地域にける AI IoT活用の可能性 -...

Copyright (C) Mitsubishi Research Institute, Inc.

地域におけるAI・IoT活用の可能性

地域におけるAI・IoT活用の役割、有望分野、ポイント

研究開発部門先端技術研究センター長比屋根一雄

プラチナ社会研究会セミナー

2017年6月7日

Copyright (C) Mitsubishi Research Institute, Inc. 2

目次

人口減少と新技術進展による雇用減少 04

AI・IoTとは何か 07

地域におけるAI・IoTの役割 16

地域におけるAI・IoT活用の有望分野 23

地域におけるAI・IoT活用のポイント 48


自己紹介

比屋根一雄（研究・開発部門先端技術研究センター長）

専門

人工知能(AI)の技術･産業動向、社会的インパクトの研究に従事

当社の人工知能(AI)活用を主導

経歴

第2次AIブームの後(1990年代)、数多くのエキスパートシステム開発に従事

発電プラント異常診断システム

地熱資源総合解析システム

経済産業省リアルワールド･コンピューティング･プロジェクトで、研究リーダを10年間務める

環境音の認識アルゴリズムの開発

高速道路のルート最適化（遺伝的アルゴリズム等）

現在、AIの社会産業インパクトの調査研究、AI活用コンサルティング、AI活用サービス開発に従事

＜略歴＞

1986年東京大学工学部卒業

1988年東京大学大学院

工学系研究科修士課程修了

1988年三菱総合研究所入社

2006年情報技術研究センター長

2011年公共ソリューション本部長

2013年ソリューション部門統括室長

2014年事業開発部門副統括室長

2016年先端技術研究センター長


人口減少と新技術進展による雇用減少


地方における人口減少

10096

80

87

71

78

61

69

50

2010 2025 2040 (年)

地域によって異なる将来人口動向（生産年齢人口）

東京都区部

中核市

人口5万人以下の市町村

過疎地域市町村

生産年齢人口の減少は、

都市部よりも地方、

小規模自治体ほど深刻

2025年には、

中核市 1割減

5万人以下 2割減

過疎地 3割減

経済規模を維持するなら、

一人当たり生産性向上が不可欠

出典：国立社会保障・人口問題研究所「日本の地域別将来推計人口（平成25年3月推計）」より三菱総合研究所作成


第四次産業革命が到来！

AI+IoT+Robotを中核とする「デジタル化」は、

過去3回の産業革命に匹敵するとの見方が定着しつつある

第一次産業革命

18～19世紀初頭蒸気機関、紡績機など軽工業の機械化

第二次産業革命

19世紀後半石油、電力、重化学工業

第三次産業革命

20世紀後半インターネットの出現、ICTの急速な普及

第四次産業革命

21世紀デジタル化が導く全産業の自動化による産業革新


AI・ロボットによる雇用代替(技術的失業)

英研究者が米国職業の47%に雇用代替の可能性を指摘(2013) 米国702の職業分類を9側面で評価（身体性、創造性、社会性）

ビッグデータ＋AIとロボット・自律走行車の技術革新が雇用代替を促進

特にサービス、バックオフィス業務、販売、交通・物流、製造に影響大

雇用代替の可能性が大

販売

サービス

オフィス業務

製造

交通・物流

ビジネス・金融

エンジニア・研究

教育・法務・芸術・メディア

ヘルスケア

設置・保守・修理

雇用が代替される確率

就労者数

建設

出典：「The future of employment: How susceptible are jobs to computerization」 Carl Benedikt Frey, Michael A. Osborne (2013)


新技術普及で▲740万人の雇用が減少、新たに+500万人の雇用を創出

差し引き▲240万人の雇用が減少 (2030年)

一方、生産年齢人口の減少に比例するなら、雇用者は▲780万人減少

すなわち、新技術は将来の雇用者不足を緩和するもの

【三菱総研：マクロ経済予測】新技術で雇用減少240万人

4800

5000

5200

5400

5600

5800

2015年 2030年

5662万人5769万人

現在の経済状況・生産性のまま（GDP成長率0.2%)

雇用者数[万人]

