Share
Embed
Transcript
37 slides
-
データサイエンスの業界トレンドと今後の動向 2021年6⽉4⽇ (⾦) 16:30 - 17:20 @Women in Data Science(WiDS)
TOKYO © 2021 Chura DATA inc. PROPRIETARY & CONFIDENTIAL. -
© 2021 Chura DATA inc. PROPRIETARY & CONFIDENTIAL. 本セッションのSNS投稿について SNS投稿︓
全てOK OK: テキストによる⽂字のみの投稿 OK: スクリーンショットの画像/動画を含んだ投稿 ハッシュタグ: #WiDS2021 #WiDSTokyoIBM -
真嘉⽐ 愛(まかび あい) ちゅらデータ株式会社 代表取締役社⻑ DATUM STUDIO株式会社 副社⻑ 沖縄ITイノベーション戦略センター 理事
⼤学にて⾃然⾔語処理を専攻。卒業後、広告事業のデータ分析な どを経験し、2016年にDATUM STUDIO株式会社に⼊社。 2017年に沖縄に⼦会社としてちゅらデータ株式会社を創業。 ⾃然⾔語処理、画像解析、異常検知など100社を超えるAI構築の コンサルティング・開発に従事 -
【宣伝】イベントの紹介 • データサイエンスをビジネスに活 かすには︖(初⼼者⼤歓迎︕) • NOB DATA x ちゅらデータ合同勉強会 •
https://churadata.connpass.com /event/214074/ • 2021/06/15 (⽕) 19:00 - 21:00 • #chura_collabo © 2021 Chura DATA inc. PROPRIETARY & CONFIDENTIAL. -
本⽇のアジェンダ • AI活⽤に関する業界の動向 • AIをビジネス導⼊する上での課題 • 最先端AI事例の紹介 © 2021 Chura
DATA inc. PROPRIETARY & CONFIDENTIAL. -
AI関連のニュース 1/2 © 2021 Chura DATA inc. PROPRIETARY & CONFIDENTIAL.
佐川急便らは、2020年10⽉〜12⽉に 横須賀市で150世帯の協⼒を得て実施 したフィールド実証実験において、 ⼈⼯知能(AI)と電⼒データを活⽤ することで、不在配送を約20%減少 できたと発表した。 電⼒データを活⽤した在宅判定アル ゴリズムで在宅予測・判定し、実際 に配送をしたところ、不在率を約 20%改善できた 出典︓ https://prtimes.jp/main/html/rd/p/000000014.000040467.ht ml(2021/3/26) -
AI関連のニュース 2/2 © 2021 Chura DATA inc. PROPRIETARY & CONFIDENTIAL.
⼤阪ガスは、AIカメラ搭載の路線 バスによるガス管パトロール業務 の試験運⽤を開始しています。 今回の試験運⽤では、⼤阪シティ バスと連携し、AIカメラを搭載し た路線バスによるパトロールを実 施し、他事業者が事前連絡なく道 路を掘削しているケースを検知し ます。 出典︓ https://prtimes.jp/main/html/rd/p/000000035.00000 3079.html (2021/6/3) -
企業におけるAI活⽤の現状 • ⼤企業を中⼼にAIの利活⽤が進んでおり、本番運⽤への導⼊事例も 増えている状況 © 2021 Chura DATA inc. PROPRIETARY
& CONFIDENTIAL. 引⽤︓AIガバナンスサーベイ(有限責任監査法⼈トーマツ) h$ps://www2.deloi$e.com/jp/ja/pages/deloi$e-analy9cs/ar9cles/ai-governance-survey-2020.html -
AIビジネスの国内市場 • 2020年度は新型コロナウイルスの影響を⼤きく受けたが、AIへの 投資は積極的に実施された • 注⽬されているAIソリューション • エッジAIコンピューティング、OCR、チャットボット、需要予測、 パーソナライズドレコメンド ©
