Io taiフォーラム(油谷) 170608

Copyright © 2017 TIS Inc. All rights reserved.
2017年６月7日
TIS株式会社
戦略技術センター／AIサービス事業部
油谷実紀
SIerがつくるAI関連技術を活用したソリューション
～エルブズ御用聞きAIサービス事例～
スマートファクトリー Japan 2017
IoT・AI Innovation Forum

Copyright © 2017 TIS Inc. All rights reserved. 2
油谷実紀(ゆたにみき)
○TIS株式会社フェロー戦略技術センター長
兼 AIサービス事業部副事業部長
■AI・ロボット・クラウド技術をベースとした、
ヒューマン・コンピュータ・コミュニケーション
による社会課題解決
○株式会社エルブズ取締役副社長
■社会性エージェントサービス提供
■https://elvez.jp/
○シークセンス株式会社取締役
■自律移動型ロボットシステム製造販売
■https://seqsense.com/
○一般社団法人オープンガバメント・コンソーシアム理事
AI・ロボット分科会・FinTech分科会主査
○国立大学法人北陸先端科学技術大学院大学産学官連携客員教授
自己紹介
Facebook: 油谷実紀
Twitter: @blackaplysia

TIS株式会社のご紹介
TIS株式会社 (TIS Inc.)
※企業グループ：TISインテックグループ
昭和46年 (1971年) 4月28日
100 億円
連結:19,843人単体:5,359人（2017/3/31現在）
代表取締役社長桑野徹
社名
創業
資本金
従業員
代表者
連結:393,398百万円単体:127,412百万円
（2017年3月期）
売上高
システムインテグレータ(SIer)業種
東証第一部上場市場

TISの組織
金融系
産業系
公共系
新規事業系

TISの主要事業①決済システム

TISの主要事業②高信頼性システム運用基盤

TISのAIに関する取り組み
2017/4 AIサービス事業部立上げ
2011～ビッグデータ／
自然言語処理R&D
2014～ IBM Watson検証
2015/11 AI技術推進室設置
2016/2 IBM Watson
テクニカルパートナー

TIS、AI・ロボットを活用した
ビジネスを行う「AIサービス
事業部」を新設
～ SIのノウハウを活用し、
AI・ロボットの業務システム
への組み込みを支援～
https://www.tis.co.jp/news/2017/
tis_news/20170424_1.html
最近のニュース①

 日本経済新聞本紙
「巡回警備ロボにお任せ―
TIS、大学発ベンチャーに出資」
(2017/2/5)
http://www.nikkei.com/article/
DGKKZO12549000U7A200C1TJC000/
シークセンスのセキュリティロボットSQ-1

 日本経済新聞社説
「AIで日本を強く―
高齢者支援と消費喚起に
役立てよ」
(2017/1/14)
http://www.nikkei.com/article/
DGXKZO11683460U7A110C1EA1000/
エルブズの御用聞きAI®

 ワールドビジネスサテライト
「ニッポンの課題に挑む
～人工知能で過疎村を救え～」
(2017/5/17)
http://www.tv-tokyo.co.jp/mv/wbs/
feature/post_132305/
エルブズの御用聞きAI®

 本セッションは以下のテーマでお送りいたします。
① 高齢化時代の地域社会とAI
② コミュニケーションを中心に据えたCPSの実現
③ 地域社会の御用聞きとしてのAI活用事例
本セッションのテーマ

高齢化時代の地域社会とAI

高齢化の推移と将来推計
内閣府(2016) 平成28年版高齢化白書. http://www8.cao.go.jp/kourei/whitepaper/w-2016/html/zenbun/s1_1_1.html
2060年の高齢化率は
39.9%に達する
(2.5人に1人が65歳以上)

 三世代世帯は減少し、夫婦のみおよび単独世帯が過半数、
一方、子どもとの同居は、1980年には7割から現在は4割まで減少
 一人暮らし高齢者は、1980年には男性4.3%、女性11.2%
→2010年には男性11.1%、女性20.3%まで顕著に増加
 高齢者世帯の世帯人員一人当たり所得は192.8万円であり、
全世帯の世帯人員一人当たり所得205.3万円とほとんど差がない
 労働力人口総数に占める65歳以上の比率は1980年4.9%から
2015年11.3%に大きく上昇
高齢化社会の特徴
・世帯規模は夫婦のみから一人暮らしへ
・世帯人員一人当たり所得は低くない
・労働力人口に占める比率は上昇

