第一回メタップス人工知能セミナー参加メモ

LINEで送る
Pocket

25048_normal_1432712243_bnr_759_460

メタップス人工知能セミナー「人工知能が変革するビッグデータ解析」に参加してきました。

【520席増枠】第一回メタップス人工知能セミナー:  「人工知能が変革するビッグデータ解析」 – metaps | Doorkeeper

以下個人的メモです。


「SNSとIoT(Internet of Things)が切り拓く,ビッグデータ2.0の世界」 (メタップス経営顧問 村上憲郎氏)

  • ノートブックからタブレットPCへ
  • ケータイからスマフォへ、合わせてモバイルインターネットへ
  • モバイルインターネットはさらにスマートウオッチ、スマートメガネへ、さらにインプランタブルへ
  • デジタルTVからスマートTVへ

スマートTVとは

レイヤー構造を持ったエコシステムである

  • コンテンツレイヤー
  • アプリレイヤー
  • 物理レイヤー
  • プラットフォームレイヤー

スマートグリッド

  • 電力網と情報網が束ねられる
  • 電力網に接続しているものは、すべてスマートグリッドに接続される
  • スマートグリッドの情報網はインターネットなので、すべてインターネットに接続することになる

2018年には80億台のIoTデバイスが接続される

  • IoTの第1のアプリは、電力見える化
  • IoTの第2のアプリは、DR(デマンド・レスポンス)
  • IoTの第3のアプリは、見守り?
  • IoTの第4のアプリは、???

今後、大きなビジネスチャンスが眠っている

そのキーワードはビッグデータ

  • ビッグデータ 1.0

    まずは会社に眠っているデータを構文解析する
  • ビッグデータ 1.5

    IoTから収集する膨大なデータ

    SNSから収集できる膨大なデータ

    匿名化技術により利用可能な膨大なデータ

    Hadoopによる大慈母データの分散処理技術
  • ビッグデータ 2.0

    機械学習、ニューラルネットワーク

    人となりも含めた人間全体の意味をとらえるのがビッグデータ 2.0

    構文解析だけでなく、意味解析(セマンティクスアナリシス)が必要

アンドロイドへの2つの道

  • インプランタブルからサイボーグへ

    グーグルスマートアイ、グーグルスマートイヤ
  • 機会のスマート化からロボットへ

詳細は以下のPDFを参照。

https://www.jstage.jst.go.jp/article/johokanri/56/2/56_71/_pdf

「Deep Learningの先にある産業の姿」 (東京大学 松尾豊先生)

人工知能ってなぜできないのか?

  • 脳は基本的に電気信号+化学変化
  • 情報処理であれば、プログラムで実現できないはずがない
  • それ以外で何か難しい要素は?
  • 普通に科学的に合理的な人なら、できない理由が特にない

人工知能は3度目のブーム

  • 第1次ブーム

    探索木を使って迷路を解かせる
  • 第2次ブーム

    スタンフォード大学で開発されたエキスパートシステム

    IBMのWatson

昔は探索木を使っていたが、機械学習を活用している

膨大な棋譜データをインプットしている

人工知能の壁

機械学習の素性設計

フレーム問題

シンボルグラウンディング問題

ディープラーニング

AIにおける50年来のブレークスルー

ディープラーニングの登場で、画像認識技術が飛躍的に向上した。

エラー率が4%と、人間のエラー率が5%を下回るほど。

横顔と正面の顔の識別も可能になった

2億枚ほどの顔画像を使って学習させている

DL関連の海外企業の投資

  • Google
  • Baidu
  • Facebook

DLの今後

画像の抽象化はほぼ完了し、現在は観測したデータ(センサーなど)の抽象化を研究中

人工知能は社会のサブシステムである

人工知能自体には目的がなく、目的は人間が与えてあげなければいけない

「可能世界ブラウザ:大規模社会データの先を見るためのエージェント・シミュレーション」 (東京大学 和泉潔先生)

株式やマーケティングのシミュレーションを行っている。

では儲かっているのか?というとそんなことはない。

ビッグデータで社会・経済を予測できるのか?

  • 選挙予測も株式予測も、専門家には勝てていない

所詮過去のデータでしかない。

過去のデータをいくら集めても将来は予測できない。

可能世界ブラウザ

想定外の状況に対応するための社会シミュレーション

→想定外のリスクやチャンスを見つける

活用事例

  • POSデータから、あるブランドの水が通常よりも5倍も売れるときの状況をシミュレーションから見つけ出す
  • 株価のティック幅を変更する場合の影響についてシミュレーションから見つけ出す

「ゴール指向の測定によるデータに裏付けられたソフトウェア品質評価と改善」 ( 早稲田大学 鷲崎弘宜先生)

品質とは

あるものの特性または属性

ホーソン効果

「見られている」ことがもたらす効果。

工場における調光が生産性に与える影響を調べていたところ、「生産性に関する実験を行っている」ことが被験者に知らされていただけで、光が明るかろうが暗かろうが生産性が上がるという結果になった。

被験者は「見られている」と感じることによって「生産性の低い人間に見られたくない」という心理も働いて、実験条件によらず生産性が上がった。

ゴール指向のメトリクス定義

  • GQMパラダイムの活用

    まずGoalを設定し、そのための質問を考えて、メトリクスに落とし込む。

その際には出来るだけ多面的に物事を考えることが重要。

  • 品質と改善にはデータによる裏付けが必要
  • ただしメトリクスの落とし穴に注意
  • 様々な活用事例

    リクルート

    コマツ

    Yahoo
  • これからのSW開発ビッグデータ時代へ

    プロジェクト・データの蓄積と活用

「ビッグデータ時代における、E-CommerceでのAI技術の活用」 (楽天株式会社 執行役員, 楽天技術研究所 所長 森正弥氏)

ECのトレンド

* ビッグデータ

* AI

AI(人工知能)とは

ビッグデータの潮流のなか、取得可能なデータ量や活用機会が増え、データを有効に活用する為のAI技術が注目されている。

ビッグデータ

リアルタイム性が高いデータの活用も増えてきている。

大量データの活用事例の共有が増えてきている。

楽天内も2007年からデータが爆発的に増えてきている。

さらに

我々はロングテールに進化している

2003年と2013年のコンクラーベの画像を見ると一目瞭然。

もはや、世界は繋がっている。

slooProImg_20130315120506

顧客も商品もロングテール

  • 甲冑が6ヶ月先まで予約済み
  • 干しいもが1分で完売

1億9千万の商材があり、世界は繋がっており、常識でははかれない。

このような背景で、各種AI技術活用が進みつつある。

もはや、AIしかマーケティング手段がない。

AI技術の活用

  • レコメンデーション
  • 自然言語処理

    商品検索や機械翻訳で活用している。
  • 有用なレビューのマイニング

    ビッグデータ×自然言語処理
  • 商品画像検索

    画像認識技術の実装
  • 音楽認識、音声認識
  • 機械学習

    季節や天候、曜日等を組み合わせて活用している

関連記事:

  • トラックバック 停止中
  • コメント (0)
  1. コメントはまだありません。