デジタルテクノロジーの進化がもたらすクルマの付加価値向上 20151218

©2015 Toyota InfoTechnology Center Co., Ltd.
デジタルテクノロジーの進化がもたらす
クルマの付加価値向上
加藤整
2015年12月18日、福岡国際会議場
ISIT第17回カーエレクトロニクス研究会

自己紹介
•加藤整 @seikato
•経歴
•2014.10- トヨタIT開発センター
•2012.6-2014.9 日本アイ・ビー・エム(株)事業戦略グループ
•2002.4-2012.5 日本アイ・ビー・エム(株)東京基礎研究所
第17回カーエレ研究会2
Big Data, Big Simulation and Deep Learning, 2012 エンジニアリングクラウド、2014
大部屋
大規模シミュレーション、2006
村上先生にお世話に
福岡国際会議場は
3年ぶりです
大規模シミュレーション、
リスク分析などを専門
http://fmi2012.imi.kyushu-u.ac.jp/
http://www.itmedia.co.jp/enterprise/articles/0806/10/news091.html
数理解析、大規模シミュレーション、リスク分析
新規事業創出、イノベーション・マネジメント
クルマ分野でのイノベーション・マネジメント、先進技術導入

はじめに
第17回カーエレ研究会
知能とモノ
という視座で眺める
3

知能側がモノ側を欲ス (身体性)
知能からモノへ
4
Google self driving car by Michael Shick [CC BY-SA 4.0]
https://youtu.be/JeVppkoloXs
https://youtu.be/a3AWpeOjkzw
Preferred Networks社
https://research.preferred.jp/2015/06/distributed-deep-reinforcement-learning/
UC Berkeley, Dpt. EE & CS
http://rll.berkeley.edu/deeplearningrobotics/
Google社
https://www.google.com/selfdrivingcar/

本日のおはなし
1.人工知能研究の最前線で起きてること
2.知能化したモノとの狭間で
3.トヨタIT開発センターでの取組
AI x IoT = Auto 2020
知能モノ

本日のおはなし1: 人工知能研究の最前線で起きてること
6
人工知能研究の最前線で起きてること

深層学習によりニューラル再び
0%
10%
20%
30%
40%
50%
1987 1995 2000 2005 2010 2015
Neural
SVM, kernel
Deep
Convex
Submod
コネクショニズムな時代
機械学習興隆
深層学習でニューラル再び
各年のNIPS採択論文タイトルより用語を含む件数を数え上げ、その年の採択論文数で除算して比率をITC算出, https://papers.nips.cc/7

機械学習系人材獲得が熾烈(1/2)
第17回カーエレ研究会8 上段画像はNIPS2015にてITC撮影、解像度を下げて掲載
下段画像はhttps://twitter.com/hashtag/nips2015
知能側

機械学習系人材獲得が熾烈(2/2)
第17回カーエレ研究会9 NIPS2015にてITC撮影、解像度を下げて掲載
モノ側知能側

深層学習の更にその先には?
パーセプトロン
ルールベースでの
知識表現
バック
プロパゲーション
ボルツマンマシン
ネオコグニトロン
TDギャモン
推論エンジン
エキスパート
システム
畳み込み
ニューラルネット
DBM, RBM
深層学習
SHRDLU
QUALM
深層学習+
逆強化学習
Deep Q-
Network
BRETT
Neural Turing
Machine
半教師あり学習
Memory
Netowrks
IBM Watson
IBM
TrueNorth
質問応答
システム
機械学習統計
確率モデル
最適化データ
マイニング
強化学習
?
10
Google
Google
UCB
Google
Facebook
IBM
IBM

深層学習の更にその先には?
パーセプトロン
ルールベースでの
知識表現
バック
プロパゲーション
ボルツマンマシン
ネオコグニトロン
TDギャモン
推論エンジン
エキスパート
システム
畳み込み
DBM, RBM
深層学習
SHRDLU
QUALM
深層学習+
逆強化学習
Deep Q-
Network
BRETT
Neural Turing
Machine
半教師あり学習
Memory
Netowrks
IBM Watson
IBM
TrueNorth
質問応答
システム
機械学習統計
確率モデル
最適化データ
マイニング
強化学習
?
11
Google
Google
UCB
Google
Facebook
IBM
IBM
エキスパートシステム
機械学習
質問応答
深層学習

物体検出から、画像キャプション生成/QA、画像概念へ
画像キャプション生成画像概念へ
12
O. Vinyals et al., Show and Tell: A Neural Image Caption Generator, arXiv:1411.4555
K. Xu et al., Show, Attend and Tell: Neural Image Caption Generation with Visual Attention, arXiv:1502.03044
J. Andreas et al., Deep Compositional Question Answering with Neural Module Networks, arXiv:1511.02799
S. Antol et al., VQA: Visual Question Answering, arXiv:1505.00468
https://github.com/Newmu/dcgan_code
F. Sadeghi et al., VISALOGY: Answering Visual Analogy Questions, arXiv:1509.08075
画像QA

知識記憶機構の構築
Memory Networks
(MemNN/MemN2N)
Neural GPU へNeural Turing Machine (NTM)
学習によりアルゴリズムを獲得文章を記憶、質問に回答並列化
加算
乗算
1010+0111
0110*0101
S. Sukhbaatar et al., End-To-End Memory Networks, arXiv:1503.08895
A. Graves et al., Neural Turing Machines, arXiv:1410.5401
Łukasz Kaiser and Ilya Sutskever, Neural GPUs Learn Algorithms, arXiv:1511.08228

