DeNA AI

ゲーム、スポーツ、ライブストリーミング、ヘルスケア等多種多様な事業展開をしているDeNAでは、AI技術の事業応用を積極的に実施しています。

DeNA社内の横断組織であるAIシステム部では、AI研究開発エンジニア、データサイエンスティスト、ML Opsエンジニアの三種類のエンジニアが存在し、事業活用前提のAI技術開発をしています。

特に、データサイエンティストは、多くのKaggle Masterが在籍しています。（参考）Press Release DeNA在籍の Kaggle Grandmaster と Kaggle Master が国内最多に

本資料では、DeNAのAI組織とAI活用プロジェクトに関して紹介しています。

Transcript

1. の システム本部 システム部
2. アジェンダ
 • DeNAのご紹介
 • DeNA AIシステム部概要
 • データサイエンティスト(Kaggler)
 • AIプロジェクト紹介
 • 技術蓄積のための取り組み
 
 2
3. 事業ポートフォリオ ゲーム エンター テイメント 新領域 スポーツ ヘルスケア コマース・ その他 ライブ ストリーミング ＋他社 利用 の タイトル多数 弊社の特徴と強み ▪ 多種多様なインダストリー・ドメインでのビジネスを展開 ▪ 幅広い業界のパートナー企業と共に大きな社会影響を持つサービス展開 ▪ これらを支える大規模インターネットサービスプラットフォーム構築・運営力
4. DeNA AIシステム部概要
5. DeNA における AI活用
 単なる研究開発活動を行う部門ではなく、サービス適用前提での 技術を開発し、実運用 及び改善まで責任を持つ 大規模 データ サービス 技術 実データから生まれる新 課題に対する 研究開発 を活用した サービス設計・実装 サービス・データのサイクルから生まれる 強固なビジネス構造
6. DeNA の AI 組織体制
 ゲームエンタメ ライブ配信 アルゴリズム系 研究開発エンジニア データサイエンティスト データ アナリスト データ アナリスト システム部 全社横断 エンジニア … ヘルスケア データ アナリスト スポーツ データ アナリスト 社外 技術開発部 地図生成 出向 ▪ 全社横断部門であるAIシステム部が、DeNAの全サービスを対象に 
 AI技術を活用したサービス提供・改善を実現する 
 ▪ DeNA事業のAI活用だけではなく、社外AI案件の開拓も積極的に実施する 
 ▪ 事業部内にはビジネスに強いデータアナリストがいて、日々分析を回している 
 ▪ オート事業の分割先であるMobility Technologiesとも出向や週次のAI技術共有会を通して密連携を継続 

7. システム部のエンジニア サービスが必要とする 技術要件に応じて適切にエンジニアをアサイン 相互補完的な関係で専門性を発揮しつつ のサービス応用を実現する AI 研究開発エンジニア
 コンピュータビジョン、音声合成、 強化学習などの技術領域で高い 専門性を有し、世界最先端のAIア ルゴリズムを実サービスに応用 高い専門性
 データサイエンティスト
 世界的な分析コンペティション (kaggle)で高い実績を持つKaggle Masterが多数在籍 様々な分析課題に対して高精度 な機械学習モデルを構築 幅広い引き出し
 機械学習エンジニア
 機械学習モデルの開発検証サイクルを迅速に回す環 境を提供 大規模な機械学習システムをセキュアに安定運用 機械学習システム構築のエキスパート 

8. データサイエンティスト（Kaggler）
9. とは、機械学習モデルを構築するコンペティションのプラットフォーム。 
 企業や政府等のデータ分析の課題をテーマに、課題解決手法の精度を競う。 
 ビジネス課題へのデータサイエンス手法の適用実践能力を蓄積。 
 Kaggler

