人工知能のビジネスへの活用法(TensorFlow活用例)

2017年1月18日に『人工知能をどうビジネスに活用するか？～オープンソースのディープラーニング「TensorFlow」の活用例から考える～』セミナーが開催されました。

急速に発展する人工知能技術をビジネスに活用する方法について、「TensorFlow」活用例を交えながら、2つの講演+ミニパネルディスカッションが行われました。

本記事では、次の3部構成で、セミナー内容をレポートします。
・第1部　セッション「Tensorflowとディープラーニング、ビジネスでの活用例」
・第2部　セッション「いち早く人工知能テクノロジーを取り入れた 製品・サービスを市場に展開するには？」
・第3部　ミニパネルディスカッション「人工知能をどうビジネスに活用すればよいのか」

第1部　セッション「Tensorflowとディープラーニング、ビジネスでの活用例」

株式会社KSKアナリティクス　高木 宏明 氏によるセッション「Tensorflowとディープラーニング、ビジネスでの活用例」をレポートします。

セッションアジェンダ

・機械学習とは
・深層学習（ディープラーニング）とは
・従来の機械学習と深層学習の違い
・TensorFlow紹介
・何でもかんでもディープラーニング？

機械学習とは

機械学習とは、入力データ(稼動ログ、センサーデータなど)から機械学習手法で学習モデルを作成し、入力パターンや規則性についてアルゴリズムを使用して学習を行なう手法です。

機械学習手法の体系

さまざまな機械学習手法がありますが、ディープラーニング手法は機械学習手法の中の1手法です。機械学習手法の一部であるニューラルネット手法の一部です。

分析手法と事例

多くの分析手法が存在しています。

分析手法の採用は「マーケティング分野」や「金融分野」で進んでいます。「売上への結びつきが分かりやすい」「データが数値として揃っている」などの条件が整っている分野です。

一方、製造業分野(IoTなど)でのデータ分析は遅れている実感があります。

深層学習(ディープラーニング)とは

ニューラルネットの「層」を重ねるとディープラーニングになります。「層」を増やしていくことで、予測精度を上げることが可能です。

ディープラーニングの難しさ

ディープラーニングは難易度が高い手法です。

[主な理由]
1．ネットワーク構成は日進月歩
　　海外の論文を読みながら理解するだけの知識が必要です。
2．鬼門パラメータチューニング
　　力技が一切使えないため、さまざまなテクニックを駆使しなければならない非常に高度な職人技です。
3．日本語の情報源が少ない

「従来の機械学習」と「ディープラーニング」の違い

ディープラーニングの特徴は「人間の指示を必要としない特徴抽出」です。人間にも因果関係が分からないような分野に向いています。

TensorFlow紹介

TensorFlowのポイントは「グラフ」という概念です。ノード(演算処理)を線で接続して処理の流れを表現します。

TensorBoard機能

TensorFlowの優れている特徴として「TensorBoard機能」があります。「学習状況の確認」や「モデル可視化」などのビジュアル表現が可能です。

使用難易度は高め

TensorFlowには「柔軟性が高い」という特徴があります。

その半面、データ分析手法に関する各種基礎知識(微分/積分知識、最新機械学習手法の理解など)を必要とするため、難易度はかなり高めです。

何でもかんでもディープラーニング？

ディープラーニングは、因果関係が分かっていない分野の分析に向いています。

逆に、因果関係が分かっている分野については、従来の機械学習のほうが効率的に処理できます。

※講演資料

本セミナーの講演資料は、こちらからダウンロードできます。
→マジセミ　→人工知能をどうビジネスに活用するか？～オープンソースのディープラーニング「TensorFlow」の活用例から考える～

このセッションの講演資料スライドには、「テクノロジー進化」「ビジネス活用へのポイント」「テクノロジーによる業界構造変化」など、AIに関するさまざまな最新情報について、詳細に分かりやすく解説されています。

