IoTLTにむけて機械でのパーセプトロンを目指した話です。

1. セルフ
ラーニングマシン
ABEJA Inc.
2016.10.11
Takashi Komori

2. 名前：
所属：
特技：
やってること：
これまで：
自己紹介 (コモリ）
古森 崇史
株式会社ABEJA
フルスタック感
デバイス周りの管理システム
やファームウェアなど
ヒト細胞の培養装置とか、カメラと複合センサに
よる広域のヒトトラッキングシステムとか

3. ・人工知能をコアテクノロジーに持つ5期目のベンチャー
・ウフルさんとはご近所
・AI技術をすでにビジネス化
・画像処理では世界トップレベル
・カメラ／IoTはバラマキ中
・リテール領域で実店舗、
数百店舗に展開中
会社紹介（ABEJA）

4. ABEJA Platform for Retail.

5. 今回の発表のコンセプト

6. 今回のシステムの背景
IoT
IoT
IoT
IoT
IoT
IoT
IoT
IoT
クラウド
ビッグデー
タ
AI/人工知能技術
・IoT→Bigdata→AIの流れは来ている
・折角なのでIoTの中でもAIの話はしたい
・パソコンで機械学習しても地味かな

7. 今回のシステムの方向性
・エッジ側で処理をする
・機械学習技術の中でもディープラーニングを扱う
・パソコンは置かない
・なんかとりあえずガッツリ作り込みたい
処理系
人工知能（機械）
入力 出力

8. 出来上がった物

9. 何を作ったのか

10. パーセプトロンをつくる
ローゼンブラットはこの形式ニューロンの考え方を基にしてパーセプトロンを開発した。
S層（感覚層、入力層）、A層（連合層、中間層）、R層（反応層、出力層）の3つの部分か
らなる。 S層とA層の間はランダムに接続されている。 S層には外部から信号が与えられ
る。A層はS層からの情報を元に反応する。R層はA層の答えに重みづけをして、多数決を
行い、答えを出す。（出典：Wikipedia）
ニュー
ロン
入力 出力
W1
W2
Wn

11. そもそもどこからディープラーニング？
・NNの層が増えてくるとディープラーニングとよぶようになった
・最近は１００層とかすごくでかいネットワークもある
・逆にN層のNNから１引いたN-1層のNNもディープラーニング？
・ならば１層でもディープラーニングと言ってもいいのでは

12. 今回のシステム構成図
マイコンボード
ARM Coretex M0
ボリューム
モータドライバ回路
ボリューム
２相制御
信号
入力
入力装置
学習中
Enable
制御電流 M
ステッピング
モータ
バックプロプ用（電圧）
機械的に接続
出力（機械の状態）
さくらIoT
モータドライバ以降のシステムが重みでシステムの状態が出力

13. 回路／回路図

14. 出来上がった物

15. 苦労したポイントとか

16. ポイントその１ 秋月の安いサーボモータ
・やることの割にドライブ回路が大掛かりになった
・なぜか備え付けのギヤのモジュールが0.6
・結果的にたかくつく
パワフルででかいのに７００円！

17. ポイントその２ ラフな設計
・回路はともかくメカが超甘い（図面ゼロ）
・現物合わせと、やすりを駆使しまくり
・ギヤが多段になるので離れても近づいても回らない
・せめてタミヤのギヤボックスがつかえたら・・・

18. ポイントその３ 揃わない工具など
・現物合わせするにも、ツールはヤスリとドリルだけ
・ドリルに役立つモノタロウのカタログ（万力とかジグはない）
・最終的にダッシュでドンキで糸のこ購入

19. まとめとか

20. やりのこしたこと
・オペアンプでシグモイド関数を近似
・多入力に対応 入力が１次元で実はパーセプトロン感すらない
・さくらIoTにちゃんとつなぎたかった
・もうちょいおもしろい出力あったかな
マイコンボード
ARM Coretex M0
ボリューム
モータドライバ回路
ボリューム
２相制御信号
入力
入力装置
学習中
Enable
制御電流 M
ステッピング
モータ
学習した重み（電圧）
機械的に接続
出力（機械の状態）
さくらIoT

21. 今後の展望
１．宝くじを当てて資金調達
２．他入力に対応して連結可能な形に再設計
２．基板を起こして１台３０００円/lot 3万個くらい中国で量産
３．大量に繋いでディープラーニングを実現！

22. 最後に
ABEJA主催でもIoTのイベントやります。
「IoT・Bigdata・AI」Meetup
~上りのIoT、下りのIoT。IoTで全てが繋がる~
2016.10.24 (月）
http://abeja-innovation-meetup.connpass.com/event/42139/