Ibm watson machine learning and watson knowledge stuido 20160827

IBM Watsonの機械学習サービス
と Watson Knowledge Studio
2016 年 8月 27日
IBM アーキテクト平山毅

© 2016 IBM Corporation
自己紹介名前︓平⼭毅（ひらやまつよし）
Twitter : t3hirayama
Facebook : tsuyoshi.hirayama
2016年2月 IBM入社。アーキテクト。
コグニティブコンピューティングを100％クラウドコンピューティングで提供する
IBMのモデルに共感し、IBMにジョイン。大学の専攻は統計学で、
過去にはデリバティブリアルオプションやデリバティブ証拠⾦計算や
キャパシティシュミレーション分析でも活用。
【前職】
・Amazon Web Services (AWS)
Professional Services Consultant , Enterprise Solutions Architect
・Tokyo Stock Exchange (TSE)
IT Service Manager , Enterprise Architect , Derivative Master
・Nomura Research Institute (NRI)
Financial Systems Engineer
【執筆著書】

2016年時点でディープラーニングをリードしている
IBMとGoogleが一緒に発表するということで
コンセプトやアプローチの
違いは知りたいですよね︖

ディープラーニングとは
機械学習
ニューラルネットワーク
ディープラーニング
・蓄積されたビックデータを元に反復学習することで、思考を代⾏し、結果を返す
・⼈間の脳の判断の仕組みを単純化し、入⼒層、中間層、出⼒層の関数をまとめたもの
・ニューラルネットワークの中間層を増やして機械学習すること
ビックデータ解析技術 on GPU or OpenPower （次は量⼦コンピューティングの世界）
ディープラーニング＝機械学習＋ニューラルネットワーク

オープンソース提供クラウド提供
脳の構造を意識した機械学習
（ディープラーニング）を基本にしている点は同じ
2015年登場
囲碁王者
に勝利
2011年登場
チェス王者
に勝利
アプローチの特徴
コンシューマエンタープライズを意識
（ヘルスケア、⾦融、製造、等の業界ごとの機械学習モデルの枠組がある）
クラウドが
エンタープライズ︖

Watson on IBM Cloud の特徴
IBM はコグニティブ･ソリュー
ションとクラウド･プラットフォー
ムの会社です。
IBM is now emerging as a
Cognitive solutions and
Cloud platform company.
Software
as a Service
Platform
as a Service
Infrastructure
as a Service
Public
Shared
2016年のIBM企業方針
コグニティブコンピューティングは
100％クラウドコンピューティン
グから提供される。
Shared
Shared
Shared
Dedicated
Dedicated
Dedicated
Private
Dedicated
エマージング
機密性の高い
エンタープライズ

IBMが開発した質問応答システム・意思決定支援
システムである。『⼈工知能』と紹介されることもあるが、
IBMは、自然⾔語を理解・学習し⼈間の意思決定
を支援する『コグニティブ・コンピューティング
・システム（Cognitive Computing System）』
と定義している。 (Wikipedia調べ)
IBM Watson
IBM Watsonは、自然⾔語処理と機械学習を使用し
て、大量の非構造化データから解釈し、根拠をもとに仮
説を生成し、経験から学習していく仕組みのため、処理
が増えるほど知識を蓄積していく。
「過去のインタラクション」「教育」「情報の取り込み」の3つ
の要素で、より賢くなっていく。

WEBプログラム可能
なシステムの時代
メインフレーム
の時代
学習するシステムの時代
（コグニティブ・システム）
Cognitive Computing = 次世代を担うコンピューター
・COBOL / C
・ISAM
・⼊出⼒装置
・Java
・SQL
・PCキーボード
・API
・Watson
・モバイル、IoT
（個⼈的な意⾒）
⼈間が使いやすい
体に優しい役に⽴つ
コンピューターになる
・言語
・データストア
・⼊出⼒インターフェース

