Upgrade to Pro — share decks privately, control downloads, hide ads and more …

LPIXELxCADDi ML組織のこれまでとこれから

imaimai
March 30, 2024
21

LPIXELxCADDi ML組織のこれまでとこれから

imaimai

March 30, 2024
Tweet

Transcript

  1. About Me Takeaki Imai  @imaimai0 NTT研究所: 機械学習‧データ分析 i Smart Technologies:

    製造業向けIoTサービスを開発 CADDi: AI Lab⽴ち上げ, Drawer Data&Analysis部 EM Career: 「技術で⽂化を創る」をテーマに 製造業×DXに6年ほど携わっています Hobby: サウナ‧家造り‧茶道 デジタルと距離を置いた⽣活をしています 2 CADDi AI Lab⽴ち上げから製造業へのML適⽤までの軌跡
  2. Drawer サービス開始 Algo図⾯解析‧ 図⾯検索機能リリース CADDi R&Dとプロダクトの歴史  2023.06~ 2023.11  2023.01~ 2023.05

     2022.06~ 2022.12 2022.01~ 2022.05 ML 図⾯解析 3D解析 R&D プロダクト LLM AI Labから Drawer チームへ ML 図⾯解析 リリース OCR 図⾯検索 AI Lab発⾜ Algo 図⾯解析 2021.01~ 2021.12   4
  3. 重要度と代替可能性から優先度をつけて技術検証を⾏った まずは図⾯及び3Dの検索部分に注⼒。 CADDiのコアの技術領域 ⾼: ドメイン特化のも のは存在しない&単 純なパターンマッチ ングが主流 ⾼: 単純なパターン

    マッチングが主流 低: 代替が効く 検索 図面 3Dデータ 文書 解析 ⾼: ドメイン特化のも のは存在しない 中: CADメーカにない 解析はいくつか有り そう 中: LLMを起点にあら ゆる幅を広げられる 可能性あり 6
  4. R&D組織からプロダクト組織へ至った背景 エンジニア視点 プロダクト視点 LLMや基盤モデルの台頭により、モデリン グに隣接する領域が重要視されるように。 下記例 • モデリング前の要件定義 • 基盤を作ることによるモデルのデプ

    ロイ⾼速化や作ったモデルの運⽤ PoCにより実現可能性がわかり、MVPを経て コア技術の提供価値が認められ始めた。 ユーザー起点の「こんな事できないか」が増 え、更に解像度を⾼めていく必要性が上がっ てきた。 選択と集中 キャリアの多様化 7
  5. R&D組織からプロダクト組織へ AI Lab Manu Team Manu Drawer Drawer ML/Algo Team

    Drawer Team Manu Drawer Manu Team Drawer Team 検証から価値提供まで遠い 領域が分散する 縦にチームをつなぐことで 価値提供の質とスピードを⾼める 8
  6. 9 キャリアの多様化: モデリングに隣接する領域が一層重要視されるように データ収集 課題定義 アノテーション モデリング 運用 再学習 データ収集

    課題定義 アノテーション モデリング 運用 再学習 プロダクトマネジメント的思考 MLOps的思考 MLモデリングのフロー これまで これから
  7. 15 図面を超え、様々なデータを活用するチームへ 設計 調達 製造・施 工 検査・納 品 Data Value

    Chain Design Review 見積回答 良品率 過去品質 トラブル 設計履歴 発注履歴 加工詳細 検査結果 図面 / 3D CAD ① あらゆる業務で 取り扱う図面に加え 3Dへのチャレンジ ② ものづくりの意図で ある図面と答え合わ せのデータを組み合 わせることで価値を創 出
  8. 16 打席を増やす Model as a Product  モデルの価値のフィードバックを得る仕組みを作る key points 境界を超える

     モデル作成を超えて、プロダクト開発に関わる MLOpsの進化  基盤によりモデル開発から導⼊までの認知負荷を下げる 基盤やフィードバックサイクルを作り、プロダクト挑戦の機会を増やす