Downloaded 46 times
More Related Content
![[DeepLearning論文読み会] Dataset Distillation](https://cdn.slidesharecdn.com/ss_thumbnails/datasetdistillation-181114165952-thumbnail.jpg?width=640&height=640&fit=bounds)
![SSII2022 [OS3-02] Federated Learningの基礎と応用](https://cdn.slidesharecdn.com/ss_thumbnails/ssii2022-os3-02-220607020834-2b5f93ff-thumbnail.jpg?width=640&height=640&fit=bounds)
![[DL輪読会]Decision Transformer: Reinforcement Learning via Sequence Modeling](https://cdn.slidesharecdn.com/ss_thumbnails/decisiontransformer20210709zhangxin-210709021501-thumbnail.jpg?width=640&height=640&fit=bounds)
![SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて](https://cdn.slidesharecdn.com/ss_thumbnails/ssii2022-os3-03-220607020929-1e2b15e8-thumbnail.jpg?width=640&height=640&fit=bounds)
![[DL輪読会]AutoAugment: LearningAugmentation Strategies from Data & Learning Data...](https://cdn.slidesharecdn.com/ss_thumbnails/dlp0712f-190719034120-thumbnail.jpg?width=640&height=640&fit=bounds)
More from Deep Learning Lab（ディープラーニング・ラボ）
![[Track3-2] AI活用人材の社内育成に関する取り組みについて ～ダイキン情報技術大学～](https://cdn.slidesharecdn.com/ss_thumbnails/3-2dllabconferencedaikinisid2020-07-20-2-200819034039-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Track1-2] ディープラーニングを用いたワインブドウの収穫量予測](https://cdn.slidesharecdn.com/ss_thumbnails/dldc20200801nssoltokutake-200819025900-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略](https://cdn.slidesharecdn.com/ss_thumbnails/datumstudiomitsuda-200819031400-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Track 4-6] ディープラーニングxものづくりが日本を強くする ～高専DCONの挑戦～](https://cdn.slidesharecdn.com/ss_thumbnails/integraixdllpdf-200819065852-thumbnail.jpg?width=640&height=640&fit=bounds)
HEROZ Kishin AIにおけるディープラーニング活用事例のご紹介
- 1. ＨＥＲＯＺ株式会社 「HEROZ Kishin」AIにおける ディープラーニング活用事例の ご紹介 2019年6月8日 大井 恵介 DLLAB2 周年イベント: ディープラーニングの社会実装を 阻むものは何か？
- 2. 1 HEROZ プロデューサー 大井恵介 自己紹介 東北大学大学院修了。 日本電気株式会社（NEC）に技術開発職として入社し、 BIGLOBEでシステム開発職に従事。 HEROZ入社後はプロデューサーとして数々のプロジェ クトを牽引し、現在は人工知能「HEROZ Kishin」を 活用した事業創出を推進中。
- 3.
- 4.
- 5. 4 会社名 HEROZ株式会社（HEROZ, Inc.） 所在地東京都港区芝5-31-17 PMO田町2F 設 立 2009年4月 資本金 2.5億円（2018年7月末時点） 事業内容 AI（BtoBサービス）「HEROZ Kishin」 AI（BtoCサービス）「将棋ウォーズ」等
- 6. 5 代表取締役 CEO 林 隆弘 早稲田大学卒業 日本電気株式会社（NEC）技術開発 職入社 IT戦略部、経営企画部に在籍 HEROZ株式会社設立 取締役 CFO 経営企画部長 浅原 大輔 京都大学大学院卒 ペンシルベニア大学ウォートンスクールMBA （卒業生代表スピーチ） ゴールドマン・サックス 投資銀行部門 将棋の実績 アマ六段 （全国優勝により当時最高段位を獲得） 将棋ウォーズ七段 アマチュア一般棋戦優勝 （個人での全国優勝は7回経験） 羽生永世七冠との席上対局実績あり 代表取締役 COO 高橋 知裕 早稲田大学卒業 日本電気株式会社（NEC）技術開発職入社 BIGLOBE、経営企画部に在籍 HEROZ株式会社 設立 マネジメントチーム
- 7.
- 8.
- 9.
