Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
AI	が今できること、5年後にできること
Copyright©2017	Rist	Inc.	All	Rights Reserved.
人工知能を取り巻く、メディアと実際の現場の温度差について
株式会社Rist 代表取締役 遠野宏季
今起こっている未来
〜AIが今できること、5年後にできること〜
本スライドは、2017/3/31の
で行った講演
の資料を一部編集・抜粋しています。
お気付きの点などありましたら
hello@rist.co.jp
までご連絡頂けますと幸いです。...
講演者紹介
2
小さい頃の夢
人を幸せにする科学者になること
遠野宏季
経歴
• 1991年 静岡県生まれ、広島育ち
• 2014年 京都大学工学部卒業
• 2015年 京都大学大学院工学研究科入学
• 2016年2月 株式会社Exaintel...
3Copyright©2017	Rist	Inc.	All	Rights Reserved.
新しいモノを生み出すより
世の中に新しい価値を生み出したい
4Copyright©2017	Rist	Inc.	All	Rights Reserved.
株式会社Rist
5
アカデミアの技術を、実社会へ落とし込む
基幹技術
Copyright©2017	Rist	Inc.	All	Rights Reserved.
Deep	Learningを用いたRist事業
6
インターネット上だけではなく、医療現場や工場などの現場へ
汚れ群 サビ群 キズ群
・・・
従来技術より分類精度約40%向上も
製造業向け検査システム 分類事例
医療画像解析
眼底画像 脳MRI...
何故Deep	Learningか
7
非構造化データの処理に強い:現実の課題解決に有効
画像 音声
オープンなコミュニティ
豊富なオープンソースプロジェクト 最新のアルゴリズムへのアクセス
Copyright©2017	Rist	Inc.	Al...
8
「人工知能」と言われているモノについて
Copyright©2017	Rist	Inc.	All	Rights Reserved.
9
人工知能とは
得られた情報をもとに
学習
分類・予測・生成
学習した結果をもとに、推論・予測・生成を行うことが出来るシステム
Copyright©2017	Rist	Inc.	All	Rights Reserved.
10
人工知能と機械学習
数値データに基づく
学習
学習した結果をもとに、推論・予測を行うことが出来るシステム
数値データに変換できる情報を扱う
分類・予測・生成
Copyright©2017	Rist	Inc.	All	Rights Rese...
11
ここでのAI(人工知能)の定義
「知能っぽくざっくり何かを処理するシステム全般」
Copyright©2017	Rist	Inc.	All	Rights Reserved.
人工知能の歴史1
12
「数値などの構造化データ」
1950 20001990198019701960
探索と推論
記号処理のための
ルールや数式をプログ
ラム化し、思考や推論
など人間が行う情報処
理を行わせる
1980年
統計的アプローチ
...
Deep	Learning
13
「対象の特徴量」がデータに基づく学習により獲得される
Cat	(0.7)
Dog (0.1)
Fox	(0.2) 「ネコ」
0
5
10
15
20
25
30
ILSVRC2012(1000種類の画像認識) ...
14
自ら特徴を把握し学習する「深層強化学習」
思考錯誤し学習する強化学習特徴を抽出するDeep	Learning
エージェント
環境
観測
報酬
行動
Copyright©2017	Rist	Inc.	All	Rights Reserved.
人工知能の歴史2
15
2006年
多層ネットワークを
用いる手法発表
2012年:画像分類
画像処理世界大会で
Deep	Learningを用いたチームが優勝
2016年:深層強化学習
ゲーム・囲碁・ロボットアーム
2016年:音声認識(LS...
16
広すぎる活用領域
https://www.bloomberg.com/company/announcements/current-state-machine-intelligence/
Copyright©2017	Rist	Inc.	A...
17
AIを使った最先端のサービス…?
人工知能なんだろうけど…イマイチパッとしない…?
