Let's stand up against "Do Artificial Intelligence" with proper knowledge

Let's stand up against "Do Artificial Intelligence" with proper knowledge

品テクmeetup Vol.03(http://peatix.com/event/208743

にてお話する資料です。

B5e4cea01a88ca6e79a962b3e0004405?s=128

Norihiro Shimoda

November 10, 2016
Tweet

Transcript

  1. 「⼈人⼯工知能をやりたまえ」 と戦う武器を持とう by  Norihiro Shimoda 11/10  品テク meetup Vol.03

  2. ⾃自⼰己紹介 • 下⽥田倫倫⼤大(@rindai87) • データ分析専業の会社で⾊色々やってます。 • 職歴的にはエンジニアになりますが、何故か データサイエンス的な話で露露出させていただ く機会が多めです。 –

    機械学習、分散処理理、リアルタイム処理理とかが好 きです。 2
  3. • つい⼀一⽉月前の2016年年10⽉月 8⽇日に発⾜足しました(させ ました) • 先⾏行行して動いているいくつ かの勉強会とも合流流予定 • CloudMLなどもスコープに 活動していく予定

    TensorFlow User  Groupについて 3 コミュニティ活動にロゴは   必須だと痛感する⽇日々です…
  4. 4 無事に⼤大盛況のうちに終われました^^

  5. はじめに 武器  =  TensorFlow   とか   武器  =  深層学習

      とかの話ではないです   ※むしろその辺の話は少なめです。
  6. 「⼈人⼯工知能をやりたまえ」 とは?

  7. ⼈人⼯工知能すごい!というイメージ 出典:https://www.google.com/selfdrivingcar/where/ 出典: https://gogameguru.com/i/2016/03/AlphaGo-‐‑‒ Lee-‐‑‒Sedol-‐‑‒game-‐‑‒3-‐‑‒game-‐‑‒over.jpg ⾃自動運転 AlphaGO ⼈人が運転するより事故率率率が低いらしい 囲碁のプロ棋⼠士に勝利利した 7

  8. ⼈人⼯工知能使えそう!というイメージ 出典:https://cloud.google.com/products/ 超すごい⼈人⼯工知能の 要素技術をクラウドで 簡単に使えそう な雰囲気!!! 8

  9. もちろんGoogleだけじゃない チャットボットを⼀一躍有名にした AI⼥女女⼦子⾼高⽣生「りんな」 出典:https://twitter.com/ms_̲rinna 最近のAIブームの先駆けと⾔言える IBM  Watson 出典:https://github.com/IBM-‐‑‒Watson もはやレア感がなくなるくらい浸透した Pepper

    出典:http://www.softbank.jp/robot/consumer/products/
  10. _⼈人⼈人⼈人⼈人⼈人⼈人⼈人⼈人⼈人⼈人⼈人⼈人_ > 突然の⼈人⼯工知能ブーム <  ̄Y^Y^Y^Y^Y^Y^Y^Y^Y^Y^Y ̄

  11. ⼈人⼯工知能をやりたまえ ⼈人⼯工知能的な要素は是⾮非 提案に含めてください。 ⼈人⼯工知能は重要 そうだよね ⼈人⼯工知能かっこいいっ す。やりたいっす。 ワタシ 同僚僚 上司

    お客さん 後輩/部下
  12. クラウドのAPIを 使えばできるのでは? ↓ ビジネスニーズに 微妙にフィットしない ↓ スクラッチで やるしかない ↓ どうやって

    プロジェクト化しよう \(^o^)/ 12
  13. と、ならないために 特にビジネスへの適⽤用を 念念頭に置いた⼈人⼯工知能の話を します。

  14. 今⽇日お話する⼈人⼯工知能とは?

  15. ⼈人⼯工知能と呼ばれるもの 機械学習によって実現さ れている⼈人⼯工知能 深層学習 ルールベース etc.. 定義はいろいろですが、機械学習やルールベースなどを 駆使して、⼈人間っぽい振る舞いをする何か、とします

  16. なんかすごそうなんですが、 ビジネス的には どういう意味が あるんでしたっけ?

  17. ⼈人⼯工知能をビジネスに適⽤用する意味 • コスト削減 – ⼈人の作業のリプレース • 品質の均⼀一化 – AIは疲れないしコピー可能 •

    新規事業機会の創出 – クリエイティブな何か
  18. ⼈人⼯工知能によるコスト削減 • ⼈人が⾏行行っている作業の⾃自動化 – ⼈人の作業のリプレースになるので、投資対効 果が⾒見見えやすい • ただし、定形作業に⾒見見えても機械にやら せるには⾼高度度だった –

    何かを認識識して判断から⾏行行動している
  19. 定形作業に⾒見見えるが実は⾼高度度 出典:http://www.taishi-‐‑‒food.co.jp/virtual/index11a.html

  20. 定形作業に⾒見見えるが実は⾼高度度 ⽬目視による確認 確認結果から問題が あるかを判断 問題があったら⾏行行動 出典:http://www.taishi-‐‑‒food.co.jp/virtual/index11a.html

  21. どうやって実現しますか?

