Casual Talk 20170428

Casual Talk 20170428

2e9a73c9fb3e3cfaeac99620fb009238?s=128

YutaAsupara

May 15, 2017
Tweet

Transcript

  1. 2017.4.28版 XCompass Intelligence  Ltd. WBA  wakate UEC  Kuri Lab. Yuta

     Ashihara ライフサイエンスを囲む AIの周辺技術とその取り組み intelligence
  2. 1 1.⾃自⼰己紹介 ・2014 電気通信⼤大学 情報理理⼯工学卒業 (「⼆二次元波動⽅方程式の表⾯面波観測」を研究→ 解析学) ・2016 電気通信⼤大学 ⼤大学院情報システム学研究科

    ⾸首席 (「回転を認識識するDeep  Learning」と 主にDeep  Learningの数理理について研究) ・2026 株式会社クロスコンパス・インテリジェンス 研究員 2016 電気通信⼤大学⼤大学院博⼠士課程 複雑ネットワーク系 2016 全脳アーキテクチャ若若⼿手の会 社会⼈人⽀支部代表
  3. 2 1.⾃自⼰己紹介 会社では、主に製造業のニーズに応えるような案件を担当 →ソリューションのための新規のモデル、新規のシステム →それを考えるアイデアを得るためにも、⼤大量量に論論⽂文読む →使えそうなら即まとめて社内共有、⾃自分も実装

  4. 3 1.⾃自⼰己紹介

  5. 4 1.⾃自⼰己紹介 最近は、”カジュアルトーク”だけど・・・

  6. 5 1.⾃自⼰己紹介 カジュアル よそでやれ

  7. 6 1.⾃自⼰己紹介 凄い⼈人しか登壇しなくなっちゃう!!! 今⽇日のカジュアルトークから、カジュアルさを復復活させる そして、登壇者絶賛募集! ・⽇日頃の鬱憤を晴らす ・とある界隈に物を申したい!(⾮非政治ネタで) ・結婚式のスピーチの練習がしたい 芦原(若若⼿手の会の誰でも)にまで連絡ください!推薦も可!

  8. 7 1.⾃自⼰己紹介 Deep  Learningでなんか作って⼤大体腹たって投げ出す 例例: ImageNetが嫌い

  9. 8 1.⾃自⼰己紹介 ⼈人⼯工知能の分野で、研究するのはとても好きだけど 最近の⼈人⼯工知能という⾔言葉葉が嫌い

  10. 9 1.⾃自⼰己紹介 いや、まあとりあえず「⼈人⼯工知能」って使うのは・・・ ・⼈人⼯工知能が転職先を紹介してくれるというサイトを使ってみる

  11. 10 1.⾃自⼰己紹介 ・スキルセットを⼊入れろと⾔言われるんで、 正直に現状できることを⼊入れる

  12. 11 1.⾃自⼰己紹介 ・いやもうエンジニアいやだし、ここはチェック⼊入れない

  13. 12 1.⾃自⼰己紹介 ・そういや、シェフってなってみたかったな (料料理理したことはないが)

  14. 13 1.⾃自⼰己紹介 ・なんでやねん 俺の希望はどこへ・・・ 今の⼈人⼯工知能って、世の中の何をよくしようとしてるの? ぶっちゃけこの求⼈人紹介、キーワード検索索でもできるわ・・・

  15. 14 1.⾃自⼰己紹介 ・過去の⼈人間の例例を集めて、量量産するだけのお仕事と化している →それを使うべきケースは他にもいくらでもあるのに・・・

  16. 15 余談 Imagine  yourself  as  a  young  graduate  student  in

      Stanfordʼ’s  Artificial  Intelligence  lab,   building  a  system  to  diagnose  a  common  infectious   disease.  After  years  of  sweat  and  toil, the  day  comes  for  the  test:  a  head-‐‑‒to-‐‑‒head  comparison   with  five  of  the  top  human  experts  in  infectious  disease.   Over  the  first  expert,  your  system  squeezes  a  narrow   victory,  winning  by  just  4%.  It  beats  the  second,  third,   and  fourth  doctors  handily.  Against  the  fifth,  it  wins  by  an   astounding  52%.
  17. 16 余談 そもそも、専⾨門家の知識識を コンピュータに記憶させるって 30年年前にあったことではある あの時⾜足りなかった データ数やらが解決しただけで やってることは変わらないものを Deep使ってるからって・・・ ねぇ・・・

  18. 17 ヘルスケアに関する AIの侵⼊入 閾値処理理は、とても前から存在している。 https://www.sjm.co.jp/jp/general/icd_̲leaflet/chapter_̲05.html

  19. 18 ヘルスケアに関する AIの侵⼊入 今までのルールベースな考え⽅方から、 ルールそのものをモデルが設計する考え⽅方へ シフトしている分野もある→DL系 昔あったエキスパートシステムに⽐比べると ・使えるデータが増えた →精度度(データ量量による)の⾼高いシステムを構築可 ・リッチな(近似能⼒力力の⾼高い)モデルが⽀支える

