AIの夢と現実

AIの夢と現実

• 1.
  「AIの夢と現実」 2017.3.27 XCompass Intelligence Ltd. AllRights Reserved. intelligence
• 2.
  1 会社概要 株式会社クロスコンパス・インテリジェンス XCompass Intelligence Ltd. TEL:03-6380-9729、URL: http://www.xcompass.com 株式会社クロスコンパス XCompass Ltd. 2011年10月創業・東工大発ベンチャー 千代田区九段北１丁目１４−１７ AMINAKA九段ビル5F
• 3.
  2 事業紹介 A:収入確保・知見の蓄積 B:本来目的 A:収入確保・知見の蓄積 B:本来目的 A:収入確保・知見の蓄積 B:本来目的 進むべき方向 2016年4月から現在まで 相談件数：130件以上 対応件数：60件以上 会社数：25社以上 カレント：10件程度 1. 企業向けAIコンサルティング 2. 企業向けDLパイロットプロジェクト実施 3.企業向けDL研究開発 「今、人工知能（AI）をすぐにでも活用したい企業の“駆け込 み寺”になっているベンチャー企業がある。ディープラーニングによ るデータ分析技術を専門に手掛けるクロスコンパス・インテリジェ ンス（本社東京、以下XCI）だ。」 日経テクノロジー 2016年2月号 1. AIプラットフォーム構築 2. 新NNアルゴリズム開発 Google Search 「人工知能ベンチャー」「ディープラーニング会社」「AIベンチャー」 * no-SEO検索結果のトップに表示される。2014年からずっと継続中
• 4.
  3 事例ざっくり  人動作検知：動画識別  燃焼識別：動画識別 ヒヤリハット識別・予測：動画・画像・マルチモーダル  画像再構築：生成系(GAN等)  売り上げ予測：時系列データ  文字自動生成・識別：生成系  大学合格判定推定：クラスタリング等  特殊な音声認識：音声認識  音響制御：音響処理  ロボット制御関連：強化学習・逆強化学習  デザイン応用：生成系  プロセス最適化：強化学習  異常検知：時系列データ  外観検査：画像・動画  リコメンド：自然言語処理  OCR：画像  情報セキュリティ：自然言語処理  医療画像識別：画像  その他… 画像等少な目、時系列データ解析等、 地味なことばっかりやっております
• 5.
  4 ニューラルネットによる機械学習 データを学習する前のニューラルネットワーク(以降：NN)を「NNテンプレート」と呼ぶ。「NNテンプレート」に大量の 「学習用データ」を学習させると、自動的にそのデータの構造や、特徴を獲得することができる。このようなNNを「学 習済みNN」と呼ぶ。「学習済みNNW」を使って、画像に写っている「もの」が識別できたり、商品の売上を予測で きるなどの多種多様な機能を構築できる。このようなデータ処理機能一式を「処理フロー」と呼ぶ。学習には大量 の計算機資源が必要であるが、「学習済みNN」を用いた「処理フロー」全体はサーバから組み込みマイコンまで、さ まざまな動作プラットフォーム上で稼働させることが可能である。 「学習済みNNW」 課題解決に適 したNNW構造 の作成・選択 犬かも！ 「学習前NNW」 様々な デバイスに 搭載 コンピュータサーバ (cloud) パソコン(office) スマートフォン (personal) 組込みデバイ ス(device) CHIP AIコンサル NN構造設計 学習評価 動作モデルへ 犬と猫を区別 したい、異常 と正常を区別 したい、等 わからない？？ まだ知識はなく、 識別はできない 大量の 学習データ 大量のデータをGPU等の高速 な計算機リソースで学習 内容を公開する必 要はなく、何が 入っているかがわ かればよい (※知的財産権、著作権などの法整備が急務：国として取組み強化中)
• 6.
  5 現在のAI 非人間的な労働を肩代わりさせるための、単なる道具である。 残念ながら突然自我に目覚めたりしない… 人間が苦手な、膨 大なデータの中から 似ているパターンを 発見したり、高速に 生成されるデータの 変化の様子を見た りする仕事は得意。 学習を可能にする 新しいアルゴリズム 深層学習・ニューラ ルネット等はここに 含まれる。日々新 しい手法が山のよう に提案されている。 ビッグデータ インターネットの普 及、記憶装置の値 下がり等で大量の データを扱うことが できるようになる。 今後は大量のセン サーデータ。 豊富な計算資源 ムーアの法則の終 焉がささやかれて いるほどの集積度 アップ。GPUの急 速な発展。今後 は専用H/Wの 開発が加速。 現在の 人工知能
• 7.