10. DeNA Kaggle社内ランク制度 • 2018年4月より「Kaggle社内ランク制度」を導入 • データサイエンスチームのメンバーに対して、業務時間を使った Kaggleへの参加を認める制度 • どの程度の業務時間を Kaggle参加に利用して良いかは、年度ごとに Kaggleでの成績を元に決定する • 日本企業最多(2021年1月15時点、自社調べ)のKaggle Grandmater 3名とKaggle Master 16名が在籍 ※Kaggle：世界最大の機械学習コンペティションのプラットフォーム。企業や研究機関などが提供するデータについて、世界中から集ま る参加者が機械学習モデルの性能を競う ( https://www.kaggle.com/ ) 10
11. Performance Tiers DeNA Kaggle社内ランク制度 https://www.kaggle.com/rankings?group=competitions Expert Contributor Novice 185人 1,423人 5,565人 54,764人 75,878人 S A B Grandmaster Master Expert https://dena.ai/kaggle/ Competition Medals Kaggleの成績に応じて業務時間の一定割合を Kaggleに当てることが可能 competition point >0 の人数 (2020年6月現在) Master Grandmaster SS
12. 直近の主なコンペ実績 (2019.10〜2020.09)
 12 • Kaggleコンペ Bengali,AI Handwritten Grapheme Classification 3位入賞 
 • https://www.kaggle.com/c/bengaliai-cv19/leaderboard 
 • Kaggleコンペ Google QUEST Q&A Labeling 3位入賞 
 • https://dena.ai/news/202002-kaggle-googleqa/ 
 • Kaggle Days Tokyo オフラインコンペ 優勝・準優勝 
 • https://dena.ai/news/201912-kaggle-days-tokyo2/ 
 • Kaggleコンペ - RNSA Intracranial Hemorrhage Detection 3位入賞、10位(Gold) 
 • https://dena.ai/news/201912-rsna/ 
 • Kaggle Days China オフラインコンペ 優勝 
 • https://dena.ai/news/201910-kaggledays-china/ 
 • Kaggleコンペ iMet Collection 2020 - FGVC7 優勝
 • https://dena.ai/news/202005-imet/ 
 • Kaggleコンペ - Tweet Sentiment Extraction 5位(Gold)
 • https://dena.ai/news/202007-kaggle-tweet-sentiment/ 
 • Kaggleコンペ - TReNDS Neuroimaging 3位入賞 
 • https://dena.ai/news/202008-kaggle-trends/ 
 • Kaggleコンペ - OpenVaccine: COVID-19 mRNA Vaccine Degradation Prediction 準優勝 
 • https://lab.mo-t.com/blog/kaggle-covid 

13. Kagglerの主なメディア露出
 • 日経新聞 AIコンペ 成長の機会 参加者、スキル向上　企業の開発に利点 
 • https://www.nikkei.com/article/DGKKZO56480850W0A300C2TJM000/ 
 • 日経X TECH – AI道場「Kaggle」の衝撃、DeNAが人材採用の特別枠を設けた訳 
 • https://tech.nikkeibp.co.jp/atcl/nxt/column/18/01006/100800002/ 
 • ZDNET DeNAのKaggle日記 – 全10回 
 • https://japan.zdnet.com/bigdata/sp_18dena_kaggle/ 
 • newswitch 普通のデータサイエンティストと世界トップクラスのデータサイエンティストの違い 
 • https://newswitch.jp/p/19990 
 • 業務中のKaggle参加を推奨――DeNA流「データサイエンティスト」の必要条件と育て方 
 • https://type.jp/et/feature/7822 
 13
14. データサイエンティストとしてのKagglerの優位性 Kaggle実践により下記能力が磨かれており、即戦力で事業貢献が期待できる。 幅広さ
 高精度な
 予測モデル
 多様な経験
 と蓄積 汎化能力 実装スピード ✔ 特定の技術手法や領域にとらわれず、幅広い手法から、精度高くモデルを選択し構築することが可能
 ✔ 精度の高い予測モデルを構築できる
 ✔ 普段から多種多様なデータに対する予測モデルを作った経験とコードの蓄積
 ✔ モデルの評価・検証の仕組みを熟知しているため、広範なデータであっても精度向上を実現できるノウ ハウを持つ
 ✔ 日常的に手法選択⇒実装⇒検証をハンズオンで実施するため、高速なモデル構築が可能
 データ読解力
 理論 学習意欲 ✔ データを見て考える力が高く、特徴量の読解と仮説構築能力が高い。その結果、 データ加工に気づいたり、マスキング済みのデータからも全体構造を把握可能
 ✔ 論文を読む習慣から、適切な手法や最新論文のテクニックの勘所を理解する実践
 ✔ 新しいことを貪欲に学んでいく力が高く、新たな気付きをもって常に手法やアルゴリズムの進化を行う