▲740

5529万人

+500

新技術が普及して生産性向上した場合（GDP成長率0.8%)

2030年

雇用減少雇用創出

▲780

生産年齢人口の減少


AI・IoTとは何か


AI(人工知能)って何だろう？

コンピュータに人間のような知的能力を持たせる

ソフトウェア

でも、人工知能はロボットの中にあるだけではない

出典：Wikipedia

ココが人工知能(AI)


思い描きやすい人工知能

プロ棋士との対局に勝利した将棋ソフト

出典：日本将棋連盟ホームページhttps://www.shogi.or.jp/event/2015/03/final2_1.html


身近な人工知能(AI)

文章を読む、会話する言語処理

物事をどんな順序で行えばよ

いかを決める行動計画

どれが良いかを決める判断

見る、聞く知覚

顔を認識するデジカメ

出典：Wikipedia

スマホで会話する仮想キャラクタ

出典：マイクロソフトhttp://rinna.jp/

部屋の隅々まで巡回する掃除ロボット

出典：Wikipedia

一人ひとりに商品をオススメするネット通販


「IoT」ってなんだろう？

すべてのモノがインターネットにつながる時代今は、パソコン、スマホ

これからは、ヒト、乗り物、家、店、工場、農場・・・

IoT：モノのインターネット(Internet of Things)

インターネットインターネット

モノがネットにつながると、すべてが測れる


人生を測る「ライフログ」

人の一生を記録するカラダの状態、コミュニケーション、行動

カラダの状態

出典：Sonota Wireless

心拍、体温、血圧

脳波出典：FairyShaman

コミュニケーション

SNS

対話映像・音声出典:ZDnet

行動

コーディネート

移動

出典：「suGATALOG」慶應義塾大学

出典：Apple

買い物


ライフログが測れると、新しいサービスが生まれる

商品オススメ出典：㈱松屋フーズ

健康管理出典：㈱コモリンク

スケジュール管理iPhoneアプリ


地域におけるAI・IoTの役割


AI・IoTが産業・社会を変える意味

自動化、最適化、ノウハウ再現で、産業・社会の姿が大きく変わる限界費用が極限まで下がり、生産性向上・低価格化に伴い、新たな需要が創出

最適化

自動化ノウハウ再現

AIIoT

ロボット

人の業務をAI・ロボットが一部or完全代替

（人のアシストも含む）

専門家の高度ノウハウをAI・ロボットで再現

需要予測し、無駄を省き、製品／サービス／人の

稼働率を最大化


【自動化の例】パン屋のAIレジ

トレイ上の複数のパンの値段・種類を、カメラで一括識別するPOSレジ「BakeryScan」兵庫県西脇市の社員20人のソフトハウスが開発

【技術的な課題】パンは種類が多く、見た目が似ている

同じパンでも一つずつ微妙に違う

新商品がひんぱんに登場

【AI的解決】パン独特の特徴量を見つけスコア化

初期学習も1種類5-6個、2分で完了

読み込ませるほど精度が向上

出典：BakeryScan HP http://bakeryscan.com

アルバイトでもも簡単にレジ打ち

お客様をレジで待たせない

パン識別POSレジ


【最適化の例】ホテルの客室単価の最適設定

競合の客室単価・在庫数をタイプ別に表示する競合分析客室単価を“勘”で決めており、高過ぎて空室が出たり、低過ぎて利益が減ったり

宿泊施設レビューを分析、施設の強み／弱みから改善点も提示

出典：メトロエンジンHP https://metroengines.jp

メトロエンジン

機会損失の削減、収益向上地域の競合ホテルの客室在庫・単価分析


【ノウハウ再現の例】キュウリ画像で自動仕分け

プロの農業ノウハウをAIで自動化画像認識を活用し、農家のプロの“目”を再現

選果、剪定、摘果、等の感覚的判断を深層学習で再現

出典：Googleブログ「キュウリ農家とディープラーニングをつなぐ TensorFlow」https://cloudplatform-jp.googleblog.com/2016/08/tensorflow_5.html

