人工知能(AI)の現況と、ビジネスへの活用
•
19 likes•5,618 views
ディープラーニングを中心とした人工知能の最新状況と、新ビジネスや新商品にどのように生かしていけばよいかをまとめました。 ㈱ブライトビジョンではIoTやAIを活用した効率化や新規事業コンサルティングを行っています。 また、講演会やセミナーなども承っております。 contact@brightvis.com までお気軽にお問い合わせください。
More Related Content
What's hot
Viewers also liked
Viewers also liked (20)
Recently uploaded
人工知能(AI)の現況と、ビジネスへの活用
- 2. Bright Vision 人工知能（AI）への注目の高まり 1 朝日新聞 (2016/3/16) http://www.asahi.com/articles/ASJ3H61JGJ3HUHBI02K.html 人工知能が囲碁でプロ棋士を破る 日経新聞 (2016/12/16) http://style.nikkei.com/article/DGXMZO10638500U6A211C1000000 大学キャンパスで自動運転バスの実証実験を2017/1より開始 レジを通らず人工知能で自動決済する コンビニ Amazon Go 「コンピューターによる音声認識は人間の耳と同レベルに達した」 とMicrosoftが発表 (誤認識率5.9%) Gigazine (2016/10/19) http://gigazine.net/news/20161019-computer-human-voice-recognition/ Engadget (2016/12/6) http://japanese.engadget.com/2016/12/06/amazon-go-2017/
- 4. Bright Vision 政府も注力している領域 ＧＤＰ６００兆円へ “人工知能などに投資増” 方針案 NHK NEWS WEB (2016/4/22) http://www3.nhk.or.jp/news/html/20160422/k10010493201000.html 経済成長戦略の筆頭として IoT, ビックデータ, AI, ロボットに注力 学術界、産業界だけではなく、官公庁も人工知能に注目 (あわせて IoT, ロボット, ビックデータ, FinTechなどにも注目している) 日本再興戦略2016 (首相官邸 2016/07)
- 5. Bright Vision 人工知能とIoTは２桁成長が続くと予想 EY総研 （2015/09/15） http://eyi.eyjapan.jp/knowledge/future-society-and-industry/2015-09-15.html 人工知能市場 年43.8%の成長 国内IoT市場 年16.9%の成長 IDC (2016/02/23) https://iotnews.jp/archives/13297
- 7. Bright Vision 人工知能でできること、できないこと 人工知能ができること 人工知能ができないこと 決められた仕事を正確にこなす - モノや人を運ぶ、きれいにする - 作物を育てる、製品を組み立てる - 事務処理、管理作業 何かを見分けて、適切な答えを返す - 不審者や犯罪等の監視 - 定型的な顧客対応 (販売, 問い合わせ対応など) - 翻訳、通訳、テープ起こし 今までのデータに基づき、分析や予測する - 会社分析、株価予測 - 天気予報 - ビジネス分析、人事 ビジョンや目標を設定する - 事業経営、新規ビジネスの創出 - 戦略策定、ロードマップの作成 目に見えない問題を発見し解決する - カウンセリング、教師、コンサルティング - 研究者、リサーチャー 少ない情報から、何かを作り出す - アーティスト、クリエーター、デザイナー - プロデューサー、新商品開発 感情や感性に関わるコミュニケーション - ディレクター、マネージャー、 営業提案 - ライター、演出 人と機械のそれぞれ得意なところを生かすことが重要
- 8. Bright Vision 人工知能の主な適用例 運 輸 金 融 • AIでのコールセンター業務 • 倒産や貸倒リスクの予測 • 株や先物などの自動 トレーディング • SNS書き込みを使った 株価予測 メディア • トラックやフォーク リフトの自動運転 • ドローンによる運輸 • 配送ルートの最適化 • 倉庫の自動整理、 自動ピッキング • 記事の自動生成 • 読者の興味に合わせた ニュースの提供 • 広告効果の予測と最適化 店 舗 / サービス • 画像認識による自動レジ • 万引き等の自動監視 • 個々の商品ごとの売上げ 予測と仕入れの自動化 • 顧客の好みに合わせた 商品をおすすめする 製 造 • 組立ロボットの自動制御 • 品質チェックの自動化 • 売上げ、在庫予測と生産 計画の最適化 医 療 / 介 護 • 電気、ガス、水道の 需要予測 • 発電所等の最適制御 • インフラの故障予知 • 機器側の自動最適制御 • 自動監視等のセキュリティ インフラ マネジメント/事務 • 高度なスケジュール管理 • 帳簿づけの自動化 • 音声認識による議事録作成 • 機械翻訳、通訳 • 従業員の評価、管理 • 経営リスクの分析 • レントゲン画像等の 自動診断 • ロボットによる介護 • 医薬の効率的な開発 • 病気診断支援システム ありとあらゆる業界で適用できる可能性がある