”Watson has now launched a third era. We call it cognitive computing.“ Ginni Rometty at World of Watson,
Brooklyn, New York May 5, 2015
• コグニティブ・システムは学習する。プログラミングされるのではない。
“機械学習”を超えたシステムである
• コグニティブ・システムは非構造化データと⾃然言語を理解するが、
自然⾔語のプロセッサーというわけではない
• コグニティブ・システムに“⼈工知能”の側面があったとしても、
“Augmented(進化する)”知能と呼ぶ方が正しいだろう。
なぜなら、ワトソンは⼈間の経験を向上させ、増強し、加速させることができるからだ
• これまでのコンピュータは計算だけをしてきた。白か⿊か、正しいか否か。
ワトソンは全く異なる。
ワトソンは解答の根拠を示すーまるで⼈間のように。
ワトソンはパターンを⾒つけ、⽩か⿊かだけでなくグレーの解答をも示すことができる
– 現実世界でのように。
Cognitive System
IBMはコグニティブ技術をシステムに組み込む段階に来ている。
従来の⼊出⼒型のWEBシステムを根本から変える。

IBM Watson のカテゴリーと目的
言語・文字・感情音声画像データ
2015年3月にAlchemy社を買収し統合。
ディープラーニングを活用し、企業向けのリアルタイムデータ分析や非構造化データ処理を目的とした⾼
性能アプリケーションを開発する企業
計算図会話（話す・聴く）文章（読む・書き）
コミュニケーションを担う（WEBの世界では十分）
代替インターフェース
として、
⼈間の五感のうち
視覚、聴覚を担う

IBM Watson の基本的な使い方
Watson Developer Cloud
API呼び出し
Watson
に要求
Bluemix上で
アプリが稼働
他サービスと
組み合わせ利⽤
IBM Bluemix
サービス自体はWatson Developer Cloud上で稼動
接続のためのURIやID/PasswordはVCAP_SERVICES（環境変数)から取得
Request / Response の形式はサービスにより異なる
IBM Cloud の PaaS であるBluemix 上のアプリからREST APIで呼び出す
コグニティブ
アプリケーション

IBM Watson on Blumex カタログ

日本語されたWatson API 機能
API名称 API略称概要
Natural Language
Classifier(自然言語分類)
NLC
⾃然⾔語を理解し、学習に基づき
適切な「意図」を返答
Retrieve & Rank
(検索＆ランクつけ)
R&R
機械学習アルゴリズムを利⽤した
検索エンジン
Document Conversion
（文書変換）
DoC
テキスト文書へのフォーマット変
換
Dialog
（対話）
DLG
ルールベースでアプリケーション
とエンドユーザが対話する会話応
答システム
Text To Speech
（音声合成）
TTS テキストの音声変換
Speech To Text
（音声認識）
STT 音声のテキスト変換
言語
音声
ソフトバンク様提供のメニュー、APIを使う形が前提（現時点）

Watson IoT での活用例
⾳声を認識しテキ
ストに変換する
自然⾔語分類
で「Rain」を抽出
関連拡張で
「Rain」の関連
項目を抽出
（機械学習）
テキストを⾳声に
変換する
天候情報を取得

Retrieve and Rank
回答＃２
回答＃１
回答＃３
回答候補２
回答候補１
回答候補３
質問”トランクはどうやって開けるの︖”
回答ユニットID “1-1”
関連度=1
質問”トランクはどうやって開けるの︖”
回答ユニットID “1-1”
関連度=2
質問=”トランクはどうやって開けの︖”
回答ユニットID=1-1
関連度=3
関連度例︓
0 : 関連なし
1 : やや関連する
2 : 関連する
3 : 非常に関連する
4 : 完全な回答
トレーニング・データ(Ground Truth)
・
・
・
・
・
・
“Ranker”
IBM Watson Retrieve and Rank サービスは、検索と機械学習アルゴリズムの組み合わせを使用してデータの
「サイン」を検出することで、照会に対して最も関連性がある情報を⾒つけ出します。
開発者は、Apache Solr 上にビルドされたサービスにデータをロードし、既存の関連結果に基づいて訓練した機械
学習モデルを活用して、質問や照会に対応するより有用な検索結果をエンドユーザーに提供します。

Retrieve and Rank のサンプル
質問項目を⽂章で入⼒
⼊⼒層
中間層︓
出⼒層（ディープラーニング経由）
出⼒層（通常のSolr検索）
http://retrieve-and-rank-demo.mybluemix.net/rnr-demo/dist/#/
フラットに検索結果が出⼒。
学習済の検索結果が順位付けされ出⼒。