AI×エアコン
部屋の温度を自動で調整
AI× ECサイト
あなたに合った商品をレコメンド
AI×トレーディングボット
適切なタイミングで株を売買
AI×...
18
なぜメディアが取り上げる内容と実際のビジネスに
温度差があるのか?
Copyright©2017	Rist	Inc.	All	Rights Reserved.
19
答え
メディアの話題の多くは、研究・エンタメレベルで「出来ること」
に対して
ビジネスに必要なのは、実用レベルで「出来ること」
Copyright©2017	Rist	Inc.	All	Rights Reserved.
技術とビジネスの「今」、「出来ること」
20
「構造化データの学習」 「非構造化データの学習」
「マルチモーダル学習」
研究
𝑃 𝐴 𝐻 =
𝑃 𝐻 𝐴 𝑃(𝐴)
𝑃(𝐻)
「技術的に」出来るようになって数年後に
「ビジネス的に」出来る(受け入...
21
画像認識・処理に関わる新技術
スタイル変換 類似画像の描写(概念抽出)
画像の描写説明画像の分類(タグ付け)
Copyright©2017	Rist	Inc.	All	Rights Reserved.
22
画像認識・生成技術ベース
一般物体・雰囲気認識: Ditto	Labs,	Inc.
スタイル生成:	Prisma Labs,	Inc.
Copyright©2017	Rist	Inc.	All	Rights Reserved.
23
現実でのマーケティングへ
Copyright©2017	Rist	Inc.	All	Rights Reserved.
技術とビジネスの「5年後」、「出来ること」
24
「構造化データの学習」 「非構造化データの学習」
「マルチモーダル学習」
研究
ビジネス
𝑃 𝐴 𝐻 =
𝑃 𝐻 𝐴 𝑃(𝐴)
𝑃(𝐻)
「深層強化学習」
「非構造化データの学習」を使ったビジネ...
一例…
25Copyright©2017	Rist	Inc.	All	Rights Reserved.
26
先物取引:現在の人工知能
過去の取引データや、天候などから収穫量などを予測
Copyright©2017	Rist	Inc.	All	Rights Reserved.
27
先物取引: 5年後の人工知能
衛星の画像から、リアルタイムに収穫量などを「見て」予測
Copyright©2017	Rist	Inc.	All	Rights Reserved.
28
既に取り組みは始まっている
Copyright©2017	Rist	Inc.	All	Rights Reserved.
技術とビジネスの「5年後」、「出来ること」
29
「構造化データの学習」 「非構造化データの学習」
「マルチモーダル学習」
「深層強化学習」
「技術的に」出来ることと、「ビジネスで」出来ることの差が鍵
ビジネス
技術
ビジネス
技術
現在
5年...
そもそも
研究レベルで「出来ること」が
ビジネスに必要な実用レベルで「出来ない」のは
何故か?
30Copyright©2017	Rist	Inc.	All	Rights Reserved.
理由1
論文の条件と、実社会の条件が違いすぎる
31Copyright©2017	Rist	Inc.	All	Rights Reserved.
32
画像処理の例
データを増やすなどの前処理やハードウェア設計が必要な場合も
→パッケージソフトでは無く、人が試行錯誤する必要がある
製造業の現場
データセット: 検査機器の画像
3種類の分類
各種類枚数がばらばら
異常B:	25枚異常A:	...
理由2
教師データが有限である性質上、完璧な予測・判別ができないため
それだけに頼るのはリスクが高いから
(意訳:使いどころが難しく扱いづらい)
33Copyright©2017	Rist	Inc.	All	Rights Reserved.
34
曖昧な対象のシステム化の難しさ
タスクをこなす新人スタッフ
新人バイトにでも任せられるタスク(人間らしいミスが起こりうる)
もしくは、複数のチェック機能を持たせたタスク処理が現実的
たまに見当違いなミスもある
十分な経験
熟練スタッフ
信...
