Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

DeNAにおける先端AI技術活用のチャレンジ

4,336 views

Published on

DeNA AIシステム部では「先端AI技術を活用して事業を成功に導くこと」をミッションとし、AI研究開発と事業貢献の両立を目指して様々なビジネスでのAI活用に取り組んでいます。本セッションでは、様々な事業ドメインに対する効率的な技術貢献を実現するためのAIシステム部における組織体制や仕組みづくりについて紹介します。その後、コンピュータビジョン、ゲームAI、データサイエンスの分野を中心に、現在取り組んでいる新たな価値提供へのチャレンジについて紹介します。

社会実装のためのAIに関する最新事例・活用技術をお届けした2Daysカンファレンス、SIX 2019
における講演資料
https://six.abejainc.com/reports/#dev-d-2

Published in: Technology
  • Login to see the comments

DeNAにおける先端AI技術活用のチャレンジ

  1. 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. 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. 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. 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. 5 AI研究開発を支える組織体制と仕組み
  6. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 18. 技術蓄積のための取り組み 18
  19. 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. 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. 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. 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. 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. 24 DeNAにおけるKagglerたち
  25. 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. 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. 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. 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. 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. 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. 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. 32 DeNAにおけるAI活用事例紹介
  33. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 43

×