[第17回]IoT技術セミナー『音声/画像認識の開発ノウハウから学ぶ プロジェクト失敗/遅滞の回避策』講演概要

【第1講演】

NTTドコモが描く
AIエージェントを活用した対話型インターフェースの未来

秋永 和計 氏
株式会社NTTドコモ
イノベーション統括部 クラウドソリューション担当課長
秋永 和計

<講演内容>
 NTTドコモが発表した「AIエージェント」は、AIを活用した対話型サービスの次のステージを目指し、様々な対話サービスを提供できる基盤となるものをめざしています。AIエージェントはドコモのサービスだけに適用しようとするものではなく、様々な企業のサービスにおいて、様々なデバイスを使用して対話型AIサービスとして実装可能になります。本講演では、あらゆる物との対話という新しいUI/UXが描く新しい世界についてご紹介いたします。

<講師略歴>
NTTドコモの研究所・開発部に入社以来所属し、US勤務を経て、現在はR&D組織のイノベーションを推進する組織に所属。ビッグデータ分析システムの立ち上げやパブリッククラウドを用いたセキュアな商用サービスの実現などを手がけ、現在は自然言語処理技術の応用であるAIエージェント基盤のオープン化に関する業務を中心に行う。

【第2講演】

AIエージェントから考える対話型インターフェース設計と開発

山崎 光司 氏
株式会社NTTドコモ
イノベーション統括部 クラウドソリューション担当
山崎 光司

<講演内容>
 ドコモでは音声対話サービスのAIエージェントや、チャットボットを提供するRepl-AIなど、様々な自然対話サービスを提供しています。本講演では、ドコモが提供するこれらのツールを利用した対話型インターフェースの開発方法や、IoTシステムとの連携方法について解説しながら、これからの対話型サービスを作る上でのポイントを具体的に解説していきます。

<講師略歴>
スタートアップでのwebアプリケーション開発を経て2014年にNTTドコモに入社。以来、一貫して新規事業におけるサービス開発に従事。チャットボットサービスのRepl-AIやAIエージェントにおける設計ツールなど、ドコモの対話システムのUX設計・開発を主導している。

戻る

<休憩 15分>

【第3講演】

企画から運用まで、AIシステム開発の実際と注意点

小林 大悟 氏
新日鉄住金ソリューションズ
イノベーティブアプリケーション研究部 統括研究員
小林 大悟

<講演内容>
 近年、人工知能はIoTにおいても非常に大きな注目を集めています。うまく活用すれば莫大な効果を上げることが期待できることから、経営層も躍起になって導入を模索しています。しかし現実には、大手ベンダーによる事例が盛んに報道される一方で、その開発プロセスに関する詳しい情報は未だに限られています。AIそのものについての技術情報や適用検証の結果は盛んに取り上げられるものの、運用に至るまでの過程や開発ノウハウが詳細に語られる機会はほとんどありません。
 そこで本講演では、これからAIシステムの導入プロジェクトを推進する立場にある方々を対象に、AIを核としたシステム開発において注意すべき点を明らかにしていきたいと思います。AIを活用した画像認識システムの企画から運用までを手掛けてきた経験に基づき、各フェーズで特に重要になってくる点をピックアップして解説していきます。

  • AIシステムの全体像
  • AIを活用するために必要な4つのポイント
    −コストメリット
    −入力完全性
    −データ収集容易性
    −目標正解率
  • AIシステム開発の注意点
  • 従来のITシステム運用との違い
  • さらなる取り組み発展に向けて

<講師略歴>
2002年 新日鉄住金ソリューションズ入社。エンタープレイズシステムのアーキテクトとして多数の大規模システムの開発を手掛けた。
2013年、2014年 NS Solutions USAにてシリコンバレーにて新技術のリサーチャーとして機械学習を中心に調査・研究開発を実施。
2014年10月より現職にてDeep Learningの研究開発を統括。

【第4講演】

ディープラーニングを支える学習工程の勘所と履歴の管理

老木 智章 氏
新日鉄住金ソリューションズ
イノベーティブアプリケーション研究部 研究員
老木 智章

<講演内容>
 第3次AIブームにおいて、ディープラーニングは中心的な存在となっています。人間を超えるほどの画像認識精度、囲碁で注目された強化学習、翻訳システムの著しい発展など、ディープラーニングを活用することで大きな成果が挙げられています。
 そのディープラーニングの能力が、大量のデータを使った学習工程(トレーニング)によって支えられていることは周知のとおりです。であるにも関わらず、トレーニングに関する情報はまだまだ不足しており、それがAIシステム開発のボトルネックにもなっています。
 そこで本講演では、ディープラーニングによる画像認識をテーマに、学習に用いるデータの種別や作成方法について解説するとともに、学習に要するデータの総数を抑える先端的な手法も紹介していきます。また、弊社で取り組んでいる製造業向けの画像認識システムを例にとり、実務で発生する学習データの収集・管理プロセスの課題に踏み込み、現実的な対策を提案していきたいと思います。

  • ディープラーニングに用いるデータとは?
  • 学習データが与える認識性能へのインパクト
  • 学習データの数を抑えるには
  • 製造業での画像認識向け学習データの収集
  • 学習データとトレーニング履歴の管理

<講師略歴>
2013年 新日鉄住金ソリューションズ入社。
2014年よりDeep Learningを用いた画像認識の研究開発に従事。

戻る

<16:35~17:00 個別質疑・名刺交換>

お申込みはこちらから