2021 Chura DATA inc. PROPRIETARY & CONFIDENTIAL. 引⽤︓ 2020 ⼈⼯知能ビジネス総調査(富⼠キメラ総研) https://www.fcr.co.jp/pr/20107.htm 国内市場 2019年⽐ 2020年度⾒込み 1兆1,084億円 115.4% 2025年度予測 1兆9,357億円 201.5% -
エッジAIコンピューティング • 2025年の市場規模予測︓565億円、2019年度⽐︓4.2倍 • IoTデバイス等システムの末端に近い場所でデータを処理する技術 • セキュリティや通信速度・コストの問題から、クラウド上にデータ を集めての処理ができないケースがある場合などに有⽤ © 2021
Chura DATA inc. PROPRIETARY & CONFIDENTIAL. AWS IoT Greengrass h;ps://aws.amazon.com/j p/greengrass/ 引⽤︓ 2020 ⼈⼯知能ビジネス総調査(富⼠キメラ総研) https://www.fcr.co.jp/pr/20107.htm -
OCR(Optical Character Recognition) • 2025年の市場規模予測︓303億円、2019年度⽐︓2.3倍 • 紙媒体に記載されている⽂字を⾃動的に読み取る技術 • AI技術と組み合わせることにより、⼤幅な精度向上を達成 ©
2021 Chura DATA inc. PROPRIETARY & CONFIDENTIAL. DX Suite https://dx-suite.com/ 引⽤︓ 2020 ⼈⼯知能ビジネス総調査(富⼠キメラ総研) https://www.fcr.co.jp/pr/20107.htm -
チャットボット • 2025年の市場規模予測︓368億円、2019年度⽐︓2.5倍 • チャットボットを利⽤することで、顧客から問合せに対し⾃動応 対。これにより業務効率化を達成 © 2021 Chura DATA
inc. PROPRIETARY & CONFIDENTIAL. 国内チャットボット・ミニアプリ業界 カオスマップ/エボラニ株式会社 https://prtimes.jp/main/html/rd/p/000000 009.000045103.html 引⽤︓ 2020 ⼈⼯知能ビジネス総調査(富⼠キメラ総研) https://www.fcr.co.jp/pr/20107.htm -
需要予測 • 2025年の市場規模予測︓304億円、2019年度⽐︓1.7倍 • 商品情報、受注実績、気象情報、カレンダー情報などを活⽤し、商 品の需要を予測する技術 © 2021 Chura DATA
inc. PROPRIETARY & CONFIDENTIAL. DataRobot - Automated Time Series https://www.datarobot.com/jp/platfor m/time-series/ 引⽤︓ 2020 ⼈⼯知能ビジネス総調査(富⼠キメラ総研) h$ps://www.fcr.co.jp/pr/20107.htm -
パーソナライズドレコメンド • 2025年の市場規模予測︓180億円、2019年度⽐︓2.1倍 • ユーザーの指向性に応じた商品/サービスをレコメンドする技術 • ECや広告などにおける利⽤が主流だったが、不動産や電⼦書籍サ イト等、利⽤範囲が広がっている © 2021
Chura DATA inc. PROPRIETARY & CONFIDENTIAL. 引⽤︓ 2020 ⼈⼯知能ビジネス総調査(富⼠キメラ総研) https://www.fcr.co.jp/pr/20107.htm ユーザー属性の類似度に着⽬し、 レコメンドを実施 様々な情報を利⽤して ユーザーを多⾓的に分析 類似度85% N⽇以内に「賃貸」について検索した → 引っ越しを考えている︖ N⽇以内に「⾚ちゃん⽤品店」を訪問した → ⾚ちゃんがいる︖ -
AIをビジネス導⼊する上での課題 ⼤きく分けて3つの課題をとりあげる © 2021 Chura DATA inc. PROPRIETARY & CONFIDENTIAL.
① 予測の不確実性とどう向き合うか ② AIの判断をどう⼈間に説明するか ③ AIを学習するために⼤量の教師データが必要な問題を どう克服するか -
AIをビジネス導⼊する上での課題 ⼤きく分けて3つの課題をとりあげる © 2021 Chura DATA inc. PROPRIETARY & CONFIDENTIAL.
