イノベーション創発に資する人工知能基盤技術の創出と統合化
•
13 likes•12,137 views
21世紀に入り通信ネットワークの発展と通信・センサーデバイスの低廉化によりこれまでの情報通信産業だけでなく、農業や製造業など第一次、第二次産業においても、大規模データを利活用するデータベース技術とそのデータを基にした機械学習によりこれまで不可能であった産業の自動化と最適化が可能になりつつあります。今後、量・種類ともに爆発的に増大する情報を最大限に活用するためのディープラーニング、強化学習等の機械学習を例とする革新的な人工知能基盤技術が広く利用され、様々な分野において将来にわたり効果的に情報が活用される社会の実現が期待されています。今後、データ利活用により、全ての産業においてその構造を変革するような新たなサービス、イノベーションが社会に要請されています。 本研究領域では、実社会の膨大なデータを知的・統合的かつセキュアに収集・処理・学習・制御するための人工知能基盤技術と、その成果を組み合わせることにより社会問題の解決と産業の自動化・最適化に貢献するイノベーション創発に資する技術の確立を目指します。 具体的には、以下の研究開発に取り組みます。 １）社会・経済等に貢献するため、多種・膨大な情報を組み合わせ解析する技術開発 ２）多種・膨大な情報に基づき、状況に応じ最適化されるシステムのための技術開発 ３）多種多様な要素で構成される複雑なシステムに適用可能なセキュリティ技術開発 膨大な情報の利活用がさらに高度かつ広範に浸透した将来社会を念頭に、実社会の様々な分野への適用を見据えて、センサー技術、実時間ビッグデータを扱うデータベース技術、システムセキュリティ技術、機械学習を核とするシステム最適化技術等の高度化を進めます。さらに、それらを組み合わせて実世界データを総合的に実時間で処理し理解する情報処理システムを構築するための統合化技術の研究開発を推進します。 本研究領域による研究成果が、モビリティ、ロボティクス、健康・医療・介護、防災・減災、農業、ものづくり等における自動化・最適化を進める際のイノベーション創発の核となることを目指します。 これらに取り組むにあたっては、効果的な産学連携体制を構築しつつ、社会の実問題に取り組むために、基盤研究と統合化研究が互いの課題と成果を共有しながら進展する研究開発に挑みます。すなわち人工知能基盤技術という要素技術を揃えることと、イノベーション創発のために実際にそれを組み合わせて統合化していくことの両面を考慮した研究開発を行います。 なお、本研究領域は文部科学省の人工知能/ビッグデータ/IoT/サイバーセキュリティ統合プロジェクト（AIPプロジェクト）の一環として運営します。
Recommended
More Related Content
What's hot
What's hot (20)
Viewers also liked
Viewers also liked (20)
Similar to イノベーション創発に資する人工知能基盤技術の創出と統合化
Similar to イノベーション創発に資する人工知能基盤技術の創出と統合化 (20)
More from Osaka University
More from Osaka University (20)
イノベーション創発に資する人工知能基盤技術の創出と統合化
- 1. 研究総括 栄藤 稔（えとう みのる） NTTドコモ 執⾏行行役員、イノベーション統括部⻑⾧長 @mickbean 6/10/2016 1 イノベーション創発に資する ⼈人⼯工知能基盤技術の創出と統合化 本説明に用いたスタートアップ事例にかかる資料はNTTドコモから提供されました
- 4. これが難しい！ 4 –Prof. Henry Chesbrough Innovation = Invention + Business Model
- 6. 汎⽤用動画像認識識技術提供を⽬目指す技術スタートアップ(2010-‐‑‒) 6 Vicarious approach to solve reCaptcha : ~300 Google approach to solve reCaptcha : ~150,000,000 Hierarchical Temporal Memory (HTM)理理論論が背景の模様。HTM理理論論の最⼤大の特⻑⾧長は時間の重視． ⼈人⼯工知能基盤技術事例例