特徴的なタスクへの適用
L.A. Gatys et al., A Neural Algorithm of Artistic Style, A Neural Algorithm of Artistic Style, arXiv:1508.06576
http://googleresearch.blogspot.jp/2015/06/inceptionism-going-deeper-into-neural.html
J. Wu et al., Galileo: Perceiving Physical Object Properties by Integrating a Physics Engine with Deep Learning, NIPS2015
C. Vondrick et al., Learning visual biases from human imagination, NIPS2015
A. Recasens et al., Where are they looking?, NIPS2015
画像自動生成
(コンテントとスタイルの相関最大化)
画像自動生成
(入力画像をNNが鳥と認識するように誘導)
視線検知視覚バイアス
モノの物理的特徴の推論

深層学習の動向とクルマとのつながり
1. 画像、自然言語が独立して処理される時代は終焉→ 画像の概念を自然言語で
機械が理解
2. NTM、MemN2Nなど記憶機構を持った計算機模型が簡単なアルゴリズムを学習
できるように。研究としては興味深いがまだトイタスクに適用できているレベル
3. 深層強化学習のNIPS WS会場が溢れかえるなど、引き続きロボットなどへの適用
が注目を集める
クルマへの適用は、1および3の領域で

本日のおはなし2: 知能化したモノとの狭間で
16
知能化したモノとの狭間で

知能化したモノと共生するには、HMI/機能配分/権限移譲が重要に
Level 0
外界
ドライバー
機械感覚
機能
認知
判断
HMI
外界
機械
人工知能
モジュール
センサー
モジュール
自動運転モジュール
ドライバー
感覚
機能
認知
判断
Level 1-3
機能配分
権限移譲
HMI

能力に限りがある人と能力に限りがある機械の共生
お互いの情報、意図を共有できるようにすることが重要
見ているものが異なる、同じで
も対応策が異なると
オートメーションサプライズ
機械に対する
不安、不信
機械に対する
過信、不信
機械が
見える見えない
見
え
る
見
え
な
い
人
が
18 稲垣, 人と機械の共生のデザイン, 2012

知能化したモノとのHMI
• 飛行経路，高度などの入力はキーボードの方が容易
• 操縦桿はあくまで機体に動機づけを与えるための道具なの
で、ジョイスティックで十分
• 限界点では機械が人間を補ったほうがいい
• パイロットには自然なので操縦桿は残してある
• 操作モードを切り替えることにより、機械を外せる
• ステルス爆撃機 B-2(コクピットはボーイング製)は普通の操
縦法で飛ばせる。超複雑な操縦システムを、飛行機の基
本的な操作系に縮約して入出力（仮想エルロン・ラダー・
エレベーター
• 人間のほうが機械よりうまいと思っている
B787A380 B-2
利用者に理解させやすい設計思想
A380 by Naddsy [CC BY 2.0]
B787 by Brandrodungswanderfeldhackbau
B-2 by by David Bohrer [Public domain]

オートメーションサプライズの防止
• 自動操縦のとき、サイドスティックとスラストレバーは定位置に
固定され動かいない
• 自動操縦の際に、コンピュータの制御に応じて、操縦輪とス
ラストレバーが動く
B787A380 B-2
コンピュータが何をしようとしているのかを情報提示
(ディスプレイでの表示に限らない)
稲垣, 人と機械の共生のデザイン, 2012
A380 by Naddsy [CC BY 2.0]
B787 by Brandrodungswanderfeldhackbau
B-2 by by David Bohrer [Public domain]

本日のおはなし3: トヨタIT開発センターのとりくみ
21
トヨタIT開発センターのとりくみ

トヨタIT開発センターのとりくみ
所有価値から利用価値へ
クルマは社会システムのエレメントに

所有価値から利用価値へ
APIエコノミーにおけるクルマ
Mobility Open Platform
Retail Sales
healthcare
Insurance
API
API
API
API
Mobility Service Providers
Contents Providers
API
Ad. Providers API
API
value in usedata, money

クルマは社会システムのエレメントに
社会システムを包摂したシステム(SoS)のモデル駆動開発手法
Integration
with Society (Energy, HOME)
ElectronizationTraditional
MBSE for SOSMBSElapping
SURIAWASE
PRODUCT
SYSTEM
CMPNT
PRODUCT
SYSTEM
CMPNT
System of Systems
DEV.
Metho-
dology
Body
Engine
Interior
Body
Engine
Interior
Body
Engine
Interior
OEM A OEM B OEM C
Interior
Powertrain
Interior
SW for
ECUs
OEM A OEM B OEM C
SW for ECUs
Vertical Integration Horizontal Collaboration System Design Ability
Social System
Center System
Vehicle
AUTO
IND.
OEM A OEM B OEM C

まとめ
機械が概念を理解できるようになりつつある
知能化された機械と人間双方の意図を共有
できるようにすることがより重要になりつつある
トヨタIT開発センターではこれらAIｘIoTの
新たな世界に向けた取組を開始しています

©2015 Toyota InfoTechnology Center Co., Ltd.第17回カーエレ研究会
加藤整
トヨタIT開発センター調査企画グループグループリーダー
<se-kato@jp.toyota-itc.com>
http://seikato.weebly.com/
26

デジタルテクノロジーの進化がもたらすクルマの付加価値向上 20151218

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to デジタルテクノロジーの進化がもたらすクルマの付加価値向上 20151218

Similar to デジタルテクノロジーの進化がもたらすクルマの付加価値向上 20151218 (20)

デジタルテクノロジーの進化がもたらすクルマの付加価値向上 20151218