 世帯規模は夫婦のみから一人暮らしへ
– 足腰が弱くなると重いものを持つことが難しい
ex. 移動支援(直接的支援)、家事代行(間接的支援)
– 体調不良や認知症に起因する緊急時の対応が遅れる
ex. 見守りシステム
 世帯人員一人当たり所得は低くない
– 本人が自分のためにモノ・サービスを購入する消費者
ex. 健康食品、旅行等
– 娘、孫等のためにモノ・サービスを購入する消費者
ex. プレゼント等
 労働力人口に占める比率は上昇
– 労働力としての貴重な戦力化(定年延長等)
ex. 単純作業を肩代わりする自動化システム
– 体力の衰えをカバーする作業支援システム
ex. パワードスーツ
高齢化社会に対して提供できる民間サービスの例

AIは高齢化社会における民間サービスのキーテクノロジー
単身世帯化
傾向
相対的所得
向上傾向
労働力提供
の持続
単身世帯支援
・移動支援
・家事代行
・ヘルスケア
・見守り
消費喚起
・ファミリーライフイベント
・ターゲットマーケティング
持続的労働支援
・単純作業支援
・移動支援
・パワードスーツ
広範なデータを
用いた
高精度の分析
親しみのある
コミュニケー
ション
人を補佐する
能力を持つ
ロボット
AIを活用すること
による技術の進歩

 総務省(2016)「『平成28年度情報通信白書』の概要」p.41
http://www.soumu.go.jp/main_content/000431190.pdf
– 「人工知能(AI)導入で想定される雇用への影響」として、
以下の4点を挙げている
① 雇用の一部代替
② 雇用の補完 - AIにできることはAIにやらせる
③ 産業競争力への直結による雇用の維持・拡大
④ 女性・高齢者等の就労環境の改善 - AIが人の作業を補佐
 上記4点の影響はすべてがネガティブということではない
 とりわけ②と④については、社会全体として生産性向上によって
少子高齢化社会における労働力供給の不足分を補う
プラスの効果をもたらす
AI導入による雇用の補完という考え方

 国土交通省(2014)「国土交通白書2015」第I部第1章第2節2
http://www.mlit.go.jp/hakusyo/mlit/h26/hakusho/h27/index.html
– 人口減少が地方のまち・生活に与える影響として、
以下を挙げている
① 生活関連サービス(小売・飲食・娯楽・医療機関等)の縮小
② 税収減による行政サービス水準の低下
③ 地域公共交通の撤退・縮小
④ 空き家、空き店舗、工場跡地、耕作放棄地等の増加
⑤ 地域コミュニティの機能低下
人口減少の影響

人口減少の悪循環
人口減少
生活関連
サービス
(小売・飲食・
娯楽・医療機関
等)の縮小
税収減等
による行政
サービス低下・
社会インフラ
老朽化
地域
公共交通
の撤退・
縮小
空き家・
空き店舗・
工場跡地・
耕作放棄地
の増加
住民組織の
担い手不足
(自治会、消防団、
地域の祭り等)
学校の
統廃合
地域コミュニティの機能低下
就業機会
(雇用)の
減少生活利便性の低下地域の魅力の低下
さらなる人口減少
※「国土交通白書2015」より引用

 内閣府(2012)「高齢社会対策の基本的在り方等に関する検討会
報告書」
http://www8.cao.go.jp/kourei/kihon-kentoukai/pdf/report1-4.pdf
– 高齢化社会を迎えての政策のありかたの変化
→「互助」の再構築
✓地域の人々、友人、世代間を超えた人々との間の顔の見える
助け合い
✓従来との違い
➢ 「自助」：セルフケア
➢ 「共助」：介護保険等
➢ 「公助」：高齢化福祉事業等
 「互助」はさまざまな企業・NPOの協同によって促進される
– 大企業による利便性の高いサービス提供
– 地域の企業による持続的な活動
– NPOによる助け合いをベースとしたコミュニティづくり
「互助」社会の考え方①

