〒163-0515 東京都新宿区西新宿1-26-2 新宿野村ビル15FTEL:03-5909-7566 FAX:03-5909-7569www.albert2005.co.jp/

2017/12/01

株式会社ALBERT執行役員 データ分析部 部長シニアアナリスト安達 章浩

人工知能による生産性向上の事例ご紹介

株式会社ALBERTのご紹介

経営理念

分析力をコアとし、顧客の意思決定と問題解決を支援する

分析力をコアとするデータソリューションカンパニー

事業コンセプト

1

分析力

独自開発力 豊富な実績

高い分析力を誇るデータサイエンティスト集団

DMP、データマイニングエンジン、キャンペーンマネジメント、

マーケティングオートメーションツールといったデータサイエンス領域に不

可欠なシステムを全て独自開発

ALBERTの前身として2000年に創業したインタースコープ時代から国内のデータサイエンスを牽引していた豊富

な実績

ALBERTは分析力、データサイエンス領域におけるコアシステムの独自開発力と豊富な実績をもとに、国内でリーディングカンパニーとしての地位を確立しつつあります。

ALBERTの強み

2

3

アナリティクス案件における分析手法

課題解決における分析手法は事業ドメインを問わない

需要予測

画像解析

異常検知

マーケティングミックスモデリング

【アナリティクス案件】

…

製造業 金融業 医療 小売業 …

【事業ドメイン】

【代表的な分析手法】

状態空間モデル／重回帰分析 など

Deep Learning など

SEM／状態空間モデル など

ロジスティック回帰／状態空間モデル など

人工知能

4

第一次人工知能ブーム

第二次人工知能ブーム

第三次人工知能ブーム

1956年～1960年代 1980年代 2013年～

考えるのが早い人工知能

物知りな人工知能

データから学習する人工知能

• エキスパートシステム（専門家の知識）

• 対話の研究

• チェスを打てるようになった

• 数学の定理を証明できるようなった

• ディープラーニング

• 強化学習

• 劇的な計算機能力の向上

絶望 絶望5

人工知能ブームの歴史

6

※出典：2015年 EY総合研究所株式会社 人工知能が経営にもたらす『創造』と『破壊』より 弊社にて加工

0

100,000

200,000

300,000

400,000

500,000

600,000

700,000

800,000

900,000

37,450

230,638

869,620

2015年 2020年 2030年

（億円）

急成長する人工知能市場

人工知能関連市場は2030年に87兆円に

人工知能・データ活用事例

7

【識別・自動分類】総合通販：服のカテゴリの分類結果事例

8

人手による分類

DLによる自動分類 2．新たに与えた画像に対して自動的にタグ付け

人手で行っていた作業のコスト削減 学習データを用いて画像分類

１．学習用データを用いて学習

タグが付与された画像群

自動タグづけにより、コスト削減と分類精度向上を実現

Tシャツ

カジュアル

バイカラー

ボーダー

ワンピース

エレガント

サシェ

プリーツ

ジャケット

長袖

クラシック

総合通販企業向けに、アパレルの自動タグづけのシステムを提供しています。

Tシャツ

カジュアル

バイカラー

ボーダー

ワンピース

エレガント

サシェ

プリーツ

ジャケット

長袖

クラシック

Tシャツ

カジュアル

プリント

ワンピース

カジュアル

半袖

ジャケット

カジュアル

バイカラー

【物体検出】自動車メーカー：車両識別・構造物識別

9

物体検出、画像の領域分割ともに、精度の高いモデルを開発

物体検出問題 セグメンテーション問題

自動車メーカー向けに車載動画からディープラーニングで物体検出等を行い、自動運転を実現するためのR&D支援を行っています。

人工知能・ディープラーニングのビジネス応用支援サービス

10

ビジネスロードマップの作成からシステム化、製品への組み込みまで一貫してサポートいたします。また、モデルチューニングのみなど、お客様の要望に応じて必要なサービスのみの提供も可能です。人工知能のビジネス活用をワンストップでご支援いたします。