15. AIプロジェクト紹介
16. • 上位プレイヤーのデッキ編成ログをもとにキャラクターの関係性を学習 • 学習されたモデルをもとに、オススメのデッキをプレイヤーに提示 大規模 デッキログ キャラクターの関係を定量化 （アソシエーションルール） デッキ編成ログ と と … デッキのオススメに活用 は相性がいい は相性がよくない デッキのクラスタリング分析（２次元） 　 逆転オセロニア ゲームAI - オススメ編成
 2018年11月にリリース - 機能を使った初心者のPvP勝率が5pt弱改善 Kaggler ゲーム
17. 逆転オセロニア ゲームAI - オセロニア道場
 • 2019年3月にリリース
 • 実際の PvP（対人戦）と同じような条件下で、
 本物の人間のような手応えのある AI と気軽に戦える機能
 • 大量の棋譜データ＋深層学習により実現
 
 17 ゲーム 5 1 9 2 5 3 0 4 5 1 2 7 1 4 7 8 4 6 3 1 4 9 0 4 6 4 6 8 7 3 2 3 5 1 6 0 Deep Neural Network
 行動の評価値
 5 1 9 2 5 3 0 4 5 1 2 7 1 4 7 8 4 6 3 1 4 9 0 4 6 4 6 8 7 3 2 3 5 1 6 0 5 1 9 2 5 3 0 4 5 1 2 7 1 4 7 8 4 6 3 1 4 9 0 4 6 4 6 8 7 3 2 3 5 1 6 0 大量の対戦棋譜
 特徴量変換
 学習
 推論
 約5,000の
 特徴
 1千万件以上 の棋譜
 教師信号
 プレイヤーがその行動を 
 取ったか否かの２値 

18. データサイエンスを活用したゲーム内分析（離脱予測）
 概要
 • プレイヤーの週次の各コンテンツプレイ時間を集計し、クラスタリング
 • クラスタリングの遷移を可視化し、離脱したプレイヤーの変化を把握
 
 
 
 
 
 
 
 
 
 期待効果プレイヤーのクラスターの遷移からイベントの効果 / 振り返りを実施
 • 今後離脱可能性のあるプレイヤーの把握に活用
 18 コンテンツプレイ時間集計 / クラスタリング プレイヤーのクラスター間遷移 *バンド幅がプレイヤー数のボリューム、濃淡が課金率(%) 最終週に離脱したプレイヤーの遷移の可視化 Kaggler ゲーム
19. : 取り組み概要 とは？ と AI / DS ライブ配信アプリ 類似サービス： の特徴：多様な小規模コミュニティ 戦略・企画 運用効率化 リスナーとライバーの最適なマッチングを提供し、 双方のサービス体験品質を向上させる 配信内容やコメントの健全性チェックを行い、 運用の効率化を目指す カスタマージャーニーなどを考えて企画を作る UX向上 Kaggler ライブ ストリーミング
20. : 取り組み概要 とは？ と AI / DS ライブ配信アプリ 類似サービス： の特徴：多様な小規模コミュニティ 戦略・企画 運用効率化 リスナーとライバーの最適なマッチングを提供し、 双方のサービス体験品質を向上させる 配信内容やコメントの健全性チェックを行い、 運用の効率化を目指す カスタマージャーニーなどを考えて企画を作る UX向上 Kaggler ライブ ストリーミング
21. 横浜DeNAベイスターズチーム強化
 横浜DeNAベイスターズのアナリストと密連携で
 分析課題の設計・報告・検証のPDCAを回す
 21 スポーツ 映像解析技術
 ・ピッチングフォーム、バッティングフォーム、守 備、走塁、捕手能力など
 データサイエンス技術_
 ・膨大な入力データ(解析映像、トラックマンデー タなど）から、
 選手の成績、調子、疲労（怪我の可能性）など への関係性を分析
 
 機密度高く 詳細情報開示できず Kaggler
22. 関西電力 - 石炭火力発電所の燃料運用最適化
 2019年2月 関西電力との協業に関して共同プレスリリース
 
