第5回 Machine Learning 15minutes! 〜最新GPU登場!Agentも誕生して盛り上がるビジネスAIの今〜

第5回 Machine Learning 15minutes! 〜最新GPU登場!Agentも誕生して盛り上がるビジネスAIの今〜

10月22日(土)Machine Learning 15minutes! に参加してきましたのでレポートをお届けします。おなじみとなりました、毎回100人を超える予約で大人気のイベントなのですが、今回も各社独自のデータを用いて、機械学習に取り組んで得られた貴重なレポートが満載でした!

やはりAI活用が広まってきたので、自社の取組課題とリンクする部分が多いと感じた方も多かったと思います。

参加してきたイベントはこんなイベント!

株式会社メンバーズキャリア様主催
第5回 Machine Learning 15minutes!

f738149b1e125411c6e1296b86ab88b5

「Machine Learning 15minutes!」は、「機械学習」について「15minutes以内」で語るLTを6~9人程度で行い、DeepLearningなどの先端的な事例、強化学習などの流行している技術、ビジネスへの応用例など、様々な角度から機械学習についての知見を広げ、LT終了後の懇親会でネットワーキングを行うイベントです。

会場は有明トリトンスクエア。AI研究者やエンジニアが7割、人材育成、企画、データ系の人々が3割という感じでした。それでは、登壇者のプレゼンをご紹介します。

【Amazonでのレコメンド生成における深層学習とAWS利用について】

アマゾン ウェブ サービス ジャパン株式会社 岩永 亮介

ML15m05_007

■ 発表資料

AmazonTシャツがとっても可愛い、岩永さんからスタート。
あの皆さんが利用しているAmazonのレコメンドエンジンの深層学習を利用した裏側について聞くことが出来ました。強調されていた特徴は以下の2つ。

①:機械学習とAWS
Amazonにおける機械学習では、レコメンドはもちろん、Echoなどでも利用している。Amazon Web Servicesの提供サービスとしては、誰でも簡単に使えるAmazon Machine Learning、Spark等が簡単に使えるAmazon EMR、もちろん多種多様なAmazon EC2インスタンスも提供しているとのこと。

特に、P2インスタンスが新しく登場、NVIDIA K80を搭載、GPUが最大16個も搭載しており、CPUのメモリも61G〜732Gと幅広く使えるようになっている。料金はなんと、GPU1つのp2.xlargeでたったの1時間0.9ドル(2016年10月現在の北部バージニアリージョンでの価格)。他にも予備のインスタンスを指値で入札し地価で使えるスポットインスタンスという仕組みもあり安価に使いたいときはこちらがオススメ!

②:レコメンドと深層学習
この人が次に何を買いたいか予測をしてあげる。
主にニューラルネットワークを利用しており、生成基盤は自前のニューラルネットワークフレームワークをOSSとして公開したAmazon DSSTNEを使っているとのこと。巨大疎データと全結合レイヤに対して最適化されるフレームワークと紹介されました。

まとめ
さすがAmazonのレコメンドエンジン、裏側では深層学習のアルゴリズムが毎日のように走っていたのですね。特に日本での発売が待たれる、Amazon echo・Alexaには期待ですね。

【経験ゼロのWeb企業が機械学習に取り組んだ話】

アディッシュ株式会社 白木 義彦

ML15m05_018

■ 発表資料

WEBエンジニアとしてのバックグラウンドを活かし、機械学習の利用に注力されている白木さんから、人工知能技術の導入未経験企業として躓いた部分を発表頂きました。同じ悩みの企業も多いのでは?強調されていた特徴は以下の2つ。

①:SNSの監視サービスについて
自社のモニタリングツールを使って、有人で良し悪しを判断する業務を行っている。監視対象のページにアクセスして見ることはさすがにできないので、監視ツールを開発して有人体制を助ける目的で運用している。

②:機械学習導入で躓いて分かったポイント
・情報を収集すること
機械学習ライブラリの難しさにぶつかり、とにかく情報を収集した。slackにどんどん投げる。

・高速で仮説検証を回す
結果の因果を学んでデータを蓄積する、合わせてライブラリを試せるのでオススメ。特に書く1つに収集して学ぶことが良かった。色々やりたくなるけど面白そうだから色々手を付けちゃダメ。

・すぐに成果をもとめない
エンジニアも学ぶために時間がかかる、データの収集・分析にも時間がかかる、長い目で待つことが大事、エンジニアへの評価も考えてあげると尚良い

・教師データ作成の業務をフローを作る
やはりデータは人の手で作る必要がある。

・そもそも、なぜやるのか目標を明確にする
どんなサービスにも共通することですよね。

まとめ
リアルな経験が満載で、これから機械学習に取り組む企業の方には大変参考になる内容でした。エンジニア目線でとってもわかりやすくまとめられてましたので、保存必須です!

