人工知能に任せないと難しい時代、何をどうやるべきか～楽天のAI技術活用から人材育成まで～
•
0 j'aime•2,506 vues
楽天では，様々な種類の大規模データが存在し，それらを活用するためにはAI（人工知能）技術の適用が不可欠になってきています． 本発表では，楽天においてAIはどのように活用されているのかの事例を紹介すると共に，AIがあらゆる機能の基盤となっている昨今，人材育成や組織は同あるべきなのかについて議論をしています．
Recommandé
Contenu connexe
Tendances
Tendances (20)
Similaire à 人工知能に任せないと難しい時代、何をどうやるべきか～楽天のAI技術活用から人材育成まで～
Similaire à 人工知能に任せないと難しい時代、何をどうやるべきか～楽天のAI技術活用から人材育成まで～ (20)
Plus de Rakuten Group, Inc.
Plus de Rakuten Group, Inc. (20)
Dernier
Dernier (9)
人工知能に任せないと難しい時代、何をどうやるべきか～楽天のAI技術活用から人材育成まで～
- 2. 平手 勇宇 （ひらて ゆう） 楽天技術研究所 リードサイエンティスト • インテリジェンスドメイングループ マネージャ 略歴 • 2005年～2008年 早大大学院理工学研究科 情報・ネットワーク専攻博士課程 • 2006年～2009年 早大メディアネットワークセンター 助手 • 2009年～現在 楽天株式会社 楽天技術研究所 学術関連の活動 • 情報処理学会 データベースシステム研究会 幹事・運営委員 • 電子情報通信学会 データ工学研究会 専門委員 • 日本データベース学会 評議委員 • 情報処理学会論文誌 データベーストランザクション 編集委員 大規模データ・ビッグデータを対象とした，知識抽出・活用に関する研究開発に 従事．機械学習，データマイニング，自然言語処理等の技術を活用． 2
- 5. 楽天技術研究所の研究分野 インターネットの拡大に合わせた3つの分野を設定 RealityIntelligencePower • ユーザインターフェイス • ユビキタスコンピューティング • 画像処理 • 分散コンピューティング • 大規模並列処理 • IoT • 機械学習・深層学習 • 自然言語処理 • データマイニング 5
- 9. 商品データの構造化が必須 9 +カテゴリ ワイン サブカテゴリ赤ワイン 【商品データ】 【商品カテゴリ】 【商品属性】 ✓ファセットナビゲーション （属性による検索の絞込み） ✓外部検索エンジンへのフィード
- 10. 商品カテゴリの推定 ディープラーニング(CNN)に基づく分類器 Prec@1 92% Prec@10 99% Prec@1 57% Prec@3 75% 単語抽出 * 楽天市場第3階層ジャンルでの実験(1,500ジャンル) * Price Ministerの画像データでの実験 テキストデータ • 商品タイトル • 商品説明文 画像データ ディープラーニング(CNN)に基づく分類器 10
- 12. 12
- 13. 商品属性の抽出 attribute top-1 accuracy # of values type 74% 94 material 66% 84 shape 83% 5 color 75% 24 • 分散表現（word2vec）による，新規属性値の発見 • 条件付確立場（CRF）に基づく 商品属性抽出ルールの自動生成 • ディープラーニング手法に基づく属性の抽出 PriceMinister 家具カテゴリ テキスト 画像 13
- 17. 分散表現（Distributed Representation)を用いたレコメンダーアルゴリズム Document : a sequence of words with context. User : a sequence of item views with user’s intention. Set of documents Vectors for words Vectors for documents sim{word, word} sim{doc, word} sim{doc, doc} Set of user behaviors Vectors for items Vectors for users sim{item, item} sim{user, item} sim{user, user} 自然言語処理分野のアルゴリズム word2vecを レコメンダーシステムに活用 17
- 20. Latent Dirichlet Allocation (LDA) – トピック抽出 トピック Word x Topic Document x Topic 文書 Sports Music Polity Economy Tech Novel Sports Music PolityEconomy Tech Novel Sports Music PolityEconomy Tech Novel “Baseball” “Obama” “iPod” 仮説： 同一のトピックを扱った文書は， 類似する単語を含んでいる． 20
- 21. トピック抽出を，購買履歴データに適用 トピック文書 Sports Music Polity Economy Tech Novel “Baseball” “Obama” “iPod” 単語 購買した商品 スタイル購買履歴 商品 Cool & Sexy Sweet Elegance Mix Casual High Casual Smart Career レディースファッション ジャンルの商品 21
- 22. 最適なアルゴリズムの自動選択 （Multi-armed Bandit Algorithm） 常に効果を計測し、手法の最適化を行う • 効果の低い手法による機会損失を減らし、 早期利益実現につなげる。 22
- 24. Bandit Algorithm適用による効果 24 サービス 最適化対象 最適化の効果 GMS CVR 予約率 コスト KOBO クーポン 15%↑ 30%↓ 楽天市場 ウェブページレイアウト 1%↑* GORA クーポン配信 6.1%↑ 楽天市場 広告配信 25%↑** (*) 2016/03のスーパーセール (**) シミュレーション結果に基づく
- 25. 世界初のドローン配送 世界で初めてドローン物流サービスを一般に提供 完全自律飛行ドローンで注文商品を配送 直感的に操作できる専用のアプリケーションを開発 • 株式会社自律制御システム研 究所と共同開発した国産ドロー ン • 配送サービスに必要な専用アプリ ケーションを開発 ハードウェア ソフトウェア リアルタイムで飛行状態を監視し、安全性を実現 BRIDGE47号で紹介 25
- 26. 世界初のドローン配送 26
- 28. Intelligence Domain Group メンバー構成 メンバーの共通点 • 楽天のデータに惹かれてやってくる． • 実サービスに対して何かしらの貢献をしたい． マネージャとして気をつけている点． • 知的好奇心をくすぐる面白いトピック • インパクトをもたらすトピック • 材料となるデータを用意できるトピック これらを満たすトピックを供給し続けていないと， メンバーを失う． 28
- 32. IITからの採用活動を経験して感じたこと • 技術トレンドに即したカリキュラムの設定． • 即戦力となりうる人材の育成． Deep Learning, 自然言語処理，画像処理を利用した 実践的なプロジェクトが修士のカリキュラムに組み込 まれている． 学生の宿舎（二人部屋） IIT-Hyderabad : 広大な敷地を擁し，建設が進む 32
- 34. 3. まとめ 34
- 35. まとめ 楽天におけるAI技術活用 1. 商品データの構造化． • 商品カテゴリ推定，商品属性の推定． 2. ナビゲーションの最適化． • 商品レコメンド，クーポン配信，商品のグループ化，Bandit Algorithm 3. ドローン配送 AIの人材育成 – あらゆる分野において，AIの活用が開始． – 分野を跨いだ研究者・技術者のコミュニケーション．ノウハウ共用， 協力体制のための組織風土を築くことが重要． 35