 
 22 （プレスリリースより）
 関西電力とDeNAは、熟練技術者による燃料 運用のスケジューリング作業の自動化を目指 し、関西電力が設定した課題や運用条件に基 づいて、DeNAが一般的にゲームAIに用いられ る、膨大な組合せの中から最適なものを探索 する技術を導入し、アルゴリズムを構築しまし た。
 
 新領域 Kaggler
23. アニメ生成
 AIによるアニメ中割（フレーム間の補完画像）生成 
 ・「構造的生成学習」 - 構造情報を利用して大きな構造変化にも対応 
 
 エンター テイメント 新領域 詳細: https://www.slideshare.net/hamadakoichi/anime-generation 

24. バーチャル警備システム バーチャル警備員キャラクターの音声合成技術 • セコム、AGC、NTTドコモと協業し、AIを 活用した警戒監視などの警備や受付業 務が提供可能な「バーチャル警備システ ム」を開発中 • DeNAは、バーチャル警備員キャラク ターの音声合成技術とキャラクター原案 を担当 • 深層学習を活用し、実際に語りかけるよ うな自然な音声を実現 
 24 新領域
25. 次世代AIドラレコサービス「DRIVE CHART」
 2019/06/04 サービスリリース - https://drive-chart.com/ 　
 映像、各種センサーデータから危険行動検出モデルを開発
 25 マルチモーダル運転行動検出モデル 
 車内画像認識
 車外画像認識
 モバイル・エッジ軽量実装技術 
 Kaggler ※画像はイメージです 
 MoT主管プロジェクトに DeNAより出向
26. タクシー配車アプリ「GO」：
 お客様探索ナビ（乗務員向けサービス）
 26 × AI技術 　タクシーと乗客のマッチングを効率化 プローブデータのリアルタイム 収集処理基盤 道路セグメントレベルの 需要予測 高精度なタクシー交通 シミュレータ マルチエージェント強化学習の 経路推薦への応用 道路単位での
 需要予測 車両供給と乗車需要を解釈 最適なルートを探索・選択して 個別車両ごとリアルタイム配信 
 乗務員
 アプリ 最適ルート リアルタイム
 プローブ収集
 処理基盤 2020/09/01 「JapanTaxi」アプリと「MOV」が統合し、新たなタクシーアプリとしてリリース
 Kaggler https://go.mo-t.com/ MoT主管プロジェクトに DeNAより出向 ※画像はイメージです 

27. 技術蓄積のための取り組み
28. 積極的な技術情報発信
 DeNA x AI News
 • https://dena.ai/news
 1年間に100件以上の News発信を実施し、
 技術力を対外アピール
 28
29. 社内勉強会の開催
 •週次で技術トピック(40分x2本)を社内プレゼン
 •社内プロジェクトの技術解説、論文紹介等持ち回り
 •全員に技術発信の習慣を意識付け
 •秘匿プロジェクトで無ければ社外にも積極公開

30. 国際学会派遣
 •年1回、無条件で好きな国際学会に行って良い
 •先端研究の動向把握
 •優秀な研究者とのネットワークづくり
 •主な参加学会
 •CVPR, ICCV, ECCV, ICML, NIPS, ICLR, KDD,
 AAAI, ICASSP等
 •NVIDIA GTCやAWS re:Invent等も

31. 勉強会主催・支援
 • NeurIPS2018読み会@PFN（共催）
 • ICLR/ICML2019読み会@DeNA（PFN共催）
 • CV勉強会CVPR2018読み会@DeNA（会場提供）
 • ICLR2018読み会@PFN（共催）
 • Deep Learning Acceleration勉強会@DeNA（会場提供）
 
 31
32. OSS公開
 • PyTorch_YOLOv3
 • YOLOv3のPyTorch学習再現実装
 https://github.com/DeNA/PyTorch_YOLOv3 
 • ChainerPruner
 • Chainer向けpruiningライブラリ
 https://github.com/DeNA/ChainerPruner 
 • Chainer_Mask_R-CNN
 • Mask R-CNNのChainer実装
 https://github.com/DeNA/Chainer_Mask_R-CNN 
 • Chainer_Realtime_Multi-Person_Pose_Estimation
 • OpenPoseのChainer実装
 https://github.com/DeNA/Chainer_Realtime_Multi-Person_Pose_Estimation 

33. 付録 33
34. AIプロジェクト紹介 
 34