 内閣府(2012)「高齢社会対策の基本的在り方等に関する検討会
報告書」
http://www8.cao.go.jp/kourei/kihon-kentoukai/pdf/report1-4.pdf
– 孤立化防止のためにアウトリーチする仕組み
✓地域とのコミュニケーションづくり
✓ニーズの把握
✓手段：見守り、巡回
– 地域包括ケアシステムの確立
✓医療、介護、予防、住まい、生活支援サービスの
有機的かつ一体的な提供
✓日常生活圏内であること
「互助」社会の考え方②

 高齢化率40%超の中山間地域
– 集落単位のコミュニケーションはむしろ活発に行われている
– 平均高齢化率40%超の場合、細かくは60%超の集落もある
→平成の大合併により、集落間の往来は少ない場合もある
– 誰が「見守り」するのか?
 都市部では物理的な地域をベースとした互助のしくみは構築できない
– 核家族化の影響により局地的な高齢化と孤独化が進みつつある
– 都市部ではそもそも地域のコミュニティが破たんしている
現在の「互助」の考え方における課題
・高齢化社会は、人手に頼る互助で「なんとかなる」時期を
すでに過ぎてしまっている
・高齢化社会の負の側面は、過疎地域だけの問題ではなく、
都市生活との整合も取り戻すことが必要

AIを活用することによる「人口減少の悪循環」の影響軽減
人口減少
生活関連
サービス
(小売・飲食・
等)の縮小
税収減等
による行政
社会インフラ
老朽化
地域
公共交通
の撤退・
縮小
空き家・
空き店舗・
工場跡地・
耕作放棄地
の増加
住民組織の
担い手不足
地域の祭り等)
学校の
統廃合
就業機会
(雇用)の
AIを活用して効率化
することによる脱縮小

 専門性が高いが論理的な判断や定型的な作業を行うタスク
– 窓口業務、電話受付
 行政による住民サービスの前捌き
– ニーズに応じた担当者への振り分け
– 行政のルールに関する問合せ
 人とAIとの協調による24時間365日見守り
– 心身の状態変化の検知と担当者へのエスカレーション
 サービスロボットによる作業支援
– 荷物の持ち運び
– 道案内
AIに親和性の高いタスク
・AIを活用することで、人手にすべて頼る互助ではなく、
より効率的で現実的な互助のしくみをつくことが必要
・大方針としては、定型的や常時継続などAIが得意な作業はAI、
非定型的で適宜判断が必要な作業は人が行う

コミュニケーションを中心に据えたCPSの実現

 「第1次AIブーム」: 1956年～1960年代
– ダートマス会議(1956)
– Lisp (1958)
– パーセプトロン(1958)
– General Problem Solver
(GPS, 1957)
→ヒューリスティックス
目標手段分析
– Eliza (1964)
→botの源流
ブームを繰り返してきたAI①
(defun doctor-nounp (x)
"Return t if the symbol argument is a noun."
(or (doctor-pronounp x)
(not (or (doctor-verbp x)
(equal x 'not)
(doctor-prepp x)
(doctor-modifierp x) )) ))
(defun doctor-pronounp (x)
"Return t if the symbol argument is a pronoun."
(memq x '(
i me mine myself
we us ours ourselves ourself
you yours yourself yourselves
he him himself she hers herself
it that those this these things thing
they them themselves theirs
anybody everybody somebody
anyone everyone someone
anything something everything)))
Eliza (emacs lisp版)
手書きルールまたは
会話から学習させる

 「第2次AIブーム」: 1980年代
– エキスパートシステム
– Prolog(1972)
→一階述語論理による宣言的記述
ブームを繰り返してきたAI②
rules([[remember,5],[
[1,[_,you,remember,Y],0,
[do,you,often,think,of,Y,?],
[does,thinking,of,Y,bring,anything,else,to,m
[what,else,do,you,remember,?],
[why,do,you,remember,Y,just,now,?],
[what,in,the,present,situation,reminds,you,
[what,is,the,connection,between,me,and,Y
[2,[_,do,i,remember,Y],0,
[did,you,think,'I',would,forget,Y,?],
[why,do,you,think,i,should,recall,Y,now,?],
[what,about,Y,?],
[equal,[what,0]],
[you,mentioned,Y,.]],
[3,[_],0,
[newkey]]]]).
findkeywords([],[[memory,0],[none,0]]).
findkeywords([H|T],[[H,I]|T1]) :-
rules([[H,I]|_]), !, findkeywords(T,T1).
findkeywords([_|T],T1) :- findkeywords(T,T1).
Eliza (Prolog版)
If-thenルールの
簡潔な記述
ルールの検索

