Lock in $30 Savings on PRO—Offer Ends Soon! ⏳

SSII2024 [OS3] 生成AIと完全自動運転

Avatar for 画像センシングシンポジウム 画像センシングシンポジウム PRO
June 12, 2024
Technology
0
910

SSII2024 [OS3] 生成AIと完全自動運転

Avatar for 画像センシングシンポジウム

画像センシングシンポジウム PRO

June 12, 2024
Tweet

More Decks by 画像センシングシンポジウム

See All by 画像センシングシンポジウム
SSII2025 [OS3] どの論文でもダメなんだけど！ 〜実応用とその課題〜
Avatar for 画像センシングシンポジウム ssii
PRO
2
1.4k
SSII2025 [OS3-01] End-to-End自動運転の実応用の現場から
Avatar for 画像センシングシンポジウム ssii
PRO
6
3k
SSII2025 [OS3-02] 広告における画像生成技術の実応用の現状
Avatar for 画像センシングシンポジウム ssii
PRO
6
1.4k
SSII2025 [OS3-03] 有機ミニトマト農場におけるロボット開発と基礎研究
Avatar for 画像センシングシンポジウム ssii
PRO
0
1.1k
SSII2025 [OS2-01] 自動運転の性能と共に進化するセンシングデバイス
Avatar for 画像センシングシンポジウム ssii
PRO
2
2k
SSII2025 [TS3] 医工連携における画像情報学研究
Avatar for 画像センシングシンポジウム ssii
PRO
3
1.3k
SSII2025 [OS2] 新たなセンシングの潮流
Avatar for 画像センシングシンポジウム ssii
PRO
1
660
SSII2025 [OS2-02] イベントカメラの研究紹介と可視光通信への応用
Avatar for 画像センシングシンポジウム ssii
PRO
1
1.3k
SSII2025 [OS2-03] マルチ／ハイパースペクトル領域における高度な画像撮影および処理技術
Avatar for 画像センシングシンポジウム ssii
PRO
2
1.3k

Other Decks in Technology

See All in Technology
re:Invent2025 コンテナ系アップデート振り返り(+CloudWatchログのアップデート紹介)
Avatar for 枡川健太郎 masukawa
0
310
因果AIへの招待
Avatar for Shohei SHIMIZU sshimizu2006
0
930
ML PM Talk #1 - ML PMの分類に関する考察
Avatar for LINEヤフーTech (LY Corporation Tech) lycorptech_jp
PRO
1
730
[JAWS-UG 横浜支部 #91]DevOps Agent vs CloudWatch Investigations -比較と実践-
Avatar for sh_fk2 sh_fk2
1
240
手動から自動へ、そしてその先へ
Avatar for Sammy(MoritaMasami) moritamasami
0
280
LLM-Readyなデータ基盤を高速に構築するためのアジャイルデータモデリングの実例
Avatar for Kashira kashira
0
210
[CMU-DB-2025FALL] Apache Fluss - A Streaming Storage for Real-Time Lakehouse
Avatar for Jark Wu jark
0
110
5分で知るMicrosoft Ignite
Avatar for Taiji HAGINO taiponrock
PRO
0
220
Playwrightのソースコードに見る、自動テストを自動で書く技術
Avatar for Yusuke Iwaki yusukeiwaki
13
4.9k
AI活用によるPRレビュー改善の歩み ― 社内全体に広がる学びと実践
Avatar for LINEヤフーTech (LY Corporation Tech) lycorptech_jp
PRO
1
190
生成AI・AIエージェント時代、データサイエンティストは何をする人なのか？そして、今学生であるあなたは何を学ぶべきか？
Avatar for kuri8ive kuri8ive
2
2.1k
学習データって増やせばいいんですか？
Avatar for fumihiko takahashi ftakahashi
1
250