    →(例例えば画像認識識とかで)サイズの⼤大きいデータも使える
  20. 19 ヘルスケアに関する AIの侵⼊入 http://www.enlitic.com/ 現状、ガンの発⾒見見に関しては、イメージ解析として⾒見見れば、 ⼈人並みかそれ以上の精度度で発⾒見見できる成果も出ている

  21. 20 ヘルスケアに関する AIの侵⼊入 IBMのワトソンしかり、医師のサポートという⾯面では⼗十分 (個⼈人的には、医師が仲介して結果を発表してくれるなら、 違和感なく結果を受け⼊入れやすいタイプ) Machine Learning in Medicine

    Rahul  C.  Deo,2015
  22. 21 ヘルスケアに関する AIの侵⼊入 IBMのワトソンしかり、医師のサポートという⾯面では⼗十分 (個⼈人的には、医師が仲介して結果を発表してくれるなら、 違和感なく結果を受け⼊入れやすいタイプ) Machine Learning in Medicine

    Rahul  C.  Deo,2015
  23. 22 ヘルスケアに関する AIの侵⼊入 ただし、今回思うのは、さっき挙げた解析⼿手法の向上とは別で、 そもそも医者にかからないとわからんやろっていう結果 →診断が正しくても、⼿手遅れ!みたいなケース 医者に⾏行行く習慣をつけましょう →⽿耳が痛いが、⻭歯医者すら⾏行行けてません 医者にかかる前に、兆候を知れればいいなという考え⽅方 →新しい知識識の発⾒見見にもっと解析技術を使うべき

  24. 23 病気を未然に知る試み 問題点 Deep  Learning含め、昨今の機械学習⼿手法はデータハングリー → ImageNet  は more  than

     1,034,908  hand-‐‑‒annotated →医療療データは・・・当然病院にあるものになる →そもそも未然に病気を知る⼿手がかりが医者にしかない? モデルとデータをつなぐ中間の役割の重要性 →病院の⼊入院患者のライフログ(結構ある) →病院の通院患者のライフログ(結構ある?断⽚片的) →健康(だと思って医者にかからない⼈人)のライフログ これらを取っていく仕組みを作るのは、機械学習屋でも医者で もないが、双⽅方のドメインが必要
  25. 24 病気を未然に知る試み そこで、ここ数年年でお盛んなのが、センシングの考え⽅方 →特に、系列列的なデータ(時間軸、場所依存)

  26. 25 病気を未然に知る試み とはいえ、そもそもヘルスケアやるベンチャーはいっぱい

  27. 26 病気を未然に知る試み とはいえ、そもそもヘルスケアやるベンチャーはいっぱい

  28. 27 病気を未然に知る試み wellmoは,  健康に関する指導ももらえるし、 データの提供に対してリワードをくれるP-‐‑‒Fを構築 http://www.wellmo.com/

  29. 28 病気を未然に知る試み Senselyは、デバイスを通じたデータを医者に解析し提供 しかも、医者のデータまで⾒見見れる http://sensely.com/

  30. 29 病気を未然に知る試み AiCureは、すでに薬を服⽤用している患者が、適切切なケアを 受けられるために、薬の適切切なタイミングなどを教⽰示する https://aicure.com/

  31. 30 病気を未然に知る試み babylonは、直接医者も雇っていて、モニタリング状況から カウンセリングまで受けられる https://www.babylonhealth.com/

  32. 31 病気を未然に知る試み babylonは、直接医者も雇っていて、モニタリング状況から カウンセリングまで受けられる https://www.babylonhealth.com/

  33. 32 病気を未然に知る試み これらの企業を紹介したのは、 サービスの裏裏付けに、連続したデータを獲得する意欲が とても感じられること(要するにデータ欲しい) →系列列データの有⽤用性、系列列データによる新たな可能性 を多くの⼈人間が感じている証拠 系列列データは宝の⼭山、積極的に取り組むべき これからはHealth  Data

     → Health  Dialog だろう
  34. 33 病気を未然に知る試み

  35. 34 ここからはメッセージ ・機械学習屋って、今でもやはりプログラマーで 今あるデータをどうしようか考えがち ・研究する時って、これからこんなデータを取るから そのためのモデリングを・・・みたいなことを常に考えてる ・ここで伝えたいのは、どうしても今データがないとか、 データがあるとかに固執しがちだけど 「こういうデータがあればできる」 「こういうデータが欲しい」

    をもっとアピールしないと、意思は伝わらない ・データを作れる⼈人の価値って⾮非常に⼤大きいし そこに気づける能⼒力力はとても重要
  36. 35 再掲 ・過去の⼈人間の例例を量量産するだけのお仕事と化している →それを使うべきケースは他にもいくらでもあるのに・・・