AI 人工知能

人工知能について

・コンピュータを使って、学習・推論・判断など人間の知能のはたらきを人工的に実現したもの。
・遺伝アルゴリズム/エキスパートシステム/音声認識/画像認識/感性処理/機械学習/ゲーム/自然言語処理/データマイニング/ニューラルネット/プランニング/マルチエージェント
・一言で人工知能と言っても、上記のような各分野の内容があります。
・私共では、画像認識/機械学習/自然言語処理/データマイニング/ニューラルネットなどを利用した製品を手掛けております。
・ディープラーニングと呼ばれている手法を利用しております。

ディープラーニングについて

ディープラーニングとは、深層機械学習と呼ばれている手法です。
ディープラーニング、深層学習(英: deep learning)とは、多層構造のニューラルネットワーク(ディープニューラルネットワーク、 英: deep neural network)を用いた機械学習である[1]。莫大な計算資源を用意し、ニューラルネットワークの規模を拡大し、 テロジニアスなニューラルネットを構築する必要があるが、汎用人工知能(強いAI)の実現が期待されている。 (WIKI)

ディープラーニングの種類

・古典的ニューラルネットワーク
・Auto Encoder(AE)
・Word2vec
・Recurrent Neural Network
・Encoder-Decorer 翻訳モデル
・Convolutional Neural Network (CNN)

実現方法

・一般的にディープラーニングは、計算モデルをフレームワーク実装した、各種パッケージを利用して構築する
・パッケージ一覧と特徴
・Caffe 環境構築が難しい
・Pylearn2 環境構築が難しい ソース量が多い ライブラリ整合性が悪い
・Chainer  環境構築後すぐ動く
・Tensorflow 環境構築後すぐ動く Google製品の為、将来性がある

実際の活用例

活用例は多岐にわたるが、弊社は画像認識などが比較的得意であるため物体認識などロボットの目となる部分のソフトウエアについて対応していきたい また、ビックデータなどを分類して、例えばクレジットカードの不正利用検出など世の中に役立つようなことを積極的に対応していきたい 利用方法についてもアイディアは非常に多く生み出され、実際に利用されている技術となっている

弊社での利用例

Pylearn2 2013年
・Linuxマシンをセットアップしてインストールして動かしてみる。
・GPUを購入してLinuxにセットアップ
・基本的な手書き文字認識が稼働
・自社で作成した手書き文字を認識
Caffe 2014・2015年
・AWSのGPUモードで稼働
・カラーの手書き文字認識・コンピュータの暗号化された文字を認識
・物体の分類問題稼働
Cainner 2016年
・古典的NNでのIrisデータ分類 (CPU)
・古典的NNでの証券情報解析 (AWS GPU)
・CNNを利用しての画像分類と正解率チューニングなど(AWS GPU)

深層機械学習の解説 / 音声認識システム 

現在弊社で企画、開発をしている技術のうちでも音声を入力とした機械学習が、周囲ではあまり例がない事もあいまって、期待が大きいという声が寄せられています。
日本語/英語判定エンジン
・分類精度はほぼ100%に近い
現在2言語であるが、もう少し多くの言語に対応できるようにする予定
・活用領域は空港などでその人の母国語で話をすると母国語で応答して
道案内をするようなアプリケーションを想定
・3言語ほどのBOTとして近くリリース予定
感情認識エンジン
・声のトーンにでその時の感情を見分けるエンジン
・少ない3感情ほどに分類するプロトタイプを拡張中
・活用方法は、電話、アミューズメントパークなど

深層機械学習の解説 / 文字・文章認識エンジン 

一般言語極性辞書について
・言葉をベクトルという数値化して、ネガティブか、ポジティブか判定する機能
現在2言語であるが、もう少し多くの言語に対応できるようにする予定
・活用領域はSNSやWEBデータなどの極性判定につかったり、
社内での色々な分野での応用など様々に存在
・面接をしたときの記録や議事録を入力にした判定システムなど様々
・日本語・英語のBOTとして近くリリース予定
専門言語極性辞書について
・人間の言語には専門領域がありそこについて個別に学習させる
・感情の極性だけではなくその他多くの極性に利用できる
・現在、一般をどのようにオーバーライドできるかについて研究中

深層機械学習の解説 / コンピュータビジョンについて

一般画像について
・物体の分類については、入力動画にもよるが、95%ほどの判定率
システム化する場合の障壁はどのように画像を集めるか
・活用領域は工業的な部品について、判定を行ったり、標識を判別したり、様々
現状さまざまな分野に転用が始まった分野
動画によるモーション判定
・動画の動きを様々な内容を判定
・縄跳びをしている/けん玉をしている/化粧をしている/運転をしている。/夕食をとっているなど
・様々なカメラでの動きについて、動作を判定できるので、コンビニエンスストアなどでも活用できる

深層機械学習の解説 / 感情認識エンジン

弊社で特許出願を行っている、事象評価システムを活用した、いままでよりも深い意味理解をするように研究開発している仕組み。