繁忙期の負荷軽減（アルバイトでも可）

後継者の育成（普通は年1回しか経験できない）

出典：キュウリ仕分け機（試作2号機）https://www.youtube.com/watch?v=Nho2yyCdb3A

キュウリの自動仕分け


地域IoT実装推進ロードマップ（総務省）

出典：総務省：「地域IoT実装推進ロードマップ」http://www.soumu.go.jp/main_content/000453148.pdf


地域におけるAI・IoT活用の有望分野


地域におけるIoT・AI活用の有望分野

2大目的は地域産業創出と生活基盤維持

①観光 ②農業・食品 ③アウトソーシング

④医療・介護 ⑤物流・交通 ⑥教育

地域の社会生活基盤のサービスレベル維持

新たな地域産業の創出で雇用つくり、生きがい作り

AI・IoT活用

自動化最適化ノウハウ

↓生産性向上

地域産業創出

生活基盤維持


①観光業の課題

訪日観光客の増加策が不十分

外国語対応の不足訪日客急増

満足度の高いアクティビティ不足

地域の魅力が伝わっていない魅力不足

仲介手数料値上げ・人手不足

旅館の廃業増加生産性の低さ


①観光×AI ⇒Travel Tech

魅力を伝えるSNS・旅行アプリ対応の自動化特にインバウンドでは、訪問地・アクティビティの選定は、SNS・旅行アプリに頼る

観光地の最新情報を自動収集して、AIで記事にして、アプリに提供するサービス

観光客のSNS投稿をサポートするサービス

強力なプロモーションによる来訪客増加、かつ自動化で効率化

観光案内するPepperが撮影した写真をSNSに投稿観光客がSNSに投稿した写真・コメントを集めまとめて表示

出典：PSソリューションズ「「Tourism ✕ Tech」地方創生プロジェクトを開始」https://www.pssol.co.jp/news/20170206/

自動化

香川県豊島

PSソリューションズ



アクティビティの需給マッチング歴史ガイドや陶芸体験など地域アクティビティは稼働率が課題

観光客の潜在ニーズと地域アクティビティをマッチング、稼働率を確保

採算ラインが下がり低価格化

多様なアクティビティが登場

雇用も創出

出典：世界遺産ガイド（福岡県宗像市）http://www.city.munakata.lg.jp/w010/030/020/040/0300/20150511132057.html

最適化

出典：陶芸体験（福井県若狭町）http://www.town.fukui-wakasa.lg.jp/town/category/page.asp?Page=1051



機械翻訳による多言語対応案内地図・解説・メニューなどを、

機械翻訳・クラウド翻訳で多言語で安価に用意

機械翻訳しやすい正確で平易な日本語を使用（リアルタイム翻訳アプリで確認）

音声通訳アプリに習熟して、多言語で応対できるようになる

訪日外国人へのサービス向上＆来訪増加

その他

出典：スマートメニューHP https://www.smart-menu.jp

多言語メニュー翻訳アプリ出典：https://twitter.com/rna/status/824205335388749824/photo/1

Googleリアルタイム翻訳

Google

スマートメニュー



宿泊施設のロボット導入バックヤードのロボット化（配送、清掃、補充）

顧客フロントのロボット化（受付、案内）

出典：Savioke HP http://www.savioke.com/

出典：へんなホテルHP http://www.h-n-h.jp/

自動化

出典：へんなホテルHP http://www.h-n-h.jp/ 出典：Infinium Robotics HP http://www.infiniumrobotics.com/

