスの話
➢2018年の話
➢最近の話

Ad

➢ 自己紹介
• 氏名: 後藤 仁奈
• 所属: 伊藤忠テクノソリューションズ株式会社
AIビジネス推進部
• 経験: AIに関わって9か月
GRID社のAIフレームワーク「Renom」を使ったPoC支援
統計講座、Renomハンズオン

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Loading in …3
×

Check these out next

1 of 13 Ad
1 of 13 Ad
Advertisement

More Related Content

Advertisement

AI市場動向・調査

  1. 1. AI市場動向・調査
  2. 2. 目次 ➢自己紹介 ➢技術の話 ➢ビジネスの話 ➢2018年の話 ➢最近の話
  3. 3. ➢ 自己紹介 • 氏名: 後藤 仁奈 • 所属: 伊藤忠テクノソリューションズ株式会社 AIビジネス推進部 • 経験: AIに関わって9か月 GRID社のAIフレームワーク「Renom」を使ったPoC支援 統計講座、Renomハンズオン
  4. 4. ➢ 技術の話:AI技術動向 17世紀 20世紀 21世紀 ⇒アルゴリズムは結局人間が作るしかな い。。  四則演算計算機の登場 *人間の「推論」の仕組み(計算)をやってみよう!  1940年代:ノイマン型コンピュータ の登場 *アルゴリズムさえ与えればなんでもで きる!  1990年代:検索エンジンの誕生 *インターネットの普及  1950年代:第一次AIブーム *推論と探索  1970年代:第二次AIブーム *コンピュータに知識を詰め込む  2011年~:第三次AIブーム *機械学習・DeepLearningの登場 2011年:Watsonがクイズ王に勝利 2012年:Googleが猫の画像を認識、DeepLearningによる精度向上 2015年:DeepLearningが画像において人間の認識率を超える 2016年:AlphaGoが囲碁チャンピオンに勝利 ⇒現実の複雑な問題は解けない。。 ⇒知識の記述・管理には限界がある。。 ⇒AI活用に期待が高まっている ⇒大量のデータが収集可能に
  5. 5. TensorFlow (Google) Chainer(PFN) Theano (モントリオール大学) Caffe (BVLC) Renom(GRID) Watson(IBM)CNTK (Microsoft) DLフレームワークいろいろ Torch(Facebook) • 対応OS? • 言語? • クラウド? • 得意分野?(画像処理、自然言語処理・・・) • オープンソース? • 使いやすい? NNabla(Sony) 海外 国内 DeepLearningを容易に利用するためのライブラリ
  6. 6. ➢ ビジネスの話:AIビジネスの市場規模
  7. 7. 【出典】人工知能関連ビジネスを展開する企業マップ http://jp.techcrunch.com/2017/09/05/to-b-ai-caosmap/#
  8. 8. AIの活用領域 業界 活用事例 製造 • 機器の故障予測 • 異常検知 • 生産性/稼働率の向上 流通/サービス • 在庫調整 • 多言語チャットサービス • マッチングサービス(移住促進) 金融 • ATM内の貨幣増減予測 • 株の予測 • 内部監査/営業分析 情報通信 • 口コミやレビューを活用したレコメンドサービス • 写真の自動分類 公共/社会インフラ • 防災予測システム • 映像監視ソリューション 医療/ライフサイエンス • ウェアラブル端末からの生体データを活用したレコメンテーション • 診断支援(画像分類、病気の原因追及、薬剤の推奨) • 電子カルテから患者の特徴を予測 農業 • 画像認識による野菜の仕分け
  9. 9. ➢ 2018年の話 • 博報堂生活総合研究所 生活者が選ぶ “2018年 ヒット予想” &“2017年 ヒット商品”ランキング • キーワードは【ひとり助け】 生活者が求めるのは“自分一人で何とかする”を支える商 品・サービス
  10. 10. 2019~2021年 2016年 2018年 2017年 実証実験(PoC) がスタート AIの本格運用 に向けた導入期 実稼働への 移行案件増加 成長期 企業経営の不可欠要素として浸透 アマゾン・ゴー (2018/01/22開店) 【出典】https://www.nikkei.com/article/DGXLRSP468239_S8A110C1000000/ AIビジネスフェーズ
  11. 11. 重心はエッジに • アナリティクスをリアルタイムで実行する必要性が出てくると、 IoT(エッジ)に近いところにサーバを置くのが良いとされるよう になる。 • 「多様なデータセットを持つ企業」が有利。色々なデータとの組み合わ せが必要になる。 • データを扱う能力に加え、プラットフォームへの投資も。 • データのクリーニングプロセスが行えていないことが問題に。 データが通貨に AIウォッシング • 見せ方としてAIというキーワードを入れる傾向 ⇒あまりにもAIという言葉が増えたので、今後は無意味に。。 • 見極めるために疑問を持つことが大切。 使用されているデータが平凡なものでないか、人間がわからないものを教 えてくれるのか、利用事例はあるか、AIを使うことで何か変化があるのか、 アルゴリズムの中身は? などなど 2018年のAI業界
  12. 12. ➢ 最近の話:現在抱えている課題 AI人材の不足 AIを使える人 -AIを理解していないと使いこなせない -現場に使いこなせる人がいない AIでできること? コスト削減:人間がしていたことの代替・自動化(人件費削減、効率化) 投資:今までできなかった新しいこと(新規ビジネス、マネジメント)
  13. 13. 参考 • https://www.nikkei.com/article/DGXLRSP468239_S8A110C1000000/ • http://jp.techcrunch.com/2017/09/05/to-b-ai-caosmap/# • www.hakuhodo.co.jp/archives/newsrelease/42008 • https://japan.zdnet.com/article/35112179/ • tech.nikkeibp.co.jp/it/atclact/active/16/033100020/040300097/

×