Pro Yearly is on sale from $80 to $50! »

The Future of Mobile × ML

The Future of Mobile × ML

「第7回 Machine Learning 15minutes!」で発表した資料。
https://machine-learning15minutes.connpass.com/event/45756/

D745b61e4ca7584109de26b112442e56?s=128

Arata Furukawa

December 19, 2016
Tweet

Transcript

  1. The Future of Mobile × ML Dec 17, 2016 Arata

    Furukawa
  2. Merry Christmas! Arata Furukawa クリスマスっぽいデザインにしてみました。 クリスマスの予定はないです。 東海大学 理学部 1年 ・

    日本Androidの会 学生部 部長 ・ MaruLabo管理者
  3. 機械学習を「どう使うのか」 モバイルとの接点を改めて考える 研究とか理論とか「作る側」の話は今回はしません

  4. モバイルとAIの最も成功している接点 Siri OK Google 音声アシスタントシステム

  5. 2016年は機械学習の恩恵が新たな形でユーザの手に iOS 10 Photo Google Now Google Translate Google Photos

    etc... Google率高い
  6. パーソナル・アシスタントシステム ❄ スマートフォンは消費者に最も身近な機械 ❄ 「スマートフォンだからできること」がある ❄ ユーザ個人に特化した、そのユーザのための パーソナルな支援システム ❄ 音声アシスタントに代表される

    ❄ 高度なレコメンドやデータ整理など機械学習 を応用するプラットフォームとしての価値
  7. Photo by Google Cloud Platform Blog: “Google Cloud Vision API

    enters Beta, open to all to try!” https://cloudplatform.googleblog.com/2016/02/Google-Cloud-Vision-API-enters-beta-open-to-all-to-try.html Google Cloud Vision API
  8. “Google’s AI Plans Are A Privacy Nightmare” William Turton http://gizmodo.com/googles-ai-plans-are-a-privacy-nightmare-1787413031

  9. プライバシー ❄ 最も身近な機械であるスマートフォン ❄ スマートフォンの扱う個人情報 (音声・写真・メッセージなど)が 機械学習のためにインターネットを 飛び回っている ❄ ”今のところ”学習を行うためにどこかで

    暗号化を解除して「生のデータ」になる ❄ 機械学習のためにデータがどこかに保存 されている可能性も否定できない
  10. “An exclusive inside look at how artificial intelligence and machine

    learning work at Apple” https://backchannel.com/an-exclusive-look-at-how-ai-and-machine-learning-work-at-apple-8dbfb131932b Appleの方針 ❄ 個人情報は一切サーバに送信しない (する必要はない) ❄ 個人情報に基づく人工知能の演算は スマートフォン上で実行する ❄ 個人情報は外部には一切送られない のでプライバシーの侵害は起きない
  11. ほんとに動くのかよ。 機械学習で作られた人工知能が本当に モバイル端末で動くのか試してみる ?

  12. 動いた。

  13. 画像認識(Classify) ❄ スマートフォン上で実行 ❄ TensorFlowサンプルより ❄ Google Inception “Going Deeper

    with Convolutions” https://arxiv.org/abs/1409.4842 ❄ Nexus5 で 約200-300ms
  14. 物体認識を使った人物追跡 ❄ スマートフォン上で実行 ❄ “Scalable Object Detection using Deep Neural

    Networks” https://arxiv.org/abs/1312.2249 ❄ Nexus5 で 約500-1000ms
  15. リバーシAI対戦ゲーム ❄ スマートフォン上で実行 ❄ TensorFlow関連モジュール (共有ライブラリ)は約17MB ❄ モデルデータは約20KB ❄ Nexus5

    で1手の算出に 約70ms ❄ おまけでAIの自動アップデート機能付き
  16. モバイル端末自身で計算を行うメリット ❄ インターネット上にデータを流さない プライバシーへの配慮が可能 ❄ インターネットという不安定な要素が排除される インタラクティブなコンテキストや リアルタイム性を要求されるゲーム等に向いている ❄ アプリユーザからのリクエストを捌くサーバが

    いらないため、サーバの運用コストが削減できる
  17. モバイルで動かそう! なにかとサーバを用意するサービス構成が注目されがち。 でも、モバイル上で実行するメリットもあります。 ハードウェアは目覚ましい進化を遂げていて GPUを搭載したスマートフォンも登場してきています。 今後も、スマートフォンの計算資源は向上するでしょう。 サーバとうまく組み合わせて、有効に活用していきましょう。

  18. ご清聴ありがとうございました Merry Christmas and a Happy New Year! 古川新 http://ornew.net

    ho ho ho