深層学習の導入で抱える課題とユースケース実例

ディープラーニング導入の課題と実例
2017/12/01 Deep Learning Lab 第5回

1©2017 Ridge-i All Rights Reserved.
• Ridge-i について
• AI導入の課題
• 課題の実例
• さいごに
Agenda

Ridge-i について

Ridge-i について
ビジネスニーズにあった最適なAI技術を追求・提供します
 パートナーシップ
Employees
10名 + α
主に機械学習エンジニア、
コンサルタント出身
外国人比率 50％
Office
千代田区大手町
1-6-1-442
 事業領域
AI コンサルティング AI ソリューション開発
例：モノクロ映像
カラー化AI
特にディープラーニング
機械学習、強化学習
 会社概要
Style
裁量労働制

RI 自社開発事例モノクロ映像自動彩色AI
大相撲（5/21 NHKで放送） NHKスペシャル「戦後ゼロ年東京
ブラックホール 1945-1946」
（8/20放送）

Ridge-i 担当について
柳原尚史
• 小４からプログラマー。大学時代はプレイステーションのゲーム開発
• ブラックロック、HSBC、大和証券でリスク分析、アルゴリズム取引の開発
• 証券アナリスト、ネットワークスペシャリスト、宅建など資格多数
趣味はトレイルランニング
 富士山1日3往復
 モンブラン170Kmを45時間寝ずに走破
数式に眠くならない強さ

AI導入の課題

©2017 Ridge-i All Rights Reserved.
相談
検討
開始
活用
戦略
技術
詳細
開発
POC
周辺開発
実業務に
デプロイ
多多
中
中
少
AI導入
プロセス
人的
リソース
人材不足が
AI導入を阻む最大のボトルネック
AIで何か
したい
課題と方向性
省力化・新商品・
新ビジネス
データ戦略
どの技術と
データの組合せで
解決
実装・学習・検証
チューニング
AI導入
達成
AI導入の流れとボトルネック

● 本来あるべき姿
「この課題はAIなら解決できるのか？」
「解決する事によるインパクトはなにか？」
「そのために必要なデータは何か？」
活用戦略の課題
導入自体の目的化
● ありがちな問題
「とにかく AIを入れたい」
「いまあるデータから宝が見つからないか？」
検討
開始
活用
戦略
技術
詳細
開発
POC
周辺
開発

技術詳細の課題
弊社の実案件の例
• AIで荷物の運搬の最適な動線解析を行いたい
• AIで白黒映像の彩色作業の手間を削減したい
• AIで焼却炉の制御を自動化したい
• AIで電力マネージメントを最適化したい
• AIで製造装置の異常の兆候を捉えたい
• AIで徘徊老人を探したい
AIが意味するところは玉石混合
検討
開始
活用
戦略
技術
詳細
開発
POC
周辺
開発

「AI」という言葉の曖昧さ
階層ベイズ
MCMC
GLMM
最尤法
ベイズ理論
主成分分析、GLM
検定
相関、共分散
確率、正規分布、分散
機械学習統計解析
機械翻訳
トピックモデル
文章生成
ディープラーニング
(RNN, Skip-gram)
BWT, Wavelet Tree
TF-IDF, Word2Vec
検索、N-Gram
形態素解析
自然言語解析
どれでもAI
分散協調
深層強化学習
強化学習
ディープラーニング
LSTM, DBM, CNN, RNN
協調フィルタリング
SVM, K-Means, 近傍法
探索木
ロジスティック回帰
最小二乗法
＋ナップザック問題、動的計画法、最適化問題等も
検討
開始
活用
戦略
技術
詳細
開発
POC
周辺
開発

ディープラーニングのパターン
検討
開始
活用
戦略
技術
詳細
開発
POC
周辺
開発
汎用最強はなくて、課題毎に複数試す必要
アンサンブル、ブースティングみたいに組合せも

● ユーザーがAI活用を企画するための知識・理解の不足
● あいまいなAIの定義
● 日々進化するディープラーニング
ニーズとシーズのギャップ
相談
検討開始
活用
戦略
技術
詳細検討
開発
実証実験
周辺開発
実業務に
デプロイ
一人で向こうまで行けって
そんな無茶な。。
（AI推進担当）
深い谷
AI導入
できた！