  6 人より優れたAI？：AlphaGo “囲碁でAIが人間に勝てるのは少なくとも10年かかる”と予 測されていたが、2015.10にAIが囲碁の欧州チャンピオンに 勝利 (1年経たずに達成、専門家の予想もあてにならない)。 欧州チャンピオンとの対戦を見ていた世界チャンピオンは、”この レベルでは、私には一勝もできないだろう”…2016.3に世界 チャンピオンクラスの棋士と対戦、その結果… 解説者が説明できないような手を連発して、 人工知能(AlphaGO)が４勝１敗で完全勝利！ コンピュータ上でシミュレーション可能な完全情報ゲームは、同様の手法 でAIが人間を超える可能性が示唆された。その後…韓国のオンライン囲 碁サイトに「Magister」という棋士が現れ、世界のトップ級棋士と対局し 30戦30勝した。その後中国のオンライン囲碁サイトに「Master」という 棋士が現れ30戦30勝し、前代未聞の60連勝を記録した。その後、これ がAlpha Goの進化版だということが明かされた。 わざと負けたのかもしれない…
• 8.
  7 Alpha Goの続編 2017年1月11日-1月30日までの20日間、人間 vsAI(カーネギーメロン 大学)で作られたDeepLearningではないAI)のポーカーの勝負が実施さ れた。この勝負で人間がAIに完敗。対戦後、「AIはメンタルに左右されず、 人間より大きなプレッシャーを正確にかけてくる」と語った。 不完全情報ゲームでもAIが優勢になりつつある。 囲碁では人間はAIに勝てないかもしれないが、不完 全な情報を元に戦う「不完全情報ゲーム」ではまだ人 間の有利が続いている…と思われていた。ポーカーは 相手の手が見えず、相手の手を「読み」ながらゲームを 進める必要がある。はったりも必要だし… 2017年3月2日、サイエンス誌にAI「DeepStack(アルバータ大学で作ら れたDeepLearningを応用したAI)」がポーカーのプロに圧勝したことが発 表された。11人の対戦相手と3,000局の勝負を行い、10人に勝利し、獲 得チップ数で人間を上回った。対戦後「AIと言われなければ気が付かな かった」と語った。
• 9.
  8 AIは人間を超えたのか 囲碁が強くても、同じAIで将棋はできない。 犬と猫の区別もつかない。 自分で足りない情報を集めることもない。 どこまでいっても単機能の 「弱いAI=道具」ではないか 「道具を使う側」の 「強いAI」はいつできるのか 「強いAI」が稼働しても一切公表さ れず、誰も気が付かないに違いない
• 10.
  9 何が起きているか 巨大IT企業 による「情報」の独占 圧倒的な情報量と情報処理能力を活用した大量の 「弱いAI」の開発が展開されている もはや一企業が特定の領域で開発をしてもかなわない 「強いAI※」を開発した国や企業が次の世界の覇者となる LinuxがOSで勝利したように、オープンで圧倒的に使い やすいAI活用プラットフォームを構築すると共に、 その周りにエコシステムを形成する ※強いAI：意志を持ち、自律的に学び、やるべきことを自分で決め、実行する 「強いAI」が利用する情報を集め、 「強いAI」の開発を進めているはず
• 11.
  10 「NNテンプレート」、「学習済みNN」 「処理フロー(=知能モジュール)」「学習用データ」 が流通する市場(Market Place)を創出する。 必要となるAIプラットフォーム・創出するべき市場  圧倒的に優れたインターフェースと価格(無料) 実例に基づいた豊富なNNテンプレート  豊富な学習データ(オープンデータ、宇宙データ等)  「知」の取引による利用者全体の利益を生むエコシステム
• 12.
