AI概論と画像認識 株式会社Sigfoss 三井 篤 ＃RPALT 

TEAM MEMBERS 代表取締役社長 森 英悟 最高技術責任者（CTO） 小林 俊浩 最高執行責任者(COO) 三井 篤 テックリード 濱崎 優 チーフアーキテクト 高松 和生 管理部責任者 篠崎 亜季 取引実績 パーソルホールディングス、株式会社電通、株式会社電通ライブ、ヤフー株式会社、 株式会社プリマジェスト、日立キャピタル株式会社、日本放送協会 トヨタ・リサーチ・インスティチュート・アドバンスト・デベロップメント株式会社 株式会社Sigfoss 創立 2014年1月 社員 取締役1名、正社員5名、アルバイト1名 本店所在地 東京都千代田区内神田2-11-4内神田金子ビル8F 取引銀行 武蔵野銀行 Company Profile ＃RPALT 

1 AI概論 ＃RPALT 

1-1 歴史 ＃RPALT 第1次AIブーム 1950年代 第2次AIブーム 1980年代 第3次AIブーム 2010年代 「推論と探索」 「知識表現」 「機械学習」 コンピューターがパ ズルや迷路を攻略す るための推論と探索 を行う仕組み。 ハードの性能の限界 と、ルールがシンプ ルで且つゴールが明 確な枠組みの中でし か性能を発揮しな かったため衰退。 エキスパートシステ ムと呼ばれるもの。 専門家の知識をコン ピューターに教え込 むというもの。例外 処理や矛盾が起きた 際に柔軟に対応する ことが出来ず自然消 滅。しかしながらこ の時の知見は形を変 えて現在もシステム に組み込まれている ことがある。 ディープラーニング の登場とクラウド環 境の一般化、GPUに 代表されるハードの 進化の相乗効果によ り、急速に発展。 特徴量を人間が教え ずに脳科学的なアプ ローチ(ディープ ニューラルネット ワーク)により学習と 推定が可能になった。 2017年をAI元年と呼 ぶ。 

1-2 人工知能の全体感 ＃RPALT 強化学習 教師あり学習 教師無し学習 深 層 学 習 機 械 学 習 人 工 知 能 「推論と探索」 「知識表現」 「機械学習」 

1-3 人工知能の概略図 ＃RPALT チップ NVIDIA GPU FPGA Google TPU Amazon AWS FUJITSU Cloud Microsoft AZURE Google GCP フレームワーク Google TensorFlow Facebook caffe2 PFN Chainer Facebook Pytorch PaaS・マネージドサービス IBM Watson Microsoft Azure ML Google Cloud ML AMAZON AMAZON ML FUJITSU Zinrai アプリ・サービス 自動運転 異常検知 機械翻訳 AI-OCR 自然言語 処理 音声認識 画像解析 機械学習 需要予測 文章生成 物体検知 画像分類 スマート スピーカー Chatbot 話者認識 レコメンド サイズ予測 マッチング 流行予測 ダイナミック プライシング 自動出荷 発育予測 自動飛行 ドローン 自立歩行 ロボット ハイパフォー マー分析 要素技術 サーバ 

1-4 学習と推論 ＃RPALT 【図解】コレ1枚で分かる「学習と推論」 

2 画像認識 ＃RPALT 

2-1 画像認識技術 ＃RPALT Object Detection(物体検知) Classification(分類) Segmentation(区分け) Pose Estimation(姿勢推定) 

2-1 画像認識技術 ＃RPALT https://gigazine.net/news/20180208-capsnet/#group=nogroup&photo=0 

2-1 画像認識技術 ＃RPALT Pose Estimation(姿勢推定) 

2-2 問いを立てる 問 =人が運転しなくても良い自動車を開発したい 人間の代わりに運転する仕組みを開発したい ＃RPALT 

2-3 問いを要素分解する 運転とは ハンドル操作 アクセル/ブレーキの操作 各種スイッチの操作 障害物の補足 道路の認識 標識の認識 標識の理解 道の理解 交通ルールの理解 情報の総合的な判断 制御 制御 音声による操作 カメラ、LiDAR、ミリ波 カメラ、GPSセンサ、地図 カメラ、GPSセンサ、地図 ロジック？ カメラ、GPSセンサ、地図 ロジック？ センサーフュージョン ＃RPALT 

2-4 要素技術に当てはめる 運転とは ハンドル操作 アクセル/ブレーキの操作 各種スイッチの操作 障害物の補足 道路の認識 標識の認識 標識の理解 道の理解 交通ルールの理解 情報の総合的な判断 Object Detection Object Detection Segmentation ＃RPALT 

2-5 自動運転の課題 ＃RPALT ・モデルの軽量化 ・省力化 ・他のセンサー情報との融合 ・チップへの組み込み ・上記を行ったうえでの性能維持 

2-6 得意、不得意 ＃RPALT 得意： 正解が自明であるもの ヒト、車、道路、木、損壊状況 不得意： 正解が自明でない、人の感性による ファッションセンス、イケメン判定