リクルート式AIの活用法

1. リクルート式AIの活用法株式会社リクルートテクノロジーズ ITソリューション統括部ビッグデータプロダクト開発グループグループマネージャー石川信行石川信行 Nobuyuki Ishikawa #devsumi B 17-B-3

4. 4Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. 趣味etc 学歴略歴所属  リクルートテクノロジーズ ITソリューション統括部ビッグデータプロダクト開発G グループマネージャー兼アドバンスドテクノロジーラボ  株式会社ミラセンシズ代表取締役 CEO 神戸大学大学院農学研究科害虫制御学専攻リクルート新卒入社８年目。カーセンサー.netで営業研修、Javaを用いたシステム開発に参加し、その後 Hadoopの導入検証に従事。主要事業にHadoopを導入したのちビッグデータGに合流。現事業対応リーダー、画像解析など技術開発に従事。シニアアーキテクトとしてプロフェッショナル職になった後に、現職。海水魚飼育外国産昆虫飼育スキューバダイビング自己紹介

5. 5Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. リクルートのビジネスモデルさまざまなドメインでマッチングモデルに基づいたビジネスを展開。 Matching Business HR Bridal Group Buying Used Cars Travel Real Estate Beauty Gourmet Social Games E-Commerce Ad Network New Business Consumers Enterprise

6. 6Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. リクルートの事業領域「選択」をサポートするような情報サービスを展開 Life event area Lifestyle Area Travel IT/ TrendLifestyle Health & Beauty Job Hunt Marriage Job Change Home Purchase Car Purchase Child Birth Education

7. 7Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. リクルートテクノロジーズの立ち位置 Infrastructure /Security Project Management UXD/SEO Internet Marketing Big Data Solutions Technology R&D Systems Development リクルートホールディングスは7つの主要事業会社と３つの機能会社から成り立っている。 Recruit Holdings Recruit Career Recruit Sumai Company Recruit Lifestyle Recruit Jobs Recruit Staffing Recruit Marketing Partners Staff service Holdings Recruit Technologies Recruit Administration Recruit Communications Business/ Service Function/ Support

8. 8Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. ビッグデータ解析部門の組織体制 ITソリューション統括部・・・ビッグデータビジネスコンサルティンググループビッグデータ人材領域グループビッグデータ販促・バイト領域グループソリューションを軸とした予測、BI、競合分析人材領域を軸とした各種レコメンドの開発販促・バイトを軸とした各種レコメンドの開発ビッグデータＩＤ・ポイント領域グループ IDポイントを軸とした各種レコメンドの開発ビッグデータプロダクト開発グループビッグデータインフラグループＩＤポイントビッグデータシステムグループソリューションを軸とした各種R&D系プロダクトの開発ビックデータ基盤の構築・運用ビックデータ部 IDポイントPRJの基盤の構築・運用

9. 9Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. プロダクト開発Gのミッション・ポリシー  最新技術をいち早く検証・実装し、誰でも早く簡単に利用できるビッグデータ・プロダクトまで実装を深め、リクルートグループすべての人たちに提供する。最近は必然的にAIといわれる領域の技術が多い。  基本的に、技術は使ってもらわないと意味がない。施策出口のアイディアは常に膨らませておく。  各プロダクトごとにプロダクトオーナー制を敷く。プロダクトオーナーにはプロダクトに関するすべての責任と報酬が乗ってくる。  最終目的（導入件数やKPI目標）の設定後は、切り取り次第。手段も自走して考える。

11. 11Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. 『リアル・スティール』映画のパッケージ『Ａ.Ｉ. 』映画のパッケージ昨今のAI事情  私自身、AIという言葉は好きでありません。  それでも自分をだましだまし使っています。説明が格段にわかりやすくなるからです。出典：http://movies.yahoo.co.jp/movie/A.I./163028/ 出典：http://movies.yahoo.co.jp/movie/%E3%83%AA%E3%82%A2%E3%83%AB%E3%83%BB%E3%82%B9%E3%83%86%E3%82%A3%E3%83%BC%E3%83%AB/339986/

13. 13Copyright © Recruit Technologies Co., Ltd. All Rights Reserved.  AIのスコープをぎゅっと絞り、リクルート内では深層学習が得意とする特徴量抽出の自動化にフォーカス。  例えば、特徴量抽出にフォーカス (0,0,1,0,0,0・・・・・・・・・・・・・・・・・・・・・・・・・・・) 自動特徴抽出ベクトル化角がある足が6本茶色・・・無意識の特徴抽出ラベルと特徴の紐付 predict カブトムシっぽい例えば500枚以上 predict 似てるけど違う。