- 7. 課題 解決策 価値提案 圧倒的な優位性 顧客 主要指標 チャネル コスト構造 収⼊入 ①② ③ ④ ⑥ ⑦⑧ ⑨ • Few algorithm advances in last 30 yrs • Top algorithm used for speech, vision, language is the • convolutional neural network. • Fundamental architecture hasn’t changed since 1980s • Most performance from increased CPU and memory • Requires millions of labeled training examplesNot generative, can’t do fine segmentation, etc 受託業務における収 益 ソリューション提供 の精度度、速度度 ⼈人件費 7 • Producing precise explanations require feedback • connections. (Brain has lots of them) • Feed-forward and feedback work simultaneously • In contrast, neural networks are purely feedforward. Feedback connections 以下の分野の自動化 The world currently pays humans to do jobs computers should do: Manufacturing - Inspect and manipulate objects. Logistics - Drive trucks, planes, and boats. Retail - Restock shelves and ring up merchandise. Food - Cook and serve meals. Agriculture - Plant and harvest food • Generative probabilistic graphical model. • Currently performing near human-level on shape recognition. • On track to reach human-level object recognition. • Requires very few training examples. • Very fast, memory efficient. • Can be applied to vision, audio, language, motor, etc ロボティクス が利利⽤用できる 接客事業、 建設業 製造業 以下のロードマップで開 発継続． shape texture motion motor language concepts 未確定 B２Bチャネル 全世界から選別した３０⼈人 ほどのPh.D. No plans to commercialize current tech, but as a fallback plan OCR is a $400M/year industry. 現時点での収入はなし．以下の投資のみ．M&A狙いは自明か． • 1.2M Seed. Founders Fund, Felicis VC, Open Field Capital, • others. Oct 2010. • 15M Series A. Dustin Moskovitz, Founders Fund, Open Field • Capital, others. Jul 2012. • 40M Series B. Mark Zuckerberg, Elon Musk, Jeff Bezos, • Jerry Yang, Dustin Moskovitz, Formation 8, Khosla Ventures, • Founders Fund, Felicis VC, others. 技術志向の強いスタートアップ．脳の視覚機能実現を当⾯面狙う． Vicariousに対する私の⾒見見⽴立立て
- 8. Building Height Oil Tank Farms Ag Areas and Yield Tract Housing Clouds & Haze Development AirplanesWater 衛星写真解析による業態分析 統合化事例例 8 Orbital Insight