- 9. Bright Vision 主要なアルゴリズム 特徴、精度、速度がさまざまなので 解決したい課題に合わせて選択する必要がある アルゴリズム例 • ニューラルネットワーク • ランダムフォレスト • サポートベクターマシーン • 遺伝的アルゴリズム • ロジスティック回帰 • 隠れマルコフモデル • K-Means • ナイーブベイズ ： アルゴリズムの分類 • 教師あり学習 望ましい入力と出力の例に基づいてモデルを作る (画像認識、音声認識、分類、予測など) • 教師なし学習 入力データだけでモデルを作成する (クラスタリング、データマイニング、特徴量抽出など) • 強化学習 周りの状況がAIの行動が決め、AIの行動が周りの 状況を変えるときの、最適な行動を決める (ロボット制御、ゲームやスポーツをプレイするなど)
- 12. Bright Vision いろいろなディープラーニング CNN （Convolutional Neural Network：畳み込みニューラルネット） 11 ディープラーニングでの画像認識は、ほぼCNNを利用している 特徴量抽出(畳み込み)と、特徴をまとめる（プーリング）を繰り返して画像の特徴を出す 最近は100層以上の深いネットワークが使われる 画像以外にも、音声認識、自然言語認識等にも使われる https://en.wikipedia.org/wiki/Convolutional_neural_network CS231n: Convolutional Neural Networks for Visual Recognition, Lecture7, p22
- 13. Bright Vision いろいろなディープラーニング RNN （Recurrent Neural Network：再帰ニューラルネット） 12 ネットワーク内にループ構造を持つニューラルネット 機械翻訳、チャットBot、文章生成、音声認識・合成、センサ情報処理など 時系列データを扱うのに有効 ループを時間方向で展開することで、ネットワークの学習を行うことができる ループ構造を持つネットワーク https://en.wikipedia.org/wiki/Recurrent_neural_network RNNによるテキスト翻訳 ループを時間方向に展開 翻訳元テキスト 翻訳後テキスト
- 14. Bright Vision いろいろなディープラーニング GAN （Generartive Adversarial Networks：敵対的生成学習） 13 画像生成、画像変換など自動的にコンテンツを作るのによく使われる 生成器(Generrator)は判別器(Discriminator)を騙すような画像をつくるように学習、 判別機は本物と生成器で作られた画像とを判別するように学習する CNNと組み合わせたDCGAN(Deep Convolutional Generative Adversarial Networks)が有名 Generator （本物に似せて生成） Discriminator （本物か偽物・生成さ れたものかを判別） ランダム ベクトル 生成された画像 本物の画像 本物か偽物 かの判別結果 GANの概要 DCGANの応用（Pix2Pix） https://github.com/phillipi/pix2pix
- 15. Bright Vision いろいろなディープラーニング DQN （Deep Q-Network） 14 自分の最適な行動を決める強化学習にディープラーニングを組み合わせたもの 囲碁のAlphaGoのベースになったり、テレビゲームで高得点を出したりする ロボットの操作や自動運転などにも応用できる エージェントが環境に応じて行動を決め、その結果の報酬の総和が最大になるように学習する 後継のDNC（Differentiable Neural Computers）もGoogle(DeepMind)より発表されている http://qiita.com/Ugo-Nama/items/08c6a5f6a571335972d5 強化学習の概要 AlphaGoの概要 http://deeplearningskysthelimit.blogspot.jp/2016/04/part-2-alphago-under-magnifying-glass.html
- 16. Bright Vision ビジネスへの人工知能の生かし方のポイント 人工知能の得意なことと、人の得意なことを組み合わせる 人工知能の正答率は通常90～98%程度。 人工知能が間違った答えを出してもリカバリーできるようにしておく 大量のデータが必要なため、データを継続的にためる仕組みを考える。 データの質と量がポイントになる アルゴリズムの構築や学習には時間と手間がかかるので、 かけた労力に見合うことをさせる 比較的単純作業で、大量に行う必要があるものを人工知能で代替する 人が判断していたものを、データと人工知能で補完することで、 すばやく判断したり新しい気づきが得られるようにする 2つの基本的アプローチ