Upgrade to Pro — share decks privately, control downloads, hide ads and more …

BIT VALLEY 2020 - AI x IoT活用サービスの立ち上げ・拡販のための取り組み

Hiroyuki Ootaguro
September 10, 2020
1.8k

BIT VALLEY 2020 - AI x IoT活用サービスの立ち上げ・拡販のための取り組み

Hiroyuki Ootaguro

September 10, 2020
Tweet

Transcript

  1. 1. 会社・事業紹介(5分) 2. 新サービス開発における取り組み (10分) - リピーター推定(顔認証技術活⽤) - 導線分析 (ToFセンサー活⽤)

    3. 既存サービス改修における課題・⼯夫 (4分) - 映像解析・顔認証基盤のアーキテクチャ改良 4. さいごに (< 1分) AGENDA
  2. Corporate Name Headquarters Address Representative ABEJA.Inc the ARGYLE Aoyama 5F(WeWork),

    2-14-4, Kita-Aoyama, Minato-ku, Tokyo 107-0061,Japan September 10 2012 Major shareholders Employee Corporate Approx. 80 people Archetype Venture Fund, L.P. Daikin Industries, Ltd. Google International LLC Innovation Network Corporation of Japan inspire investment Co., Ltd Itochu Corporation NTT Plala Inc. Nvidia Corporation Mitsubishi UFJ Capital No. 4 Investment Limited Partnership Mizuho Growth Support Investment Limited Partnership Musashi Seimitsu Industry Co., Ltd. PNB-INSPiRE Ethical Fund 1 Investment Business Limited Liability Partnership SAKURA Internet Inc. salesforce.com, inc. SBI AI & Blockchain LPS (operated by SBI Investment Co., Ltd.) TBS Innovation Partners 2 Investment Partnership (operated by Tokyo Broadcasting System Holdings, Inc.) Topcon Corporation Toshiba Tec Corporation
  3. Corporate We change the world through our innovation. Implement a

    Fruitful World We Will Reform Industrial Structures with the Force of Our Technology Tagline ゆたかな世界を、実装する イノベーションで世界を変える テクノロジーの⼒で産業構造を変⾰する Vision Mission
  4. 1. Data saving 2. Annotation 3. Training 4. Deploy 5.

    Serving 6. Inference 7. Insight ABEJA Platform (PaaS Division) 1):4*$ "-803-% $ :#&3803-% *P5"DUVBUPS *P54FOTPS &YJTUJOH%BUB 0UIFS4ZTUFN #JH%BUB %FQMPZ .POJUPSJOH &EHF"* *OGFSSJOH $MPVE"* -FBSOJOH*OGFSSJOH *OCPVOE*P5 0VUCPVOE*P5 ABEJA Platform is a platform that provides functions to improve the efficiency of machine learning and deep learning implementation and operation. We provide all necessary functions for pipeline with CLI, SDK, API, GUI and accelerate implementation.
  5. Operate retail shops scientifically, transcending ‘experience’ and ‘gut feeling’ ABEJA

    Insight for Retail Data gathered Integration & Analysis Visualization Action Cloud Dashboard What to know ✓ Underperforming vs. benchmark stores ✓ Reason for underperformance ✓ Identify measures and policies for improvement What to do ✓ Identify underperforming stores and improvement plans quickly ✓ Specify know-how of best practices in your shops and expand horizontally in your organization Easy to mange data visualization Camera Image Analysis Utilizing Deep Learning technology POS Data Weekly e-mail report
  6. 当時思い描いていた計画 研究 開発 リリース準備 ղੳίΞ։ൃ ਫ਼౓ݕূ ಋೖϑϩʔߏங ࿦จαʔϕΠ Ϟσϧ࡞Γ ࣾ಺πʔϧ։ൃ

    σϦόϦʔମ੍ߏங リリース v1.0 (顧客提供開始) 1~2ヶ⽉ 1~2ヶ⽉ 1~2ヶ⽉ ☆思いっきりウォーターフォールで引いͨ 新たな顧客価値創造
  7. 研究⾯で発⽣した問題例(⼀例) 新たな顧客価値創造 研究対象のコンポーネントが多岐にわたる   IoTx AIに関わる各コンポーネントそれぞれが精度ボトルネックを抱える   ex) 光学レンズ性能、CMOS性能、映像伝送, 顔検出, トラッキング, 特徴量抽出

