人工知能技術は使ってなんぼ - panasonic...
TRANSCRIPT
© 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
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
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
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
© 2017
その次のレベル3は? /30 30
ポスト・ヒューマン誕生 コンピュータが人類の知性を超えるとき (NHK出版 2007/1/25) [著]レイ・カーツワイル [監訳]井上健 [共訳]小野木明恵、野中香方子、福田実