  11 実現したい未来イメージ NNWアルゴリズム 開発 マーケティング特 化型AI基盤 テンプレート 開発 製造業特化型 AI基盤 情報セキュリ ティ特化型AI 基盤 医療特化型AI 基盤 マーケティングサービスに特化 したUI/UX・膨大な購買記 録をもとにした解析を実施 大学医学研究科等・創薬・医療画像診断・ 疾病予測等。特に、創薬部門において強大 な計算機リソースを用いた深層学習によるイノ ベーション基盤となっている 個人A（AI研究者) 多くの研究者が新しいAIアルゴリズムを開発して、 AI開発・流通基盤に登録する 個人B（AI技術者） 公開AI基盤上で公開されている データ、または個人が利用できるデー タを用いて、新しいAIテンプレートを 開発し公開AI基盤に登録 パラメー タ探索 個人C（AI技術者） 公開AI基盤に登録されている 既存AIテンプレートに、独自 データを学習させ、特定問題 解決用AIを登録 一般ユーザ・開発者向けAI基盤=公開AI基盤 企業向けAI基盤＝特定用途向けAI基盤 企業内 データ 企業内 データ 企業内 データ 企業内 データ セキュリティ情報の共有・日本独自 開発の情報セキュリティ対応AIとし てデファクトスタンダードとなる 公開AI 基盤 データ提 供 API 利用 AI開発 流通基盤 (Core-IX) 個人E（データ提供者） 個人・企業はデータのみの提供も可能である。 特に、個人がライフログデータを提供したり、 学習用データ作成(ラベル付け等)を実施す ることは活発に行われる 製造業に特化したUI/UX・AIがリア ルタイム応答・省電力の小型デバイ スへ組み込まれる。工場の生産性向 上・無人化に貢献。特に海外生産 拠点での監視自動化に利用 開発者向けUI/UX 多数のAI技術者・研究者が 利用している 個人D（API利用者） 公開AI基盤が提供するAPIを利用して 実験を行ったり、別のアプリケーションから AIの機能を活用している 外部アプリ ケーション Robotics 特化型 AI基盤 OpenData等 利用可能な データ 宇宙データ 戦略パートナー企業と共創関心を持っているユーザと共創 アカデミア 資金・環境・データ 知識・ノウハウ
• 13.
  12 日本がAIの競争に勝利するために 現在：とにかく大量のデータと、計算資源を利用する 物量作戦によるAI開発 未来：質の高い少量のデータと、効率的な 計算資源の活用による独自のAI開発 質 量
• 14.
  13 人員計画  出身研究室主席 1名（タイ国籍） CTO：某キャリア系研究所 1名（日本）  ロボティクス・人工意識 Dr. 1名（フランス国籍）  データ解析専門会社よりデータアナリスト 1名  電気通信大学大学院 主席1名  ネットワークセキュリティ専門家 1名  CERNより素粒子物理 Dr. 1名  半導体関連会社より産業対応チーム 2名  データ解析サポート 2名  SIサポート 1名  インターン1名(東工大大学院)  CFO:経理・財務担当取締役  技術営業 1名  知財・法務専任 1名  スーパー事務職 1名  CEO:私 創業メンバ 現在 16名 2018.3 40名 2019.3 50名 2020.3 70名 2021.3 90名
• 15.
  14 チーム編成 工業系・製造業系(M-IX) Core技術連携推進チーム Core技術研究開発チーム Core技術応用開発チーム プラットフォーム基盤開発チーム 産業特化型プラットフォーム開発チーム 産業特化型プラットフォーム営業推進チーム 特定産業向けに特化したIXを開発する ことをミッションとする IXプラットフォームの基本機能を開発する ことをミッションとする Core技術研究開発チームが開発したア ルゴリズムをIXで利用可能な形式にする ことをミッションとする 最先端技術のリサーチと実装・実験、独 自技術の開発を行うことをミッションとする Core技術を提供する実現して欲しい機能を伝える プラットフォームに実装する 実現して欲しい機能を伝える 特定産業におけるIXの姿形(UI/UX, ライ センス等)を決め、販路開拓することをミッショ ンとする 機能要求 Core技術を共同研究開発する機関・ 企業とのパイプラインを確保することをミッ ションとする プラットフォーム基盤を提供する 機能要求 人材・機関等の紹介 必要な人材のリクエスト 特定の産業を面で抑えることが出来る顧客特定の産業を面で抑えることが出来る顧客 顧客 顧客 顧客 顧客 医療系(Med-IX) 情報セキュリティ (Sec-IX) マーケティング (Investigation-IX) (Intage-IX) ロボティクス (Robo-IX) 営業統括 経営管理チーム
• 16.
  15 募集 AI関連の開発経験がなくても… 実験物理・理論物理系の方！ 数学・応用数学専攻の方！ 立派な椅子があなたを待ってます！
• 17.
  Logo Designed by MatthewCarter 我々は、「知」の占有ではなく、関心を持つ人々が参画し、共有・ 共創・交換することによって社会発展するモデルを構築します。 ご清聴ありがとうございました。 株式会社クロスコンパス代表取締役社長 佐藤 聡 falcon@xcompass.com