 「強いAI」vs「弱いAI」
→認識論界隈の哲学者による強い攻撃
「AIは認識しているのか?」「AIは思考しているのか?」
 表象主義(トップダウンアプローチ)
– フレーム問題→ルール記述の限界
– シンボルグラウンディング問題(記号接地問題)
 ニューラルネット
– 単純パーセプトロン
– バックプロパゲーション
さまざまな論点

 「第3次AIブーム」: 2000年代後半～
 ニューラルネットによる機械学習・特徴抽出技術の発展
– 深層学習(deep learning)、自己符号化器(autoencoder)
– マシンリソースのコスト低減＝仮想化
– 画像データの蓄積(ex. ImageNet)
＝オープンデータ、ビッグデータ
– コンピュータ将棋、画像認識における飛躍的な進歩
 自然言語処理の実用化
– コーパスと語彙データの蓄積(ex. WordNet)
– 自然言語処理関連ツール、ライブラリのオープンソース化
ブームを繰り返してきたAI③

 メッセージング各社による対話サービス・デバイスの公開ラッシュ
 現状は個人のアシスタントや自社サービス内のリコメンドが主流
→企業が独自のコンテンツをつくる例はまだ少ない
 どこに向かうのか?
ボット元年だった2016年
ベンダー対話サービス製品
Amazon Alexa
Amazon AI
Echo (設置型デバイス)
Google Assistant Allo (メッセージングソフトウェア)
Home (設置型デバイス)
Microsoft Cognitive Services Cortana (アシスタントソフトウェア)
Apple Siri Siri (アシスタントソフトウェア)
※設置型デバイス開発中との噂

 いまの「第3次AIブーム」は3つの誤解を内包しているため、
長く続くことはなく、2017年～2018年にブームは終焉、
実用化の段階に入る
【誤解①】ディープラーニング(DL)を使えば対話を簡単に実現できる
【誤解②】AIを導入すればあらゆる判断が可能である
【誤解③】AIにより2045年に49%の職業が消失する
AIブームに関する3つの「誤解」

 DLに基づいた対話の多くは雑談(ex. Siri、りんな)
 DLの課題
– DLは回答が一意に定まらないため、業務対話向きではない
✓松尾(2015)の予測ではDLによる自然言語理解は2025年以降
– 現在のDLは分類・識別の事例が多い
→Watsonで最もよく使われるDLベースAPIはclassifier (分類器)
 回答を一意に決定する業務対話はシナリオベース
→非定型コンテンツからのシナリオ量産手法が今後期待される
(この領域においてDLが活用される可能性が高い)
 自然なコミュニケーションを実現するための工夫が必要
– システム主導対話→人とシステムのシームレスな連携
– ロボットとマルチモーダルデバイス(ジェスチャ、カメラ等)
– VR/AR/MRデバイス
【誤解①】ディープラーニング(DL)を使えば対話を簡単に実現できる
松尾(2015). http://www.mhlw.go.jp/file/05-Shingikai-12601000-Seisakutoukatsukan-
Sanjikanshitsu_Shakaihoshoutantou/0000113714.pdf

 現在も多くの対話システムは
ルールベースである
 ただし、ルール記述は
Prologではなく、
XMLで書くことが多い
ex. AIML,
AI Markup Language
 ルールの量産手法?
→今後数年で多様な提案
が期待される
– ビッグデータ
– DL
 課題
– 業務システムのコーパスはオープンでない
→学術研究から産業への応用に隔たりがある
現代的なIf-Thenルール
<category>
<pattern>YOU ARE * ME</pattern>
<template>I have no reason to do that to you, <get name='name'/>.</template>
</category>
<category>
<pattern>YOU ARE * POINT</pattern>
<template>What point are you referring to?</template>
</category>
<category>
<pattern>YOU ARE *</pattern>
<template>
<random>
<li>Thanks for telling me that </li>
<li>You think </li>
<li>Do you mind if I tell other people you say </li>
<li>I will tell my <bot name='botmaster'/> you said </li>
</random>
I am <person/>.
</template>
</category>
Pandrabot / bot.aiml
XML形式のif-thenルール

