Upcoming SlideShare
DeNAにおける先端AI技術活用のチャレンジ
- 1. DeNAにおける 先端AI技術活用のチャレンジ 内田祐介 AIシステム部 株式会社ディー・エヌ・エー 1
- 2. 自己紹介 • 内田祐介（株式会社ディー・エヌ・エー AIシステム部 副部長） • 〜2017年：通信キャリアの研究所で画像認識・検索の研究に従事 • 2016年 ：社会人学生として博士号を取得（情報理工学） • 2017年〜：DeNA中途入社、深層学習を中心とした コンピュータビジョン技術の研究開発に従事 • 電子情報通信学会学術奨励賞、FITヤングリサーチャー賞、 映像情報メディア学会技術振興賞受賞、PRMU研究会学術奨励賞、 国際学術会議にてBest Paper Awardを2度受賞 2 Twitter: https://twitter.com/yu4u GitHub: https://github.com/yu4u Qiita: https://qiita.com/yu4u
- 3. やっていること • メインプロジェクトでプレイヤー兼落ち穂拾い • 部としての研究開発計画方針検討 • 新規案件の要件定義からPMまで • 中途・新卒採用活動 • イベント企画、運営 • 組織マネジメント • 学会活動 • （Kaggle, SIGNATE） 3
- 4. アジェンダ • AI研究開発を支える組織体制と仕組み • 技術蓄積のための取り組み • DeNAにおけるKagglerたち • DeNAにおけるAI活用事例紹介 4
- 5. 5 AI研究開発を支える組織体制と仕組み
- 6. DeNA 事業ポートフォリオ • 多種多様な事業領域でのビジネス・サービス展開 • パートナー企業と共に社会影響の大きなサービス創出 • 大規模インターネットサービスプラットフォームの構築 6 ゲーム エンター テイメント 新領域スポーツ ヘルスケア オート モーティブ eコマース・ その他 ソーシャル LIVE ＋他社IP利用の タイトル多数
- 7. DeNAのAI技術活用の考え方 • 先端 AI 技術を活用し、価値あるサービスを提供・洗練する 7 大規模 データ サービス AI技術 最新研究を ベースに研究開発 AI活用した 新たな価値ある サービス設計・実装 サービス・データのサイクルから生まれる 強固なビジネス構造 価値あるサービス提供への継続的な挑戦
- 8. AI技術の蓄積と活用 8 実用系 実験系 スピード パートナーシップ案件 自社サービス 基礎技術開発 実用価値提供 実証実験 実用価値提供 サービス内実験 最新論文の実装・実験 研究成果の外部発信 最新研究を自社 サービスデータを 活用して実験 先端技術の適用実績を スピーディーに蓄積 確度の高い技術を 活用した価値を提供 自社サービスでは 獲得できないデー タを活用した、 実験的取組みによ る技術力の向上と、 新しい価値の探求
- 9. AI技術の蓄積と活用 9 実用系 実験系 スピード パートナーシップ案件 自社サービス 基礎技術開発 実用価値提供 実証実験 実用価値提供 サービス内実験 最新論文の実装・実験 研究成果の外部発信 最新研究を自社 サービスデータを 活用して実験 先端技術の適用実績を スピーディーに蓄積 確度の高い技術を 活用した価値を提供 自社サービスでは 獲得できないデー タを活用した、 実験的取組みによ る技術力の向上と、 新しい価値の探求• 多種多様な事業ドメインに対し 実サービスに直結した技術開発を 様々なスピード感で行う必要がある
- 10. DeNAのAI組織体制 • 全社横断部門であるAI システム部が、DeNAの全サービスを 対象に先端AI技術を活用したサービス提供・改善を実現 • ビジネス部隊（AI戦略推進室）と新規事業開拓も検討 10 ゲーム・エンタメ AIシステム部（共通部門） オートモーティブ ヘルスケア スポーツ AI戦略推進室 BizDev AI研究開発エンジニア データサイエンティスト MLエンジニア インフラエンジニア …
- 11. AIサービス応用を実現するための組織体制 • AI研究開発エンジニア • コンピュータビジョン/音声/強化学習等の専門技術を保有 • 先端研究を追いながら専門技術を活用して事業貢献 • データサイエンティスト • 事業の抱える分析課題を解くことに燃えるスペシャリスト集団 • 手段を問わず最高の精度を出すことに泥臭くコミット • MLエンジニア • AI技術をサービス上に実装して安定運用を実現 • データの収集、前処理やAPIの提供 • インフラエンジニア • 膨大なデータを取り扱うためのインフラ基盤構築・セキュリティ整備 • 各エンジニアの運用サポート・コスト管理 11
- 12. AIサービス応用を実現するための組織体制 • AI研究開発エンジニア • コンピュータビジョン/音声/強化学習等の専門技術を保有 • 先端研究を追いながら専門技術を活用して事業貢献 • データサイエンティスト • 事業の抱える分析課題を解くことに燃えるスペシャリスト集団 • 手段を問わず最高の精度を出すことに泥臭くコミット • MLエンジニア • AI技術をサービス上に実装して安定運用を実現 • データの収集、前処理やAPIの提供 • インフラエンジニア • 膨大なデータを取り扱うためのインフラ基盤構築・セキュリティ整備 • 各エンジニアの運用サポート・コスト管理 12 • それぞれの専門性を相補的に生かし 効率的な研究開発・実応用を目指す • プロジェクトに応じて適切なメンバーアサイン
- 13. 事業貢献のアプローチ • 大企業的な関係： 13 研究部門 事業部門 こんな技術 できましたけど… じゃあまずは PoCから… 技術
- 14. DeNAのAIプロジェクト • 研究エンジニアがプロジェクトの立ち上げ時期から参画 • 想定される技術的課題・解決方針を洗い出し • データの取得方法等について企画段階から検討 • プロジェクトの中で技術開発・技術確立を行う 14 AIシステム部（共通部門） AI研究開発エンジニア データサイエンティスト MLエンジニア インフラエンジニア 事業部門 プロジェクト Join!