Retrieve and Rank の API
POST
/v1/rankers/{ranker_id}/rank
https://gateway.watsonplatform.net/retrieve-and-rank/api
curl -X POST -u
"{username}":"{password}" -F
answer_data=@answer.csv
"https://gateway.watsonplatform.net/retri
eve-and-rank/api/v1/rankers/B2E325-
rank-67/rank"
{
"ranker_id": "B2E325-rank-67",
"name": "My ranker",
"url": "https://gateway.watsonplatform.net/retrieve-an
rank/api/v1/rankers/B2E325-rank-67",
"top_answer": "Answer1",
"answers": [
{
"answer_id": "Answer1",
"score": 10,
"confidence": 0.726231142375928
},
{
"answer_id": "Answer23",
"score": 9,
"confidence": 0.6511395912945229
{
... <-- additional answers
}
■Retrieve and rankのエンドポイント
最も⾼い確率の
回答は経験上、
「Answer 1」だろう

Natural Language Classifier (NLC)
“Classifier”
Natural Language Classifier
意図
トレーニングデータ
サンプル
質問サンプル
質問
サンプル
質問サンプル
質問
新しい
質問
トレーニングモデル
Natural Language Classifier サービスは、機械学習とコンピューター認識技法を使って、⽂または句に最も一致したクラ
スを戻します。例えば、質問を送信すると、このサービスは最も適した回答かまたは質問者のアプリケーションが次に取るべき操
作を示すキーを戻します。管理者は学習させるための典型的なストリングのセットとそれぞれのセットに対する 1 つ以上の正し
いクラスのセットを供給して、分類サービスのインスタンスを作成します。学習を終えると、その新しい分類サービスが、新しい質問
または句を受け取り、それに最も一致するものを確度を示す値と共に戻すことができるようになります。

Natural Language Classifier (NLC) のサンプル
質問項目を⽂章で入⼒
⼊⼒層
中間層︓
出⼒層（ディープラーニング経由）
分類とその信頼性が表示

Natural Language Classifier (NLC) のAPI
https://gateway.watsonplatform.net/natural-language-classifier/api
■Natural Language Classifierのエンドポイント
GET /v1/classifiers/{classifier_id}/classify
POST /v1/classifiers/{classifier_id}/classify
curl -G -u
"{username}":"{password}"
"https://gateway.watsonplatform.ne
t/natural-language-
classifier/api/v1/classifiers/10D41B-
nlc-
1/classify?text=How%20hot%20will
%20it%20be%20today%3F"
{
"classifier_id": "10D41B-nlc-1",
"url":
"https://gateway.watsonplatform.net/natural-
language-classifier/api/v1/classifiers/10D41B-nlc-
1/classify?text=How%20hot%20wil/10D41B-nlc-1",
"text": "How hot will it be today?",
"top_class": "temperature",
"classes": [
{
"class_name": "temperature",
"confidence": 0.9998201258549781
},
{
"class_name": "conditions",
"confidence": 0.00017987414502176904
}
最も⾼い確率の
分類は経験上、
「temperture」だろう

統計解析は、⺟集団・サンプリングが重要︕
機械学習も基本は同様で、これが精度に依存します

Watson Knowledge Studio
Watson Knowledge Studio
の学習モデル
業界に固有の⾔語的なニュアンス、意味、関係を理解する機械学習モデルを作成するためにドメインを作成して業界最適化するもの。
その指定された業界ドメインを専門家にするため、非構造化ドメインの⽂献に注釈を付けるための使いやすいツールを提供。
ドメインの⾔語を理解し、固有の機械学習モデルを作成するために、アノテーションの仕組みを採用。
アノテーター・コンポーネントの精度は、最終的にはそれが⾒ているパターンから学び、新しい⽂書の大規模な収集
にこれらのパターンを認識できるアルゴリズムで、反復テストを通じて改善されていく。
アノテーターが反復テスト
を⾏う精度を上げる

機械学習のためのアノテーターのコンポーネントと役割
アノテーターが反復テストを繰り返して・・・・
精度があがったところで
機械学習モデルを反映する
アノテータープロセスマネージャー（APM）
⼈間アノテーター（HA）
Watson Knowledge Studio の
全体のプロセス管理責任者
提供されたガイドラインに従って提供されるツールを使用して⽂書に
“注釈“を付けるための責任者
※機械学習はこのプロセスを繰り返し精度を⾼めたものが優位