AIで「今」出来ること、「5年後」出来ること
35
「数値の学習」 「感覚の学習」 「マルチモーダル学習」
現在
ビジネス
5年後
技術
ビジネス
技術
5年後のビジネスの鍵は
画像や音声などの「非構造データの処理」と既存ビジネスの組合わせ
「...
ここ最近注目されている研究成果
Copyright©2017	Rist	Inc.	All	Rights Reserved.
画像処理系:	隠れた部分の描写
37
https://arxiv.org/pdf/1612.08534.pdf
Robust	LSTM-Autoencoders for	Face	De-Occlusion	in	the	Wild
Copyrig...
画像処理系:	隠れた部分の描写
38
https://arxiv.org/pdf/1601.06759.pdf
Pixel	Recurrent	Neural	Network
Copyright©2017	Rist	Inc.	All	Rights...
画像処理2:画像変換
39
https://arxiv.org/pdf/1611.07004.pdf
Image	to	Image	Translation	with	Conditional	Adversal Networks
Copyright...
動画処理:動画生成
40
http://web.mit.edu/vondrick/tinyvideo/paper.pdf
Generating	Videos	with	Scene	Dynamics
http://web.mit.edu/vond...
音声処理:音の推測
41
SoundNet:	Learning	Sound	Representations	from	Unlabeled	Video
http://projects.csail.mit.edu/soundnet/
Copyrig...
音の推測
42
http://projects.csail.mit.edu/soundnet/
Copyright©2017	Rist	Inc.	All	Rights Reserved.
マルチモーダル学習:画像の説明文生成
43
http://cs.stanford.edu/people/karpathy/cvpr2015.pdf
Deep	Visual-Semantic	Alignments	for	Generating	I...
株式会社Ristでは、Deep	Learningを始めとした技術を用いて
サービス開発・コンサルティングを行っています。
お気軽にお問い合わせください。
http://www.rist.co.jp
hello@rist.co.jp
Copyri...
Upcoming SlideShare
Loading in …5
×

AIがビジネスで今出来ること、5年後出来ること

5,623 views

Published on

「人工知能」と言われているモノの、メディアと実際のビジネスの現場でのイメージの違いについて解説してみました。
対象はエンジニア・技術者というよりはビジネスの方向けの内容です。
株式会社Rist (http://www.rist.co.jp)
【日経ビジネススクールにて講演させて頂いた際の資料を、一部抜粋・編集し公開しています。 】

Published in: Technology
  • Be the first to comment

AIがビジネスで今出来ること、5年後出来ること

  1. 1. AI が今できること、5年後にできること Copyright©2017 Rist Inc. All Rights Reserved. 人工知能を取り巻く、メディアと実際の現場の温度差について 株式会社Rist 代表取締役 遠野宏季
  2. 2. 今起こっている未来 〜AIが今できること、5年後にできること〜 本スライドは、2017/3/31の で行った講演 の資料を一部編集・抜粋しています。 お気付きの点などありましたら hello@rist.co.jp までご連絡頂けますと幸いです。 Copyright©2017 Rist Inc. All Rights Reserved.
  3. 3. 講演者紹介 2 小さい頃の夢 人を幸せにする科学者になること 遠野宏季 経歴 • 1991年 静岡県生まれ、広島育ち • 2014年 京都大学工学部卒業 • 2015年 京都大学大学院工学研究科入学 • 2016年2月 株式会社Exaintelligence立ち上げ • 2016年8月 株式会社Rist創業 Hiroki E. et al., Chem. Asian J. 2014, 9, 3136-3140 大学時代は有機・無機化合物に関する研究 Copyright©2017 Rist Inc. All Rights Reserved.
  4. 4. 3Copyright©2017 Rist Inc. All Rights Reserved.
  5. 5. 新しいモノを生み出すより 世の中に新しい価値を生み出したい 4Copyright©2017 Rist Inc. All Rights Reserved.