Ridge-i の役割
導入支援、カスタマイズ
Ridge-iが自社・共同開発
コンサルテーションフェーズソリューション開発フェーズ
課題と効果
最適な技術構成
複数のAIと他技術を
どう組み合わせるか
AIの導入価値の判定
他AIを活用
自社・共同開発
相談
検討開始
活用
戦略
技術
詳細検討
開発
実証実験
周辺開発
実業務に
デプロイ
導入
達成
AI導入
プロセス
パートナー企業

課題の実例

ケース１活用戦略の必要性
「ビッグデータあるある」

ビッグデータ活用あるある
● 車の任意の画像から、査定額を見積りたい
「ビッグデータを使いたい」で起きる
よくある問題
● 「いまあるビッグデータを使ってほしい」

ビッグデータあるあるその１
● データが不整形（画像の縦横比率もバラバラ）
● 対象物体が映っているアングルが揃っていない
● 対象物体以外に色々映りすぎ
● 顧客データのマスキング、セキュリティ確保
教師データを抜き出すだけで一つのプロジェクト

ビッグデータあるあるその２
● ラベルに大きな偏り
● 画像だけじゃわからないケース（内装）
● 同じ画像でも、作業者、画像外要因で結果が違うことも
現状の誤った出力に、モデルをあわせる、
という本末転倒な結果にも。
入力データにモデル構築するのに十分な情報が入っていない

ケース１のまとめ
将来の競争優位のために
早めのデータマネージメント戦略が重要
データを貯めきる前に、早めに検証する柔軟さ
相談
検討開始
活用
戦略
技術
詳細検討
開発
実証実験
周辺開発
実業務に
デプロイ
販売
サポート
やっておけばよかった場所
機械学習・ディープラーニングを活用しやすい
データを貯めよう

ケース２技術詳細設計の必要性
「多目的は無目的」

２年前に作った汎用AI

放送レベルに特化させたAI
実証実験映像（4K）

WEB上の汎用AIサービス Ridge-i + NHK ART
汎用的なAIと、RI彩色技術との比較

モノクロ映像自動彩色AI - 活用実例
大相撲（5/21 NHKで放送） NHKスペシャル「戦後ゼロ年東京
ブラックホール 1945-1946」
（8/20放送）
数百倍の省力化を実現しながらも、放送クオリティを確保
人は人がバリューを出せるところに集中できる

ケース２まとめ
ビジネス要件を満たす条件の見極め
相談
検討開始
活用
戦略
技術
詳細検討
開発
実証実験
周辺開発
実業務に
デプロイ
販売
サポート
やってよかった場所
目的が定まれば、技術の最適化が可能
汎用モデルはビジネスでは使えないことも

ケース3 開発力の必要性
「ブラックボックスじゃ困る」

ケース３ブラックボックス問題
■よくある質問
「AIが理由を説明できないと、問い合わせがあった時に困る」
「じゃぁ、決定木でも使えば？精度は落ちるかもね」
■技術者的模範解答
囲碁有段者実際の解説
「単純にして荒々しい一手」、「そこの１目が厚いと思ったので」
「人間はもっともらしく言うのが得意なだけ」

DNN Prediction ２輪車飛行機
Visual
Explanation
R&D – Visual Explanations oｆ DNN output
ディープラーニングが注目した箇所を図示する機能を追加

ケース３まとめ
ディープラーニングの構造まで踏み込んだ技術力
相談
検討開始
活用
戦略
技術
詳細検討
開発
実証実験
周辺開発
実業務に
デプロイ
販売
サポート
強くてよかった場所
ニーズをコードまで落とす理解力

おまけ社内R&D 事例

R&D case - Super Resolution
Low quality
(Input)
Deep Learning
(Output)
Grand Truth
1/36 1/1 1/1

R&D case - Depth estimation (single camera)
Single RGB Image
(Input)
Deep Learning
(Output)

さいごに

Ridge-i の役割
コンサルテーション
フェーズ
ソリューション開発
フェーズ
相談
検討開始
活用
戦略
技術
詳細検討
開発
実証実験
周辺開発
実業務に
デプロイ
導入
達成
• どの課題に、どのAI技術を使うのか、見極めが重要
お気軽にご相談ください！
問い合わせ
contact@ridge-i.com
• データとやりたいことがあれば、まず一度試して経験を積むのも
あり（Fail Fast ! Learn Fast !)
• ２−３ヶ月での簡易コンサル+POCもサポートします

深層学習の導入で抱える課題とユースケース実例

More Related Content

What's hot (19)

Similar to 深層学習の導入で抱える課題とユースケース実例 (20)

More from Hirono Jumpei (20)

Recently uploaded (9)

深層学習の導入で抱える課題とユースケース実例