- 9. ①② ③ ④ ⑤ ⑥ ⑦⑧ ⑨ 企業、政府の経済活 動の把握に時間が掛 かり過ぎる 店舗への買い物客流流 ⼊入数把握等、実地調 査のコスト⾼高 店舗への買い物客流流 ⼊入数把握等、実地調 査のコスト⾼高 ⾼高精度度の衛星写真を 活⽤用した、経済活動 の把握 受託業務における収 益 ソリューション提供 の精度度、速度度 他の調査より早く、 正確な結果の提供 オイル備蓄量量から交 通量量把握まで、幅広 い調査分野への対応 衛星写真データの解析では業界 トップ. ⾶飛⾏行行機，製油所，⾞車車，農耕地に 関する教師データを保持してお り，それに対するディープラー ニングを始めとする最適技術を 駆使できる．研究者３０名弱の 技術志向会社 政府機関とのリレー ションシップ 既存投資家からの顧 客紹介 政府、ヘッジファン ド等、旧来的な動向 調査等を 利利⽤用していたユーザ ⼈人件費 衛星写真の購⼊入 政府、ヘッジファン ドからの調査費⽤用収 ⼊入 9 Orbital Insightに対する私と同僚僚の⾒見見⽴立立て 課題 解決策 価値提案 圧倒的な優位性 顧客 主要指標 チャネル コスト構造 収⼊入
- 11. ①② ③ ④ ⑤ ⑥ ⑦⑧ ⑨ 企業に蓄積したデー タの活⽤用 ⼤大企業において各部 ⾨門に散乱し、フォー マット等の統⼀一され ていないデータ データを統合、活⽤用 するためのプラット フォームの提供 受託業務における収 益 対応業種、データ種 類の増加 データサイエンティ ストがコンサルを⾏行行 い、各事業部⾨門で独 ⾃自に管理理している データの統合 顧客が設定した課題 （売掛⾦金金の減少、解 約抑⽌止等）の解決に 向けたモデルの作成 オンプレミスでも利利⽤用可 能で、⼤大企業での活⽤用に 特化したPFとデータサイ エンティスト．ナレッジ グラフと呼ぶ知識識表現． CEOによる営業 Fortune 300で、マ シンラーニングを利利 ⽤用して解決可能な明 確な課題を持ってい る企業 ⼈人件費 PFソフトウェアの開発 ⼤大企業からの受託収益 11 Maanaに対する私と同僚僚の⾒見見⽴立立て（技術に対する⾒見見⽴立立てがまだ⽢甘い） 課題 解決策 価値提案 圧倒的な優位性 顧客 主要指標 チャネル コスト構造 収⼊入
- 12. System Insights概要 -‐‑‒ System Insightsは、⼯工場等の機器のオペレーションデータを取得し、AIによる解析を⾏行行うことで、 ⼯工場全体のパフォーマンスの最適化、故障予測を可能にするサービスを提供 -‐‑‒ 簡易易な導⼊入を⽬目指し、業界⼤大⼿手の各機器のデータに対応するために、標準化団体のMTConnectを推進。 -‐‑‒ より多くの⼯工場を顧客に持つことで、データを蓄積し、AIの精度度を⾼高めることを狙っている。 データ取得 統合化事例例 12
- 13. ①② ③ ④ ⑤ ⑥ ⑦⑧ ⑨ ⼯工場、⽣生産ライン全 体の効率率率化の必要あ り ⼯工場にある機器の データの有効活⽤用 ⼯工作機械等のデータ を集約し、分析する サービスの提供 有料料サービス顧客数 サービスを利利⽤用しな い場合との効率率率性⽐比 較 多くの⼯工作機械に対 応しており、⽐比較的 簡易易に導⼊入可能 他の⼯工場等でのデー タ解析結果を統合す ることで、⾼高い正確 性を実現 ⼯工作機械ベンダーと の強い結びつきを持 ち、標準化団体を推 進。 ⾃自社Web、直接営業 ⼯工場、建築現場等の ⼯工作機械を利利⽤用して いる企業 ⼈人件費 クラウド利利⽤用料料 有料料サービス利利⽤用者 からの利利⽤用料料 ⼯工場の最適化等を⾏行行 うコンサルティング、 SIソリューション企 業を 13 System Insightsに対する私と同僚僚の⾒見見⽴立立て（技術に対する⾒見見⽴立立てがまだ⽢甘い） 課題 解決策 価値提案 圧倒的な優位性 顧客 主要指標 チャネル コスト構造 収⼊入
- 14. -‐‑‒ 登録したユーザが、⾃自分が主に使っているカレンダーアプリ(GoogleやOutlook等)を指定すると、x.ai はその情報を確認して、 スケジュールを教えてくれるサービス。 -‐‑‒ ミーティングが必要になった際はx.ai を cc に指定しメールすることで、バーチャルアシスタントAｍｙにスケジュールの確認と ミーティング場所の検索索を依頼することが可能。Aｍｙは両者または⼀一⽅方のスケジュールを確認した上で、選択肢を提供する。 メールの確認については現在、AIが処理理した結果を⼈人間が監修した上で送信をおこなっているが今後は全て⾃自動化を⽬目指す。 X.ai概要 14
- 16. -‐‑‒ Beagle.ai は、AIによる⾃自然⾔言語処理理によって契約書照会を実施するプラットフォームを提供。 -‐‑‒ 契約書ファイルを⼊入⼒力力すると、サマリの作成や要注意箇所を抜粋・ハイライトする機能や、複数ユーザが同時に連携して契約書 確認や編集作業を可能とする機能等を提供。 -‐‑‒ これらの機能により、従来では⾼高額となっていた弁護⼠士への契約書の照会依頼費⽤用や、担当者の確認稼働を削減することが可能 となる。 Beagle.ai 要注意箇所のハ イライト 顧客と⾃自社の遵守事項の分布 状況等を視覚化。 16