  6. 6. 株式会社Rist 5 アカデミアの技術を、実社会へ落とし込む 基幹技術 Copyright©2017 Rist Inc. All Rights Reserved.
  7. 7. Deep Learningを用いたRist事業 6 インターネット上だけではなく、医療現場や工場などの現場へ 汚れ群 サビ群 キズ群 ・・・ 従来技術より分類精度約40%向上も 製造業向け検査システム 分類事例 医療画像解析 眼底画像 脳MRI 網膜剥離の識別性能:95%以上 Copyright©2017 Rist Inc. All Rights Reserved.
  8. 8. 何故Deep Learningか 7 非構造化データの処理に強い:現実の課題解決に有効 画像 音声 オープンなコミュニティ 豊富なオープンソースプロジェクト 最新のアルゴリズムへのアクセス Copyright©2017 Rist Inc. All Rights Reserved.
  9. 9. 8 「人工知能」と言われているモノについて Copyright©2017 Rist Inc. All Rights Reserved.
  10. 10. 9 人工知能とは 得られた情報をもとに 学習 分類・予測・生成 学習した結果をもとに、推論・予測・生成を行うことが出来るシステム Copyright©2017 Rist Inc. All Rights Reserved.
  11. 11. 10 人工知能と機械学習 数値データに基づく 学習 学習した結果をもとに、推論・予測を行うことが出来るシステム 数値データに変換できる情報を扱う 分類・予測・生成 Copyright©2017 Rist Inc. All Rights Reserved.
  12. 12. 11 ここでのAI(人工知能)の定義 「知能っぽくざっくり何かを処理するシステム全般」 Copyright©2017 Rist Inc. All Rights Reserved.
  13. 13. 人工知能の歴史1 12 「数値などの構造化データ」 1950 20001990198019701960 探索と推論 記号処理のための ルールや数式をプログ ラム化し、思考や推論 など人間が行う情報処 理を行わせる 1980年 統計的アプローチ 膨大なデータをベイズ理 論に基づく統計的手法 で計算し、自らルールを 生成し情報処理する PC登場 インターネット 登場 ハードウェア 性能向上 𝑃 𝐴 𝐻 = 𝑃 𝐻 𝐴 𝑃(𝐴) 𝑃(𝐻) エキスパートシステム 専門家の知識やノウハウを ルール化し、コンピュータに 処理を行わせる 2000年代1960年代: Copyright©2017 Rist Inc. All Rights Reserved.
  14. 14. Deep Learning 13 「対象の特徴量」がデータに基づく学習により獲得される Cat (0.7) Dog (0.1) Fox (0.2) 「ネコ」 0 5 10 15 20 25 30 ILSVRC2012(1000種類の画像認識) Facebookの顔識別技術(97.25%) SuperVision ISI OXFORD_VGG XRCE/INRIA 優勝 誤差率 2位と10%以上の差 人間(97.53%) と同等の識別精度 Copyright©2017 Rist Inc. All Rights Reserved.
  15. 15. 14 自ら特徴を把握し学習する「深層強化学習」 思考錯誤し学習する強化学習特徴を抽出するDeep Learning エージェント 環境 観測 報酬 行動 Copyright©2017 Rist Inc. All Rights Reserved.
  16. 16. 人工知能の歴史2 15 2006年 多層ネットワークを 用いる手法発表 2012年:画像分類 画像処理世界大会で Deep Learningを用いたチームが優勝 2016年:深層強化学習 ゲーム・囲碁・ロボットアーム 2016年:音声認識(LSTM) マイクロソフト世界記録更新 2014年:画像の生成 DCGAN 2000 2017201620152014201320122011 2014年:画像説明(CNN+RNN) 「深層強化学習やマルチモーダルでの学習」 「画像などの非構造化データの学習」 Copyright©2017 Rist Inc. All Rights Reserved.