14. 14Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. AIの施策適応のスコープ  特徴抽出はテキストの分類や画像の分類、文章作成、校閲など人が無意識に頭の中で行なっている作業。  この特徴抽出という作業は、社内を見渡せばあちらこちらに存在する。  人が属人的なルール、感覚で判断していて、なおかつルーチンな業務が多い。  特徴抽出の自動化ができれば、人の簡単な行動を機械で模倣ができる・・・はず。人の単純作業の一部リプレイスを施策出口候補へ

15. 15Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. AI案件推進の際に必要な要素 AI案件推進のために必要なもの教師データアルゴリズムモデリング、チューニングノウハウ施策適応・施策とモデル、アルゴリズムを結びつける知識が必要・AIとよばれるもののメリデメを説明することができる →重要であるが、実はこの層の人材が枯渇・機械学習やAIの仕組み理解・パラメータチューニングなどの勘所・アルゴリズムの選択 →採用や、他の企業ごと人を買収 Ex）salesforce社→metamind IBM社→AlchemyAPI • オープンソースの利用 • 社外の商用製品の利用・自社データ・クラウドソーシングで集める・データ購入・まだ取得できていないデータを収集・顕在化プロダクト開発Gのメンバーがサポート。リクルート内にある豊富なデータ源＋プロダクト開発Gの経験。

18. 18Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. 開発・構築にいたった理由案件ごとのフルスクラッチ開発 一番自由度が高く最適な機能が作れる。一方、一から検討・開発するため、どうしても時間・コストがかかるので、全てのケースに対応できない外部のAPI群  一部は活用すべきだが、リクルートグループでの活用にそのまま使える機能が不足。汎用性が仇になる。【効果的な機能】リクルートグループ特化による効果的なソリューションの開発。【導入しやすさ】リクルート汎用的な機能についてはAPI化。導入の迅速化／低コスト化。【最新技術】バックエンドのアルゴリズム、インフラ環境も常に最新かつ適切なものが適用できるよう継続的に検証。【効率など付加価値】オペレーション部分にも最新技術を適応。精度／運用効率向上に向けた取り組みを継続的に実施。（DeepLearningの自動パラメータチューニング機能他）  リクルートグループにおいて機械学習によるソリューション活用の敷居はまだまだ高く、活用をスピードアップ・拡大するためには設計～開発～運用に工数が多くかかっていた。  データ活用・ロジック作成に気を取られ、ビジネス活用まで考えがいたらない状況。

19. 19Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. A3RTサービス一覧  A3RTでは現在、下記のようなAPIサービスを整備・開発。  これまでデータ活用が数多く進んでいるカスタマーサイドだけではなく、クライアントサイド、営業シーン、制作業務などでの利用を想定し開発している。レコメンドバナーターゲティング OCR 画像解析原稿サジェスト文章校閲文章要約文章分類音声テキスト化屋内位置測位 ChatBot（協働開発）転移学習マルチモーダルデータマスキング（協働開発）

22. 22Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. AI案件推進の際に必要な要素 AI案件推進のために必要なもの教師データアルゴリズムモデリング、チューニングノウハウ施策適応・施策とモデル、アルゴリズムを結びつける知識が必要・AIとよばれるもののメリデメを説明することができる →重要であるが、実はこの層の人材が枯渇・機械学習やAIの仕組み理解・パラメータチューニングなどの勘所・アルゴリズムの選択 →採用や、他の企業ごと人を買収 Ex）salesforce社→metamind IBM社→AlchemyAPI • オープンソースの利用 • 社外の商用製品の利用・自社データ・クラウドソーシングで集める・データ購入・まだ取得できていないデータを収集・顕在化プロダクト開発Gのメンバーがサポート。リクルート内にある豊富なデータ源＋プロダクト開発Gの経験。

23. 23Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. 施策接続の中でエンカウントする現場の勘違い  精度を100％にしたい。  そもそも人間が作った教師データが100％の精度ではないことを知るべし。  データあります。  ただ教師データがあるのと使える形式の教師データがあるというのは話が違う。  とにかくAIをやりたい病。  目的なくして、技術の意味なし。  一撃必殺の最強魔法の類と思っている。  何かパッと持ってきて、すぐできて、一発OK運用なし。

