第23回八子クラウド八子のAiプレゼン資料 170520

Copyright © 2017 Uhuru Corporation, All Right Reserved.
クラウドと
株式会社ウフル
専務執行役員 IoTイノベーションセンター所長兼
エグゼクティブコンサルタント
八子知礼
2017年５月20日
NO IoT NO FUTURE
第23回八子クラウド座談会
イントロダクションプレゼン
の親和性
〜AIへのいざない〜

八子知礼 (株)ウフル専務執行役員
IoTイノベーションセンター所長兼エグゼクティブコンサルタント
 松下電工株式会社にて通信機器の企画開発や新規サービス事業の立ち上げに従事
 複数のコンサルティング会社で合計15年を超えるコンサルティング経験
 10年以上通信キャリア、サービスプロバイダ、ハイテク業界を担当
 新規事業戦略立案、顧客/商品/マーケティング戦略、バリューチェーン再編等を多数経験
 2014年にシスコシステムズ合同会社にてシスココンサルティングサービスの立ち上げに参画
 2016年4月1日(株)ウフル IoTイノベーションセンター所長就任
 クラウド利用促進機構運営委員、日本英語検定協会理事、
mRuby普及促進協会アドバイザ、2016年度経産省ものづくり競争力研究会委員、
日本OMGエヴァンジェリスト
Wireless Wire News
日本のIoTを変える99人
日刊工業新聞社ニュースイッチ
IoTのファシリテーター
2012年11月出版
モバイルクラウド
「図解クラウド早わ
かり」出版
ビジネスノマドジャーナル
インタビュー記事

実はわたくし、八子は・・・こんな研究をしてたんです
Movie
• モデル化しやすい単細胞の生命体（大腸菌）
• 大腸菌は自然界でも希に見る回転鞭毛モータ構造をもち、
えさとなるタンパク質の濃度の高い方向に泳いでいく性
質を持つ
• これをコンピュータ上にモデル化して実現した
• 体内のえさの濃度が一定以下になるか寿命が来れば死
ぬが、層でない場合には自分と同じ個体を細胞分裂に
よって生成する
• パラメータの異なる数百個体を環境中に投入し、4階層の
ニューラルネットワークによって細胞が情報処理を行いな
がら動作する。
• 動作結果は3次元空間にマッピングしてその軌跡を描画。
• 世代を超える際には、遺伝的アルゴリズムによって多数
の世代をシミュレーションする
• パラメータは6つ（速度、1回の移動距離、方向転換頻度、
えさを食べる量、受容体の感度、えさの濃度）
• 個体数は200個、世代数は多い時で5000世代
SOURCE：「分子生物学に基づく細菌細胞の人工生命体モデル」 1997年広島大学八子知礼、辻敏夫、大竹久夫
第2次人工知能ブームの終焉頃にニューラルネットワークと遺伝的アルゴリズムを用いて
人工生命体をデジタル空間上でモデル化して生き残りシミュレーションしていた男！

Copyright © 2017 Uhuru Corporation, All Right Reserved. 4
AI（Artificial Intelligence）へのいざない

これ。ではなくて・・・わかる人半分くらい？？かな？？
注：サントリーカクテルバー、1994年のCMより
永瀬正敏（キョンキョンの元旦那です怒）

アレくさいけど・・・クラウドと連動した音声認識デバイスの台頭

シリたい？？・・・すでに皆さんが使い慣れてしまっているもの

• AIを活用したビジュアル検索機能Google Lensを発表しました。その機能はカ
メラで映し出した映像のなかにある物体を認識し、それが何か、またはそれに
関する情報を検索してAR表示などで教えてくれる
8
Google Lens

AI（Artificial Intelligence）の概要

Computer Scienceの究極像は「human being」を創ること
映画「i-Robot」

AI（人工知能）とはなにか
ニューラルネットワーク
ディープラーニング
学習データ
機械学習
シンギュラリティ
人工的にコンピュータ上などで人間と同様の知能を実現させようという試み、或いはそのため
の一連の基礎技術。
今日では「人工知能」という呼び名は非常に曖昧なものになっており、多少気の利いた家電の
制御システムやゲームソフトの思考ルーチンなどがこう呼ばれることもある。SOURCE:Wikipedia

