従来の手法も取り入れながらディープラーニングを実装しています。もともとはビッグデータ解析をやっていた会社なんですよ。

その延長で2009年ごろから機械学習に取り組み始めたんです。ディープラーニングをはじめたのは2009年ごろです。

社長や役員からの「AIをやれ」と言う号令がきっかけで始まると、AIを使うことばかりが優先されてPoCが計画されがちです。

そのように始まったPoCは行き詰まります。期間に対して課題が多すぎてどれだけやっても十分な結果を出せなかったり、出せたとしても明後日の方を向いていて役に立たなかったりします。

相談へ来られるお客様がそのような状況に陥っていることがあるので、ちゃんと着地できるように軌道修正するように心がけています。

そういう会社はお断りしてしまうんですか？

その上で、既存の技術でどこまでできるか、どのようなデータをどのくらい収集しなければならないか、どのような課題が見えていてどのくらい難しいか、どのような期間や予算がいるか、どのような体制でどのように取り組まなければならないかをお伝えします。

そうすると一度会社に持ち帰り、1〜2年してから再度プロジェクトをスタートしてPoCに入る場合も多いです。

ただ、いざAI導入に関する知識を得ても、会社内で横展開されない場合が多いんですよね。社内でいろいろとAIの導入を進めていると掲げている会社も多いですが、実情は異なっています。

AI事業部などAIの担当部署を作って、セミナーに行き、情報を仕入れて「ディープラーニングがすごい！」ってなって、「このデータはディープラーニングに使えそう」といってPoCが始まることが多いです。

しかし、それでも事業につながらないんですよね。ゴールが決まっていればどのように機械学習を使っていくかのプロセスがはっきりするのですが、そうならない場合が多いんです。従来のソフトウェアの導入過程と、機械学習の導入過程がどう違うのかを知っている人が少ないんですよね。

大企業じゃないと難しいですが、ある部署と数年間ご一緒させていただくときは、だんだん勘がよくなっていきますね。

来栖川電算は多くのお客様のプロジェクトのキックオフから関わらせていただいていて、そうすると機械学習を導入可能な部分も見つけやすいです。最初はスモールスタートでも、その会社の中で機械学習の活用が広がっていく場合もあります。

どちらにしろ、機械学習は精度の維持のために継続性が大事なので、プロジェクトが一段落したあとも長く付き合っていかなくてはいけません。短期的にできあいのエンジンを売ればいい分野ではないと考えています。

なにか理由が！？

目的がなにで、どんなタスクに分解できて、どんなデータを集められるかがわかれば問題は8割がた解決します。モデルを創るだけですから。なので、プロジェクトをそのレベルに持っていくことが一番大事なんですよね。だからこそアノテーションを強化しているんです。

最近はクラウドソーシングで教師データの作成・アノテーションを発注するケースも増えていますよね。

アノテーションの技術力って意外と見えない差があるんですよね。

確かに世間的にはすごく簡単な作業に見えますが、実際にやってみると物凄く難しい作業です。画像に写る看板を枠で囲うだけの作業であっても驚くほど多くの例外に遭遇します。

この例外をどのように扱うかをちゃんと定めずにクラウドソーシングに頼るのは明らかに間違っています。いい加減なルールでアノテーションしたために精度が出ず、来栖川電算に持ち込まれるケースもありますね。

アノテーションするということは現実世界を観察し、何が起こっているのかを学ぶことです。この学びを研究者と共有し、何にどのようにアノテーションするかを改める、場合によっては、タスク設計まで改める、このプロセスがとても大切です。このプロセスこそがAI開発の本質であり、その意味でアノテーションをきっちりすることが真のビジネスに役立つAIなんじゃないかなと考えています。

それだけでなく、事例集やフローチャートなどで分かりやすく説明されたアノテーションルールを作ることも大切です。ポイントは判断に迷わないようにすること、誰もが同じ判断を下せるようにすることです。

データを見ながら研究者とともに何にどのようなアノテーションするかを確認し合うことがとても大切です。それだけでなく、このプロセスによって獲得されるアノテーションルールを全てのアノテータが理解し、実施できる状況を作ることも大切です。

このプロセスを効率的に回すにはツールによるサポートが重要です。そこで、来栖川電算ではアノテーションのためのクラウドサービス（AnnoFab:基本無料）まで自作し、運営しています。ここまでコミュニケーションを重視したサービスを作って、AIに取り組んでいる企業は国内では例がありません。

アノテータと研究者が一緒に、観察し、学び、AIを実現するためのカギを発見する、このようなプロセスを大切にしているのが、私たち来栖川電算です。

AIの産業活用の促進のためには、現実社会をどのようにデータ化していくかが課題です。

画像については、この記事で紹介したようにアノテーションすることでその物体が何であるのかを覚え込ませます。

AIの普及にむけて実世界の認識が重要になってきます。その意味でIoTセンサーの導入も今度はどんどん進んでいくでしょう。