Upgrade to Pro — share decks privately, control downloads, hide ads and more …

SSII2024 [OS3] 生成AIと完全自動運転

Avatar for 画像センシングシンポジウム 画像センシングシンポジウム PRO
June 12, 2024
Technology
960
0

SSII2024 [OS3] 生成AIと完全自動運転

Avatar for 画像センシングシンポジウム

画像センシングシンポジウム PRO

June 12, 2024

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
SSII2026 [SS1] 作業動画理解 〜基盤モデル時代の応用と課題〜
Avatar for 画像センシングシンポジウム ssii
PRO
0
610
SSII2026 [SS2] CADにおけるAI分野の動向と製造業 への実適⽤
Avatar for 画像センシングシンポジウム ssii
PRO
1
1.1k
SSII2026 [TS2] 日本古典文化とAI ～ データセットからアプリケーションまで～
Avatar for 画像センシングシンポジウム ssii
PRO
0
440
SSII2026 [PT1] アクセラレーテッド・コンピューティングが切り拓く知能の最前線 ~生成AIからエージェンティックAI、そしてフィジカルAIへの進化~
Avatar for 画像センシングシンポジウム ssii
PRO
0
580
SSII2026 [PT2] 記号創発ロボティクスとフィジカルAIの展開 〜集合的予測符号化が繋ぐ言語と身体の時空間階層性〜
Avatar for 画像センシングシンポジウム ssii
PRO
0
590
SSII2026 [OS1] 計算機インフラどうしてる？
Avatar for 画像センシングシンポジウム ssii
PRO
0
350
SSII2026 [OS1-1] 機械学習のための計算基盤の開発
Avatar for 画像センシングシンポジウム ssii
PRO
0
340
SSII2026 [OS1-2] 学術クラウド基盤mdx IIの 設計と運用
Avatar for 画像センシングシンポジウム ssii
PRO
0
340
SSII2026 [OS1-3] 実験室自動化を目指した 計算機との試行錯誤
Avatar for 画像センシングシンポジウム ssii
PRO
0
310

Other Decks in Technology

See All in Technology
GitHub Copilot 最新アップデート – 「一歩先」の実践活用術
Avatar for zhang.william moulongzhang
4
1.5k
ザ・データベース、MySQL ～ OSC 2026 Sendai ～
Avatar for sakaik sakaik
0
130
Claude Codeをどのように キャッチアップしているか
Avatar for Oikon oikon48
13
8.5k
あなたの知らないPDFのアクセシビリティ
Avatar for LINEヤフーTech (LY Corporation Tech) lycorptech_jp
PRO
0
220
MUSUBI 田中裕一『AIと共に行う「しごとのリデザイン」- スモールバックオフィス編』AI Ops Lab #4
Avatar for MUSUBI musubi
0
250
エラーバジェットのアラートのタイミングを考える.pdf
Avatar for KairiM kairim0
0
170
Flow 不死：AI 時代 DevOps 的不變本質
Avatar for Cheng-Wei Chen cheng_wei_chen
2
260
2026TECHFRESH畢業分享會 - Lightning Talk - E起 See See : 電商推薦讀心術? 數據說了算
Avatar for LINE Developers Taiwan line_developers_tw
PRO
0
1.3k
RAG を使わないという選択肢
Avatar for tatsutaka tatsutaka
1
270
白金鉱業Meetup_Vol.24_「AIエージェントは分けるほど良い」は本当か？ / Is it true that “the more you divide AI agents, the better”?
Avatar for BrainPad brainpadpr
1
410
【2026年版】 ベクトル検索とEmbedding最前線
Avatar for Tomoko Uchida mocobeta
14
3.9k
日本 Fintech 未来予測レポート 2027〜2028年（手動編集版）
Avatar for 8maki 8maki
1
2.4k

Featured

See All Featured
Leo the Paperboy
Avatar for Maya Tellez mayatellez
7
1.8k
AI in Enterprises - Java and Open Source to the Rescue
Avatar for ivargrimstad ivargrimstad
0
1.3k
Making Projects Easy
Avatar for Brett Harned brettharned
120
6.7k
The untapped power of vector embeddings
Avatar for Frank van Dijk frankvandijk
2
1.8k
Avoiding the “Bad Training, Faster” Trap in the Age of AI
Avatar for Mike Taylor tmiket
0
180
The Curse of the Amulet
Avatar for Matthew Lei leimatthew05
1
13k
Product Roadmaps are Hard
Avatar for C. Todd Lombardo iamctodd
PRO
55
12k
Context Engineering - Making Every Token Count
Avatar for Addy Osmani addyosmani
9
970
Exploring anti-patterns in Rails
Avatar for Elle Meredith aemeredith
3
410
The SEO identity crisis: Don't let AI make you average
Avatar for Varn varn
0
490
Tips & Tricks on How to Get Your First Job In Tech
Avatar for Honza Javorek honzajavorek
1
540
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
Avatar for Kevin Liebholz kevinliebholz
37
6.5k

Transcript

  1. 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）

  2. None

  3. 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

  4. 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？）

  5. 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

  6. 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

  7. 世界はテスラを評価している

  8. 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

  9. 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

  10. None

  11. 「情報」のプラットフォーム

  12. 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」

  13. 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

  14. None
  15. None
  16. None
  17. None
  18. None
  19. None
  20. None
  21. None

  22. 運転シーンの理解：既存 vs LLM自動運転

  23. 運転シーンの理解：既存 vs LLM自動運転

  24. 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

  25. None
  26. None
  27. None

  28. Vision-Language Modelの開発

  29. None
  30. None
  31. None
  32. None
  33. None
  34. None
  35. None
  36. None
  37. None
  38. None
  39. None

  40. 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！

  41. 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