Pmaj産学連携pmセミナー 171216

Copyright © 2017 TIS Inc. All rights reserved.
2017年12月16日
TIS株式会社油谷実紀
AI・ロボットを活用したビジネス創出
PMAJ産学連携PMセミナー2017

Copyright © 2017 TIS Inc. All rights reserved. 2
油谷実紀(ゆたにみき)
1992年3月東京大学文学部心理学専修課程卒業
1994年3月東京大学大学院人文科学研究科修士修了、修士(心理学)
1994年4月株式会社東洋情報システム(現: TIS株式会社)入社
→入社当初より一貫して新規事業立ち上げリーダーおよび新規領域SIプロジェクトPMを担当
2009年4月先端技術センター(現: 戦略技術センター)センター長
→第3のプラットフォーム(モバイル、クラウド、ビッグデータ、ソーシャル)の事業化を推進
現在
○TIS株式会社フェロー戦略技術センター長兼 AIサービス事業部副事業部長
■AI・ロボット・クラウド技術をベースとした、ヒューマン・コンピュータ・コミュニケーションによる社会課題解決
○株式会社エルブズ取締役
■社会性エージェントサービス提供
○シークセンス株式会社取締役
■自律移動型ロボットシステム製造販売
公的活動
○一般社団法人オープンガバメント・コンソーシアム理事、AI・ロボット分科会・FinTech分科会主査
○国立大学法人北陸先端科学技術大学院大学産学官連携客員教授
○国立大学法人電気通信大学非常勤講師
自己紹介
https://elvez.jp/ https://seqsense.com/
油谷実紀
@blackaplysia

TIS株式会社のご紹介
TIS株式会社 (TIS Inc.)
昭和46年 (1971年) 4月28日
100 億円社名
連結：393,398百万円
単体：127,412百万円
（2017年3月期）
システムインテグレータ(SIer)
東証第一部
業種
上場市場
創業
資本金
売上高
主要事業①決済システム
主要事業②高信頼性システム運用基盤

 第3次AIブームとは
 企業情報システムの視点からみた現在のAI技術
 3つの事例
– 企業向けスマートスピーカー
– 高齢者向け対話エージェント
– 警備ロボット
3つの話題

「第3次AIブーム」とは

 Rodney Brooks博士
– MITコンピュータ科学・AI研究所前所長
 ブログ(2017/9/7)
「The Seven Deadly Sins of
Predicting the Future of AI」
https://rodneybrooks.com/the-seven-deadly-
sins-of-predicting-the-future-of-ai/
 MIT Technology Review(2017/10/23)
「シンギュラリティは来ない
—AIの未来予想でよくある
7つの勘違い」
(原題: The Seven Deadly Sins
of AI Predictions)
https://www.technologyreview.jp/s/58257/
the-seven-deadly-sins-of-ai-predictions/
現在の「AIバブル」の異常性に関する
MIT Brooks博士によるコメント
7つの勘違い
1. 過大評価と過小評価
2. 魔法のようなテクノロジー
3. 実績と能力
4. スーツケース・ワード
5. 指数関数学説
6. ハリウッド映画のシナリオ
7. 展開のスピード

 「第1次AIブーム」: 1956年～1960年代
– ダートマス会議(1956)
– パーセプトロン(1958)
ブームを繰り返してきたAI①
入力𝑥1, 𝑥2, … 𝑥 𝑁
重み𝑤1, 𝑤2, … 𝑤 𝑁
閾値𝜃
出力関数𝑓
𝑢 = 𝑓( 𝑤𝑖 𝑥𝑖 − 𝜃)
𝑁
𝑖=1

 「第1次AIブーム」: 1956年～1960年代
– Lisp (1958)
– General Problem Solver(1957)
 ヒューリスティックス
 目標手段分析
– Eliza (1964)
 botの源流
ブームを繰り返してきたAI①
(defun doctor-nounp (x)
"Return t if the symbol argument is a noun."
(or (doctor-pronounp x)
(not (or (doctor-verbp x)
(equal x 'not)
(doctor-prepp x)
(doctor-modifierp x) )) ))
(defun doctor-pronounp (x)
"Return t if the symbol argument is a pronoun."
(memq x '(
i me mine myself
we us ours ourselves ourself
you yours yourself yourselves
he him himself she hers herself
it that those this these things thing
they them themselves theirs
anybody everybody somebody
anyone everyone someone
anything something everything)))
Eliza (emacs lisp版)
代名詞の定義例