- 17. ①② ③ ④ ⑤ ⑥ ⑦⑧ ⑨ 契約書のチェックに 掛かる⼈人的コスト(社 員、弁護⼠士)が莫⼤大 AIを活⽤用した契約書 チェック機能の提供 有料料サービス顧客数 従来⽅方法との効率率率、 コスト⽐比較 契約書で確認するべ き箇所をハイライト する等による契約書 チェック業務の効率率率 化 弁護⼠士、ソフトウェ アエンジニアrの混成 チーム ⾃自社Web、直接営業 契約事務を⾏行行う全て の企業 ⼈人件費 クラウド利利⽤用料料 有料料サービス利利⽤用者 からの利利⽤用料料 複数担当者による同 時編集、確認作業が 可能 独⾃自のAIエンジンに より、1ページあたり 1秒の速度度を実現 17 Beagle.aiに対する私と同僚僚の⾒見見⽴立立て（技術に対する⾒見見⽴立立てがまだ⽢甘い） 課題 解決策 価値提案 圧倒的な優位性 顧客 主要指標 チャネル コスト構造 収⼊入
- 18. 統合化事例例 イスラエルのスタートアップ:Vayavision Hybrid Vision-‐‑‒LiDAR system reliable for L3 autonomous vehicle at a feasible cost 18
- 19. 統合化事例例（セキュリティ） イスラエルのスタートアップ:ArgusとSecuriThings Deep Packet Inspectionによる解析 →IDPS SecuriThings security platform collects data from multiple sources and performs real-time behavior analysis, to identify threats and suspicious activities for IoT devices 19
- 20. 提案にあたっての補⾜足１ http://www.jst.go.jp/kisoken/crest/research_̲area/ongoing/bunyah28-‐‑‒4.html その基盤技術ができた際の社会貢献インパクトが⼤大きい（いわゆるSilver Bullet型研究）か， あるいは，枯れた技術の組み合わせであるものの，取り組む社会課題が⼤大きい（例例：Smart City, 地⽅方創⽣生，⾷食品加⼯工の⾃自動化）かの２軸で判断したい． ❖ Vicariousは計画の成否は別として，基盤研究実証型の提案の参照としては良良い例例である． ❖ Orbital Insight ，Maana，x.ai, SecureThingsはイノベーション創出型の提案として適当 な課題の⼤大きさ．CREST選定テーマとしてはより，技術的優位性に関する主張が欲しい． ❖ Beaagle.ai, vayavision, Argusは価値提案としてスケール感が乏しいとの印象．技術的広 がりあるいは社会・産業へのより⼤大きな課題を規定して欲しい． 20
- 21. ・イノベーション創出型 社会問題の解決あるいは産業からの要望について⼗十分な理理解があり、ビジネスモデル 設計と同時にベストプラクティスの最新技術を組み合わせた統合システムを構築。 解くべき課題、ソリューション、その優位性、価値提案が具体的な提案。 ・基盤研究実証型 解決すべき社会・産業問題が具体化されているイノベーション創出型とは異異なり、よ り広範な課題解決につながる汎⽤用的機能を提供。例例えば、動画像認識識、⾃自然⾔言語処 理理、ディープラーニング、IoTデータ解析、異異常予測、セキュリティ等の要素技術を 実時間データベース、⼤大規模データ同期、データ統合処理理、クラウド技術等と統合 し、イノベーション創発につながる⾼高度度な⼈人⼯工知能基盤を構築。 21 2つの採択基準：課題の価値と技術のインパクト
- 22. 提案する研究内容が将来的に社会実装／起業される場合、社会に与える価値を想定して、項⽬目に従って箇条書きで記 ⼊入してください。 いずれの項⽬目も、明確かつ簡潔な内容とすることに留留意してください。 課題 解決策 価値提案 圧倒的な優位性 ユーザー 社会やユーザー の抱えている、 解決すべき課題 を記載してくだ さい。 課題解決のため に提供する、価 値を⽣生み出すた めの機能を記載 してください。 新しい技術や、 技術の組み合わ せによる新しい サービスなど。 社会やユーザー に与える価値を 記載してくださ い。 （ユーザーが解 決策を選択する 理理由としてくだ さい。） 研究成果が社会実 装／起業された 際、サービスや製 品が持つ、他者が 簡単に真似するこ とができない優位 性を記載してくだ さい。 研究成果が価値を 提供する対象（対 価を払ってくれる 相⼿手）を記載して ください。 業種、職種、地域 等の属性を組み合 わせて絞り込んで ください。 22