ルームサービス

芝刈りウエイター

ポーター

フロント

一人当たり生産性向上

従業員は、顧客との会話に集中

ロボット自体が新たな顧客体験

へんなホテル

へんなホテル

Savoike

へんなホテル

Infinium Robotics


②農業の課題

生産者の高齢化で担い手不足

労働負荷の大きさ農家の減少

小規模農家が大半

栽培ノウハウ習得の難しさ生産性の低さ


②農業×AI ⇒AgTech

精密農業天候・土壌データを分析、生産者に判断材料を提供

最小限の水・肥料・農薬で、高品質野菜を最大限収穫

最適化

栽培コストの削減（いずれシステムも低価格化）

新規就農者でも使いやすい（農業法人に向いている）

出典：ゼロアグリHP http://www.zero-agri.jp/about/

ゼロアグリ



スマート農機作業中に栽培情報を計測し、クラウド管理

収量・品質データ等からコスト改善

自動運転農機

耕運・田植・収穫を自動化

自動化

出典：Blue River Technology HP http://smartmachines.bluerivert.com/

生産性・品質向上で人員確保

・画像認識で生育不良・雑草を見分け、ピンポイントに除草剤・5000苗/分、精度6mmの高速・高精度

1日で16ヘクタール作業

正確にレタスの間引き・除草するトラクター「レタスボット」

自動運転「トラクタ」「田植機」「コンバイン」

ブルーリバーテクノロジー

出典：クボタHP https://www.kubota.co.jp/new/2017/17-06j.html

・GPSで高精度測位し、未耕運地を残さない・障害物検知で自動停止、安全性を確保・収穫満杯時に自動離脱⇒自動復帰

クボタ



病害虫画像診断＋ドローン葉や実の写真を画像解析して病気や害虫を特定

ドローンで撮影・解析、農薬ピンポイント噴霧、害虫駆除(殺虫器)

出典：オプティム「アグリドローン」https://www.optim.co.jp/it-industry/agriculture/case-study/tpa/

ノウハウ

コスト削減(人件費・肥料・農薬)高生産性＋安全性

農薬使用量削減

病害虫の画像診断

農薬ピンポイント噴霧

殺虫器でピンポイント害虫駆除

オプティム



作物生産予測衛星画像解析で収量予測(毎日)

先物取引、加工業者の農産物確保

市場予測で出荷コントロール

最適化

出典：デカルトラボHP http://www.descarteslabs.com/forecast.html

生産者の収益力向上

需要者の必要量確保

米国各郡の大豆収穫量予測デカルト・ラボ

出典：JAXA HP http://spaceinfo.jaxa.jp/ja/landsat.html

ランドサット


③アウトソーシングの課題

コールセンタやデータ入力など、低ス

キル作業が中心低い付加価値

労働集約型であり、低賃金生産性の低さ


③アウトソーシング×AI

チャットコールセンタの自動応答チャットボットにLINEで質問できる、難しい質問ならオペレータにつなぐ

自動化

○×市で子供が病気になったときに預けられる施設はどこ？

約55,4000件

うまく検索できない…（意図が伝わらない）

一つ一つのリンク先を見るのは大変だぁ

多数の候補を絞り込むには検索スキルが必要

子供が病気になった

何かお困りですか？

明日、会社あるのに

病児保育をお探し？

そうそう

お住まいはどちら？

世田谷区

○×市のホームページに「病児・病後児保育利用のご案内」があるよ。http://www.city.setagaya.lg.jp/kurashi/103/129/1807/494/d00005761.html

①意図を汲んでくれるし、②速いし、③助けてくれてありがとう！


③アウトソーシング×AI

AIが一人ずつロボットに置き換わるわけではない

業務単位に多人数を集約して、それをAIで置き換える

単一業務多人数なら、部署単位で大幅削減可（例：コールセンタ、データエントリ）

アウトソーシング先で大規模にAI化して大幅効率化バックオフィス（総務、人事、経理）

営業事務（受発注処理、在庫・物流管理、等）

一人ずつAIに置き換わる

業務集約

業務単位に集約しAIに置き換わる

アウトソーシングで大規模にAI化

アウトソーシング事業者


④医療・介護の課題

高齢化に伴い医療費が急増、将

来不足が明らか総費用増大

介護・看護は高ストレス・長時間

労働になりがち人手不足

基本1対1での対面業務で、労働

集約型であり、低賃金生産性の低さ


④医療・介護×AI ⇒HealthTech

予防医療検診データ・電子カルテ等から、発病や重症化を予測加えてウェアラブルで日常的モニタリング(活動量・脈拍・体温)⇒いずれは血圧・血糖値

パーソナライズされた健康改善プログラムを提供

自動化

出典：FiNCアプリ https://finc.com/service/app

健康寿命延伸による医療費全体の削減

対象疾病

医療機関 AIベンダ

取り組み

糖尿病国立病院機構長崎川棚医療センター

富士通糖尿病患者の病態・経過など類似する患者群を探し、重症化傾向を示し、治療決定方針を支援するシステムを開発(2016/7)