全76ページもの非常に有益な資料となっていますので、ダウンロードしてご活用ください。

第2部　セッション「いち早く人工知能テクノロジーを取り入れた 製品・サービスを市場に展開するには？」

株式会社XEENUTS　西田 泰彦 氏によるセッション「いち早く人工知能テクノロジーを取り入れた製品・サービスを市場に展開するには？」をレポートします。

セッションアジェンダ

・両社の紹介について
・ソリューションマップ
・DeepLeaningを行うためのプロセス
・Deep Leariningの応用分野
・DeepLearning/ AIの進めかた
・対象分野リスティング
・データ投入/ トレーニング支援
・DeepLearningご提案にあたってのメニュー
・プロトタイプ作成支援以降
・DeepLearning/ AIのポジショニング
・AIトレーニング環境の整備 - HPE様 -
・AIトレーニング環境の整備 - IBM様 -

ディープラーニングはすでに実用技術

iPhoneで「Siri」などを使っている方は多いと思います。

ディープラーニングそのものは、すでに研究分野ではなく、製品に組み込まれている実用技術です。

AI/ディープラーニング/TensorFlowが誇大広告されている

AI/ディープラーニング/TensorFlowについて、非常に誇大広告されている面があります。私達は、これらの夢をたたみながら、組織の中に適用するビジネスを行っています。

「何ができますか？」ではなく「お困りのことは何ですか？」と身の回りの事象を解決していく方策に立つことにより、前に進むと考えています。

ディープラーニング(AI)の進め方

私達が進める作業の流れはこのように行います。

1．人工知能研修サービス(オンサイト研修)

「プロジェクトメンバー候補の方々への社内勉強会」と「今後の進め方の検討」を行います。「事業決済責任者を含めて、1つの方向性にみんなで向かう」ということが目的です。

2．分野選定支援作業

ディープラーニング適用項目候補の実現性の可否検討などを行います。

3．プロトタイプ作成支援以降

プロトタイプを始めて、AIの教育を行います。

AIトレーニング環境

クラウドはオンプレより割高になることも

クラウドでAIトレーニングを行えるようになってきていますが、次のような課題もあります。
・多くの処理を行なうとオンプレよりコストがかかるパターンがある
・ネットワーク帯域の問題
・機密データをクラウドにUPできない　など

オンプレトレーニング環境

高度なAIトレーニングを行う場合には、高速GPUを搭載したサーバが必要になってきます。

最近では、専用サーバがかなり安く出てきています。

「AI」+「レガシー」+「既存サービス」で効果を発揮

AIだけでできることには限りがあります。基本的にできることは認知だけです。

レガシーとの連携

企業のアプリケーションにおいては、AI(ディープラーニング)のみで、すべて片付くわけではありません。

レガシーの仕組みとの併用によって、絶大な効果を発揮していくと考えています。

既存サービスの活用

すでに「学習済サービス(ディファインドクラウド)」や「実績がある音声解析サービス」などが登場しています。

迅速に提供

「企業に必要な知見を機械化するための特化AI」を作成し、既存サービスも組み合わせることにより、できるだけ早いタイミングで、皆様に使っていただけるようにお手伝いをさせていただいています。

ディープラーニングの適用分野

私達は、日本におけるディープラーニングは「日本企業が抱える課題を解決するための術」になると思っています。

特に、既存事業の知見検証の部分において、「事象に対して正解が定義できるもの」に対して機械化をすることにより、「ナレッジを配布していく」概念を作れると考えています。

「人手を介さず認知を行なう」がキーワードです。

第3部　ミニパネルディスカッション「人工知能をどうビジネスに活用すればよいのか」

第3部のミニパネルディスカッション「人工知能をどうビジネスに活用すればよいのか」では、質問者からの質問に対して、以下の3名の方が回答する形で進行します。
・株式会社KSKアナリティクス　高木 宏明　氏
・株式会社XEENUTS　西田 泰彦　氏
・株式会社クラスキャット　佐々木 規行　氏

ディープラーニングライブラリはどれを選ぶべき？

質問者

1．TensorFlowが注目されている理由として何があげられるでしょうか？

2．事業展開のリスク面を考慮する場合、オープンソースディープラーニングライブラリ(​Chainer、Caffeなど)において、今後、どの製品を選択するべきでしょうか？

株式会社KSKアナリティクス　高木 宏明　氏

日本人なら​Chainerも
​日本語書籍が充実しているという点から、日本人なら​Chainerを使うのが一番よいのではないかと、僕は思っています。
しかし、開発元であるPreferredさんの仕様に従う形になるリスクも考えられます。