 AIは判断に用いる手法のごく一部
– 統計的手法(マイニング)や古典的な機械学習(サポートベクトル
マシン等)といった旧来の手法が多くの場合に有効
– 必要に応じて比較的新しい手法を用いる
✓事前／事後確率による予測(ベイジアンネットワーク)
✓ニューラルネット(CNN、RNN、LSTM)
✓報酬に基づく行動の学習(強化学習)
 AIは与えられたインプットデータ以上の判断はしない
→学習時に与えるデータがすべて
→データの定義と生成、クレンジング
 IoTはAIに与えるデータをリアルタイムに収集するしくみ
– 今後は「動くIoTデバイス」(ロボット、ドローン)の出現
【誤解②】AIを導入すればあらゆる判断が可能である

 「2045年49%」のもとになった研究(Frey&Osborne, 2013)では、
以下の領域の職種についてとくに消失する可能性が高いといっている
– オフィスサポート
– サービス
– 営業
 しかし、現実に消失する対象は職業ではなくタスク
– 論理的であるが専門性の高いタスク
– 繰り返しの単純作業
 現在検討が進んでいる領域例
– 医療診断
– 保険査定
– 資産運用相談(ロボアドバイザー)
– Robotic Process Automation (RPA)
【誤解③】AIにより2045年に49%の職業が消失する
Frey&Osborne(2013). http://www.oxfordmartin.ox.ac.uk/downloads/
academic/The_Future_of_Employment.pdf

 現在のAIブームが去った後、「主体としての人工知能」を
業務システムに組み込んだ企業のみがAIの果実を得ることができる
– 業務を支援する対話
✓業務対話シナリオを低コストで実装し運用するしくみ
✓対話システムと業務担当者のシームレスな連携
– 業務判断を支援する分析
✓パターン認識→検知&自律的対応
✓パターン予測→推薦&自律的実行
– さまざまなタスクの自動処理を行うボット
✓論理的であるが専門性の高いタスク→パターン認識
✓繰り返しの単純作業→パターン認識、ルールベース
 「主体としての人工知能」には、データプロバイダとしての
Internet of Things (IoT)、および対人コミュニケーションを担う
Human-Computer Interaction (HCI)を組み込んだフィードバック
システムであるCyber-Physical Systems(CPS)が必要
「宴の後」に残るもの

 2020年ころまでには、AIを活用したエンタープライズシステムは、
刻々と変化する環境情報を収集し、適宜利用者にエスカレーション
する、といったある程度の主体的機能をもつようになる
AIを活用した主体的機能の実現
これまでのAIのイメージ
これからのAIのイメージ
曖昧な質問・
指示・操作
主体
データ
IoT
主体
エスカ
レーション
オープンデータ
問い合わせ
情報収集
情報共有

 主体的機能を実現するには、物理的な環境情報を適宜収集する
手段としてのIoT技術が必要となり、また、利用者に親和性の高い
Human-Computer Interaction (HCI)を実現することが重要
主体的機能を実現する要素技術
IoT AI
基幹
システム
オープン
データ
自然言語
処理
機械学習
対話
ボット
ロボット
MR/AR
(可視化)
※IoT: Internet of Things (モノのインターネット)
MR: Mixed Reality (複合現実)
AR: Augmented Reality (拡張現実)
スマートな
Human-
Computer
Interaction
(HCI)

主体的機能を組むこんだフィードバックシステムとしてのCPS
IoT AI
基幹システム
自然言語
処理
機械学習
対話ボット
ロボット
MR/AR(可視化)
業務担当者
オフィス
工場・ライン
パブリックスペース
住宅・近隣
KPI
地域住民
※KPI: Key Performance Indicator
Cyber-Physical Systems (CPS)

