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.

[Developers Summit 2018] Microsoft AIプラットフォームによるインテリジェント アプリケーションの構築

1,662 views

Published on

https://satonaoki.wordpress.com/2018/02/19/devsumi-microsoft-ai-2/

http://event.shoeisha.jp/devsumi/20180215/session/1611/

Published in: Software
  • Be the first to comment

[Developers Summit 2018] Microsoft AIプラットフォームによるインテリジェント アプリケーションの構築

  1. 1. http://event.shoeisha.jp/devsumi/20180215/session/1611/
  2. 2. 製造設備 原材料、プロダクト 予防保全 顧客中心主義 迅速に革新し、より機敏になる スマート プロダクト サービス エコシステム コネクテッド コンシューマー 顧客 サプライチェーン 設計開発 製造 マーケティング 販売 サービス
  3. 3. 完全自動運転で100%無事故を 実現しようとすると最低でも 88億マイル をテストしなければならない 1 2020年、自動運転車は 1日に約4,000GB のデータを生成、消費 2 Paris Auto Show Automobility Los Angeles Gartner TechRadar Earthdata Automobility Los Angeles 2020年、 204億のモノ がつながる 3 90分のアニメーション映像を製作するために 6,500万時間分 の画像レンダリングが必要 4 2020年、飛行機から 1日に40TB のデータが生成 6 NASAの地球観測システムおよび 情報システム (EODSIS) は 1日に約28テラバイト のデータを配信 5
  4. 4. Productive + Hybrid + Intelligent + Trusted
  5. 5. 高度なワークロード Web + モバイル IoT (Internet of Things) マイクロサービス サーバーレス アイデンティティ管理 データ + 分析 Cognitive Services HPC コア インフラストラクチャ コンピューティング ストレージ ネットワーキング セキュリティ ツール Visual Studio + Visual Studio Code + Visual Studio Team Services
  6. 6. https://www.youtube.com/watch?v=r1cyTL8JqRg
  7. 7. 2012 深層学習 Google Brain が、 YouTube で 75% の精度で 猫を識別 機械学習 学習させ続ける事で 自律的に改善し続ける プログラム AI コンピューターが 人間が通常 行っている事を行う AI ニューラル ネットワーク 機械学習 深層学習 (ニューラル ネットワークの進化) 1956 用語 「人工知能」 が使用される 最初の 「AIの冬」 2回目の 「AIの冬」 1974-1980 1987-1993 2006 深層学習の 台頭 2015 DeepMind の AlphaGo が 囲碁で Lee Sedol を破る 2016 マイクロソフトが 会話の音声認識で 人間と同じ 精度を実現 マイクロソフトが 画像認識で 人間と同じ 精度を実現
  8. 8. サービス インフラストラクチャ ツール
  9. 9. 事前構築済みAI
  10. 10. Custom Custom CustomCustom Custom
  11. 11. だから何なの?
  12. 12. • 雑草 農薬にお金 コンバイン x AI 大幅 応用
  13. 13. https://www.microsoft.com/ja-jp/casestudies/eng.hokudai.aspx
  14. 14. Eラーニングシステム 動画配信 Azure Media Services 字幕作成 Azure Media Indexer 字幕翻訳 Microsoft Translator + + + ✓ 動画配信システムの初期導入コストの大幅削減 ✓ 字幕の作成、翻訳にかかる時間とコストを大幅に削減 ✓ マルチ デバイスに対応した動画配信 ✓ 多数のユーザーの同時視聴に耐えうる動画配信 ✓ 視聴ログを基にした自動評定 ✓ 教員自らが動画コンテンツを管理できる仕組みの提供 ✓ 教員間での動画コンテンツの共有・移譲 特徴
  15. 15. 90分のコンテンツ 現状 導入後 字幕起こし費用 最低15000円? 平均153円 字幕起こし時間 900分? 平均29分程度 字幕翻訳費用 20,000円? <50円 字幕翻訳期間 15~20日? 平均20分程度 1/100 1/30分 1/400分 1/1080分
  16. 16. John F. Kennedy (JFK) November 22, 1963 http://aka.ms/jfkfilesjp
  17. 17. Azure Web Apps (azsearch.js) Azure Blob Storage Azure Functions Skills: Computer Vision OCR + Handwriting Entity Linking CIA Cryptonyms Azure Search Azure Cosmos DB Azure Machine Learning Cognitive Skill Set JFK FILES COGNITIVE SEARCH ARCHITECTURE Skill: Topics
  18. 18. Positive Text Analytics
  19. 19. Entities Identified Positive Text Analytics Entity Linking Intelligent Service
  20. 20. "entityTypeHints": [ "Person" ], "entityTypeDisplayHint": "Explorer" "entityTypeHints": [ "Drug" "entityTypeHints": [ "Place" Positive Entities Identified Text Analytics Entity Linking Intelligent Service Entities Type Bing Entity Search API
  21. 21. Copyright 2018 Cogent Labs. All Rights Reserved. カイドク - 自然言語理解エンジン - 文書を探しやすくして間違いや 問合せをなくし検索にかかる時間を短縮 気づいていなかった文書間の関係性の発見 - 業務文書の検索の高度化 - 問合せサポート業務の改善 - トレンド分析 - 業務報告書からの行動分析 さまざまな文書を理解しマッピング 「ドキュメントを入れる」または「検索」 目的の文書を探し出すことができます
  22. 22. データAI