[TensorFlowのメリット]
1．今後ドキュメントが充実していくと考えられる
2．Googleのクラウドプラットフォームとの親和性が高い

株式会社XEENUTS　西田 泰彦　氏

[TensorFlowはデバイスの中に埋め込める]
TensorFlowは「デバイスの中に実行環境を埋め込むことができる」点が大きなポイントだと思います。

金融分野でのディープラーニング活用法

質問者

金融分野において、実際に、ディープラーニングが非常に有効だったケースについてお聞きしたいと思います。

株式会社KSKアナリティクス　高木 宏明　氏

弊社で、金融分野でのケースはあまりありません。

[大統領の基調演説分析]
有名なケースとしては、大統領の基調演説をライブで分析して、声のトーンや文脈から、次の話題がGoodNewsなのかBadNewsなのかを予測して、先行して株の売買を行なう、ということがあります。

[AI株運用]
AI株運用は主流になってきています。日本でも、何社かベンチャーが出てきています。

株式会社XEENUTS　西田 泰彦　氏

弊社は、金融分野の案件はまだありません。

複数の口座サービスを提供している企業から、「入金との消込に基づいた上での資金繰り予測」などの相談はいただいています。

職人をデータサイエンティストにすべき？データサイエンティストを職人にすべき？

質問者

データサイエンティストを育てたいと思った場合、「ITが強い人間に業界専門技術を学ばせる」のと、その逆で「業界専門技術が強い人間にITを学ばせる」では、どちらがよいのでしょうか？

株式会社KSKアナリティクス　高木 宏明　氏

[スーパーマンはいない]
「どのように育成したらよいのか分からない」というお話をよくいただきます。回答として「まず、スーパーマンはいない」「スーパーマンを取ろうとしても取れない」とお答えしています。

[データ分析特化人材とフォロー体制]
私は、「データ分析に特化した人材を育成」するのがよいと思います。それぞれ個別の案件に関して、業務に詳しい人間がフォローする体制が必要です。
ただ、それでも人材育成は難しいと思います。

株式会社クラスキャット　佐々木 規行　氏

同じようなご依頼はたくさんいただいています。

[クラウドマシンラーニング環境]
パブリッククラウドベンダーが提供しているマシンラーニング環境を使えば、あまり負荷なくトライアルできます。
しかし、そのような環境はコモディティ化されたものを対象としているため、企業の匠レベルまでは到達できません。

[人材育成は必要]
そのため、ハードルが高いとされているデータ分析エンジニアを育成する必要があります。我々は、そのお手伝いさせていただいています。

ラベル貼り付け作業のクラウドワーク化

株式会社KSKアナリティクス　高木 宏明　氏

[困難なラベル貼り付け作業]
ディープラーニングを行なう前の正常/異常のラベルを貼る作業は非常に手間がかかります。

[クラウドワークの活用]
アメリカでは「クラウドワーカーにラベルを貼っていただく」というビジネスが出てきています。今後、日本でも出てくると思います。
画像1枚について単価数円で、正常/異常のラベルを貼っていただくビジネスです。同じ画像に対して、違う3人でラベルを貼って、多数決を取ったものを正にして担保することも可能です。
1万枚の画像に対して、何百人～何千人でラベルを貼っていただいて、1日～2日で完成させるようなことができるようになってくると思います。

中小企業のディープラーニング活用例

質問者

中小企業のAIへのチャレンジは、コスト面も含めて、どれくらい取り組まれているのでしょうか？

株式会社XEENUTS　西田 泰彦　氏

[ミニマムコスト]
コストについては、難易度で変わってくると思います。私は、1プロジェクトあたり、ミニマムで1000万円と見ています。

[学習済サービスの活用]
金額的に厳しい場合は、「学習済サービスを利用して、自分達でどのように活用できるかを考える」ことも1つの選択肢だと思います。

AI分野に取り組まない企業は徹底的に負けていく

株式会社KSKアナリティクス　高木 宏明　氏

ビジネスの観点からすると、「AI分野に取り組んでいない企業は競争で徹底的に負けていく」ことは純然たる事実だと考えています。

[スーパー業界「Amazon Go」]
「Amazon Go」という、レジ業務が一切不要なスーパーが出てきました。スーパーというビジネスモデルにおいて、コスト構造がまったく変わってしまいます。
それに加えて、リアルタイムレコメンデーションを行い、お客様ひとりひとりに合わせて、商品をおすすめしていきます。当然、お客様1人あたりの売上も上がっていきます。これを低コストで実現可能です。
このようなビジネスモデルの変化に対応できない既存の中堅スーパーは、すべて負けていなくなってしまうことが予想されます。