主体的機能を実現する要素技術
リアルタイム性
規模
SoRデータ
SoEデータ
IoT
業務対応力
現実性(reality)
Visualization on web
エージェント(ボット)
ロボット
XR
データソースは大規模・
リアルタイム化へ
HCIは業務対応力向上と
超現実(XR)へ
AI自然言語
処理
機械学習
KPI

地域社会の御用聞きとしてのAI活用事例

AIを活用することによる「人口減少の悪循環」の影響軽減
人口減少
生活関連
サービス
(小売・飲食・
等)の縮小
税収減等
による行政
社会インフラ
老朽化
地域
公共交通
の撤退・
縮小
空き家・
空き店舗・
工場跡地・
耕作放棄地
の増加
住民組織の
担い手不足
地域の祭り等)
学校の
統廃合
就業機会
(雇用)の
AIを活用して効率化
することによる脱縮小

人と対話する人工知能に社会性を持たせることにより、人々の生活を
豊かにするスタートアップElvezを設立しTISがシード出資
株式会社エルブズ
設立 2016/2/26
本店東京都渋谷区
役員
代表取締役社長田中秀樹
取締役副社長油谷実紀
取締役河村正和
特許
特願2016-79926 「人工知能エージェントによる見守りシステム」
特願2017-006128 「電子御用聞きシステム及びプログラム」
事業内容
社会性エージェントサービスの提供
ビジョン
社会性を持つAIで幸せを提供する
ポリシー
複雑な社会課題を技術力と
スピードを併せ持って解決する

 AIが社会に存在する具体的なアクターの代理人(エージェント)として
利用者と対話する技術を社会性エージェント®と定義
 社会性エージェントによる対話は、事前に構築したシナリオに則った
会話のほか、IoTや機械学習、自然言語処理といった多様な要素技術
と組みあわせ、利用者を中心とした広範な活用シーンに適用可能
社会性エージェント®
エルブズサービス
チャネルに所属する
フレンドとの会話
チャネルに所属する
バーチャルエージェントとの会話
ニーズ・状況の把握
遠隔地の
家族
地域の人々
個人事業主
NPO
自治体
警察
御用聞き
サービス
ネットワーク
御用聞きAI®が適時専門職員にエスカレーションし、
地域包括ケアシステムの自助と互助の成立を促す
郵便局
銀行
店舗

事例―京都府南山城村
「京都府唯一の村」
南山城村
《出典》Wikipedia
南山城村の概要
 京都府相良郡南山城村は
南部山間地にある京都府唯一の村
 人口約2,900名のうち40％強が
60歳以上の高齢者
 常設の商業施設は撤退しており、
「買い物弱者」が多数存在
 府と村は産業振興と
村内サービス向上を目的とした
道の駅事業を計画
(2016/4/15オープン)

実証実験の内容
地域住民
地域
個人
商店
道の駅「お茶の京都
みなみやましろ村」
対話
ロール別ボット
コミュニティバス
運行情報連携
配達ニーズ連絡配達依頼
販売メニュー提供
①買い物の注文
②広域バス
運行情報提供
配達乗車

「御用聞きAI®」との対話①
「ドライバー」エージェントに広域バスの運行状況を
教えてもらう

「御用聞きAI®」との対話②
「店員さん」エージェントのオススメを聞く

 複数の過疎地域を結ぶ
– 地理的なつながりを超えた連携
– 大都市と過疎地域との連携
 御用聞きの能力向上
– 先進的なAI技術を利用し、より相手に適したやりとりを行う
– 実社会とのインタフェース強化
 「SIerによる取り組み」のメリットを出す
– SIerの既存事業(SI)への貢献
– TISのお客様にとってのビジネスチャンスの創出
ご関心のあるお客様は以下もご覧ください
http://elvez.jp/poc
今後の展開

Io taiフォーラム(油谷) 170608

Io taiフォーラム(油谷) 170608

Recommended

Recommended

More Related Content

What's hot

What's hot (17)

Similar to Io taiフォーラム(油谷) 170608

Similar to Io taiフォーラム(油谷) 170608 (18)

More from Miki Yutani

More from Miki Yutani (8)

Recently uploaded

Recently uploaded (11)

Io taiフォーラム(油谷) 170608