① 予測の不確実性とどう向き合うか ② AIの判断をどう⼈間に説明するか ③ AIを学習するために⼤量の教師データが必要な問題を どう克服するか -
① 予測の不確実性とどう向き合うか • AIの学習時に利⽤したデータと、AIを製品化した後に⼊⼒されてく るデータが⼀致することは稀である • e.g. コンテンツをレコメンドするAIを作ったが、時間がたつとともにコン テンツの内容や⼈々の興味が変遷し全く違う傾向を⽰すようになった •
e.g. センサから製品の異常検知を⾏うAIを作ったが、時間がたつとともに センサが劣化して⼊⼒データの質が変わってしまった • ⼊⼒データの微妙な違いにAIの精度が⼤きく左右されてしまう • e.g. 胸部X線画像から肺炎を検出するAIを作ったが、⼊⼒される画像の微 妙な違いにより他の病院で利⽤すると診断制度が⼤幅に劣化してしまった © 2021 Chura DATA inc. PROPRIETARY & CONFIDENTIAL. -
① 予測の不確実性とどう向き合うか • AIは、学習時に観測したことのないデータ(Out-Of-Distribution data; OOD)を与えられた際、⾃信を持って判断を間違えてしまう ことがある • e.g. ⻘い物体は海しか⾒たことのないモデルにブルーシートを⾒せると、
⾃信を持って海と判定する AIが出した予測はどこまで信じることができるのか︖ 予測の不確実度合いや信頼度を評価したい © 2021 Chura DATA inc. PROPRIETARY & CONFIDENTIAL. -
OOD検知タスクへの取り組み • ⼊⼒データ中の特定のカテゴリ以外のカテゴリを検知する、 OOD検知タスクの研究が進んでいる → 予測の信頼度を評価することで、安定的にAIシステムを運⽤ できる。Adversarial Exampleのような例に対策できる © 2021
Chura DATA inc. PROPRIETARY & CONFIDENTIAL. 予測を⾏う際に確信度を返す研究の例 引⽤︓ https://arxiv.org/pdf/1802.04865 -
[参考] Adversarial Example • ちょっとしたノイズを加えることで簡単にAIを騙せてしまう • ⼈間の⽬ではほとんど違いがないように⾒える画像でも、AIは正しく判定できなくなる • 例えば⾃動運転中の⾞に対し、道路標識を誤認識させるような悪意ある攻撃がなされてし まうと・・・
© 2021 Chura DATA inc. PROPRIETARY & CONFIDENTIAL. 99.3% 「テナガザル」 と判定 57.7% 「パンダ」 と判定 引⽤︓https://arxiv.org/pdf/1412.6572v3.pdf -
多様な評価⽤データセットの登場 • 画像に対し、現実に発⽣しうる 様々なノイズを加えたデータセッ トが公開されている • ImageNet-C︓ ImageNetの画像データに対し、 15の異なる変更を加えている ©
2021 Chura DATA inc. PROPRIETARY & CONFIDENTIAL. 引⽤︓ImageNet-C https://github.com/hendrycks/robustness -
AIをビジネス導⼊する上での課題 ⼤きく分けて3つの課題をとりあげる © 2021 Chura DATA inc. PROPRIETARY & CONFIDENTIAL.
