PowerPoint プレゼンテーション

Size: px

Start display at page:

Download "PowerPoint プレゼンテーション"

きょういちひろもり
7 years ago
Views:

1 Gartner Symposium/ITxpo 2017 オープンシアターセッション (OT-12) ディープラーニングは万能なのか? 2017 年 10 月 31 日株式会社 NTT データ数理システム

2 目次 1. NTTデータ数理システムのご紹介 2. Deep Learningの最近の動向 3. Deep Learning 事例紹介 4. まとめ 2

NTT データ数理システムのご紹介会社名 : 株式会社 NTT データ数理システム所在地

3 NTT データ数理システムのご紹介会社名 : 株式会社 NTT データ数理システム所在地 : 東京都新宿区信濃町 35 信濃町煉瓦館 1 階資本金 : 5,600 万円 (NTT データ 100% 出資 ) 従業員数 : 約 100 名 (80% が技術者 ) 沿革 : 1982 年 4 月数理システム設立 2012 年 2 月 NTTデータグループ入り 2013 年 9 月 NTTデータ数理システムに社名変更数理科学とコンピュータサイエンスを軸にして社会のあらゆる分野に起こる問題解決のためのソリューションを提供する専門家集団です 3 3

4 NTT データ数理システムのソリューションの歩み株式会社数理システム設立ビジネスの方向性物理現象への問題解決 NTT データグループへ参画アナリティクス物理的現象大規模線形計算有限差分法計算幾何学半導体プロセスデバイスシミュレーション BSD/OS 代理店エキスパートシステム Common Lisp 交通シミュレーション物理シミュレーション最適化モデリング言語自動微分回路シミュレーション数理最適化大規模並列計算 HPC グラフアルゴリズム逆問題アナリティクス統計パッケージ S-PLUS の販売を開始 AI 汎用離散シミュレーションメタヒューリスティクスビッグデータストリームアルゴリズムデータマイニングテキストマイニング機械学習 IoT Deep Learning ( 画像自然言語強化学習 ) 4 4

パターン認識シミュレーションなどの科学計算パッケージ製品受託コンサルティング導入実績数 2,000 社以上自社パッケージによる開発

5 NTT データ数理システムのビジネス主な業務内容ビジネスアナリティクス領域におけるパッケージソフトウェアの開発販売アプリケーション開発分析コンサルティング事業開発分析対象領域 AI 機械学習深層学習数理計画最適化統計解析マイニング知識データベース言語処理パターン認識シミュレーションなどの科学計算パッケージ製品受託コンサルティング導入実績数 2,000 社以上自社パッケージによる開発チューニング 5 5 NTT データ数理システムの強み数理科学のプロ集団としての豊富な経験取引実績 NTT データグループとの事業連携の強化による包括的なサービス提供

6 Deep Learning の最近の技術動向

7 なぜ今機械学習? 大量のデータ Big Data IoT 複雑な問題を解くための多くのデータが利用可能に機械学習の発展複雑なモデルとそれを解くための学習方法の発展転移学習半教師付き学習高度な学習方法複雑な問題単純な回帰やクラス分類にとどまらない複雑なモデル Deep Learning 7 7

AI の 3 つのブーム 1960 1970 1980 1990 2000 2010 2020 第 1 次 AI ブーム

特定分野の専門家知識をルール化するエキスパートシステム記述ルールが膨大となり実現が困難なことが判明第 3 次 AI ブーム

8 AI の 3 つのブーム第 1 次 AI ブーム計算機の登場とともに人間の知能をシミュレーションする試み推論と探索理論はできても実践が困難第 2 次 AI ブーム特定分野の専門家知識をルール化するエキスパートシステム記述ルールが膨大となり実現が困難なことが判明第 3 次 AI ブーム計算機資源の進化により大規模な処理が可能ネットの普及で膨大なデータが蓄積古典的統計手法から Deep Learning 様々なモデルが現実の問題に適用現実の問題に適用されることで加速度的に発展 8 8

9 タスクの複雑化 Classification タスク犬画像の分類 Detection 人顔範囲予測 + 画像分類犬 Natural Image Caption 人が犬を抱きかかえています範囲予測 + 画像分類 + 文書生成 9 9

10 Deep Learning による実現方法 Neural Image Caption(NIC) CNN と RNN を直接組み合わせて画像から説明文を生成するモデル CNN で画像から抽出した特徴量を RNN の隠れ層の初期値として文書を生成する出力 = 画像の説明文 y t 犬が公園 m t 入力 = 画像 CNN CNN(Image) x t 特殊単語犬が RNN 10 10

11 Deep Learning は万能か? 万能といわれる Deep Learning ですが何にでも適用すればよいという訳ではありませんその計算コストの大きさから適用するに足る問題に適用しないと無駄が多くなります既存の問題の精度向上 Deep Learning である必要性が薄い ( 画像認識を除く ) Descriptive 現状把握認知 Predictive 予測分類画像認識など Generative 文書生成自然言語処理など Prescriptive 計画制御ロボティクスなど今まで解けなかった問題への適用 Deep Learning 以外の手法では難しい 11 11

Generative Model( キャプションの自動生成 ) Natural Image

beach. A group of people are hiking up a mountain.