• 人工知能を構成する１分野に機械学習
• 機械学習はデータからルールを学習するアルゴリズム
• 「人がデータを使う」から「機械がデータを使う」へ
12
AIとか機械学習とかビッグデータとか
ヒューマン
インターフェース
画像認識
音声認識
データマイニング
自然言語理解
知識表現
機械学習
ロボット

• ようやく訪れた「AIの春」
現在は第3次AIブーム
出典：『人工知能は人間を超えるかディープラーニングの先にあるもの』
松尾豊（著）KADOKAWA発行
「推論・探索」による特定
の問題を解く研究の時代
エキスパートシステム等が
開発されコンピュータに「知
識」を与えようとした時代
クラウドによって膨大な量のデータが処理
可能となり、機械学習（＝人工知能のプログ
ラム自身が学習する仕組み）が洗練され、
活用され始めた時代

• 機械学習の概念を簡単にいうと、「意味は特に考えず、単に機械的に、正解の確率の高い
ものを当てはめていく」やり方であり、プログラムそのものが学習することである。
AIの基礎：機械学習（Machine Learning）とは
AIプログラム
大量のデータ
何回も繰り返し
て“学習”
アウトプットを見て
プログラムを見直
し
AIプログラム
判断したい
データ
確からしい
確率の高い
回答
学習中学習後
判断したい
データ
判断したい
データ
※但し、確からしさ、正解率
を判断するのは人
ナイーブベイズ法
確率の定理である「ベイズの定理」を使って判断する方法。
テキストマッチングなどでマッチング率によって判断する方法。
ニューラルネットワーク
人間の神経細胞の働きを模した階層型結合ネットワークで判
断する方法。（後述）
機械学習の代表的実装方法

• 人間の脳を模した機械学習手法の一つ。
機械学習の実装方法：ニューラルネットワークとは
ニューロン（神経細胞）
x1
x2
w1
w2
入力
（樹状突起）
入力
（樹状突起）
y
出力側軸索
（神経）
y=x1*w1+x2*w2-θ
シナプス（結合負荷）
脳の神経細胞の処理の模式図
θ
閾値
Fm(x)
Fn(x)
F1(x)
F2(x)
F3(x)x2
x1
xn
input layer
・
・
・
・
・
・
・
・
・
y2
y1
yn
output layer
hidden layer
w11
w12
w13
ニューラルネットワークの基礎的構造
w1n
神経細胞のイメージ図
input output
入力層と中間層、さらに出力層のそれぞれの接続
ノード間に重みを設定し、入力側刺激の強いものを
出力側に伝達する仕組みをプログラムで実現。

ニューラルネットワークによる学習の概念
SOURCE：IoT News https://iotnews.jp/archives/11680
人工知能は人間を超えるか松尾豊（KADOKAWA / 中経出版）
例：ニューラルネットワークによる手書き文字認識

今まで想定する以上の様々な超・大量のデータを包括的にAIが分析
購買調達生産設備管理フィールドサービスコラボレーション
AI
基幹系・クラウドアプリケーション
ソーシャルアプリケーション
都市環境・気象情報位置情報顧客情報顧客満足度・評価
製造業が最もValueChainが長く、様々な業務機能のデータを蓄積しているにもかかわらず
活用できていない ⇒ 労働力減少を背景にAI によるイノベーションの宝庫

クラウドだけで実施する範囲
18
クラウド、IoTとAIの親和性
価
値
難しさ
把握と処理
自動化
判断
予測と
IoTでデータを増強
する
すべてはクラウドから
潤沢で安価な
コンピューティングリソース

本日の登壇企業の皆さま
BOTから始めるビジネスと
コミュニケーション改革
文脈構造解析の
カッティングエッジ
泣く子も黙るWATSON
を抱えるITの巨象
自然言語解析の
世界トッププレイヤー
Cognitiveにヒトを快適に
するソフトウェアの巨人
予測モデルでビジネス
キャリアを成功に導く
Watsonの次はEinstein！
顧客満足を最大化するAI
日本のAI業界孤高の存在
第5次産業革命を牽引する

http://85cloud.com

第23回八子クラウド八子のAiプレゼン資料 170520

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

Similaire à 第23回八子クラウド八子のAiプレゼン資料 170520

Similaire à 第23回八子クラウド八子のAiプレゼン資料 170520 (20)

Plus de 知礼八子

Plus de 知礼八子 (20)

Dernier

Dernier (8)