30. 30Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. 自動車車種判定  自動車を良く知らない初心者の人間にとって、車種や自動車メーカーの名前を知ることは難しく、より直感的に自動車を探すことができるインターフェースが必要と想定。  画像判別により車種を判別できる機能を開発し、初心者フレンドリーなインターフェースを実現。  判別精度は人気車種上位30種類において90％以上にものぼる。既存の検索導線へ

32. 32Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. 学習データの作成に工夫外装ラベル名画像例内装トランクダッシュボードその他学習枚数約3500枚約2000枚約1000枚約1000枚約2500枚内装〜その他を判別するモデルを先に作成。カーセンサーの約40万物件の画像を全て投入外装と判別された約80万枚をそのまま学習に利用

33. 33Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. 学習データの自動収集の仕組み作り課題として流通量が少ない車種(＝学習枚数少ない)は精度が低く、継続的な学習の仕組みづくりが必要。利用者に正解をフードバックしてもらう機能を実装し、再学習のスピード。画像とラベルがセットで蓄積できるので、追加学習が可能！ AIは一撃必殺の魔法ではなく、基本的に継続的に学習させ、改善していくものである。このような認識を関係者各位に周知させ、継続的学習の仕組みを自ら推進し作っていといった「AIの概念周知」は重要なファクターのひとつである。

34. 34Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. 事例紹介② カーセンサー色タグ付与 • カーセンサーでは、一物件につき、20枚くらいの画像が存在 • これに外装・トランク・ダッシュボード・内装・その他などラベルを振り、内装判別用のモデルを作成内装の確率が一番高い画像を探索色を抽出して、最も広範囲に利用される色をシートの色として判別範囲が多い順に・ライトブルー・黒・・・ →シート色のタグとして、「ライトブルー」を付与！学習データ収集内装画像探索内装色判別内装判別をするための学習データ収集 1 2 3  「メディアで不足・もっと見たかったクルマの情報」を調査したところ、1位が「クルマの内装の写真」であること、また、約 35％の回答者が、中古車の「内装」を重視してクルマ選びをしていることが判明。  一方で既存メディアには内装色で検索という機能が存在しない。

38. 38Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. TEXT CLASSIFICATION API : Linne 今回の学習データはテキストとラベルの対私はタコです。審査OK あなたが嫌いです。審査NG あなたが嫌いではないです。審査OK 赤ちゃんLinne 大量に教え込ませる審査OK なんでこんなんもわからんのや賢いLinne

39. 39Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. TEXT CLASSIFICATION API : Linne ConvNetは画像のためのモデル →入力は32×32(×3)の行列orテンソルで固定長私はこの景色が好きだ。 Embedding 私僕女男景色好き各単語をn次元ベクトルに変換私はこのだ。 <eos> … n次元ベクトルを並べて行列作成

41. 41Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. TEXT CLASSIFICATION API : Linne 学習の手順私はこの景色が好きだ。形態素解析 [ 私, は, この, 景色, が, 好き, だ, 。] Embedding 学習データ [“私はこの景色が好きだ。”, 審査OK] 審査OK 掲載OK 78% 掲載NG 22%

42. 42Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. TEXT CLASSIFICATION API : Linne AWS cloud クチコミテキスト掲載OK 78% 掲載NG 22% 各ラベルへの帰属確率クチコミ審査者掲載OK 実際の活用フロー教師学習がまだまだ主流の今、１００％の精度はありえない。まずは過度な期待をせずに、できるところからAIを用いて人の作業負担を減らし、共に成長していく仕組みづくりが必要である。

44. 44Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. 日常会話領域での最新技術の利用感情指定返信学習「〜な感情で応答せよ」という指令を質問文にラベル付けすることで、所望の感情での回答を行う機能を実装。対話破綻学習質問文がそれにふさわしいかどうかをロジスティック回帰により判定する仕組みを取り入れ、回答のふさわしさという観点で精度向上を図っている。

47. 47Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. document proofreading api : ArGON 原稿の校閲の自動化校閲項目実現方法説明会などの日付が過去の日付になっていないか？ルールベース日付と曜日がずれていないか？ルールベース電話番号は正しいか？桁数などをチェックするルールベース差別表現は含まれていないか？ルールベースと機械学習誤字脱字機械学習住所は正しいかルールベース *校閲項目の一部抜粋