 「第2次AIブーム」: 1980年代
– Prolog (1972)
 一階述語論理による宣言的記述
– エキスパートシステム
 ルールベース、いわゆる「If-Thenルール」
ブームを繰り返してきたAI②
rules([[remember,5],[
[1,[_,you,remember,Y],0,
[do,you,often,think,of,Y,?],
[does,thinking,of,Y,bring,anything,else,to,mind,?],
[what,else,do,you,remember,?],
[why,do,you,remember,Y,just,now,?],
[what,in,the,present,situation,reminds,you,of,Y,?],
[what,is,the,connection,between,me,and,Y,?]],
[2,[_,do,i,remember,Y],0,
[did,you,think,'I',would,forget,Y,?],
[why,do,you,think,i,should,recall,Y,now,?],
[what,about,Y,?],
[equal,[what,0]],
[you,mentioned,Y,.]],
[3,[_],0,
[newkey]]]]).
findkeywords([],[[memory,0],[none,0]]).
findkeywords([H|T],[[H,I]|T1]) :-
rules([[H,I]|_]), !, findkeywords(T,T1).
findkeywords([_|T],T1) :- findkeywords(T,T1).
Eliza (Prolog版)
“remember”に
関連する返答集
ルールの検索

 「第2次AIブーム」: 1980年代
– 「強いAI」vs「弱いAI」
 「AIは思考しているのか?」
– 表象主義(トップダウンアプローチ)
 フレーム問題
 ルール記述の限界
– ニューラルネット(ボトムアップアプローチ)
 ネオコグニトロン(1979)
 バックプロパゲーション(1984)
 コンピューティングパワーの限界
ブームを繰り返してきたAI②

 「第3次AIブーム」: 2000年代後半～
 第3次AIブームは大きく二つの技術が牽引
– 深層学習(deep learning)
– 自然言語処理
ブームを繰り返してきたAI③

 深層学習とは〇〇である
– 複雑なニューラルネット
(多層のニューラルネットで学習を行うため深層という)
– コンピューティングパワーの低コスト化によって成し遂げられた
– インターネット上のオープンな画像データ蓄積(ex. ImageNet)
→2015年には画像分類の正答率で人を超えた
– コンピュータ将棋における飛躍的な進歩
 深層学習とは〇〇でない
– 人間の脳を模倣していない
cf. 汎用人工知能(Artificial General Intelligence)
– 画像分類以外のタスクも現在進行形で世界中の研究者がしのぎを削る
深層学習とは

 物体検出(object detection)
ImageNetの現在①
http://www.image-net.org/challenges/LSVRC/2013/slides/ILSVRC2013_12_7_13_clsloc.pdf

 物体位置同定(object localization)
ImageNetの現在②
http://www.image-net.org/challenges/LSVRC/2013/slides/ILSVRC2013_12_7_13_clsloc.pdf

 自然言語処理の実用化
– IBM Watson (2011)
– インターネット上のオープンな語彙データの蓄積(ex. WordNet)
– 自然言語処理関連ツール、ライブラリのオープンソース化
(誰でもインターネット上のツールを使うことができるようになった)
ブームを繰り返してきたAI③
https://www.flickr.com/photos/charliecurve/5449250821

企業情報システムの視点からみた現在のAI技術

 過去のAIブームとの技術的関連
– パーセプトロン(1958)、ネオコグニトロン(1980年代)→深層学習へ
– Eliza (1964)→チャットボットへ
– General Problem Solver(GPS, 1957)、エキスパートシステム(1980年代)
 何が違うのか?
– 基礎技術におけるブレークスルー
 深層学習(deep learning)に代表される機械学習・特徴抽出技術の発展
– 研究および実用化のための環境の発展
 オープンデータ、ビッグデータ蓄積と利用(ex. ImageNet、Wikipedia/DBPedia)
 仮想化技術によるマシンリソースのコモディティ化
 オープンソースソフトウェア
「第3次AIブーム」の正体

 2016～2017年、大企業を中心としたによる概念実証(Proof of Concepts, PoC)が
多数実施された結果、AIは魔法ではなくなった
– 深層学習は分類・識別に活用できる
 画像分類や画像識別(画像認識)から顔認識や異常検知まで幅広く可能性がある
 テキストについても雑談や分類・識別によるFAQには適用可能
 さらに難しい分類・識別問題への基礎研究が進行中
 時系列データ(動画、IoT)
 予測・推薦・自動対応
– Webフォームから多彩なチャット型ユーザインタフェースへ
 テキストチャット
 コミュニケーションロボット
 スマートスピーカー
大企業を中心とした概念実証(PoC)のまとめ

