人工知能技術は使ってなんぼ - panasonic...

© 2017

人工知能技術は使ってなんぼ Use AI or Lose AI

2017.10.5 パナソニック株式会社先端研究本部

研究企画部／基盤技術研究部部長水野洋

1. 本資料の著作権は、パナソニック株式会社が保有しています。 2. 資料中の出典表示、©表示がある箇所の著作権は、表示先に帰属します。 3. 著作権の関係又は関係先の要請により、一部のページや図面が削除されている箇所があります。

CEATEC JAPAN 2017 カンファレンス AI-2-2講演資料

© 2017

はじめに産総研との先進型AI連携研究ラボ AIによる先端研究のイノベーション社内AI人材教育おわりに

アジェンダ

1.

2.

3.

4.

5.

/30 2

© 2017

1. はじめに

/30 3

© 2017

私どもの役割 /30 4

技術の新規性

ビジネスの新規性

非連続技術

新ビジネスモデル

非連続

非連続

カンパニー事業部門

本社部門イノベーション推進部門

アプライアンス社

エコソリューションズ社

コネクティッドソリューションズ社

オートモーティブ＆インダストリアルシステムズ社

既存

改良技術

新市場

© 2017

人工知能技術によるイノベーションがあらゆる分野で伸展

オープンイノベーション

データ

自社の強みオープンイノベーション

ビジネスモデル問題

AI技術（アルゴリズム、計算機）

他社との競争の中で、どこでリードして勝つか

/30 5

© 2017

アラン・チューリングが残したもの /30 7

電気機械式計算機 Bombe 展示：BLETCHLEY PARK

「量・スピード」のイノベーション

チューリングテスト

人間

機械 ? 知性

「質」のイノベーション

© 2017

AI技術で目指すイノベーション

熟練者のレベル1を目指し、AI技術による提供価値を検証

レベル1

熟練者

レベル2

/30 8

質

量・スピード人間の能力

計算機によるイノベーション

AI技術によるイノベーション

データ・AI技術の革新でレベル2へ

© 2017

2. 産総研との先進型AI連携研究ラボ

/30 9

© 2017

産総研内に当社専用ラボを設置、産総研の研究資源を活用先進AI技術による未来課題解決・顧客価値創出を加速

パナソニック・産総研先進型AI連携研究ラボ

パナソニック-産総研先進型AI連携研究ラボ

… … パナソニックでテーマを設定

先端アルゴリズム先端計算機環境

実証ラボ未来課題顧客価値

出向・派遣

研究者 …

業務従事率をコミット

研究者 …

/30 10

© 2017

クラウドAIシステムによる映像解析

スポーツ映像

監視カメラ映像

画像解析

× …

…

画像認識＋大規模グラフ最適化

AIクラウド・大規模並列化

世界最速 AIクラウド・スパコン

/30 11

オクルージョン課題を解決し、数名規模で技術を確立

大規模・リアルタイム動線追跡

商業施設、スポーツ観戦施設における多人数のリアルタイム映像解析を実現

AIクラウドの大規模並列化により100人規模のリアルタイム処理

© 2017

生活シーンで使える対話インタラクションに向け食分野でのユーザ意図を理解する対話を実現

対話インタラクションAIシステム -1

× 自然言語処理研究の世界的権威辻井潤一センター長

アドバイザー

自然言語処理技術

/30 12

投稿写真や感覚的表現への応答を実現、さらにコーパス強化で高度な対話へ

対話応用

野菜たっぷりでヘルシーですね

冷麺などはどうでしょうか？

あっさりした中華が食べたい

料理画像に基づく応答

食の知識を考慮した応答

料理画像をアップロード

感覚的な表現の発話

© 2017

画像診断での見落とし防止や診断補助に向けて、胸部X線画像に対する異常検出・所見推定を実現

メディカルAIシステム

類似画像検索

医療データ

×

異常検知技術

異常状態＋正常状態の機械学習によりベテラン医師並み所見をデータ拡充により疾患画像不足・未知病変への対応性を向上

/30 14

© 2017

物流倉庫での仕分け作業の自動化に向けた汎用物のピッキング・搬送機能を実現

ロボティクスAIシステム

ピッキング動作/搬送動作

物流課題強化学習

人からの教示無しで自律的に学習できる環境を構築様々なデータで学習させ、汎用制御動作を習得

/30 15

取り出し動作の学習

①ピッキング動作制御

②搬送動作制御

搬送時の揺れ抑制の学習

物体把持等のマニピュレーション制御技術

× ロボット技術

©AIST

© 2017

3. AIによる先端研究のイノベーション

/30 16

© 2017

AI技術による材料デバイス開発「材料インフォマティクス(MI)」新規材料開発を飛躍的に加速

材料デバイス研究の第４のパラダイム

順問題：計算科学

材料特性デバイス性能構造・組成プロセス

Science relationships cf cause and effect

出典：米国物理学協会応用物理論文 Perspective: Materials informatics and big data: Realization of the “fourth paradigm” of science in materials, Ankit Agrawal and Alok Choudhary, Northwesten University. 15 April 2016