48. 48Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. document proofreading api : ArGON なぜ機械学習が必要か？？ “私は妄奏する。” →“妄奏”という単語は存在しないので辞書と突き合わせればOK “税金を収める。” →”納める”が正解だが”収める”も辞書には存在している “税金が納める。” →文章として不自然。”が”ではなく”を”が適当。単語ごとにみるのではなく文脈（系列）を読み取る必要

51. 51Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. document proofreading api : ArGON Recurrent Neural Network （系列データに対してのNeural Network）例えば、 (1) 音声データ（波形） (2) 文書データ（単語） (3) 映像データ（画像）

54. 54Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. document proofreading api : ArGON 何度も掛け算をするため重みが爆発したり、勾配が消失する結果、長期的な依存性がなくなる input hidden output time t-q t-5 t-4 t-3 t-2 t-1 t 〜〜 …

55. 55Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. document proofreading api : ArGON 勾配消失問題を解消するために特殊な隠れノードを追加したモデル xt ht-1 xt ht-1 xt ht-1 ht ×1.0 tanh tanh sigmoidsigmoid input gate output gate Constant Error Carousel

59. 59Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. document proofreading api : ArGON 48549units 400units 400units 48549units400units input embed LSTM (GRU) outputFeed Forward ＋ Deep Residual Learning

62. 62Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. R&Dによるデータ解析活用ポリシー etc  内製開発、内製ロジック作成やオープンソース利用のみが、技術によるビジネス貢献ではない。  常に情報を探り、集め、あらゆる手段でデータ解析をビジネス貢献の手段として確立させるようベストを尽くす必要がある。 Etc…

63. 63Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. スタートアップ協業シリーズ  海外出張によって訪問した現地（イスラエル・US）の先進スタートアップ企業とディスカッション。  プロダクト利用だけではなく、協働検証・開発なども行っている。社内検証インフラオペレーションAI 類似画像アフィリエイト屋内位置情報測位説明会などイベントでの流量分析想定ビッグデータ部内部Hadoop 環境での利用画像を生かした媒体間のクロスユース屋内位置情報取得によるカスタマー情報リッチ化社内インフラ運用のモニタリングを知見習得？インターネット中の画像を集客元に

64. 64Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. Cotori –屋内位置測位  GPSではできない屋内の測位を正確に行うSDK。  屋内でGPSと同じようにトラッキングをしたり、非常に小さいジオフェンスを貼ることが可能。  またwifiや地磁気の情報を使用するため非常に省電力で動くことが特徴  オフラインイベントなどでの解析に利用できないかを検討中。 ×

65. 65Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. 半教師有り学習による精度向上 • VATを用いた半教師有り学習 • 半教師有り学習：少量の教師付きデータと大量の教師なしデータを用いて、比較的高精度のモデル作成する手法。 mnist[0~9の手書きデータ]を利用し、以下を検証。・60000万枚の画像を学習に使った精度・各枚数を学習に利用した時の精度・各枚数を教師有り、残りを教師なしとして学習した精度教師有りを600枚使っただけで、ほぼ 60000枚全て利用した時と同様の精度が得られていることがわかる。学習利用枚数誤差率 (%) 大量の画像全てに正解ラベルを付与しなくても良い。よって、学習データの収集コストが大幅に下がることが期待できる。

68. 68Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. データ解析の利用シーン拡大 customer Client Attracting customers Select Action Effect Information published Target client Matching  cross tabulation  Recommendation  Image search  Advertising expenses optimization  Ad Targeting  Manuscript reviewer  Auto review  Article creation support  Sales support  Competitive analysis

69. 69Copyright © Recruit Technologies Co., Ltd. All Rights Reserved. 大切にしたいことデータの活用周りの商品（エンタープライズ、オープンソース問わず）、ロジック、活用事例などの最新情報をなるべくキャッチしておく。どんなデータでも扱えるように知見を集約しておく、難しい技術や課題にも積極的にチャレンジしていく。コードのオープンソース化が進み、競合優位要因が「コード保有」から「データ保有」「施策接続力」にパラダイムシフト。ビジネスの感覚も忘れずに、事業と二人三脚で案件を進める。１ 2 3

71. ご静聴ありがとうございましたリクルートテクノロジーズ

リクルート式AIの活用法

Du liest eine Vorschau.

Hier ansehen

リクルート式AIの活用法

Weitere Verwandte Inhalte

Diashows für Sie (20)

Andere mochten auch (20)

Ähnlich wie リクルート式AIの活用法 (20)

Weitere von Recruit Technologies (15)

Aktuellste (20)