  23. 23. 1. 顔の解析 2. 画像への タグ 付け 3. 顔の感情分析 4. OCR 1. テキストからの重要語句の抽出 2. テキストの感情分析 Azure Data Lakeの6つのCognitive機能
  24. 24. REFERENCE ASSEMBLY ImageCommon; REFERENCE ASSEMBLY FaceSdk; REFERENCE ASSEMBLY ImageEmotion; REFERENCE ASSEMBLY ImageTagging; @objects = PROCESS MegaFaceView PRODUCE FileName, NumObjects int, Tags string READONLY FileName USING new Cognition.Vision.ImageTagger(); @tags = SELECT FileName, T.Tag FROM @objects CROSS APPLY EXPLODE(SqlArray.Create(Tags.Split(';'))) AS T(Tag) WHERE T.Tag.ToString().Contains("dog") OR T.Tag.ToString().Contains("cat"); @emotion_raw = PROCESS MegaFaceView PRODUCE FileName string, NumFaces int, Emotion string READONLY FileName USING new Cognition.Vision.EmotionAnalyzer(); @emotion = SELECT FileName, T.Emotion FROM @emotion_raw CROSS APPLY EXPLODE(SqlArray.Create(Emotion.Split(';'))) AS T(Emotion); @correlation = SELECT T.FileName, Emotion, Tag FROM @emotion AS E INNER JOIN @tags AS T ON E.FileName == T.FileName; Images Objects Emotions filter join aggregate
  25. 25. カスタムAI
  26. 26. https://medium.com/@samim/generating-stories-about-images-d163ba41e4ed https://github.com/ryankiros/neural-storyteller
  27. 27. 運用データの準備 モデルの構築 Azure Machine Learning Experimentation Service Azure Machine Learning Model Management Service
  28. 28. St George Island
  29. 29. プロジェクトの依存関係の管理 トレーニング ジョブのローカル、スケールアップまたは スケールアウトの環境から選択 Git ベースのチェックポイントとバージョン管理 実行メトリック、出力ログ、およびモデルの サービス サイド キャプチャ お気に入りのIDE、および任意のフレームワークを利用 U S E T H E M O S T P O P U L A R I N N O V A T I O N S U S E A N Y T O O L U S E A N Y F R A M E W O R K O R L I B R A R Y
  30. 30. Spark SQL Server GPU インスタンス AKS (Kubernetes) Azure Machine Learning Workbench / AI Tools for VS SQL Server Machine Learning Server オンプレミス エッジ コンピューティング Azure IoT Edge 実験、モデルの管理 Azure Machine Learning Services トレーニングとデプロイ Azure
  31. 31. リモート監視、制御 多数のIoTデバイスからの収集データを集約 先進AIの適用を可能にする、無限に近い コンピューティング リソース、ストレージ リアルタイム応答に必要な低遅延、 厳しい制御 プライバシーデータや知的財産の保護
  32. 32. Azure IoT Edge Azure IoT Hub Devices Local Storage Azure Machine Learning (Container) Module Management Agent Device Twin Device Twin Azure Stream Analytics (Container) Azure Functions (Container) Cognitive Services (Container) Custom Code (Container) Module Twin Module Twin Module Twin Module Twin Module Twin Module Twin Module Twin Module Twin Module Twin Module TwinModule Twin Module Twin Module Twin Module Twin Device Twin Module Twin Module Twin Module Twin Module Twin Device Twin IoT Hub
  33. 33. 機械学習 ルール ベー ス インテリジェント アプリ
  34. 34. https://dllab.connpass.com/
  35. 35. © 2018 Microsoft Corporation. All rights reserved. Microsoft, Windows, Windows Vista and other product names are or may be registered trademarks and/or trademarks in the U.S. and/or other countries. The information herein is for informational purposes only and represents the current view of Microsoft Corporation as of the date of this presentation. Because Microsoft must respond to changing market conditions, it should not be interpreted to be a commitment on the part of Microsoft, and Microsoft cannot guarantee the accuracy of any information provided after the date of this presentation. MICROSOFT MAKES NO WARRANTIES, EXPRESS, IMPLIED OR STATUTORY, AS TO THE INFORMATION IN THIS PRESENTATION.

×