狠狠撸

パーソナル人工知能 SENSY と機械学習技術

カラフル?ボード株式会社
2017. 07.29
パーソナル人工知能 SENSYと機械学習技術

? Copyright COLORFUL BOARD 20171
自己紹介
? 氏名：岡本卓
? 所属：千葉大学大学院工学研究院電気電子工学コース准教授
カラフル?ボード株式会社人工知能技術アドバイザー
? 2017年10月から
カラフル?ボード株式会社 CRO（Chief Research Officer）兼
SENSY 人工知能研究所代表
としてJoin予定。
? 専門：システム工学，最適化理論，ソフトコンピューティング，計算知能，複雑系

AIとCI
（今の）人工知能（Artificial Intelligence: AI）
計算知能（Computational Intelligence: CI）
? （強い）人工知能
? 数理論理学に基づいて人間と同じ「知性」をアルゴリズムによって構築しよう
とするアプローチ
? 計算知能
? 機械学習や最適化技術を用いて，
人間が行うような情報処理をコンピュータの（大規模な）計算によって
代替させるアプローチ
? データや問題設定は人間が（結構噛み砕いて）与える
? 人間が行う情報処理を「学習」する
? 最適な解を計算によって見つけ出す

「感性」を学習するパーソナル人工知能：SENSY
SENSYは、ユーザーの自由な時間を生み出すために、「2人目の自分」として24時間働い
てくれる自分の分身のような人工知能ロボットである。
感性を覚えさせる
コンテンツを届ける
感性
パーソナル人工知能ユーザー
私の好きな
ファッション私の好きな
デザート
仕事中に聞く
ミュージック夏休みに行きたい
観光地
生活データ

クラウド上にパーソナル人工知能のプラットフォームを構築
Fashion
Cosmetics
Gourmet
Movie
HairHealthcare
Travel
Book
App
Advertisement
News
Music

あらゆるビジネスの変革も通じて、ライフスタイルを変えていく
SENSYはコンシューマー向けにサービス開発するのみならず、あらゆるビジネスパート
ナーの変革も通じて人のライフスタイルを変えていく。
ビジネスコンシューマー
サービス提供
サービス提供パートナリング

既に9つのプロダクトをリリース、さらに3つを開発中
ビジネス向け、コンシューマー向けを含めて、既に8つのプロダクトをリリース、さらに
3つを開発しており、今後も企画開発を加速していく。
ビジネスコンシューマー
R&D MD Marketing Sales CS
SENSY BOT
SENSY CLOSET
SENSY (Fashion)
SENSY Sommelier
SENSY CLOSET
@shop
SENSY Sommelier
@shop
SENSY POS
SENSY BOT
for Biz
SENSY
Chat-Desk
SENSY Marketing
Brain
SENSY MDSENSY COOK
Life
DevelopingReleased Planning
その他企画中の案件多数

SENSYで使われているCI技術
? Neural Networks
? Convolutional Neural Networks (CNN) / Auto-encoder
— 特徴量抽出器（Encoder）としての利用がメイン
? Multi-Layered Perceptron (MLP) / Radial Basis Function Networks (RBFN)
— メインの予測器，識別器
— Marketing Brain, CLOSET, Sommelierなど
? Recurrent Neural Networks (LSTM, GRU)
— 時系列データの予測（需要予測，言語処理）
— MD, BOTなど
? （他の）機械学習技術
? クラスタリング法（k-means, Neural Gas）
— ユーザセグメンテーション，代表色抽出など
? 決定木型アンサンブル学習器（Random Forest, Gradient Boosting Decision Tree）
— 規模が大きくない学習，需要予測など
? 最適化?進化計算
? 予測器の出力を最適化?制約を満たす組み合わせを探索
— CLOSETなど