 深層学習を適用するには業務に基づいたタスクとそれに紐付いたデータが必要
– 業務指標(Key Performance Indicator, KPI)を設定し、深層学習タスクを定義
 IoTデバイスからのインプットやオープンデータを活用
– 深層学習はビッグデータを利用するツールでしかない
 ビジネスインテリジェンス(BI)またはデータマイニングの取組みとの連続性を確認
 統計データがあればマイニングや因果関係推定(ベイジアンネットワーク)等を検討
 ビッグデータに基づいた解析が有効なタスクにのみ深層学習の適用を検討
 深層学習ベースボットはビッグデータに基づくテキスト分類・識別タスク
→回答が一意である業務用には未だ業務シナリオベースチャットが適切
– 業務シナリオの生成コスト
 業務シナリオはFAQやコールセンターログなどに基づく手作りが主流
(エキスパートシステムのIf-Thenルールと大きく変わっていない)
 業務シナリオの自動生成が期待されるも未だ基礎研究レベル
企業情報システムへの適用の壁

 AIを活用したエンタープライズシステムは、刻々と変化する環境情報を収集し、適宜利用者にエスカレーションする、
といった主体的機能にもとづく新しいユーザエクスペリエンス(UX)を提供するプロアクティブ・システムとなる
AIを活用した主体的機能の実現
※IoT: Internet of Things
データ
IoT
オープン
データ
①
これまでのエンタープライズシステムのUX
主体
主体
主体的機能をもったシステムのUX
②
曖昧な質問・
指示・操作
支援・指示
解釈・問い合わせ
環境情報収集
作業遂行
②-1
②-2
①

 主体的機能を実現するには、物理的な環境情報を適宜収集し得られるデータを集約、体系化することで知識化し、
親和性の高いヒューマン・コンピュータ・インタラクション(HCI)で利用者とのコミュニケーションを行う
 主体的機能を組みこんだフィードバックシステム全体はいわゆるCyber-Physical Systems (CPS)となる
主体的機能を実現する要素技術
知識化データ収集
オフィス
工場・ライン
業務担当者
KPI
パブリックスペース
住宅・近隣
地域住民
※KPI: Key Performance Indicator
Cyber-Physical Systems (CPS)
HCI
KPIKPI

 主体的機能の実現のためにはデータ収集とHCIの機能の高度化がキーファクターとなる
主体的機能を実現する要素技術
リアルタイム性
規模
SoR(基幹システム)
SoE(ソーシャル等)
IoT
業務遂行能力
現実性(reality)
可視化(visualization)
テキストチャットボット
ロボットXR(MR/AR)
データソースは大規模・
リアルタイム化へ
ビヘイビアは業務遂行
能力向上と超現実へ
知識化
オープンデータ
※SoR: System of Record
SoE: System of Engagement
XR: Super Reality
MR: Mixed Reality
AR: Augmented Reality
スマートスピーカー
データ収集 HCI

企業向けスマートスピーカーの事例

 複数話者が混在する環境における音声認識
– 複数話者の識別(会議室等)
– 認識する必要のない音声(オープンな環境等)
 カスタマイズ
– デバイスがブラックボックスであるため、
必ずクラウド側での開発が必要
– ローカルで加工した結果をAPIに渡す手順が煩雑
 一問一答よりも複雑な対話プロトコル
– コールセンターの対応フローチャートに沿った対話
– 利用者への逆質問による段階的詳細化
– 回答候補選択肢の提示
業務利用における一般消費者向けスマートスピーカーの課題

 複数話者が混在する環境における音声認識
– 複数話者の識別(会議室等)
– 認識する必要のない音声(オープンな環境等)
 カスタマイズ
– デバイスがブラックボックスであるため、
必ずクラウド側での開発が必要
– ローデータやローカル加工データの利用が困難
 一問一答よりも複雑な対話プロトコル
– コールセンターの対応フローチャートに
沿った対話
– 利用者への逆質問による段階的詳細化
– 回答候補選択肢の提示
一般消費者向けスマートスピーカーの課題とAISonar×DialogPlayによる解決策
AISonar
・スマートスピーカー
・16ch MEMSマイクロフォン
・ARM＋Linux＋SDK
・Wi-Fi、Bluetooth、IRセンサ、
USBインタフェース
DialogPlay
・業務用チャットボット作成サービスプラットフォーム
・一問一答のみならず絞り込みQAや詳細ヒアリング
・外部システム連携
・オペレータ呼び出し
・フロントエンドデバイス非依存