【自動応答Agent開発の取組み】

株式会社オウケイウェイブ 深見 俊和

ML15m05_020

■ 発表資料

データサイエンティストとして大規模なQAデータと格闘している深見さん
テキストデータのエキスパートでもあるし、ディープラーニングに自前PCで挑んでしまう超人。強調されていた特徴は以下の2つ。

①:何をつくっているか?
質問数800万件、回答は2600万件
AIが自動で回答を分析して返答してくれるAgent作りに取り組んでいる。

②:Agentを作ってみての感想:
ユーザ属性とQAデータが取得できるが、カテゴリもユーザ任せのでバラバラ…

そこでLDAを使ってみた。
トピック毎に特徴ワードを出してくれるので、何を言っているか大体わかるので分類することができ、今までの方法より精度が高い。
これを活用することで、質問すると予めトピック分類された回答から適切な回答を探ってくるAgentが出来たとのこと。

まとめ
16年分の女性データの解析結果は見ていて面白かったです。
時代によって何に困っているか、様々な調査でも活用できるのだろうなと思いました。Agentはまもなくリリースされるそうなので、早く試してみたいですね。

【ユーザーローカルの機械学習カジュアル活用事例】

株式会社ユーザーローカル 本郷 寛

ML15m05_029

■ 発表資料
※更新され次第追加します。

お次は、データマイニングとデータ可視化を得意とされている、ユーザローカルの本郷さん。様々なデータ分析ツールをリリースされているユーザローカルさんらしいプレでした。強調されていた特徴は以下の2つ。

①:インスタのデータには宝が大量に眠っている
主に扱っているのはSNSの大量データ、特にSocial Insightを利用してインスタでの解析利用が非常に増えている。

「すべてがFになる」の犀川創平AIもリリース。
ユーザの回答にゆらぎフィルタを入れて、小説中のキャラクター内容と分析して回答を出している。

②:取り組み事例の紹介
・レコメンド
レコメンデーションでは協調フィルタリングのアイテムベースを利用
ソーシャルメディア上で話題になっている商品をレコメンドさせるアルゴリズムを研究したとのこと。この結果はYahoo!ショッピングで活用されている!

・機械学習
属性推定で利用している葛飾北斎×ゴジラの掛け合わせなど、まずは研究として利用し始めている。他には研究室や他企業とも連携して、深層学習の利用を進めている。

・自然言語処理
Word2Vecを利用してインスタのハッシュタグを解析している。
東京タワーからまわりのスポットを抽出することも出来た。
テキストマイニング用のツールの裏ではこの技術を利用しているとのこと。

まとめ
大量データの解析に長けた、ユーザローカルさんらしい取り組みが聞けました。
インスタには画像以外にハッシュタグもあるので、興味深いデータが眠ってそうですね。チャットボットのツールも好評なので利用してみてはいかがでしょうか?

【アパレル業界の販売予測をフーリエ解析を使ってやってみました】

筑波大学 吉澤 貴拓

ML15m05_032

■ 発表資料

唯一の大学生として参加、POSデータを活用した研究をテーマにしているとのこと。趣味はドライブということで、入りは車に関する事からスタート。

コートは秋冬に売れるので同じ波形になるが、そこに何か特徴があるのか、周波数成分を利用したフーリエ解析を使ったお話。
統計的にはベイジアン、人工知能的な手法にはニューラルネットワークを利用するが、現場では季節の周期を見てやっているので、数値的な上記の手法ではなく周波数を利用しようと思ったそうです。

まとめ
一番身近なデータを使った具体的な予測の事例が聞けたので、参考になった方も多いのではないでしょうか?大学生でビジネスの生データに触れられるなんて羨ましい限りです。

【AIニュースサイト「AINOW」掲載記事でAIトレンド分析~10月~】

dip AI. Lab 亀田 重幸

ML15m05_037

■ 発表資料

いつものように最後のおやつ枠で登壇させて頂きました。
AI導入は進んでいますが、なかなか精度が出ない、うまく活用できていないという声をよく聞いており、この解決に繋がる仮説とアイデアを考えてみました。

「オフラインデータがAI発展の鍵になる」ということで、AIで活用するデータや導入方法について、リーンスタートアップの観点から解説。
AIの精度が上がり、ビジネスシーンでうまく活用できるAIを作る為のポイントは以下の3つではないかと考えています。

①:リーンスタートアップの顧客モデルを利用する
②:AI人材と必要な技術が見える化される
③:トランザクションデータ以外のオフラインデータを取得する

詳細はスライドをご覧ください!
このオフラインデータはこれから大事になります。今は苦戦していますが、DIPでもデータ取得に向けて取り組んでいきます。

ML15m05_043 ML15m05_044
そして、最後の懇親会も非常に活気ある会になりました。
やはり、現場で実際に取り組んでいらっしゃる方の話は面白いし中身が濃いです。AIの導入方法も、かなりわかりやすく見える化されてきましたので、悩んでいる方は、1度イベントなどで相談してみるとヒントが得られると思います!

Leave a Reply

Your email address will not be published.