  22. 結局できれば何でも良良い 出典:https://twitter.com/tikal/status/787902585294327809

  23. 空想の世界のコスト対決 AI VS 800(円)x8(時間)x100(⼈人)=64万円/⽇日 64万円 x  30⽇日 =  1920万円/⽉月 2億円かけて開発し、

    ランニングコストが500万円/⽉月の 不不良良品検知システム とはいえ、実は単純にコスト削減だけ 考えると、よっぽどスケールさせない 限り案外⾟辛かったりします 時給800円のパートさん ✕100⼈人 イケてるAI
  24. 品質の均⼀一化 • ⼈人は疲れてしまうがAIは疲れない – 基本的には同じ品質を保てる • ⼈人のあるタスクへの習熟度度は⼀一定にでき ないがAIは揃えることができる – 熟練のパートさんはコピーできないが、⼗十分

    学習されたAIはコピーできる • し、追加で学習ももちろん可能 – 加えて、さらに追加で学習も扠せられる
  25. ⼈人はコピーできない 出典:http://www.taishi-‐‑‒food.co.jp/virtual/index11a.html

  26. ⼈人はコピーできない 出典:http://www.taishi-‐‑‒food.co.jp/virtual/index11a.html この⼆二⼈人のチェックの 品質は果たして同じな のだろうか? この⼆二⼈人のチェックの 品質は果たして同じな のだろうか? この3⼈人のチェックの 品質は果たして同じな

    のだろうか?
  27. AIはコピー可能 出典:http://www.taishi-‐‑‒food.co.jp/virtual/index11a.html この⼆二⼈人のチェックの 品質は果たして同じな のだろうか? この⼆二⼈人のチェックの 品質は果たして同じな のだろうか? 恐らく同じ条件下では ほぼ同じ結果が期待で

    きる AI AI AI
  28. 単純なコストだけでなく 品質の均⼀一化など、 もう少し多⾯面的な意味で 「コスト」を定義できると 意味が⼤大きそう はまる場所が⾒見見つかれば強いため ポイントの⾒見見定めが重要

  29. 新規事業機会の創出 • データを持つことが直接的な資産となる 世界が来る – 画像を⼤大量量に扱うサービスは⼤大量量の画像デー タが⼿手に⼊入る – メッセンジャーサービスは⼤大量量の⾃自然⾔言語 データが⼿手に⼊入る

    – 位置情報サービスは⼤大量量の位置情報データが ⼿手に⼊入る • それらのデータを利利⽤用し、エコシステム を形成していける
  30. イメージしやすい事例例 Googleフォト

  31. データを資産としたエコシステム AI 写真のアップロード アップされた画像で AIがさらに強化 ・⼈人物抽出 ・類似画像 ・etc… 各種AI的な機能の提供 検索索やクラウドサービス

    での活⽤用 便便利利 楽しい ⼼心地良良い
  32. データを資産としたエコシステム AI 会話が増えれば増えるほど AIがさらに強化 いい感じの会話 りんなへの 語りかけ ??? という感じで 置き換えられるものは

    全てこの流流れに乗れそう 便便利利 楽しい ⼼心地良良い
  33. データを持つことで 事業の幅が 圧倒的に広がりそう! もちろんアイデアと 実現するための技術は必須

  34. ⼈人⼯工知能の ビジネス適⽤用プロジェクト を進めていくために

  35. プロジェクトの各種フェーズ • プロジェクトの企画/⽴立立ち上げ • プロジェクト推進チーム • プロジェクトの進⾏行行 • プロジェクトの後

  36. プロジェクトの企画/⽴立立ち上げ • ⼈人⼯工知能には過度度な期待が寄せられがち – 経験がない場合は⼩小さく計画を⽴立立てる • ⼊入り⼝口(どんなデータを使うか)と出⼝口 (分析結果をどう使うか)というビジネ ス上の設計が重要 –

    ビジネスオペレーション(に|を)寄せる? • ⼈人⼯工知能は何でもできる魔法の箱ではあ りません
  37. 既存のビジネスフロー ⼊入⼝口/出⼝口のイメージ

  38. ⼊入⼝口 (データ) 既存のビジネスフロー ⼊入⼝口/出⼝口のイメージ 既存のビジネスで得られて いるデータを⼊入⼝口とする

  39. ⼊入⼝口 (データ) ⼈人⼯工知能的 なもの 既存のビジネスフロー ⼊入⼝口/出⼝口のイメージ 機械学習、ルールベース、etc…

  40. ⼊入⼝口 (データ) 出⼝口 (アプリケー ション) ⼈人⼯工知能的 なもの 既存のビジネスフロー ⼊入⼝口/出⼝口のイメージ ⼈人⼯工知能を使ったビジネスフロー

    ビジネスフローにつながる 形のアプリケーション Webサービスだと⽐比較的簡単だが、 それ以外だと結構⼤大変なイメージ
  41. ⼊入⼝口 (データ) 出⼝口 (アプリケー ション) ⼈人⼯工知能的 なもの ⼊入⼝口/出⼝口のイメージ 新規のビジネスフロー 既存のビジネスにこだわる必要はなく、