第4のパラダイム：データ駆動科学

経験科学

モデルベース理論科学

計算科学

/30 17

逆問題：データ駆動科学 Engineering relationships of goals and means

© 2017

政府・大学・企業で2010年代初め活発な取り組みが進展

Material Genome Initiative（MGI）（2011年～）製造業再建の切り札として、材料開発期間の半減化を目標政府

企業（ベンチャー）

材料インフォによる材料開発PFの開発・提供（2013年～）無料でデータを集める仕組みを構築、材料分野のGoogleを目指す

Gerbrand Ceder教授 ChiMaD※1 （2014年～2018年） OQMD※2 （2013年～）

大学

Materials Project （2011年～）

※1 ChiMad: Center of Hierarchical Materials Design ※2 OQMD: Open Quantum Materials Database

Chris Wolverton教授

材料インフォマティクス動向：北米 /30 18

© 2017

公的機関のプロジェクトに企業が参加材料インフォマティクス動向：日本

物質・材料研究機構情報統合型物質・材料研究拠点情報統合型物質・材料開発イニシアティブ（Mi2i）無機では世界有数のDBを保有（MatNavi）

機能材料コンピュテーショナルデザイン研究センター（CD-FMat）超先端材料超高速開発基盤技術プロジェクト（NEDO 超超プロ）マルチスケール計算科学

戦略的イノベーション創造プログラム「革新的構造材料」マテリアルズインテグレーション（パフォーマンスまで予測）強く、軽く、熱に耐える革新的構造材料を開発

内閣府

無機機能材料

有機機能材料

構造材料

/30 19

© 2017

電子顕微鏡の解析にAI技術（セグメンテーション）を適用

3D構築ネットワーク抽出

性能解析により特性影響因子を抽出

今後の展開

深さ方向の連続画像

パナソニックでの取り組み例：１）高度解析技術

、今後性能解析まで展開解析時間を数時間から数秒に短縮

/30 20

電池電極の断面構造

走査電子顕微鏡観察像成分塗りわけ

負極

正極

電解質

概略構造

事例（リチウムイオン二次電池）

数時間

機能粒子空隙助剤

CAD＋人手補正

→ 数秒ニューラルネット

塗りわけ器共同研究予定

電子顕微鏡写真（省略）

© 2017

機械学習技術を活かすには最新性（質）と網羅性（量）が重要パナソニックでの取り組み例：２）材料探索

新規材料・デバイス開発期間の半減を目指す

組成-特性の統合DB ・熱伝導率・キャリア濃度・イオン拡散係数など

独自計算データ（第１原理計算）

計算科学国内外

オープン・クローズDB

大規模DB

大規模DB

大規模DB 物性DB 共同研究

/30 21

自動化ツール

社内実験データ（成功＆失敗も含む）

自然言語処理

電子ジャーナル

大規模DB

大規模DB 論文DB

© 2017

既存特性を超える未知材料の特性予測アルゴリズムを構築中パナソニックでの取り組み例：２）材料探索

外挿性の獲得を反映した機械学習モデルにより、セレンディピティ領域へ

/30 22

目標特性

既存物質の特性範囲

既存特性の限界

（B）競合学習

生成器：幅広い物質候補を生成

識別器：存在しうる物質か判別

離散外挿

目標特性既存特性の限界

（A）自己再学習

隣接範囲を望ましい方向に拡大

計算等でデータ追加

既存物質の特性範囲

隣接外挿

© 2017

今後、人工知能技術はあらゆる製品開発で必要に！実務レベルでAI技術を活用できる人材育成が必須

2000年代ネットワーク・クラウド

技術者に求められる基本スキルの変化

IoT/ロボティクス/AI 2015年～ 1990年代

組み込みシステム

/30 24

© 2017

「基礎・応用コース」と、実テーマ持込型の「実践コース」を設置スキル認定試験やテーマ・成果発表で自ら使えるレベルへ

Panasonic AI人材育成プログラム /30 25

エキスパート育成コースビジネスプロセス・コース

テーマ持込型研修

演習：Chainer、 Python 、Wekaなど

基礎・応用コース

実践コース

ディープラーニング画像認識

機械学習

データマイニング

データアナリスティクス

データ分析データ分析データ分析

スキル認定試験

テーマ・成果発表

© 2017

大阪大学情報科学研究科と学部・修士相当の講座を開発 2016年度から社内で実施

基礎・応用コースの概要

Deep Learning [画像認識]

機械学習 [データ分析]

データマイニング [データ分析]

講師大学教授・准教授・講師レベル学部３年生修士１年修士１年

日程全10回・6ヶ月コース全10回・6ヶ月コース全10回・6ヶ月コース

内容統計的機械学習～ Deep Learning 基礎理論～演習

機械学習手法体系学習プロセス実践

ビジネスデータ分析科学計算データマイニング

手法とツール実践

/30 26

© 2017

AI技術は使ってなんぼ Use AI or Lose AI オープンイノベーションを活用し、AI技術によるイノベーションを加速熟練者のレベルを目指し、データ・AI技術革新のレバレッジで超える

自社の強みオープンイノベーション

ビジネスモデル問題データ AI技術

/30 29

質

量・スピード人間の能力

レベル1

レベル2

熟練者

データ AI技術

AI技術によるイノベーション

人工知能技術は使ってなんぼ - panasonic...

Documents