  17. 17. 16 広すぎる活用領域 https://www.bloomberg.com/company/announcements/current-state-machine-intelligence/ Copyright©2017 Rist Inc. All Rights Reserved.
  18. 18. 17 AIを使った最先端のサービス…? 人工知能なんだろうけど…イマイチパッとしない…? AI×エアコン 部屋の温度を自動で調整 AI× ECサイト あなたに合った商品をレコメンド AI×トレーディングボット 適切なタイミングで株を売買 AI×チャットボット 買い物や雑談に Copyright©2017 Rist Inc. All Rights Reserved.
  19. 19. 18 なぜメディアが取り上げる内容と実際のビジネスに 温度差があるのか? Copyright©2017 Rist Inc. All Rights Reserved.
  20. 20. 19 答え メディアの話題の多くは、研究・エンタメレベルで「出来ること」 に対して ビジネスに必要なのは、実用レベルで「出来ること」 Copyright©2017 Rist Inc. All Rights Reserved.
  21. 21. 技術とビジネスの「今」、「出来ること」 20 「構造化データの学習」 「非構造化データの学習」 「マルチモーダル学習」 研究 𝑃 𝐴 𝐻 = 𝑃 𝐻 𝐴 𝑃(𝐴) 𝑃(𝐻) 「技術的に」出来るようになって数年後に 「ビジネス的に」出来る(受け入れられる)ようになっている印象 ビジネス 画像解析 • 技術そのままAPI • サービス組み込み 「深層強化学習」 Copyright©2017 Rist Inc. All Rights Reserved.
  22. 22. 21 画像認識・処理に関わる新技術 スタイル変換 類似画像の描写(概念抽出) 画像の描写説明画像の分類(タグ付け) Copyright©2017 Rist Inc. All Rights Reserved.
  23. 23. 22 画像認識・生成技術ベース 一般物体・雰囲気認識: Ditto Labs, Inc. スタイル生成: Prisma Labs, Inc. Copyright©2017 Rist Inc. All Rights Reserved.
  24. 24. 23 現実でのマーケティングへ Copyright©2017 Rist Inc. All Rights Reserved.
  25. 25. 技術とビジネスの「5年後」、「出来ること」 24 「構造化データの学習」 「非構造化データの学習」 「マルチモーダル学習」 研究 ビジネス 𝑃 𝐴 𝐻 = 𝑃 𝐻 𝐴 𝑃(𝐴) 𝑃(𝐻) 「深層強化学習」 「非構造化データの学習」を使ったビジネスが 実用化段階になっているはず Copyright©2017 Rist Inc. All Rights Reserved.
  26. 26. 一例… 25Copyright©2017 Rist Inc. All Rights Reserved.
  27. 27. 26 先物取引:現在の人工知能 過去の取引データや、天候などから収穫量などを予測 Copyright©2017 Rist Inc. All Rights Reserved.
  28. 28. 27 先物取引: 5年後の人工知能 衛星の画像から、リアルタイムに収穫量などを「見て」予測 Copyright©2017 Rist Inc. All Rights Reserved.
  29. 29. 28 既に取り組みは始まっている Copyright©2017 Rist Inc. All Rights Reserved.
  30. 30. 技術とビジネスの「5年後」、「出来ること」 29 「構造化データの学習」 「非構造化データの学習」 「マルチモーダル学習」 「深層強化学習」 「技術的に」出来ることと、「ビジネスで」出来ることの差が鍵 ビジネス 技術 ビジネス 技術 現在 5年後 Copyright©2017 Rist Inc. All Rights Reserved.
  31. 31. そもそも 研究レベルで「出来ること」が ビジネスに必要な実用レベルで「出来ない」のは 何故か? 30Copyright©2017 Rist Inc. All Rights Reserved.
  32. 32. 理由1 論文の条件と、実社会の条件が違いすぎる 31Copyright©2017 Rist Inc. All Rights Reserved.