循環器系疾患

国立循環器病研究センター

日本IBM

電子カルテの症状記述から、脳卒中や心筋梗塞の発症リスクを予測する研究を開始(2017/4)

合併症スペインの病院 NTTデータ

入院患者の生体センサデータを常時分析して、2時間後に重症化しそうな患者を判別して警報(2017/1)

脳血管疾患

仙台白百合女子大学

NEC 2年分のレセプトや特定健康診査のデータから、脳血管疾患の発症・重症化リスクを予測する研究を開始(2017/3)

AI活用した重症化予測パーソナライズされた健康改善アプリ FiNC



AI病理診断 CT、MRI、X線、顕微鏡、内視鏡など画像病理診断特にがん(肺、皮膚など)で研究進む、他に脳動脈瘤や認知症も

何十万の論文から必要な情報をAIで抽出(Watsonが得意)

さまざまな検査結果から病気の兆候を早期にとらえる

ノウハウ

出典：東大病院統合CAD開発プラットフォームCIRCUS, http://www.ut-radiology.umin.jp/ical/CIRCUS/

診断見落としの削減

読影医・病理医不足のカバー早期発見による重症化防止

肺結節の自動検出結果東京病院放射線科



介護アシスト介護業務を直接アシストするロボット/AIは当面難しい

ケアプラン作成を支援／被介護者を見守る、など間接的なAI活用から

自動化

介護者の負担軽減良質な介護の提供

ノウハウ

出典：セントケア「平成28年度老人保健健康増進等事業】自立支援を促進するケアプラン策定における人工知能導入の可能性と課題に関する調査

http://v4.eir-parts.net/v4Contents/View.aspx?template=ir_material&sid=71259&code=2374

ケアプランの作成セントケア

要介護者の映像見守りアースアイズ

出典：アースアイズHP, http://earth-eyes.co.jp



認知症ケアメソッド「ユマニチュード」のAI分析有効性が高いケアメソッド(=技術)として注目、しかし現場は多様で技術習得が難しい

ユマニチュード事例をAIで映像分析し、認知症の人とケア従事者の関係をモデル化

最終的には、ユマニチュードの学習支援にAI活用

ノウハウ

介護スキルの効率的な習得

有効な介護メソッドの普及加速

あ

介護実習振り返り支援システム

出典：竹林洋一：「認知症の人のケア高度化に向けたマルチモーダル感情行動コーパスの構築」, 科研費報告書https://kaken.nii.ac.jp/ja/file/KAKENHI-PROJECT-25280038/25280038seika.pdf


④物流・交通の課題

公共交通の赤字で、高齢者の移

動手段が乏しい交通弱者

1回の輸送に対し、人件費と輸送

機材の費用が高い生産性の低さ


⑤物流・交通×AI ⇒LogiTech

オンデマンドバスなど交通のAI最適化買い物代行サービス等の集荷・配送をバスや介護送迎車に混載し、物流のAI最適化

さらに、通勤マイカーに同乗・配送するUBER的な個人交通・物流最適マッチングサービス

最適化

運用コスト削減による住民の利便性維持

運転手不足の解消＋新たな交通・物流ビジネス創出

未来シェア

公共インフラを活用した新サービス

出典：未来シェア, http://www.miraishare.co.jp/company/


⑤物流・交通×AI ⇒LogiTech(?)

