人力と机械の协调システムつくり
?Download as PPTX, PDF?
0 likes?417 views
厂补苍蝉补苍の名刺入力は人力と机械によって行われる。どのようにそのプロセスを构筑してきたかの解説。
人力と机械の协调システムつくり
- 2. 厂补苍蝉补苍株式会社
- 6. 個人向け名刺アプリ 名 刺 で つ な が る 、 ビ ジ ネ ス の た め の S N S
- 11. R&Dの仕事 (Automation) 名刺取り込み 背景分離 画像補正 1 項目分割 2 セキュリティー項目細分割、項目入力 3 チェック＆補正 5 マージ 4 セキュアな環境を構築
- 14. 京都のサテライトオフィス
- 15. オフィス(2014/10 ~ 2018/10) - Mesh KYOTO - シェアオフィス - 常勤1~2人 - 一応、京都ラボ
- 17. シェアオフィス - ノートPCを持ち込めばもう仕事ができる - ネット回線、電話、机、椅子、棚 - キッチン、予約制会議室、コピー機、その他 - 専門外の広い人脈ができる
- 18. オフィス(2018/10~) - Sansan Innovation Lab - 京都の古民家を改装
- 20. Sansan Innovation Lab 活用例 - Sansanの機械学習系エンジニアの開発拠点 - 合宿、セミナー、社外勉強会などにも利用 - 関西エンジニアの活動 拠点としても機能させたい
- 21. 自己绍介
- 22. - DSOC R&D Automationチーム所属 - 機械学習?画像処理エンジニア - 2014年から現職 小林幸司
- 23. 京都
- 24. なぜ京都か - なぜ私は京都か - 特に京都にこだわってない > 住めば都派 - 妻の実家が近いという一点のみ - なぜSansanに京都ラボが - 関西で転職先探し - Sansanはマッチ度が非常に高い - 「じゃあ京都に拠点創るか」
- 25. リモートで働く - Sansanの開発拠点 - 京都、大阪、徳島、新潟、北海道 - DSCO R&D はメンバー5人が地方 - リモート勤務による直接的な生産性向上はほぼない - 私生活の充実や通勤による疲弊の軽減など、間接的な影響はある - 地方の優秀な人材獲得のメリットは大きい - 個人的には必要最低限の会議にしか呼ばれないのが最大のメリット - 生産性をどう落とさない姿勢と工夫が必要
- 26. リモートで働くコツ - ツール(主にクラウド)に頼る - ビデオ会議 - チャット - ソースコード管理、タスク管理 - 出勤簿 - などなど - 良さそうなツールがでたらとりあえず試す - ダメならとっとと元に戻す - その他いろいろ試す - ダメならとっとと元に戻す
- 27. 入力システムについて
- 29. 入力システムコンセプト GEES ? より世界中のリソースを利用できるように ? 日本語以外は地産地消で処理できるようにGlobal ?繁忙/閑散期を柔軟に吸収できる伸縮自在な 体制が組めるようにElastic ? より効果的な方法で役割配置ができるよう にEfficiency ? よりスケーリングできるようにScalable
- 31. マイクロタスク化とマルチソーシング マルチソーシング ? センターオペレータ ? 在宅オペレータ ? 海外オペレータ ? クラウドソーシング マイクロタスク ? 誰でも ? 何時でも ? どこでも ? 隙間時間で ? 事前準備不要
- 32. 人から机械
- 33. - 2007~2013年 100%人力システム - 高クオリティ > 人の精度 > OCRの精度 > ここがSansanの優位性 - 高コスト - 低速度 - 指数関数的に増える名刺流入量にどう立ち向かうか 人力OCR(2007~)
- 34. - 自動ピース切り出し - 自動名刺矩形切り出し - 名刺ホワイトニング - 自動選択 - 自動入力 - 入力ミスチェックエンジン - 言語判定 - 回転判定 自動化エンジン開発の履歴(2013~) - スマホ組み込み名刺切り出し - 即時納品OCR - 顔検出 - 自動手書き検出 - etc. 多種多様なリリースの連続。。。 どうやってこなせてきたのか
- 35. マイクロタスクと自動化 - すべてを一度に自動化するのは難しい - リリースまでの開発工数が読めない - 開発の結果使える精度になるのか不安 - 機械はあまり複雑なことはできない - AI ≠ 人工知能 マイクロタスク化は機械にも優しかった！
- 36. - できるところから自動化していけばよい - 難しいものは人に回せばよい > 手書き文字認識、変型名刺検出など - できる範囲で自動化していけばよい - あるタスクの自動化を行いたい > 1stリリースは自動化率5%とかでよい > 逐次改善、即座にリリース、次の日にはKPIに現れる - 24時間?365日動くシステムは、一度に大きな成果を出す必要はない 自動化の道筋
- 37. マイクロタスク化の恩恵例 名刺四点抽出 2007 2014 2018 他モジュールを気にせず自動化?精度向上に注力していける 2019? 注)画像の名刺はダミー名刺です
- 40. 人と机械
- 41. - Sansanならではの開発 →人と机械の協調システム - 多様な人 > 言語、環境、能力、など - 多彩な技術 > 機械学習、画像処理、自然言語処理 - これらをどう組み合わせて最適解を導き出すがAutomationチームのテーマ 人と机械
- 42. - 基本的な比較項目 - 精度 - コスト - 速度 - スケーリング - セキュリティ - 組み合わせの典型モデルが次項 人か機械か、または両方か
- 44. - 機械ができなかったものを人が行う - 目的：精度、速度、コストの最適化 - ex.文字列入力?選択 人と机械 パターン１ OK NG
- 45. - 機械が作業者を選ぶ - 目的：人の配置の最適化(言語、セキュリテイ、コストなど) - ex.言語判定 人と机械 パターン2 日本語名刺or日本語項目 英語語名刺or英数項目
- 46. 例 言語判定 名刺画像から言語を判定 ○４言語（日英中韓）に対応 ○データ化フローの効率化 ○オペレータへの振り分けの自動化 ○精度 98 % 参考資料:”Deep Residual Learning for Image Recognition” Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun https://arxiv.org/abs/1512.03385 言語判定モデル 日本語名刺 英語名刺 中国語名刺 その他言語 韓国語名刺 名 刺
- 47. - 機械しか使わない - 目的：セキュリティの確保、速度 - ex.ピース切り出し、ホワイトニング 人と机械 パターン3
- 49. - 人しか使わない - 目的：人しかできない、まだ自動化に動いていない - ex.入力に失敗した名刺の入力、カメラのシャッターを切る 人と机械 パターン4
- 50. これから
- 51. - 「人の精度 >> 機械の精度」から「機械の精度 > 人の精度」時代 - 2013年~2019年について > 既存自動化APIのリプレイス - 新規自社開発OCRの投入 - 人にはできない課題解決 > デバイス上での画像処理?画像認識 これから
- 52. - 「もし機械が100%認識できるようになったら、何をしますか？」 - 100%じゃなくてもやりはじめています - データ活用 > 一枚の名刺からは見えてこない価値の掘り起こし > リコメンド、名刺以外の情報との紐づけ - 人と人、人と会社、会社と会社のつながり解析 これから
- 53. - 京都で横のつながりを作っていきたい - 人から机械 - マイクロタスク化 - 継続的な改善 - 人と机械 - 精度?速度などの最適化問題 - これから - データ入力だけじゃない世界へ まとめ