- 15. DeNAのAIプロジェクト • 研究エンジニアがプロジェクトの立ち上げ時期から参画 • 想定される技術的課題・解決方針を洗い出し • データの取得方法等について企画段階から検討 • プロジェクトの中で技術開発・技術確立を行う 15 AIシステム部（共通部門） AI研究開発エンジニア データサイエンティスト MLエンジニア インフラエンジニア 事業部門 プロジェクト Join! AI研究開発エンジニア
- 16. DeNAのAIプロジェクト • 研究エンジニアがプロジェクトの立ち上げ時期から参画 • 想定される技術的課題・解決方針を洗い出し • データの取得方法等について企画段階から検討 • プロジェクトの中で技術開発・技術確立を行う 16 AIシステム部（共通部門） AI研究開発エンジニア データサイエンティスト MLエンジニア インフラエンジニア 事業部門 プロジェクト Join! データサイエンティスト
- 17. DeNAのAIプロジェクト • 研究エンジニアがプロジェクトの立ち上げ時期から参画 • 想定される技術的課題・解決方針を洗い出し • データの取得方法等について企画段階から検討 • プロジェクトの中で技術開発・技術確立を行う 17 AIシステム部（共通部門） AI研究開発エンジニア データサイエンティスト MLエンジニア インフラエンジニア 事業部門 プロジェクト Join! AI研究開発エンジニア データサイエンティスト MLエンジニア インフラエンジニア
- 18. 技術蓄積のための取り組み 18
- 19. 社内勉強会の開催 • 週次で技術トピック(40分x2本)を社内プレゼン • 社内プロジェクトの技術解説、論文紹介等持ち回り • 全員に技術発信の習慣を意識付け • 秘匿プロジェクトで無ければ社外にも積極公開 19
- 20. 社内勉強会の開催 • 週次で技術トピック(40分x2本)を社内プレゼン • 社内プロジェクトの技術解説、論文紹介等持ち回り • 全員に技術発信の習慣を意識付け • 秘匿プロジェクトで無ければ社外にも積極公開 20 • より深いディスカッションを行うため、 コンピュータビジョン系と データサイエンス系の輪講も隔週で開催 • Kaggle反省会とかもあります
- 21. 国際学会派遣 • 年1回、無条件で好きな国際学会に行って良い • 先端研究の動向把握 • 優秀な研究者とのネットワークづくり • 主な参加学会 • CVPR, ICCV, ECCV, ICML, NIPS, ICLR, KDD, AAAI, ICASSP等 • AWS re:Invent、Google Cloud Next、NVIDIA GTC等も 21
- 22. 勉強会主催・支援 • NeurIPS2018読み会@PFN（共催） • ICML2018読み会@DeNA（PFN共催） • CV勉強会CVPR2018読み会@DeNA（会場提供） • ICLR2018読み会@PFN（共催） • Deep Learning Acceleration勉強会@DeNA（会場提供） • ICLR2017読み会@DeNA（主催） 22
- 23. OSS公開 • PyTorch_YOLOv3 • YOLOv3のPyTorch学習再現実装 https://github.com/DeNA/PyTorch_YOLOv3 • ChainerPruner • Chainer向けpruiningライブラリ https://github.com/DeNA/ChainerPruner • Chainer_Mask_R-CNN • Mask R-CNNのChainer実装 https://github.com/DeNA/Chainer_Mask_R-CNN • Chainer_Realtime_Multi-Person_Pose_Estimation • OpenPoseのChainer実装 https://github.com/DeNA/Chainer_Realtime_Multi-Person_Pose_Estimation 23
- 24. 24 DeNAにおけるKagglerたち
- 25. DeNAにおけるKagglerたち • AIシステム部データサイエンスグループに生息する データサイエンティスト • スキルセット： 25 http://www.datascientist.or.jp/news/2014/pdf/1210.pdf
- 26. Kaggle • 機械学習モデルを構築するコンペティションのプラットフォーム 26 Kaggler