Featured

See All Featured
Facilitating Awesome Meetings
Avatar for Lara Hogan lara
57
6.7k
How STYLIGHT went responsive
Avatar for nonsquared nonsquared
100
6k
"I'm Feeling Lucky" - Building Great Search Experiences for Today's Users (#IAC19)
Avatar for Dan Newman danielanewman
231
22k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
Avatar for Marc Duiker marcduiker
35
2.3k
A better future with KSS
Avatar for Kyle Neath kneath
240
18k
Building a Modern Day 
E-commerce SEO Strategy
Avatar for Aleyda Solis aleyda
45
8.3k
Learning to Love Humans: Emotional Interface Design
Avatar for Aarron Walter aarron
274
41k
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
Avatar for Eileen M. Uchitelle eileencodes
37
2.6k
Rebuilding a faster, lazier Slack
Avatar for samanthasiow samanthasiow
84
9.3k
CoffeeScript is Beautiful & I Never Want to Write Plain JavaScript Again
Avatar for Sam Stephenson sstephenson
162
15k
Speed Design
Avatar for Sergey Chernyshev sergeychernyshev
33
1.4k
StorybookのUI Testing Handbookを読んだ
Avatar for Shingo Yamazaki zakiyama
31
6.4k

Transcript

  1. 生成AIと完全自動運転 2024.6.14 青木 俊介 （チューリング株式会社 取締役CTO/ 国立情報学研究所 助教）

  2. None

  3. 共同創業者・CTO 青木俊介 2014年 東京大学 大学院 修士（情報理工学） 2015年-2020年 米・カーネギーメロン大学の情報工学科でPh.D. ゼネラルモーターズと自動運転システム開発 自動運転の研究・開発に従事

    2021年4月 国立情報学研究所 助教 2021年8月 チューリング株式会社を共同創業 CTO

  4. How can we conquer the market held by Japanese car

    makers by autonomous driving? （日本の自動車メーカーが持っている市場を どう自動運転ソフトウェアで奪えるだろうか？）

  5. 日本は製造業・モノづくりが伝統的に強い しかし情報・ITによる「変化」で負けてきた

  6. 日本は製造業・モノづくりが伝統的に強い しかし情報・ITによる「変化」で負けてきた

  7. 世界はテスラを評価している

  8. 日本の年間自動車出荷額： 60兆円 自動車産業の就業人口： 550万人 全就業人口に対する比率： 8.5% 日本の基幹産業の危機

  9. 日本の年間自動車出荷額： 60兆円 自動車産業の就業人口： 550万人 全就業人口に対する比率： 8.5% 日本の基幹産業の危機

  10. None

  11. 「情報」のプラットフォーム

  12. 2023年の対米ITサービス： 5.6兆円の赤字 2030年の対米ITサービス： 10兆円の赤字 「デジタル小作人」 「ITの植民地」

  13. 生成AIと完全自動運転 チューリング 共同創業者CTO 青木俊介

  14. None
  15. None
  16. None
  17. None
  18. None
  19. None
  20. None
  21. None

  22. 運転シーンの理解：既存 vs LLM自動運転

  23. 運転シーンの理解：既存 vs LLM自動運転

  24. 運転シーンの理解：既存 vs LLM自動運転 「AIによる物体の個別認識→ルールベースのコンテキスト理解・意思決定」から 「AIによるコンテキスト理解・意思決定」に移行

  25. None
  26. None
  27. None

  28. Vision-Language Modelの開発

  29. None
  30. None
  31. None
  32. None
  33. None
  34. None
  35. None
  36. None
  37. None
  38. None
  39. None

  40. まとめ • 完全自動運転には生成AI・LLMが必要 • コンテキストを理解する「脳」が必要 • 車に組み込むには速度が大事 • LLMの推論はスループット・レイテンシに課題 •

    HW・SW両面での高速化 • チューリング、採用も積極的です！ • プレシリーズA調達！ • 勝ち馬をつくろう！

  41. 生成AIと完全自動運転 チューリング 共同創業者CTO 青木俊介