Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

04.(株)電通国際情報サービス_発表資料

415 views

Published on

みやぎIoTビジネス共創ラボ勉強会の資料です。

Published in: Technology
  • Login to see the comments

  • Be the first to like this

04.(株)電通国際情報サービス_発表資料

  1. 1. デジタル・エンタープライズ最新動向 スマート農業の進展とXAI(Explainable AI) 2018年9月27日 株式会社 電通国際情報サービス 戦略ビジネス推進本部長 幸坂 知樹 tom@isid.co.jp
  2. 2. 株式会社 電通国際情報サービス 1975年 株式会社電通、 GENERAL ELECTRIC CORPORATIONの 出資により設立 1
  3. 3. 株式会社 電通国際情報サービス 2 20% 31%23% 26% 売上高構成比 (2017.12期) 金融ソリューション ビジネスソリューション コミュニケーションIT エンジニアリングソリューション
  4. 4. 3 地方創生・ブロックチェーン・ スマート農業
  5. 5. 0.2% 4
  6. 6. 認証機関に提出する日々の栽培日誌 細々とした伝票管理 畑の周辺環境に関する厳密な規定 栽培品目が増えることによる手間 肥料や防虫ネットなどの資材 認証の審査費用(毎年更新) 有機JASマークのシール代・パッケージ代 大きな病虫害などが起きたときに収穫が減るリスク 5
  7. 7. 現在提供されている情報 6
  8. 8. ブロックチェーン技術により 信頼性を担保し、提供できる情報 作付計画書、土壌診断表、農薬残留分析、 栽培管理記録簿、生産者情報など 7
  9. 9. フードトレーサビリティにブロックチェーン技術 8 Blockchainによる共通台帳 農家 農産物と固有ID 消費者  生産履歴・栽培記録  肥料・農薬使用履歴、 土壌・品質の認定  生産者・生産履歴・ 情報閲覧 ロジスティクス 外食・流通 農産物と固有ID  パッケージ単位での 位置情報、温度・湿 度、衝撃など  生産者・生産履歴・ 情報閲覧  輸送状態情報閲覧 記 録 記 録
  10. 10. スマート農業 環境センサー(農業IoTセンサー)と営農管理ソフトの提携 9
  11. 11. フードトレーサビリティにブロックチェーン技術 10  アグリノート連携による 生産履歴の自動記録  センサーから 環境情報を自動記録  消費者はスマートフォンで 生産履歴を確認  消費者行動分析
  12. 12. 安心・安全でおいしい有機野菜を訴求するべく、 ブロックチェーン技術で価値とニーズをマッチング 日々の生産履歴をブロックチェーンへ記録 綾町野菜のブランディング(価格は2倍に設定) 消費者はスマホで野菜の品質を確認し、次々に購入 マルシェではわずか開始3時間足らずで完売 スマート農業 11
  13. 13. フードトレーサビリティにブロックチェーン技術 12  IoTセンサーを同梱して 出荷される綾町産の有機 農産物 宮崎県綾町  IoTセンサーからブロック チェーンへ流通履歴・品質 情報を自動記録 World Keeper  タブレットから流通履歴・品質を確認  綾町野菜を用いた実験用エシカルメ ニューを提供 エシカルメニュー
  14. 14. スマート農業 農業IoTプラットフォームの全体イメージ 端末認証の上登録 農業IOT ブロックチェーンPF 輸送情報な どブロックチェーン に 書き込み 閲覧用ページ生成 履歴参照 RESETー API 入出力 消費者 連携予定の情報 ・生産者氏名 ・生産者住所 ・申請農地 ・地区名 ・面積 ・農地日照/排水状況 ・出荷先 ・輸送日 ・出荷時の個別写真 ・収穫時の写真 ・作業内容 天候 作業時間 作業内容例:間引き・中耕・除草 ・土作り 堆肥の使用量 除草剤の有無 土壌消毒剤の有無 生産者 ・作物名 ・品種名 ・種苗購入先 ・資材購入先 ・耕転機械 (例:トラクター等) ・防除機械 ・堆肥の内容 13
  15. 15. 14 AI適用領域の拡大と XAI(Explainable AI)
  16. 16. 15
  17. 17. ビジネスにおいて求められるAI/機械学習: ”当てること”と”わかること” 16 データ 予測モデル 説明モデル 「当てること (予測/判定)」 「わかること (原因/理由)」 整合性を合わせた結果を一度に出せないか? 結果の関係は? 例えば Deep Learning 例えば 決定木
  18. 18. 説明力・解釈性 (Interpretability) 17 ② Local Interpretability  領域毎の傾向を解釈  レコード単位でより正確な説明 が可能 ① Global Interpretability  全体の傾向を把握  近似、要約統計量を利用 ⇒局所的には不正確 全体を1つの因子 の組合せで説明 それぞれ同じ不良 でも違う特性
  19. 19. Explainable AIから得られる解釈性 (Interpretability) 18 Dataに対して 予測結果をクラスタリング
  20. 20. Explainable AIから得られる解釈性 (Interpretability) 19 画像に対して 参照元:Deep Leaning with Python(François Chollet)
  21. 21. 20
  22. 22. 21 ご清聴、有難うございました。 Thank you. 本文書(添付資料を含む)は、株式会社電通国際情報サービスが著作権その他の権利を有す る営業秘密(含サプライヤー等第三者が権利を有するもの)です。 当社の許可なく複製し利用すること、また漏洩することは「著作権法」「不正競争防止法」 によって禁じられております。 本資料内の社名・製品名は各社の登録商標です。

×