- 27. Kaggle支援 • データサイエンティストは、社内手続きを経た上で、 業務として会社のサーバ資源を使ってKaggleに取り組める • 目安として30%の工数はKaggleに取り組める負荷でアサイン • Kaggle実績は分析者としての実力の証明 • 会社としてのメリット • 社外の様々な分析問題と解法に対する知見を広げ 社内の分析問題にも展開可能とする • 著名なKaggle Masterを抱えることによるブランディング 27
- 28. Kaggler募集中です • 目指すはKagglerにとって世界で最高の職場！ • Kaggleで圧倒的な成果を出し続ける • データサイエンス案件でスピード感を持って 質の高いアウトプットを出す 28
- 29. Kagglerのこれまでの実績 29 DeNAのKagglerである小野寺和樹と 加納龍一を含むチームが、過去最大の Kaggleコンペである"Home Credit Default Risk"にて、7198チーム(参加 者数8572名)中2位に入賞しました。今 年４月からのKaggle社内ランク制度開 始以来の、大きな成果となりました！
- 30. Kagglerが関わった案件例 • 関西電力とDeNAが、石炭火力発電所の燃料運用最適化を行う AIソリューションの共同開発等に関して基本合意 30 （プレスリリースより） 関西電力とDeNAは、熟練技術者による 燃料運用のスケジューリング作業の自動 化を目指し、関西電力が設定した課題や 運用条件に基づいて、DeNAが一般的に ゲームAIに用いられる、膨大な組合せの 中から最適なものを探索する技術を導入 し、アルゴリズムを構築しました。
- 31. Kaggleと実業務（個人の感想です） • 1つの案件を擬似的に体験することができる • 探索的データ解析 (EDA) からチューニングまで • DiscussionとKernelの存在 • 失敗しても大丈夫！ • つよいKagglerは1つのコンペでその分野の専門家になる 31
- 32. 32 DeNAにおけるAI活用事例紹介
- 33. DeNAのAI活用 • 多種多様な事業を展開しているDeNAでは、 実活用前提での多種多様なAI応用のチャレンジをしています 33 ゲーム エンター テイメント 新領域スポーツ ヘルスケア オート モーティブ eコマース・ その他 ソーシャル LIVE ＋他社IP利用の タイトル多数
- 34. 34 交通事故低減に向けた AI技術活用の取り組み オート モーティブ コンピュータビジョン データサイエンス ×
- 35. • 講演では下記の内容のショートバージョンを紹介しました 是非下記のフルバージョンをご参照ください • 深層学習を用いたコンピュータビジョン技術と 運転行動モニタリングへの応用 https://www.slideshare.net/ren4yu/ss-87520443AI/ • MLシステムにおけるビッグデータとの付き合い方 https://www.slideshare.net/ShotaSuzuki2/aiml-133183890 35
- 36. 36 車載カメラからの 高精度地図作成技術 オート モーティブ コンピュータビジョン×
- 37. • 講演では下記の内容のショートバージョンを紹介しました 是非下記のフルバージョンをご参照ください • Building HD maps with dashcams https://www.slideshare.net/KousukeKuzuoka/building-hd-maps-with-dashcams 37
- 38. 38 ゲーム事業における AI技術の取り組み ゲーム データサイエンス ゲームAI ×
- 39. • 講演では下記の内容のショートバージョンを紹介しました 是非下記のフルバージョンをご参照ください • 運用中のゲームにAIを導入するには 〜プロジェクト推進・ユースケース・運用〜 https://www.slideshare.net/dena_tech/ai-dena-techcon-2019 39
- 40. 40 アニメ生成技術への取り組み Structure-aware Generative Learning × エンター テイメント
- 41. • 講演では下記の内容のショートバージョンを紹介しました 是非下記のフルバージョンをご参照ください 41 • 技術詳細 https://www.slideshare.net/hamadakoichi/anime-generation 生成アニメ https://youtu.be/tOZW_KWb8b0 AIによるアニメ生成の挑戦 AIによるアニメ中割生成結果
- 42. まとめ • AI研究開発を支える組織体制と仕組み • 実サービス中で技術確立 • 技術蓄積のための取り組み • DeNAにおけるKagglerたち • DeNAにおけるAI活用事例紹介 42
- 43. 43
Login to see the comments