A basketball player slam dunks the ball.

com/ Oriol Vinyals, Alexander Toshev, Samy Bengio,

12 Generative Model( キャプションの自動生成 ) Natural Image Caption (NIC) A man and a woman are walking on the beach. A group of people are hiking up a mountain. A dog runs through the grass. A basketball player slam dunks the ball. Oriol Vinyals, Alexander Toshev, Samy Bengio, Dumitru Erhan. Show and tell: A neural image caption generator. Computer Vision and Pattern Recognition (2015) 12 12

Prescriptive Model( 自動運転シミュレーション ) 自車の状態や他社との関係から次にとる行動 ( アクセルブレーキハンドル操作 ) を決定します自動運転車 https://github.

13 Prescriptive Model( 自動運転シミュレーション ) 自車の状態や他社との関係から次にとる行動 ( アクセルブレーキハンドル操作 ) を決定します自動運転車 Alex Kuefler, Jeremy Morton, Tim Wheeler, and Mykel Kochenderfer Imitating Driver Behavior with Generative Adversarial Networks. arxiv:

14 Deep Learning 事例紹介 2017 NTT DATA

NTT データ数理システム事例 2 : 感情を持ったチャットボットの開発発話に意図や多様性を持たせる目的でその時ごとに応答時のテンションが変わるチャットボットを作成しました Google の他言語翻訳の仕組みを用いチャットボットに感情ラベルを付与することで実現 <

15 NTT データ数理システム事例 2 : 感情を持ったチャットボットの開発発話に意図や多様性を持たせる目的でその時ごとに応答時のテンションが変わるチャットボットを作成しました Google の他言語翻訳の仕組みを用いチャットボットに感情ラベルを付与することで実現 < サンプル > ( 入力文 ) 好きです < ニュートラル > ( 回答文 ) 私も好きです < 弱気 > ( 回答文 ) 本当ですか? < 強気 > ( 回答文 ) 知っていますけど < 親しみ > ( 回答文 ) 私も好きですよ < 曖昧 > ( 回答文 ) えっと 15 15

を活用する超高層建物向けアクティブ制振技術を開発 NTT ファシリティーズ http://www.ntt-f.co.jp/news/2017/170830.

16 NTT データ数理システム事例 3 : 超高層建物の振動制御 NTT ファシリティーズ様地震動 ( とくに長周期地震動 ) に対する超高層建物の損傷低減と居住者の不安軽減を目的に AI を活用した従来技術よりも高いアクティブ制振技術を開発しました建物の揺れをパッシブ制振と比較して 50% 以上低減できることが確認できました出典 :AI( 人工知能 ) を活用する超高層建物向けアクティブ制振技術を開発 NTT ファシリティーズアクティブ制振直接的に外部からのエネルギーを使って建物の振動を制御する制振制御理論的問題ごとに物理モデルを立てて制御する入力が事前にわかっていれば正しい解を求めることが可能強化学習物理モデルを陽に扱わず入力と評価式を基に試行し制御方法を学習する 16 16

17 まとめ Deep Learning の活用にあたって Deep Learning により AI の新たな Phase へ Deep Learning 前夜と Deep Learning 以降で出来ることが大きく変わってきました実際の問題に適用することで新たな問題も生まれ加速度的に発展しています Deep Learning の適用の注意既存の問題に安易に適用しない精度向上? 時間削減? 理論保証はない ( 今後に期待 ) 上手く使うには試行錯誤スキル経験が重要になってくる複雑な問題に適用しよう今まで解けなかった問題もモデル化できるかも? 17 17

18 記載されている会社名商品名又はサービス名は各社の商標又は登録商標です

AI AI Artificial Intelligence AI Strategy& Foresight AI AI AI AI 1 AI AI AI AI AI AI AI AI AI AI AI AI AI 2 AI 1 AI AI 3 AI 3 20 AI AI AI AI AI

AI AI Artificial Intelligence AI Strategy& Foresight AI AI AI AI 1 AI AI AI AI AI AI AI AI AI AI AI AI AI 2 AI 1 AI AI 3 AI 3 20 AI AI AI AI AI AI AIArtificial Intelligence AI Strategy& Foresight AI AIAI AI 1 AI AI AI AI AI AI AI AI AI AI AI AI AI 2 AI 1 AI 50 80 AI 3 AI 3 20 AI AI AI AI AI IoT AI AI 4 Strategy& Foresight Vol.15 2018 Spring [email protected]