完全自動運転の本格化は2030年以降当分来ないが、来たときのインパクトは巨大

最適化された物流・交通を無人化して、限界費用が大幅減

自動化

出典：経済産業省「新産業構造ビジョン」, http://www.meti.go.jp/committee/sankoushin/shin_sangyoukouzou/pdf/008_05_01.pdf

移動サービスのロードマップ経済産業省産業構造審議会


⑥教育の課題

知識習得型から問題解決型へ

大学入試は思考力重視に知識偏重

都会に集中する進学塾高額な受講料教育格差

マス教育を脱しようにも、個別指導

は高コスト生産性の低さ


⑥教育×AI ⇒EdTech

アダプティブ・ラーニング（個別教育）まずは学習支援サービスで、各生徒の理解状況を教師を確認、個別指導が可能に

さらにAIが理解状況を認識、受講者にフィットした問題や講義を提示

ノウハウ

自分では気づきにくい弱点も発見

どこでも能動的学習が効率的にできる

あ

アダプティブラーニング

出典：Z会「TOEIC®テストAdaptive」, http://www.zkai.co.jp/ca/toeic/toeic_adaptie.html

Z会

教師不足への対応、教師のレベルアップ


⑥教育×AI ⇒EdTech

記述問題の自動採点大学入学希望者学力評価テスト(2020年～)でAI採点の導入検討

米国では、すでに各種の記述テストに自動採点が使われている

例）国際英語力試験(TOEFL iBT)の小論文・スピーキングの採点

例）米国小中学校の英作文の自動採点・・・改善点を確認しながら学習できる

自動化

記述問題の採点負荷軽減

思考力重視の教育改革に対応英作文の自動採点

出典：WriteToLearn HP, http://www.writetolearn.net/

WriteToLearn

同じ解答をグループ化して採点効率化gradescope

出典：Gradescope HP, https://gradescope.com/


AI・IoT活用のポイント


地域のAI活用、大事なこと

AI専門家ではない人が「あれできないか？」「これできそう」と事例を積み上げることが大事

AI活用に安価に試せるツールが増えてきた画像認識、機械翻訳、はクラウドで無料枠あり継続しても安い

センサも安くなり、ロボットも手頃な製品が登場、AIと組合せると価値が出る

AI作らずとも、安価なAI活用サービスを武器にする例）客室単価設定、メニュー翻訳、病害虫画像診断、

地元のソフトハウスに期待したい AI活用のコストと技術的ハードルは急激に低下

AIを学ぶ意欲とAI活用機会さえあれば、事例はどんどん増える


AI万能説の誤解リアルな課題を解決するには、、

ゴールが設定できないので、何も始まらない本能的な欲が無い

解くべき課題を定式化できず、やっぱり始まらない問題が定義できない

ヒラメキが無いので、新たな方法は発見できない

簡単に解ける課題を簡単に解けない／例外に弱い常識が無い

創造性が無い

人を巻き込み・動かせないので、課題が解決しない共感が無い

目的設定1

問題設定2

解決方法検討3

実際の課題解決の行動4

AIと人との競争ではない！

AIを武器にする人 ⇔ AIに使われる人の格差が広がるのが問題


まとめ

AI・IoTなど新技術は将来の雇用者不足を緩和するもの。特に、地方では生産年齢人口の減少が深刻。AI・IoTで生産性向上が必要。

AI・IoTの役割は、自動化、最適化、ノウハウ再現の３つ。

2大目的と有望分野は

地域産業創出：①観光、②農業、③アウトソーシング

生活基盤維持：④医療・介護、⑤物流・交通、⑥教育

AI専門家ではない人が「あれできないか？」「これできそう」と事例を積み上げることが大事。

AIと人との競争ではない！AIを武器する人 ⇔ AIに使われる人、の格差拡大が問題


本資料は、みなさまのご参考となるよう、株式会社三菱総合研究所が独自に作成したものです。本資料は、各種ニュース記事やプレスリリース、インターネットホームページ等の情報に基づいて作成しておりますが、別途の検証を経ずそのまま使用しています。その正確性および完全性、妥当性、公正性について、当社は何ら責任を負うものではなく、また何らの保証もするものではありません。また、本資料のいかなる部分も一切の権利は、株式会社三菱総合研究所に属しており、全体的か部分的かにかかわらず、電子的または機械的か問わず、いかなる目的であれ、無断で使用、複製または送信などを行わないようにお願いいたします。

地域にける AI IoT活用の可能性 -...

Documents

Transcript of 地域にける AI IoT活用の可能性 -...