[自動車業界]
トヨタは自動運転を見据えて、人工知能に何千億円という投資を行っています。

[AI対応の二極化]
「AIに対して何千億円を投資する企業」と「AIはやらなきゃねというレベルの企業」に、完全に二極化しています。
進んでいる企業は5年程度前から投資を始めています。今から始めている企業は、少し遅いと感じています。「来年再来年にでも始めましょうかね」という企業は置き去りにされてしまう直感があります。

[危機意識の有無]
私は、このような二極化された温度差を感じています。
「AIに取り組んでいかないと、コスト構造でも売上でも勝てなくなってしまう」という危機認識を持てるかどうかの差だと思っています。

AIを自社のドライブ化コンポーネントにできるかどうか

株式会社XEENUTS　西田 泰彦　氏

AIでのビジネスについての話です。

[「AI」は「ネジ」と同じ]
「AI」は、確かに、これから大きく未来を変える可能性があるとは思います。しかし、事業モデルにおいては、極論ですが、「ネジ」と同じです。

自分達の「ネジ」に絶大な付加価値を見出せるかどうか
先日、日本の「絶対に緩まないネジ」が、NASAに1個1000円で採用されました。NASAは、「絶対に緩まない」という点に1個あたり1000円の価値を付けます。

[AIで自社をドライブさせられるのか]
「AIに価値を見出し、事業コンポーネントの1つのパーツとして自社に組み込むことができるのか？」が一番のポイントだと思います。

金融業とブロックチェーン

質問者

例えば、金融業界において、中長期的な視点を見据えて、収益やROIを考えていく中で、他に勉強する必要がある新技術などありましたら、教えてください。

株式会社XEENUTS　西田 泰彦　氏

[今のボトルネックは何か？]
「何を目標にするか」よりは「今の自分達のボトルネックは何なのか？」がポイントだと思います。
「そのボトルネックを解消するために、どのようなマイルストーンで進めていくのか？」という考え方のほうが前に進みやすいと思います。

株式会社KSKアナリティクス　高木 宏明　氏

テクノロジーを離れて、ビジネスの観点で話をします。

[銀行業のブロックチェーン対応]
ブロックチェーンが登場してきた現状において、特に銀行の場合は「どのようにして、今の事業ポートフォリオを完全に入れ替えていけばよいか？」という問題だと思います。
旧態依然とした銀行業務から撤退していき、新興ビジネスに移っていかなければ、立ち行かなくなると思います。
方策としては、ブロックチェーンをやっているような決済ベンチャーを買収して、比重をそちらに切り替えていくことが、最も現実的な選択肢だと思います。

[テクノロジーの捉え方]
「既存のビジネスモデルから撤退して、新しいビジネスに移行していく」という意識で、テクノロジーを捉えるのが正しいのではないかと思っています。

ディープラーニングはデータの「量」と「質」が重要

株式会社クラスキャット　佐々木 規行　氏

機械学習/ディープラーニングをトレーニングするためには、それなりの「データの量」と「データの質」が必要です。

[必要なデータ量]
例えば、手書きの0～9をまともに認識させるために必要なデータ量として、約5万5千件必要です。
みなさんのノウハウをトレーニングするためには、この程度の規模感のデータ「量」と「質」が必要です。

[スタートまでに1～2年]
コンサルを開始すると、「これからデータを集めます」ということになって、スタートできるまで1～2年かかることがあります。

[まずはデータ収集を]
肝心なことは、会社の中にデータを蓄えることです。画像でも文字でも音声でも、必要と思われるデータについての収集が重要です。
データがなければ始めることはできません。

※講演資料

本セミナーの講演資料は、こちらからダウンロードできます。
→マジセミ　→人工知能をどうビジネスに活用するか？～オープンソースのディープラーニング「TensorFlow」の活用例から考える～