SENSY CLOSET（β版）

SENSY CLOSET店頭アプリ：導入事例

SENSY CLOSET @shop：導入事例

SENSY CLOSETサービス全体概要
SENSY CLOSET＠STORE（店頭）
? スタッフがお客様のアイテムや店舗別の在庫を把
握しながら、アイテムやコーディネートをお薦め
? アイテム?作成したコーディネートお気に入り登
録が可能
SENSY CLOSET
（ユーザーアプリ）
? ユーザーが自分のクローゼットのア
イテムや日々のコーディネートを登
録?管理
? 店舗?ECで作成したコーディネート
をアプリに保存
My Closet呼び出し
購買アイテム?お気
に入りコーデ保存
SENSY CLOSET＠shop（EC）
? ECでユーザーが自分のアイテムを呼び出してECア
イテムとコーディネート
? アイテム?コーディネート
をお気に入り登録
My Closet呼び出し
購買アイテム?お気
に入りコーデ保存
アイテムを
My Closetに
登録
SENSY CLOSETサービスは、ユーザーアプリ?店頭アプリ（タブレット端末）?オンライ
ンショップ（EC）の３つが連動して、店舗アイテム?ユーザーのクローゼットが連動した
コーディネート?お薦めを提供できるプラットフォームです。

あるECサイト導入事例ではコーディネート提案の導入により、コンバージョンレートが
39%、購入単価が36％向上し、結果ユーザー訪問当りのマネタイズ価値は90%向上した。
コンバージョンレート購入単価セッション当り期待売上
39%up 36%up 90%up
SENSY CLOSET @shop：実績

コーディネート自動生成エンジン (1)
? アイテムごとに特徴量を算出
? コーディネートカテゴリ (トップス, ボトムス, 靴など)
? F値 (Formalness) (スーツ：10, ポロシャツ：6，スウェット：1)
? A値 (Assertiveness) (自己主張の激しいアイテムは1)
? W 値 (Color Weight) (明るい：0，暗い：1)
? 色比率 (暖色，寒色，無彩色，中性色)
? 季節タグ (夏物，冬物)
カテゴリ：トップス
F値：6
A値：1
W 値：1
色比率：0.4, 0.05, 0.5, 0.05

? アイテムごとに特徴量を算出
? コーディネートカテゴリ (トップス, ボトムス, 靴など)
? F値 (Formalness) (スーツ：10, ポロシャツ：6，スウェット：1)
? A値 (Assertiveness) (自己主張の激しいアイテムは1)
? W 値 (Color Weight) (明るい：0，暗い：1)
? 色比率 (暖色，寒色，無彩色，中性色)
? 季節タグ (夏物，冬物)
カテゴリ：トップス
F値：6
A値：1
W 値：1
色比率：0.4, 0.05, 0.5, 0.05

? コーディネート算定問題
minimize? F値平均値 F値目標値
subject to? にユーザの指定したアイテムが含まれる
? max
∈
min
∈
?
∈
?上半身W 平均値下半身W 平均値
? に夏物と冬物が同時に含まれない
? がコーディネート配色制約を違反しない
? がコーディネートが成立する組み合わせである
? ：番目のカテゴリに割り当てられたアイテム（0は割当なし）
e.g. ：ハットのアイテム，：トップスのアイテム，…
? ：アイテムが割当られた（0でない）カテゴリ番号集合
? 組合せ最適化問題 → 遺伝的アルゴリズムを用いてコーディネートを探索

? コーディネートスコア学習器
CNNbasedencoder
アイテム画像
※ コーデが成立するように
選択
RBFN
ア
イ
テ
ム
特
徴
量
［コーデスコア］
［画像］
Encoder
（Conv. layers,
Pooling layers）
［アイテム
カテゴリ］
Affine
Sigmoid
Affine
Softmax
MLP
(Fully connected)
スタイリスト / ユーザの
スコアリング結果を学習

? コーディネート探索問題
maximize?コーディネートスコア
subject to? にユーザの指定したアイテムが含まれる
? がコーディネートが成立する組み合わせである
? ：コーディネートを表現するアイテムIDベクトル
— アイテムID → アイテム画像 → 学習器に入力
? 組合せ最適化問題
? 遺伝的アルゴリズムを用いてコーディネートを探索

人工知能がセンスを学習するアプリ

狠狠撸

パーソナル人工知能 SENSY と機械学習技術

Recommended

More Related Content

Similar to パーソナル人工知能 SENSY と機械学習技術 (14)

パーソナル人工知能 SENSY と機械学習技術