Watson 機械学習のためのデータモデル
⽂章の集合体注釈された⽂書
注釈する⼈間

Corpus（⽂書の集合体）の反映

Ground Truth（注釈された⽂書）への反映

Watson on Bluemix を始めてみよう
IBM Bluemixフリートライアルアカウント作成手順
http://qiita.com/KenichiSekine/items/6ad49b25167b3f4cdb63
30日間のフリー
トライアル
継続使⽤
の手続き
Bluemix
ご紹介
IBM IDを登録し
トライアル開始
従量課⾦(PAYG)
サブスクリプション
保留
※フリートライアル終了から 60日で、
アプリケーション、サービス構成を削除
or

この資料に含まれる情報は可能な限り正確を期しておりますが、日本アイ・ビー・エム株式会社の正式なレビューを受けておらず、当資料に記載
された内容に関して日本アイ・ビー・エムは何ら保証するものではありません。
ワークショップ、セッション、および資料は、IBMまたはセッション発表者によって準備され、それぞれ独自の見解を反映したものです。それらは情
報提供の目的のみで提供されており、いかなる参加者に対しても法律的またはその他の指導や助言を意図したものではなく、またそのような結
果を生むものでもありません。本講演資料に含まれている情報については、完全性と正確性を期するよう努力しましたが、「現状のまま」提供さ
れ、明示または暗示にかかわらずいかなる保証も伴わないものとします。本講演資料またはその他の資料の使用によって、あるいはその他の
関連によって、いかなる損害が生じた場合も、IBMは責任を負わないものとします。本講演資料に含まれている内容は、IBMまたはそのサプライ
ヤーやライセンス交付者からいかなる保証または表明を引きだすことを意図したものでも、IBM ソフトウェアの使用を規定する適用ライセンス契
約の条項を変更することを意図したものでもなく、またそのような結果を生むものでもありません。
本講演資料でIBM製品、プログラム、またはサービスに言及していても、IBMが営業活動を行っているすべての国でそれらが使用可能であること
を暗示するものではありません。本講演資料で言及している製品リリース日付や製品機能は、市場機会またはその他の要因に基づいてIBM独
自の決定権をもっていつでも変更できるものとし、いかなる方法においても将来の製品または機能が使用可能になると確約することを意図したも
のではありません。本講演資料に含まれている内容は、参加者が開始する活動によって特定の販売、売上高の向上、またはその他の結果が生
じると述べる、または暗示することを意図したものでも、またそのような結果を生むものでもありません。パフォーマンスは、管理された環境にお
いて標準的なIBMベンチマークを使用した測定と予測に基づいています。ユーザーが経験する実際のスループットやパフォーマンスは、ユー
ザーのジョブ・ストリームにおけるマルチプログラミングの量、入出力構成、ストレージ構成、および処理されるワークロードなどの考慮事項を含
む、数多くの要因に応じて変化します。したがって、個々のユーザーがここで述べられているものと同様の結果を得られると確約するものではあ
りません。
記述されているすべてのお客様事例は、それらのお客様がどのようにIBM製品を使用したか、またそれらのお客様が達成した結果の実例として
示されたものです。実際の環境コストおよびパフォーマンス特性は、お客様ごとに異なる場合があります。
IBM, IBM ロゴ、ibm.com, は、世界の多くの国で登録されたInternational Business Machines Corporationの商標です。
他の製品名およびサービス名等は、それぞれIBMまたは各社の商標である場合があります。
現時点での IBM の商標リストについては、www.ibm.com/legal/copytrade.shtmlをご覧ください。

Ibm watson machine learning and watson knowledge stuido 20160827

Recommended

Recommended

More Related Content

What's hot

What's hot (12)

Viewers also liked

Viewers also liked (20)

Similar to Ibm watson machine learning and watson knowledge stuido 20160827

Similar to Ibm watson machine learning and watson knowledge stuido 20160827 (20)

More from Tsuyoshi Hirayama

More from Tsuyoshi Hirayama (20)

Recently uploaded

Recently uploaded (9)

Ibm watson machine learning and watson knowledge stuido 20160827