Recommended
More Related Content
What's hot
What's hot (19)
Similar to 深層学習の導入で抱える課題とユースケース実例
Similar to 深層学習の導入で抱える課題とユースケース実例 (20)
More from Hirono Jumpei
More from Hirono Jumpei (20)
Recently uploaded
Recently uploaded (12)
深層学習の導入で抱える課題とユースケース実例
- 1. 深層学習の導入で抱える課題と ユースケース実例 Deep Learning Lab – 第２回 2017/7/25
- 2. 2 ©2017Ridge-iAllRightsReserved. RI_DLL_20170727 Ridge-i & Preferred Networks パートナーシップ ©2017 Ridge-i All Rights Reserved.
- 3. 3 ©2017Ridge-iAllRightsReserved. RI_DLL_20170727 Ridge-i & Microsoft & Deep Learning Lab ©2017 Ridge-i All Rights Reserved. Microsoft との連携内容： 1. 顧客への深層学習ソリューションの共同提案 2. Microsoft Azure上での深層学習ソリューションの導入支援 3. Deep Learning Lab（ディープラーニング・ラボ）の幹事企業としての活動
- 4. 4 ©2017Ridge-iAllRightsReserved. RI_DLL_20170727 柳原 尚史 ● ブラックロックなど外資金融でリスク分析、アルゴリズム、電子取引の開発に従事 ● 証券アナリスト検定会員、ネットワークスペシャリスト、宅建 ● サイエンスゼロの監修、Interop、J-Wave など講演多数 Ridge-i 代表について 数式に眠く ならないタフさ 趣味はトレイルランニング ● 富士山1日3往復 ● UTMB(モンブラン１周170Km)を44時間寝ずに走破 ©2017 Ridge-i All Rights Reserved.
- 6. 6 ©2017Ridge-iAllRightsReserved. RI_DLL_20170727 AI導入の流れとボトルネック ©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 Value Chain 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 できた！ Azure 利用量
- 7. 7 ©2017Ridge-iAllRightsReserved. RI_DLL_20170727 「AI」という言葉の曖昧さ 階層ベイズ MCMC GLMM 最尤法 主成分分析、GLM ベイズ理論 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 難易度：高 人材：希少 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 ©2017 Ridge-i All Rights Reserved. ＋ ナップザック問題、動的計画法、最適化問題なども
- 8. 8 ©2017Ridge-iAllRightsReserved. RI_DLL_20170727 ディープラーニングのパターン（2016年10月時点） ©2017 Ridge-i All Rights Reserved. 万能モデルは存在せず、目的に応じて選ぶ必要 抜粋元：http://www.asimovinstitute.org/neural-network-zoo/
- 9. 9 ©2017Ridge-iAllRightsReserved. RI_DLL_20170727 ©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 ● 「AI」技術が日進月歩で急激な変化 ● 一つの「AI」で解決できるほど汎用的ではない 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！ http://fundo.jp/37263
- 10. 10 ©2017Ridge-iAllRightsReserved. RI_DLL_20170727 Ridge-iの役割：パートナーと共に一括サポート 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活用 自社・共同開発 ©2017 Ridge-i All Rights Reserved. 戦略コンサル 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 できた！
- 12. 12 ©2017Ridge-iAllRightsReserved. RI_DLL_20170727 弊社が進めている案件と相談例 ©2017 Ridge-i All Rights Reserved. • 自社製造の運搬機器を映像で検出して動線解析を行いたい。 • 白黒映像の彩色作業の手間が多く、AIで何かできないか。 • 焼却炉の運転をAIで自動化したい。 • 損害保険会社での事故査定にAIを活かしたい。 • 徘徊老人をAIで探したい。 相談内容は玉石混合 きちんとしたヒアリングとコンサルで見極めが重要 効果が見込めない案件は早めの見切りも重要
- 20. 20 ©2017Ridge-iAllRightsReserved. RI_DLL_20170727 再照合が売れない。。。 ©2017 Ridge-i All Rights Reserved. • 再照合機能を軸にしたサービス化は、１年半前から実行 いい技術でも、ニーズ側の活用イメージがわかない典型例 徘徊老人を探す。という具体的なコンセプトで実証実験 ＞＞＞＞＞ ぜんぜん 響かない。。。 ・ 「不審者からVIPまでいろいろ探せますよ！（学習次第で）」
- 21. Copyright © NTT Communications Corporation. All rights reserved. ニーズの明確化 徘徊老人・行方不明者の検索 ◆お客様が抱える課題 街の防犯・見守りを目的として監視カメラを導入した。 徘徊老人や行方不明者（登山者）等の検索を目視で行っているが、 非常に時間がかかってしまっている。 ◆ソリューション AI人物検索サービス※により、探したい人物の画像を1枚指定するだけで、 高精度かつ短時間で検索することが可能に。(トライアルを実施) ※PFN社のDIMoを使用 VGA(640×480ピクセル)のモノクロカメラ18台から検索
- 22. Copyright © NTT Communications Corporation. All rights reserved. 某自治体向けソリューション わかりやすい結果 ◆トライアル結果 1時間 1時間の映像から特定人物を探すのにかかる時間 15分 75％ の削減 目視 AI 具体的なニーズに アプローチ 適切な評価測定 （精度より効果） + 実証実験の成功 ユーザーが イメージしやすい成功事例 + ニュースなどで 取り上げられる ほぼ同じ技術の 他ニーズ展開 汎用化 テレ朝
- 23. 23 ©2017Ridge-iAllRightsReserved. RI_DLL_20170727 ケース２ まとめ ©2017 Ridge-i All Rights Reserved. ニーズの絞り込み と 機能特化は サービスの基本 教えてみせ、モデルとUIまで用意してみせ、POCやってみせ、 初めてユーザーはAIをわかってくれます。 「山本五十六」 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 よかった場所 精度１００％ を求められる案件より、 プラスアルファの効果が評価されるニーズがよし
- 25. 25 ©2017Ridge-iAllRightsReserved. RI_DLL_20170727 ©2016 Ridge-I All Rights Reserved. 数百倍の省力化効果 ＋ 人は絵作りに専念できる 自動彩色：昔の大相撲をカラー化して 5/21 NHKで放送。
- 26. 26 ©2017Ridge-iAllRightsReserved. RI_DLL_20170727 汎用モデルでは、ビジネスで使えなかった。 ©2017 Ridge-i All Rights Reserved. あえて汎用化ではなく、過学習させることでビジネスニーズを満たす工夫
- 27. 27 ©2017Ridge-iAllRightsReserved. RI_DLL_20170727 白黒彩色：弊社 実験画像（1フレームのみから学習） ©2016 Ridge-I All Rights Reserved.
- 28. 28 ©2017Ridge-iAllRightsReserved. RI_DLL_20170727 ケース３ まとめ ©2017 Ridge-i All Rights Reserved. ◆コンペティションの汎用モデルでは、多目的は無目的に陥りやすい。 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 ビジネス目的が定まって、最適な技術のカスタマイズが可能
- 31. 31 ©2017Ridge-iAllRightsReserved. RI_DLL_20170727 まとめ Ridge-iが提供するもの ©2017 Ridge-i All Rights Reserved. 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 このプロセスを加速し、 商用フェーズの企業・ユーザーを拡大します。 問い合わせ contact@ridge-i.com どのビジネス課題を解きたいか、 そのための最適なアプローチと技術を提案します。 お気軽にご連絡ください。 ディープラーニングの活用を提案できる人が圧倒的に不足して います！（We’re hiring!) Ridge-iと一緒に渡 ればこわくない！ （AI推進 担当） AI導入 できた！