先日、株式会社レッジが主催する THE AI 2018 というイベントに、色々が色々あって参加させてもらった。色々が色々でちゃんと見てなかったのだけどチケット 4 万円なのか…
Ledge.ai たまにディープラーニング系のこと調べて辿りついたりするのだけど、元々が BITA デジマラボ、ビットエーだったとのこと、それはしらんかった。
Ledge.ai（レッジ） | AI:人工知能特化型メディア
ビットエー、AI特化型メディア「BITAデジマラボ」を「Ledge.ai（レッジエーアイ）」として全面刷新し、AI関連事業を「株式会社レッジ」として子会社化｜株式会社ビットエーのプレスリリース
会場の雰囲気はこんな感じだった。オープニングがブチアゲ EDM で非常によかった（そこじゃない）
要するにイベントレポって話なわけで、気になったところだけメモしてたので、それを～～～。
- 「未来ではなく、今のAIの話」「ビジネスに使えるAIの話」をするような場所。
- 人間のスゴイところは変化はいろいろあるが、当たり前が変化することに適応していくところ
- アスリートの学習の話
- 自動化
- 物事を反復するのは考えなくても出来るようにするため
- 細部への意識ではなく全体の意識に変わる = チャンク化
- 一度自動化したものを忘れることは難しい（英単語を日本語で考えるとか）
- 上手くなることはその環境下で最適化すること
- とはいえ完璧に最適化すると変化に対応できない
- 集中
- 集中は発想の連鎖を止めて没頭している状態
- 上位でざっくり考えて全体が動いている（歩く時混乱しないよね）
- 逆に下まで考えていることが降りてくると混乱する
- 発想の連鎖を止めるために外部のモノ、テクノロジーも使う
- 体験すると再現性が生まれる、フェアでなくなってしまうので、ドーピングはチートアイテム
- イメージ
- VRはある意味それ
- トップアスリートにはデータや傾向がないのでイメージが大事
- 他人の動きを見て推測、抽象化することが上手い人が多い
- ただし推測は実態と違う、腕を動かそうと思っても肩を動かさないといけなかったり
- 予測ができる範囲のことでは学習はできない
- 計画できないものを計画できるような設計が学習には大事
- 内製
- アスリートは記憶を都合よく変える人が多い印象、自分を信じてやっていく
- ビジョンを作る、10秒切るぞ！とか。それがないと10秒は何の意味もない
- ビジョンとのギャップを考えて改善していく
- 考えると頭のなかで失敗もできる
- 頭のなかでシミュレーション、経験を積んで、深く考えていく
- 欲求
- 短期と長期の欲求をコントロールする
- 今日は遊びたい、来年オリンピック出たい。練習したら遊ぼう！など
- 長くスポーツを見ていて、勉強して100年前と同じという印象
- 強い者でもなく、賢い者でもなく、適応した者が生き残っていく
- 人の能力は必要で、AIが出来てもそれに合わせて適応し動いていく
- 自動化
- MSさんの話
- Azure、Trusted Cloudを意識している
- セキュリティ、個人情報、コンプライアンス
- そして透明性。公的機関から要請されたらすぐ情報を出せる
- データセンターの紹介動画
- AzureのCognitiveService
- Vision, Language, Speech, Search, Knowledge
- 中でもSearchは画像検索もできたりして面白い
- Bingのデータを使ったりもしている
- ビジネスで使えるよう、カスタムできるものも提供している
- 活用例
- レタス農家、コンバインとAIで雑草の仕分け
- 北大eラーニング、字幕と翻訳の自動化
- JFKの文章公開、OCRやテキスト起こし、検索で文章検索
- 鳥の計測
- 他にもいろいろあるよ
- AzureのDataLake
- SQLライクに書けるものを使ったBigData処理
- そこにCognitiveServiceの一部の機能を組み合わせられうr
- これまでデータは手入力していた
- いかにしてデータの価値を上げていくか、自動化するか
- 文字よりも写真のほうが情報量が多い、AIでそれもわかるようにんっってきた
