Recommended
More Related Content
Similar to AIの取り組み［改訂版］.pdf
Similar to AIの取り組み［改訂版］.pdf (20)
More from KunihiroSugiyama1
More from KunihiroSugiyama1 (12)
Recently uploaded
Recently uploaded (8)
AIの取り組み［改訂版］.pdf
- 1. 生成系AIの センテンスジェネレーションを 業務効率化の実現手段として 検討した経緯をご紹介 ＳＢＳ情報システム 公共事業本部 土屋明生 １．GASGで得た内容の反映 ２．近未来を予測した今後のIoT
- 2. ２つの取り組み １つ目： 前回の振り返り 生成系AIの機能の一部を利用して業務を効率化 ・専門化た業務ドキュメント検索システムの取り組み 目的：部署全体の工数削減 2つ目： 新たな取り組み IoTにおけるAI活用の検討 ・IoTのデータ取得から生活パターンに合せた心地よい空間を連続的に生成 人間の行動パターンに合せ、収集データから次の快適性を準備してゆく ・IoTのデータ取込みにAI活用した場合のメリットを検討 後処理でも行える、ノイズ軽減や超解像処理等の検討
- 5. 最初に試した大雑把なフロー マニュアル データファイル （ＷＯＲＤ等） TEXT 抽出 ＯＣＲ TEXT Cleaning TEXT Files 大雑把な 要約 text Vector Store 作成API 平文のドキュメント （idは一つ） LLM OpenAI API利用 スライド３
- 6. 変更後の大雑把なフロー マニュアル データファイル （ＷＯＲＤ等） TEXT 抽出 ＯＣＲ TEXT Cleaning TEXT Files 大雑把な 要約 text 登録textの 最適化処理 Vector Store 作成API Vector Store 最適化された 登録ドキュメント LLM OpenAI API利用 スライド４ この部分の作業が凄く大変・・・
- 7. Llamaindex LLM Llama Hub マニュアル データファイル （ＷＯＲＤ等） GASGで得た内容をフィードバック Vector Store スライド５ OCR Ｗｏｒｄ ＰＤＦ OpenAI API利用 OpenAI API利用 最適化された 登録ドキュメント この部分の作業が簡素化 ① Llamahubは、OCR、Word、PDF等のファイルを解析してText抽出してくれる。 ② 上記①で抽出したTextファイルを形態素解析等で分析し、単語／接続詞等のレベルに分解し、 単語／接続詞等をベクトル値に変換して、ローカルLMに登録する。 ③ ユーザーが質問文（プロンプト）を入力すると、同じ仕組みで質問文をベクトル値に変換する。 ④ 質問文のベクトル値を元に、ローカルLMを検索する。 ⑤ ローカルLMから得られたベクトル値をテキストデータに戻して表示する。 ① ② 質問文入力 Llamaindex ③ OpenAI API利用 共通 ベクトル 変換値 取得 回答表示 OpenAI API利用 ベクトル 変換 ④ ローカルLM OpenAI API利用 ⑤
- 9. IoT-Hub 一歩先の未来を予想 matterと通信 夢の国と通信 ホテルと通信 例：人間の行動パターンを予測して次に行うと良い事を提案 ① 出かける時、戸締りや消灯をチェックして報告をくれる ② 車に乗る１０分前にエアコンを始動してくれる ③ 予約したホテルの電子ロックキーをダウンロードしてくれる ④ 稼働状況や待ち時間をチェックして空いているアトラクションに誘導してくれる 生成系AIの業務システムインターフェースが計画されている。 自然言語で、時間と空間を居心地の良いものにして行ける。 OPD2と通信 スライド７
- 10. 一歩先の未来を予想（制御） 家庭の消費電力量から 正確な発電予測を行う 様々なデータの蓄積と組合せから 新しい産業やビジネスモデルの創造を行う。 車の運行状況やセンサの変動から 故障予測を推測して事故を減らす 客室の稼働モニタから、 設備保全計画を立案する アトラクションの稼働モニタから、 設備点検計画を立案する スライド８ ＜パターン１＞ ① データをトリガとして、次の行動予測 ② 業務アプリケーションのAPIと連携 ③ 次に行ってほしい行動を予測する ＜パターン２＞ ① 自然言語で家電を制御 ② 行動パターンを予測して次の制御を提案 ③ 多角的な行動分析から 潜在的なニューザーニーズを発掘する ＜パターン３＞ ① 設備機器などのセンサ値をモニタリング ② 前回取得値と比較し経年変化を予測 ③ 故障予知を行い、 安全安心な世界の実現を目指す
- 11. LLMによるAPI制御の応用 一つのトリガーから、 関連する複数の制御を順番に行う 一つ一つの家電制御を、 家電毎に一つ一つ指示している 「電気消して！」 「エアコン弱くして！」 「あれ消して！」 「それ止めて！」 「これ止めて！」 「寝るぞっ！」 ←エアコン 28℃ ←照明を徐々に消灯 80% 50% 20% off ←家電1 停止 ←家電2 停止 ←家電3 停止 スライド９
- 12. LLMによるAPI制御の応用 LLMから、必要なAPIコールを行うことで、ライフスタイルに合わせて快適空間を演出する 「寝るぞっ！」 ←エアコン 28℃ ←照明を徐々に消灯 80% 50% 20% off ←家電1 停止 ←家電2 停止 ←家電3 停止 LLM 制御 アプリ アプリ スライド１０
- 13. 一歩先の未来を予想（信号処理） １．電力ノイズ等を除去 ２．特定デバイスの利用パターンから、 生活リズムを学習 １．センサ―デバイス等の 外因ノイズを除去する。 ２．デバイス信号パターンから 規則性を見付け、 生活リズムを学習する １．走行ノイズを除去 ２．前回と今回のセンサー値を比較して 経年変化等からの故障予知に繋げる スライド１１ センサー センサー センサー センサー １．空予約を予知して、稼働率予測を行う。 ２．特定ユーザーの予約パターンから、記念日などを予測して サービス企画の提案を作成する。 １．天候などの外因からの入場者の増減を予測する ２．入場者が少ない日が予測できる場合、 ・料金変動を提案する ・アトラクションの停止とメンテナンス計画を立案する 既存のノイズ除去技術 ・アナログ回路によるノイズ軽減 例：C-Rフィルタ等 ・プログラムによるノイズ軽減 例：FF解析ﾌｨﾙﾀ等 弱点 ・既知のノイズや特定のノイズにのみ対応可能 ⇒ 臨機応変なノイズ除去が難しい サンプリング前にしか出来ない場合が多い AIノイズ除去技術 ・実データを学習し、臨機応変にノイズ軽減 利点 ・サンプリング後のデジタルデータからノイズ除去可能 ・解像度の低い情報を、高解像度化出来る場合もある 今後、AIによるノイズ軽減技術に期待する