Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
SSII2024 [OS3] 生成AIと完全自動運転
Search
画像センシングシンポジウム
PRO
June 12, 2024
Technology
0
690
SSII2024 [OS3] 生成AIと完全自動運転
画像センシングシンポジウム
PRO
June 12, 2024
Tweet
Share
More Decks by 画像センシングシンポジウム
See All by 画像センシングシンポジウム
SSII2024 [OS1] 自動運転における 重要技術とトレンド紹介
ssii
PRO
0
900
SSII2024 [PD] SSIIアナザーストーリーズ
ssii
PRO
0
250
SSII2024 [OS1] 画像生成技術の発展: 過去10年の軌跡と未来への展望
ssii
PRO
3
2.4k
SSII2024 [OS1] 現場の課題を解決する ロボットラーニング
ssii
PRO
0
740
SSII2024 [OS1] 画像認識におけるモデル・データの共進化
ssii
PRO
0
700
SSII2024 [OS1] 研究紹介100連発(オープンニング)
ssii
PRO
0
600
SSII2024 [OS2] 大規模言語モデルと基盤モデルの射程
ssii
PRO
0
610
SSII2024 [OS2] 画像、その先へ 〜モーション解析への誘い〜
ssii
PRO
1
1.3k
SSII2024 [OS2] 大規模言語モデルとVision & Languageのこれから
ssii
PRO
5
1.6k
Other Decks in Technology
See All in Technology
The 5 Obstacles to High-Performing Teams
mdalmijn
0
260
データの品質が低いと何が困るのか
kzykmyzw
6
1k
Datadog APM におけるトレース収集の流れ及び Retention Filters のはなし / datadog-apm-trace-retention-filters
k6s4i53rx
0
300
『AWS Distinguished Engineerに学ぶ リトライの技術』 #ARC403/Marc Brooker on Try again: The tools and techniques behind resilient systems
quiver
0
130
リーダブルテストコード 〜メンテナンスしやすい テストコードを作成する方法を考える〜 #DevSumi #DevSumiB / Readable test code
nihonbuson
11
4.9k
マルチモーダル理解と生成の統合 DeepSeek Janus, etc... / Multimodal Understanding and Generation Integration
hiroga
0
330
Ask! NIKKEIの運用基盤と改善に向けた取り組み / NIKKEI TECH TALK #30
kaitomajima
1
440
急成長する企業で作った、エンジニアが輝ける制度/ 20250214 Rinto Ikenoue
shift_evolve
2
600
日経電子版 x AIエージェントの可能性とAgentic RAGによって提案書生成を行う技術
masahiro_nishimi
1
270
FastConnect の冗長性
ocise
1
9.5k
技術負債の「予兆検知」と「状況異変」のススメ / Technology Dept
i35_267
1
990
Data-centric AI入門第6章:Data-centric AIの実践例
x_ttyszk
1
350
Featured
See All Featured
Rails Girls Zürich Keynote
gr2m
94
13k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
99
18k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
33
2.8k
Site-Speed That Sticks
csswizardry
3
370
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
40
2k
Six Lessons from altMBA
skipperchong
27
3.6k
How to Ace a Technical Interview
jacobian
276
23k
Put a Button on it: Removing Barriers to Going Fast.
kastner
60
3.7k
ReactJS: Keep Simple. Everything can be a component!
pedronauck
666
120k
Optimising Largest Contentful Paint
csswizardry
34
3.1k
The Cost Of JavaScript in 2023
addyosmani
47
7.3k
Performance Is Good for Brains [We Love Speed 2024]
tammyeverts
7
620
Transcript
生成AIと完全自動運転 2024.6.14 青木 俊介 (チューリング株式会社 取締役CTO/ 国立情報学研究所 助教)
None
共同創業者・CTO 青木俊介 2014年 東京大学 大学院 修士(情報理工学) 2015年-2020年 米・カーネギーメロン大学の情報工学科でPh.D. ゼネラルモーターズと自動運転システム開発 自動運転の研究・開発に従事
2021年4月 国立情報学研究所 助教 2021年8月 チューリング株式会社を共同創業 CTO
How can we conquer the market held by Japanese car
makers by autonomous driving? (日本の自動車メーカーが持っている市場を どう自動運転ソフトウェアで奪えるだろうか?)
日本は製造業・モノづくりが伝統的に強い しかし情報・ITによる「変化」で負けてきた
日本は製造業・モノづくりが伝統的に強い しかし情報・ITによる「変化」で負けてきた
世界はテスラを評価している
日本の年間自動車出荷額: 60兆円 自動車産業の就業人口: 550万人 全就業人口に対する比率: 8.5% 日本の基幹産業の危機
日本の年間自動車出荷額: 60兆円 自動車産業の就業人口: 550万人 全就業人口に対する比率: 8.5% 日本の基幹産業の危機
None
「情報」のプラットフォーム
2023年の対米ITサービス: 5.6兆円の赤字 2030年の対米ITサービス: 10兆円の赤字 「デジタル小作人」 「ITの植民地」
生成AIと完全自動運転 チューリング 共同創業者CTO 青木俊介
None
None
None
None
None
None
None
None
運転シーンの理解:既存 vs LLM自動運転
運転シーンの理解:既存 vs LLM自動運転
運転シーンの理解:既存 vs LLM自動運転 「AIによる物体の個別認識→ルールベースのコンテキスト理解・意思決定」から 「AIによるコンテキスト理解・意思決定」に移行
None
None
None
Vision-Language Modelの開発
None
None
None
None
None
None
None
None
None
None
None
まとめ • 完全自動運転には生成AI・LLMが必要 • コンテキストを理解する「脳」が必要 • 車に組み込むには速度が大事 • LLMの推論はスループット・レイテンシに課題 •
HW・SW両面での高速化 • チューリング、採用も積極的です! • プレシリーズA調達! • 勝ち馬をつくろう!
生成AIと完全自動運転 チューリング 共同創業者CTO 青木俊介