- IoTもデータ集めの自動化
- AIはソフトウェアのエンジン
- 正しく使わないと、正しく成果が出ない
- Azureはドメインに限らず使えるように工夫している
- なのでそのまま特化したドメインに適用しようとするとうまくいかない
- ビジネスに使えない可能性も高いので、カスタムできるようにしている
- データ収集～モデル構築～学習～運用
- ルールベースの世界にちょっとのAIを足すことで今までより便利な世界になる
- AIスクールも無料で見れるので活用してほしい
- Azure、Trusted Cloudを意識している
- リクルートさんの話
- テクノロジーズ、R&Dでビジネスへの活用をする
- リクルート内では人のパターンを模倣するものとしてAIを定義
- データとアルゴリズムで人のパターンを再現する
- 社内でデータは多数いろいろあって何か使えないかなあというところでA3RTが誕生
- A3RTでAIの構築が簡単になるので、ビジネス検討や要件、に注力できる
- 事例
- カーセンサーでCNN、写真から車名を当てられる。SNSでバズる
- ゼクシィ、やりたい式の写真からキーワードを上げてくれる
- ArGon、社内全体的に利用している校閲サービス。ルールベースと機械学習
- Word2Vecやレーベンシュタイン距離、Bidictional LSTMを活用して誤字脱字、表記ゆれ、矛盾の解決
- ルールはWeb上のUIを使って簡単に設定できるようになっている
- 口コミ、CNN、AttensionNetで審査の自動化
- AIは完璧でないので育てていく。学習しよう
- AIは補助的なものである
- AIを使って何をしたいか明確化する
- 精度100%は無理、人がデータ入れたりロジック考えるんで
- やりっぱなしじゃなくて、AIでどうなった、進化させていこう
- AIの難しいところはAIだけ考えればいいわけでないところ
- 運用するならアーキテクチャやインタフェースも考える必要がある
- 新しいロジックや仕組みを使えば出来るわけでもない
- チームで戦う。Pythonできますでは戦えない
- 施策を継続していくために、問題を解決したり実際に使っていく
- KPI、精度の目標は事前にすりあわせておく。見切り発車はあぶない
- 逆にR&Dとして、テクノロジーを元にチャレンジする場も作っている
- DQNを何かに使えないか？→UXやサイト改善？
- 資料を作るのも時間が掛かるので、適切に判断するためにも上司は内容を理解するよう追いつけるよう務める
- CAさんの話
- AI Lab、産学連携なども駆使して、AI技術自体を良くしていこうとしている
- たとえば阪大の石黒先生と一緒に社会実験をしている
- 接客コミュニケーション
- 音声、処理に時間が掛かる
- テキスト、一問一答の精度は良いがやりとりが難しい
- 選択式、現段階では最適か？ストーリーの折込もできる
- 接客コミュニケーション
- アドテクでもAIを活用する
- ブランド既存の回避、CV率上昇。テロや悲惨なニュースを避けたり
- 文書の意味をアノテーションして推定、適切なマッチングへ
- ロボットインタラクション、人とロボットのつながりを研究している
- 近距離でのコミュニケーションは昔から変わっていない、これをテクノロジーしていきたい
- ドコモさんの話
- イノベーションを起こしていく、新規事業を作っていく部署がある
- ecコンシェル。AIをビジネス、デジタルマーケティングに使った
- ドコモはコミュニケーションの会社、webのコミュニケーションを良くしたい
- 個人に特化したものを一部AIを入れてやっていく
- Produt, Market Fit
- ものと市場の合わせていく、マーケットにウケるものじゃないとどんなにいい出来でも売れない、難しい
- バナーや施策は何があたるかわからない
- 多腕バンディットアルゴリズムで色々出して解決するようなものやっている
- 実際にはPKSHAと一緒に。
- webの改善に強化学習を取り入れたりしている
- AIDMA、それぞれのフェーズでコミュニケーションのやり方が違う