- 10. 9 『将棋ウォーズ』とは、将棋AIが搭載されたオンライン将棋対戦プラット フォームです。登録者数500万人突破し、総対局数4億を突破しました！ 毎日24万局以上のオンライン対戦！ 最適な強さの相手を自動マッチング！ 日本将棋連盟公認アプリ。将棋ウォーズ段級位にて公式免状を取得可能 マネタイズ： 最強AI“棋神”使用 120円／5手、対局数制限解除 500円／月～ 2012年リリース後、老若男女に愛され、DAUは増加し続けている息が長いアプリ 2012/05/21 2012/06/21 2012/07/21 2012/08/21 2012/09/21 2012/10/21 2012/11/21 2012/12/21 2013/01/21 2013/02/21 2013/03/21 2013/04/21 2013/05/21 2013/06/21 2013/07/21 2013/08/21 2013/09/21 2013/10/21 2013/11/21 2013/12/21 2014/01/21 2014/02/21 2014/03/21 2014/04/21 2014/05/21 2014/06/21 2014/07/21 2014/08/21 2014/09/21 2014/10/21 2014/11/21 2014/12/21 2015/01/21 2015/02/21 2015/03/21 将棋AI搭載『将棋ウォーズ』
- 11. 10 「HEROZ Kishin」に含まれる 課題解決エンジン 重点領域 頭脳ゲーム エンジン 予測 エンジン ゲーム開発 エンジン 経路最適化 エンジン 配置最適化 エンジン 分類 エンジン 文章処理 エンジン 最適解探索 エンジン 画像認識 エンジン 異常検知 エンジン 様々な機械学習関連エンジンの組み合わせによりAIプロダクトを創出し、 ビジネス課題を解決し、事業拡大をサポート 事業内容：BtoBサービス「HEROZ Kishin」 その他の領域（品質管理・製造・物流・小売・ メディア・人材等）にも適用 AI関連の技術・研究開発力 (ディープラーニング等) 構造設計支援 等 建設 竹中工務店ＳＭＢＣ日興証券 マネックス証券 金融 投資サポート 市場予測等 エンターテインメント バンダイナムコエンターテインメン ト コーエーテクモゲームス バンダイ ポケモン Netmarble NPC作成 バランス調整 等
- 12.
- 13. 12 0 100 200 300 400 500 600 700 800 14 30 90180 (秒) 学習対象期間(日) 学習所要時間 CPU(i7-6700) Tesla V100 32GB 既存のCPUと比較してGPUでは 84％の時間削減が可能となった。 高頻度の再学習も可能。 LSTM（CPU v.s. GPU）
- 14.
- 15.
- 16.
- 17.
- 18.
- 19.
- 20. 19 アウトプット（例）解析インプット 過去 現在時刻 未来 未来予測 異常検知 時系列データ 画像認識時系列データ 解析 HEROZ Kishin MR Drone Camera 現場のデータ etc… メーター 機器 環境 スイッチ 【case study】AI活用のデータについて HEROZ Kishin Monitoring Solution
- 21.
- 22.
- 23. 22 ①課題が明確 ②課題があいまい クライアントの課題やそれに対するデータによって期間が様々！ 合計３ヶ月 要件定義 0日 データ収集0日 データ整形 １ヶ月 AI構築 １ヶ月 結果分析 １ヶ月 合計３年9ヶ月～ 要件定義 １年 データ収集 １年～ データ整形 0日 AI構築 -フェーズ① ３ヶ月 -フェーズ② ３ヶ月 -フェーズ③ ３ヶ月 導入 １年 依頼内容 解約予兆解析。 状況 過去10万件ほどの 継続・解約情報を、 顧客属性・行動ロ グとセットでDMP からデータは抽出 済み。 依頼内容 AIで何かしたい。 状況 業務課題を列挙し、 AI化できるものを 選択するところか ら開始。 スムーズなPJとそうでないPJの違い
- 24.
- 25.
- 26. 25 モデル開発・運用 独自AI「HEROZ Kishin」の推進アプローチ 本格開発・展開までに多段階的に試行錯誤をして、投資リスクを なるべく抑制する探索的段階型の開発アプローチが必要 PoC PoC要否判断 モデル開発要否判断 •AI適用テーマのインプット・ アウトプット仮説を詳細化 • サンプルデータから状態（充 足度・加工の手間）を基礎 分析・評価 • 効果仮説×データで各テー マを評価しPoC対象抽出 • 学習用データに基づき試 作モデルを構築し性能お よび改善余地を評価 • モデル導入時に変革が必 要な周辺システム・業務の 課題を整理 • 本番モデルを開発し、運用 設計して運用開始 • 必要に応じて追加学習やモ デルのチューニングを実施 アセスメント テーマ 選定 ※AI・データの利用に関する 契約ガイドライン（経済産業省）
- 27.
- 28.
- 29.
- 30.
- 31.
- 32.
- 33.
- 34.
- 35.