    研究開発のゴール設定の難しさ。終わらない研究活動   前提となるプロダクトサイドの仮説検証の進⾏状況によって   研究ゴールも変動する (並⾛しちゃたせい) 絶え間なく新しい論⽂が発表され、研究が終わらない…   今も昔もホットな研究領域。どんどん新⼿法が提案されていく。
  8. アジャイル型研究開発体制 新たな顧客価値創造 研究 開発 評価 試験 時間の流れ ݚڀ ։ൃ ධՁ

    ࢼݧ 1 Sprint 1 Sprint ܭը ܭը まずは研究チームと開発チームを合体してワンチーム化 その上で、ソフトウェア開発の世界で主流になってきている概念をやってみた。
  9. アジャイル型研究開発 × 機能境界型リリース 新たな顧客価値創造 研究 開発 ධՁ ࢼݧ 時間の流れ R&D

    Team ݚڀ ։ൃ ධՁ ࢼݧ Closed βとしてのリリース (⼀部店舗で適⽤) 正式リリース (全店舗で利⽤可能) ×Nサイクル ×Nサイクル 想定する提供機能の価値検証の実施 社内環境を活⽤したモデルの精度評価 パフォーマンス・チューニング 適正プライシングの検討等
  10. 継続的な研究開発をチームですすめる⼟壌づくり 新たな顧客価値創造 ✅ 機械学習のモデル・アルゴリズムとサービス提供⽤コードの分離 ライフサイクルの異なる活動のギャップを吸収 (研究活動と開発活動の共存への第⼀歩) ✅ マイクロサービス化&ビルドパイプラインの構築 各メンバーが研究・開発を並⾛でき、サービスデリバリーまでの時間を短縮 ✅

    AIxIoTに関わる各種メトリクス(画像品質・伝送品質・モデル精度・原価等)を定 量化&可視化 チームの誰もがモデル・ロジック・システムの安定性等を評価でき、プランニング&アク ションできる⼟壌・⽂化づくりをする。研究活動と開発活動の共栄を⽬指す。
  11. 継続的な研究・開発をチームですすめる⼟壌づくり 新たな顧客価値創造 Models Engineers Researchers MicroServices Deploy Pipeline Metrics &

    Alert Insights Tools Test Environment ツールを基軸に、研究・開発〜 運⽤までプロセスが回せるよう に⼟壌を整備した
  12. 価値検証PDCAを研究開発チームと共に実施 Engineers Researchers Tools フルサイクルな研究開発体制 ϓϩτλΠ ϐϯά Ձ஋Ծઆ ࠶ߟ Ծઆͷ

    ݕূ׆ಈ (ٕज़ݕূؚΉ) ྑ͍ԾઆΛ र্͍͛Δ 新たな顧客価値創造 より質の⾼いソリューション を追求していくチーム
  13. 画像解析コア v2.0 MicroService with polyrepo (multi-repo) 映像解析コア 特徴量抽出 顔認証部分 年齢性別推定

    Fig: マイクロサービス化した社内の顔画像解析パイプライン (例⽰⽤) 継続的な研究開発
  14. 画像解析コア v2.0 MicroService with polyrepo (multi-repo) ✅ɹスポットインスタンスやSpot Instの併⽤により原価が爆下がりした マイクロサービス化した上で、ステートレスなところ(落ちても⼤丈夫なところ)に 適⽤をした結果、85%ぐらいの原価削減につながった

    ✅ɹ障害耐性や保守性を⾼め⽇々の運⽤負荷を下げられた 負荷特性の異なる機械学習モデルのスケールができるようになった モデルやコンポーネントの保守性が⾼まり、障害が減る 継続的な研究開発
  15. 画像解析コア v2.0 MicroService with polyrepo (multi-repo) ɹデプロイの依存関係があり,慣れた⼈しかリリース作業ができなくなった (仮定) マイクロサービスが3つ(A,B,C)あり、依存関係A→B→Cが存在 (例)

    CのI/Fを修正した場合、C→B→Aの順でリリースが必要。 ɹ各リポジトリのCI/CDがPASSしても、全部リリースしてみないとわからないバグがあ る トラブルが怖くて、みんな積極的にリリースしなくなる。 継続的な研究開発
  16. 画像解析コア v2.1 (MicroService with monorepo) ✅ 複数リポ修正する必要性がなくなり、monorepoだけ気にすれば良くなった monorepoにだけPR出せばOK。複数リポジトリを全く修正が不要になった ✅ 変更に対する⼼理的安全性が⽣まれ、リリースが捗るようになった

    monorepoでCIが通れば、マイクロサービス全体の振る舞いを担保できる ✅ 共通の依存関係を⼀気にアップデートできる 例) 共通的に使っているライブラリにセキュリティパッチを当てる等 継続的な研究開発