コンサルティングモデルチューニング

精度検証

プロトタイプ開発

スクリプト化

システム化・

製品組み込み

人工知能の具体的な活用領域、活用方法、並びに活用によって得られるビジネスインパクト等を体系的に整理し、ロードマップを具体的に描くためのコンサルティング

学習済みディープラーニングモデルによって、どの程度の精度が得られ、実ビジネスで導入効果が得られるかをアナリストが分析した上で、各企業に合わせたチューニングを実施

独自チューニングを施したアルゴリズムをスクリプト化し、システムによる自動化の実現性を検証

実ビジネスにおけるデータの容量やパフォーマンス要件に耐えうるよう、分散処理やGPUチューニングを施した上でシステム化や製品への組み込みを実現

ディープラーニングを活用するにあたり確認しておくべきポイント

11

教師データが十分にあるか、スパースか教師なし（強化学習）か

判定理由・因果の説明は必要か

対象となるデータは何か

12

ディープラーニングの可視化

画像のどの部分が識別に影響を与えたかの可視化を行うことができます。

ラベルAである確率

画像引用：Matthew D Zeiler, Rob Fergus, Visualizing and Understanding Convolutional, ECCV 2014

画像の中でポメラニアンだと分類した根拠は

ポメラニアンの顔から判断したことが分かる

ラベルBである確率

ラベルDである確率

ラベルCである確率

ラベルSである確率

実例

IoT活用事例

13

14

IoTにおける機械学習の活用

IoTにおいては下記フローの内、収集・蓄積領域で通信キャリアが強みを持っています。一方溜まったデータを分析して活用するという領域では、集計・見える化のためのソリューションは存在しても、機械学習的に分析して活用する技術を提供している企業は非常に少ない現状があります。

【予測・異常検知】スマートファクトリー事業での取り組み

15

センサー、ターミナル、AIアルゴリズム実装PCをまとめてご提供するパッケージをリリース予定です。

AIエンジン搭載異常検知パッケージを提供予定

センサー ロガー AIアルゴリズム

AIエンジン搭載異常検知パッケージ

【予測・異常検知】工場内におけるセンサーデータの利用

16

2.0

2.5

3.0

3.5

4.0

4.5

5.0

5.5

6.0

6.5

3.0

3.5

4.0

4.5

5.0

5.5

6.0

6.5

正常時を想定した予測結果

𝑦1 𝑦2 𝑦3 𝑦4

𝑥1 𝑥1 𝑥1 𝑥1

観測変数

潜在変数

学習データ 検証データ

異常部位を検出

比較

予測

状態空間モデル

「異常データ無し」によるモデル構築

正常時を学習データとするため、短期間で異常検知環境構築が可能

これまでは蓄積された異常データをもとに異常検知を行っていましたが、状態空間モデルを用いることにより正常時を学習データとしてモデリングし、異常検知を実施する支援を行っています。

17

【予測】電子機器メーカー：UNIXの不正コマンド検知

分析内容 分析結果

UNIXコマンド履歴をもとに、サーバー管理者等による不正処理を自動検知する仕組みを構築しています。

通常業務 情報漏洩行為

学習 当てはめ

いつもと違う行動を検出

1. コピー

2. リネーム

3. ファイルを開く

4. ファイルを閉じる

5. 他フォルダに移動

6. ファイルを開く

1. サーバーにアクセス

2. ファイルをコピー

3. ファイルをリネーム

4. ファイルを圧縮

5. メールを添付し送付

6. ファイルを削除

session_id 異常度異常行動

の有無

1 103.0 ○

4 102.8 ○

7 96.6 〇

2 96.6 ○

10 96.6 ○

5 94.9 ○

3 94.0 ×

6 87.8 ○

8 83.2 ○

9 83.2 ○

18

データ分析の目的

事例をまとめてみると・・・

新たな知識の発見ではない

「ビールとおむつは一緒に買われる」

という知見を獲得することではなかった

19

データ分析の目的

データ分析の目的とは

全ては今まで何らかの形で

人間が行ってきたこと

コンピュータに任せるほうが

上手くいくと考えるようになった

20

データ分析の目的

なぜ上手くいくようになったか

①機械学習手法の一般化

②AIの登場

③処理能力の進歩

21

【参考】AIやロボットにとって代わられる職業

2015年にオックスフォード大学が予測

1位：小売店販売員

2位：会計士

3位：一般事務員

4位：セールスマン

5位：一般秘書

6位：飲食カウンター接客係

7位：商店レジ打ち係や切符販売員

8位：箱詰め積み降ろしなどの作業員

9位：帳簿係などの金融取引記録保全員

10位：大型トラック・ローリー車の運転手

11位：コールセンター案内係

12位：乗用車・タクシー・バンの運転手

13位：中央官庁職員など上級公務員

14位：調理人（料理人の下で働く人）

15位：ビル管理人

ディープラーニング導入支援 Chainer on Microsoft Azure

22

Azureを活用したソリューションをご提供しています。

https://www.albert2005.co.jp/solution/azure.html#chainer

株式会社ALBERT

03-5909-7525

sales@albert2005.co.jp

23