① 予測の不確実性とどう向き合うか ② AIの判断をどう⼈間に説明するか ③ AIを学習するために⼤量の教師データが必要な問題を どう克服するか -
AIを構築した企業に求められる説明責任 • グーグルフォトが⿊⼈系カップルの写真を「ゴリラ」と⾃動的にタ グ付けしていることが判明した → グーグルは、すべての「ゴリラ」のタグを削除し、「ゴリラ」 のキーワードで検索する機能を停⽌させた • ⽣命保険会社が、顔写真から年齢に対する⾒た⽬や肥満度、喫煙者 かどうか等を⾃動的に判定し、⽣命保険料を決定した
→ 保険料の決定プロセスをしっかり説明して欲しいとのことで、 利⽤者からクレームが発⽣する事態に発展 • 英国務省は、外国⼈からのビザ申請を⾃動審査するAIの利⽤を、 「特定の⼈種や国⺠を却下し続けている」ということで停⽌した © 2021 Chura DATA inc. PROPRIETARY & CONFIDENTIAL. -
XAI(Explainable AI; 説明可能なAI) • 予測結果や推定結果に⾄るプロセスが、⼈間によって説明可能に なっているAIを指す • ⽶国のDARPA(Defense Advanced Research
Projects Agency; 国防⾼ 等研究計画局)が主導する研究プロ ジェクトが発端で、社会的に広く使 われるようになった⽤語 © 2021 Chura DATA inc. PROPRIETARY & CONFIDENTIAL. 引⽤︓ h?ps://github.com/slundberg/shap -
AIをビジネス導⼊する上での課題 ⼤きく分けて3つの課題をとりあげる © 2021 Chura DATA inc. PROPRIETARY & CONFIDENTIAL.
① 予測の不確実性とどう向き合うか ② AIの判断をどう⼈間に説明するか ③ AIを学習するために⼤量の教師データが必要な問題を どう克服するか -
AIの学習には⼤量のデータが必要か︖ AIの開発現場でよく発⽣する課題︓ 「AIを使った⾼精度な予測を実現するためには、⼤量の学習⽤デー タが必要であるが、学習⽤データを⽤意するのは期間とコストの関 係から容易ではない」 e.g. 希少疾患の分類、⼀般的でない⾔語の翻訳 少量のデータを⽤意するだけで 性能の⾼いAIを構築することは出来ないか ©
2021 Chura DATA inc. PROPRIETARY & CONFIDENTIAL. -
メタ学習(Meta learning) • メタ学習とは、学習⽅法を学習する⼿法。学習プロセスを効率化す ることで、少量の学習データでも⾼い性能を発揮できるようになる © 2021 Chura DATA inc.
PROPRIETARY & CONFIDENTIAL. 引⽤︓https://arxiv.org/pdf/1802.01557 One-Shot Imita.on from Observing Humans via Domain-Adap.ve Meta- Learning 関連するタスクから事前に収集したメ タ学習⽤データを利⽤して、 ⼈間がデモをする1つの動画からロボッ トが動きを学習する -
⾃⼰教師あり学習(Self-Supervised Learning; SSL) • ⼈間が正解データを⽤意するのではなく、 データ⾃⾝から独⾃のラベルを⾃動的に 作り画像の表現を学ばせる = ⼈間がデータを作るという労⼒をかけ ずに⾼精度のAIを作る
• 対照学習(Contrastive Learning)と いう⼿法が主流 • 代表的なモデルにSimCLRがある © 2021 Chura DATA inc. PROPRIETARY & CONFIDENTIAL. 引⽤︓ https://ai.googleblog.com/2020/04/advancing-self-supervised-and-semi.html -
DALL・E • OpenAIが発表した「DALL・E」 は、⾔葉を⼊⼒するだけでそれっぽ いイラストや写真を⽣成する © 2021 Chura DATA inc.
PROPRIETARY & CONFIDENTIAL. ⼊⼒⽂︓an emoji of a baby penguin wearing a blue hat, red gloves, green shirt, and yellow pants (⻘い帽⼦、⾚い⼿袋、緑のシャツ、⻩⾊いズボ ンを着た⾚ちゃんペンギンの絵⽂字) 引⽤︓https://openai.com/blog/dall-e/ -
NeRF(Neural Radiance Field) • 複数の視点の画像から新たな視点の画像を合成して作り出す、⾃由 視点画像⽣成の⼿法。VR技術への応⽤が期待されている © 2021 Chura DATA
inc. PROPRIETARY & CONFIDENTIAL. -
© 2021 Chura DATA inc. PROPRIETARY & CONFIDENTIAL. 16:30 -17:20
CLOSING KEYNOTE コメント&アンケート 参加はこちら slido.com #widsibm2021