- 23. まともな序⽂文との共通性 論論⽂文の序⽂文の構成要素にまともな「社会への洞洞察」を⼊入れろということ • 研究の必要性，意義 • 従来のその分野の研究状況 • 研究の⽬目的，扱う範囲 • オリジナリティを主張する範囲 Introduction is a brief, outline of the “Problem” (or Position). It is designed to gain the prospective reader's interest and his/her understanding, so that he will be inclined or compelled to follow your line of arguments(present in body). Tell the reader why your paper is important or show him/her how to use it! 23
- 24. ２段階の選考 24
- 25. 推奨するチーム構成 若若⼿手研究者の参画 企業の研究者，起業家の受け⼊入れ，社会⼈人ドクターの活⽤用 失敗を前提とした多数仮説の実⾏行行（この場合は複数研究テーマはありだろう） 25 誰がリーダーか分からない，役割分担が不不明確な多数の個別研究の集まり，よって成果が 統合されずイノベーションに繋がらない提案と誤解されないようにお願いします．
- 26. 提案にあたっての補⾜足２ http://www.jst.go.jp/kisoken/crest/research_̲area/ongoing/bunyah28-‐‑‒4.html AI, IoTの技術開発を背景とした新規事業を起こしたい⼤大学⼈人，研究者，起業家，企業⼈人はぜひ，応募をご検 討ください．採択されれば最初の２年年半で最⼤大７５００万円，次のステージ（審査あり）では３年年間で最⼤大 ３億円の研究費を得ることができます． 途中で起業されてCREST研究を終了了することも可能です．むしろ それを歓迎します． ⾃自動⾛走⾏行行，ロボティクス，健康・医療療・介護，⾷食品・農業・漁業・製造・運輸・建設，防災・減災，セキュ リティ・認証，フィンテック・マーケティングオートメーションの分野での役に⽴立立つ基盤技術開発とイノ ベーション創出を⽬目指します． やはりキラリと光る技術を背景とした社会問題の解決をしたい．会社でAI応⽤用をやっているものの，⼤大学の 基盤研究とリンクさせてより汎⽤用的な新しいものを作りたいと思う企業⼈人（起業家），社会⼈人ドクターや共 同研究者として⼤大学とコネクトしましょう．論論⽂文書くだけではなく，外部の⼒力力を使ってモノとサービスに挑 戦してみようと思われる⼤大学の先⽣生，ぜひ，組む相⼿手を探してみましょう． 26
- 27. AI＆IoTによるイノベーション 機械学習 ビッグデータの整備 ビジネス設計 システムエンジニアリング クラウド＆データベース技術 ICT⼈人材育成・スタートアップ 労働流流動性 企業⽂文化・組織改⾰革 企業 との マッチング 領領域 アドバイザー の⽀支援
- 28. 領領域アドバイザー 以下敬称略略 砂⾦金金信⼀一郎郎（⽇日本マイクロソフト）Azureのエバンジェリスト 内⽥田誠⼀一（九⼤大）パターン認識識，バイオイメージインフォマティクス ⻤⿁鬼塚 真（阪⼤大）データベース ⿅鹿鹿志村 ⾹香（⽇日⽴立立）エクスペリエンスデザイン，社会イノベーション 佐藤洋⼀一（東⼤大）コンピュータビジョン 杉⼭山 将（東⼤大）機械学習 萩⽥田紀博（ATR）知能ロボティクス，知的処理理 松本真尚 （WiL）投資，スタートアップ⽀支援 松本 勉（横浜国⼤大）情報セキュリティー 浅井英⾥里里⼦子 (GE) 企業連携，社会イノベーション
- 29. 6/1/2016 在⽇日本，⽶米国⼤大使館のPhiladelphia Orchestraのレセプションにて 研究が世に役⽴立立つという気概を持とう "Who said it first is not important. Who gets there first is." (Takeo Kanade, Circa 1990s) 29