 利用者との対話を制御し、適切なシナリオを選定して対話をするエンジン
 Webサイトのチャットボットだけではなく、メッセンジャーアプリ経由の対話も対応
 外部システムとの連携やオペレータへの切り替えなども実施
DialogPlay
業務対話エンジン
ボット管理対話管理
ユーザー
対話
外部システム
連携
対話シナリオ
対話履歴
Webサイト
メッセンジャー
外部API
チャットボット
オペレータ
切り替え

AISonar×DialogPlay
AISonar
QAシナリオ
口座の開設が
したい
BOT
口座開設の
手続きですね…
システム
連携
Q
A
③ テキスト受領
④ QAマッチング
⑤ 回答返却
① 音声認識
② テキスト化、連携
⑥ 音声合成、回答

高齢者向け対話エージェントの事例

超高齢化社会を迎えてAI・ロボットは脅威といえるのか
内閣府(2016) 平成28年版高齢化白書. http://www8.cao.go.jp/kourei/whitepaper/w-2016/html/zenbun/s1_1_1.html
高齢化率の政府試算
2060年の高齢化率は39.9%に達する
(2.5人に1人が65歳以上)
最近の高齢者の特徴
①単身世帯化傾向
(核家族から単身世帯へ)
②相対的所得向上傾向
(高齢者と若者のあいだに
所得差がない)
③労働力提供の持続
(定年延長vs身体能力)

プラチナ社会ではAI/IoTの果たす役割が期待されている
単身世帯化
傾向
相対的所得
向上傾向
労働力提供
の持続
単身世帯支援
・移動支援
・家事代行
・ヘルスケア
・見守り
消費喚起
・ファミリーライフイベント
・ターゲットマーケティング
持続的労働支援
・単純作業支援
・移動支援
・パワードスーツ
広範なデータを用いた高精度の分析
親しみのあるコミュニケーション
人を補佐する能力を持つロボット
AI/IoTをベースとした技術

 背景
– 南山城村は京都府東南端にある「京都府唯一の村」
 人口2,600人、高齢化率45%
 商業施設(スーパー、コンビニ)撤退→「買い物弱者」多数
 路線バス撤退→「交通弱者」多数
 実証実験の概要
– 住民に「御用聞きAI®」タブレット端末を配布
– 道の駅(代替施設)を拠点に買い物注文受付と配達サービスを実施
– コミュニティバス運行実証に合わせバスロケーション情報を提供
 現状の効果／評価(高齢者)
– 買い物代行実験：
3日間12名、1日8件程度のお弁当の受発注を提供
– バスロケーション実験：
10日間16名、総計約9,100発話、バス乗降客延べ176名
事例―京都府南山城村

警備ロボットの事例

 日本経済新聞本紙
「巡回警備ロボにお任せ―TIS、大学発ベンチャーに出資」
(2017/2/5)
http://www.nikkei.com/article/DGKKZO12549000U7A200C1TJC000/
自律移動型ロボットの取り組み

 警備(security)の強化の必要性
– 世界中多発するテロ
– 増加する外国人観光客
– 2020年東京オリンピック
 警備員確保の課題
– 労働力減少と警備員の高齢化
– 警備業法に規定された多大な教育コスト
 ロボット×AIによる次世代の警備システム
– 周囲の環境をリアルタイムに把握
– 3次元空間認識による環境変化の自動検出
– 要注意人物や大事な来客の察知
– 巨大施設における複数ロボットの協働
警備業界の課題の解決が期待されるロボット

Pmaj産学連携pmセミナー 171216

Pmaj産学連携pmセミナー 171216

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Was ist angesagt?

Was ist angesagt? (16)

Ähnlich wie Pmaj産学連携pmセミナー 171216

Ähnlich wie Pmaj産学連携pmセミナー 171216 (20)

Mehr von Miki Yutani

Mehr von Miki Yutani (9)

Kürzlich hochgeladen

Kürzlich hochgeladen (6)

Pmaj産学連携pmセミナー 171216