- 行動心理学などの考え方もAIに取り入れつつ、適切なアクションを導き出す
- ダッシュボードを用意して可視化
- そもそもAIDMAのフェーズもAIで判定できるのでは？
- ソニーさんの話
- ディープラーニングは破壊的テクノロジー
- 機械学習でできなかった可能性を実現できる
- 色々な作業が自動化されていく、応用範囲、普及が広がっていく
- ソニーでは機械学習は昔から。2010年くらいからディープラーニングもやっている
- 事業がたくさんあるので、横断的にできるよう適切に開発できるようなツールを内製している、今回で三世代目
- 社内で1000人以上使っている
- コアとなるライブラリとGUIでネットワーク構築できるツール
- 社内の事例
- 不動産の予測、間取りや駅徒歩などの情報から金額を予測
- Experia Ear、頭の動きセンサ、動きの判定
- aibo、画像認識、各種センサで行動を分岐
- 認識の基本は入力と出力のペア
- 意識して業務を見つめると、きっと自動化できるものがある
- その上でNNの設計が必要で、最後は回して学習していく
- ディープラーニングのポテンシャルがあるので、発想と取り組み次第で利益へ
- 一方で利用する人自身の認識が不足、応用できる技術者が少ない
- そこで内製ツールを公開して盛り上げていきたい
- ニューラルネットワークライブラリ
- Tensorflowやchainerのように使える。LeNetも6行で書ける、GPU利用も1行で設定完了
- C++で書いているのでエッジデバイスでも使える
- インタフェースとしてはC++とPythonものを提供している
- コア部分はプラグイン方式を取っているので自社デバイス、特殊な環境も使える
- ニューラルネットワーククライアント
- GUIでネットワーク構築が出来る
- Windows向けアプリケーション、クラウド版もCPU版は公開、GPUはもうちょっと
- AutoEncoderやRNN、GAN、半教師なども組める
- テンプレ機能で難しいネットワークも1ボタンで組める
- 最後の仕上げにネットワークの構成やパラメータを変えて最適化していく機能がある
- 出来上がったネットワークはライブラリで利用できる形式で出力できる
- みんな使ってね
- ディープラーニングは破壊的テクノロジー
ソニーさんのやつは見ていて面白そうだった。ディープラーニング出来る人が組んで試すという時代は通り過ぎ、知見がない人（プログラミングも）もとりあえず使うことが出来る時代になったのかもしれない。 「GANで画像が作れるんでしょ、でもなあ…」→ニューラルネットワークコンソールを使ったら簡単にできるよ！！
リクルートさんの A3RT も一部公開されている。無料で出来上がったモデルが使えるので、ディープラーニングのパワーを感じるのにはいいかもしれない。校正 API とかめっちゃ良さそうじゃないっすか。
プレス席があったので、そのうちメディア系のところからちゃんとした（？）イベントレポがでると思うので、他のセッションどうなんよとかはそういうのを見るとよさそう。
参加していた人は役職も企業も様々で、だれもが AI に関心な感じだった。役職の部分だとエンジニアやデータサイエンティストな人もいれば、セールスな人、マネージャーな人、などなど。企業側は大手や小さい会社、web、リアル、などなど。 この一日、チケット代も含め、企業間の取引の話も進んでいるだろうし、数千万円とかもっと大きなお金がゴゴゴってなってるんだろうなあ。なるほど～
とやかくとかではまったく無いんだけど、この手のちゃんとしすぎているイベントは俺が作るんだ！な人は、得られる情報があまりない可能性もあるので、参加しないほうが良さそう。少なくともぼくの感覚としては、テックテック！な人じゃなくて、単純に懇親会ネットワーキングマンでビジネスするぞ！な人が一番価値ありそうだなあっておもいました！
逆に作る人は仕事で使えるようにこのインタビューに出てる本を読むと幸せ度があがるとおもいます。ぼくはちょっとだけしか読めてないんですが、サービスへの機械学習システムをどういう形で組み込むか、とか、機械学習を使わずに分析していく、とかって話はめっちゃ良いです。