  33. 33. 32 画像処理の例 データを増やすなどの前処理やハードウェア設計が必要な場合も →パッケージソフトでは無く、人が試行錯誤する必要がある 製造業の現場 データセット: 検査機器の画像 3種類の分類 各種類枚数がばらばら 異常B: 25枚異常A: 30枚正常画像:10000枚 異常画像のデータ数が少ない… (年に数枚しか出ないなど) Kaggle データセット: CIFAR-10 10種類の分類 各種類5000枚の訓練データ 全種類のデータ数が豊富 タスク:数種類の対象の画像から学習し、分類モデルを作る Copyright©2017 Rist Inc. All Rights Reserved.
  34. 34. 理由2 教師データが有限である性質上、完璧な予測・判別ができないため それだけに頼るのはリスクが高いから (意訳:使いどころが難しく扱いづらい) 33Copyright©2017 Rist Inc. All Rights Reserved.
  35. 35. 34 曖昧な対象のシステム化の難しさ タスクをこなす新人スタッフ 新人バイトにでも任せられるタスク(人間らしいミスが起こりうる) もしくは、複数のチェック機能を持たせたタスク処理が現実的 たまに見当違いなミスもある 十分な経験 熟練スタッフ 信頼できる仕事 十分な教師データ データが十分でないDLシステム たまに見当違いなミスもある 信頼できる性能だいたいは足りない Copyright©2017 Rist Inc. All Rights Reserved.
  36. 36. AIで「今」出来ること、「5年後」出来ること 35 「数値の学習」 「感覚の学習」 「マルチモーダル学習」 現在 ビジネス 5年後 技術 ビジネス 技術 5年後のビジネスの鍵は 画像や音声などの「非構造データの処理」と既存ビジネスの組合わせ 「深層強化学習」 ノウハウの蓄積 Copyright©2017 Rist Inc. All Rights Reserved.
  37. 37. ここ最近注目されている研究成果 Copyright©2017 Rist Inc. All Rights Reserved.
  38. 38. 画像処理系: 隠れた部分の描写 37 https://arxiv.org/pdf/1612.08534.pdf Robust LSTM-Autoencoders for Face De-Occlusion in the Wild Copyright©2017 Rist Inc. All Rights Reserved.
  39. 39. 画像処理系: 隠れた部分の描写 38 https://arxiv.org/pdf/1601.06759.pdf Pixel Recurrent Neural Network Copyright©2017 Rist Inc. All Rights Reserved.
  40. 40. 画像処理2:画像変換 39 https://arxiv.org/pdf/1611.07004.pdf Image to Image Translation with Conditional Adversal Networks Copyright©2017 Rist Inc. All Rights Reserved.
  41. 41. 動画処理:動画生成 40 http://web.mit.edu/vondrick/tinyvideo/paper.pdf Generating Videos with Scene Dynamics http://web.mit.edu/vondrick/tinyvideo/ Copyright©2017 Rist Inc. All Rights Reserved.
  42. 42. 音声処理:音の推測 41 SoundNet: Learning Sound Representations from Unlabeled Video http://projects.csail.mit.edu/soundnet/ Copyright©2017 Rist Inc. All Rights Reserved.
  43. 43. 音の推測 42 http://projects.csail.mit.edu/soundnet/ Copyright©2017 Rist Inc. All Rights Reserved.
  44. 44. マルチモーダル学習:画像の説明文生成 43 http://cs.stanford.edu/people/karpathy/cvpr2015.pdf Deep Visual-Semantic Alignments for Generating Image Descriptions Copyright©2017 Rist Inc. All Rights Reserved.
  45. 45. 株式会社Ristでは、Deep Learningを始めとした技術を用いて サービス開発・コンサルティングを行っています。 お気軽にお問い合わせください。 http://www.rist.co.jp hello@rist.co.jp Copyright©2017 Rist Inc. All Rights Reserved.

×