    全く新しい⼊入⼝口/出⼝口を考えても良良い 既存のビジネスにこだわる必要はなく、 全く新しい⼊入⼝口/出⼝口を考えても良良い
  42. いきなり全部考えるの しんどいですよね? また、AI的なものはやってみなければ 成果が出せそうかどうか分からない、 という側⾯面があります 実証実験から始めると 良良いことが多いです。

  43. ⼊入⼝口 (データ) 出⼝口 (アプリケー ション) ⼈人⼯工知能的 なもの 既存のビジネスフロー ⼊入⼝口/出⼝口のイメージ(再掲) ここにフォーカスを当てます

    ⼈人⼯工知能的なもので何ができますっけ?という確認 (PoCと⾔言ったりもしますね)
  44. プロジェクト推進チーム • ビジネスを考える⼈人 • AIとビジネスを繋ぐ⼈人 • AIそのものを扱う⼈人 • AIを使った仕組み化する⼈人

  45. ⼊入⼝口 (データ) 出⼝口 (アプリケー ション) ⼈人⼯工知能的 なもの 既存のビジネスフロー ⼊入⼝口/出⼝口のイメージ(再掲)

  46. ⼊入⼝口 (データ) 出⼝口 (アプリケー ション) ⼈人⼯工知能的 なもの 既存のビジネスフロー ⼊入⼝口/出⼝口のイメージ(再掲) ビジネス考える⼈人

    ⼈人⼯工知能とビジネスを繋ぐ⼈人 AIそのものを 扱う⼈人 仕組み化を 実現する⼈人
  47. ⼊入⼝口 (データ) 出⼝口 (アプリケー ション) ⼈人⼯工知能的 なもの 既存のビジネスフロー ⼊入⼝口/出⼝口のイメージ(再掲) ビジネス考える⼈人

    ⼈人⼯工知能とビジネスを繋ぐ⼈人 AIそのものを 扱う⼈人 仕組み化を 実現する⼈人 この⼈人が超⼤大事です。 特に⺟母数が少なく貴重な⼈人
  48. プロジェクトの進⾏行行 • 機能要件、⾮非機能要件が決めにくく、プ ロジェクト全体のゴールが曖昧になりが ち – 期待値の調整が超重要 • プロジェクト進⾏行行に関しての明確な⽅方法 論論が世の中に存在していない

    – 開発に特化したものだったらウォーター フォールやアジャイル開発などあるが…
  49. ⼊入⼝口 (データ) 出⼝口 (アプリケー ション) ⼈人⼯工知能的 なもの 既存のビジネスフロー ⼊入⼝口/出⼝口のイメージ(再掲) ビジネス考える⼈人

    ⼈人⼯工知能とビジネスを繋ぐ⼈人 AIそのものを 扱う⼈人 仕組み化を 実現する⼈人 この⼈人が超⼤大事(2回⽬目)
  50. プロジェクトの後 • ⼈人⼯工知能的なもの、のメンテナンスが定 期的に必要だと考えた⽅方が良良いです – 世の中は変化するはずなので、データの質が 変わる可能性がある • 逆に⾔言うと今の⼈人⼯工知能は、最初の設計 を逸脱したものに追随できるほど汎⽤用的

    なものではない、というのが真実
  51. TensorFlowの話

  52. TensorFlowとは? • Googleによって2015年年11⽉月に公開され たオープンソース – Google内部で多数の使⽤用実績があるらしい Google  Photo 画像の⾃自動分類 Google

     翻訳 翻訳の⾃自動学習 Gmail スパムフィルタ OK  Google ⾳音声認識識 52
  53. TensorFlowにありがちな勘違い TensorFlowは深層学習に 特化したツールである 53

  54. TensorFlowの正しい認識識 TensorFlowはデータフローグラフを 利利⽤用した数値計算のための オープンソースの ソフトウェアライブラリである TensorFlow™  is  an  open  source

     software  library   for  numerical  computation  using  data  flow  graphs. TensorFlow公式サイトより 54
  55. TensorFlow⾃自体の 話をするとここから 数時間くらいになりますので 辞めておきましょう^^

  56. https://speakerdeck.com/rindai87/talk-‐‑‒about-‐‑‒ml-‐‑‒and-‐‑‒dl-‐‑‒for-‐‑‒happy-‐‑‒engineers-‐‑‒life

  57. ⼊入⼝口 (データ) 出⼝口 (アプリケー ション) ⼈人⼯工知能的 なもの 既存のビジネスフロー TensorFlowの守備範囲 ⼈人⼯工知能を使ったビジネスフロー

    TensorFlowのカバー範囲
  58. 結局、どんなデータを使って TensorFlowでどういう処理理をするのか その結果をどう使うか というのが重要になります ですが、⾃自分1⼈人で ウンウン唸ってても 頭が整理理されないですよね^^

  59. ⾮非技術者向けのセミナーやります http://tfug-‐‑‒tokyo.connpass.com/event/44318/

  60. Thanks!!