最近の机械学习テクノロジーとビジネスの応用先 自然言语処理を中心に
- 6. <Watsonの中身> (予想) 得意：関連付け?分類 http://blog.fashionsealhealthcare.com/sites/ default/files/styles/blog_image_display/publi c/field/image/blogs/ibm_watson.png? itok=KfjKZapuより引用 主に予め記述した知識に従って 原因?結論などを予測 基礎技術：推論エンジン “Mike ate bread.” (Person) (eat) (food) (Person) (be) (hungry) 一般化 推論 パンを食べた原因は 「空腹であった」と推論 David Ferrucci???開発主要エンジニアが推論の専門家 “1994 with a Ph.D. degree in computer science specializing in knowledge representation and reasoning”(wikipediaより)
- 7. “text understanding from scratch” Xiang Zhang et al. 2015 得意：関連付け?分類 「Amazonレビュー分析」 例：カメラのレビュー “すごい画質が綺麗でした。 ???性能も良いと思います。” 機械学習 肯定的か？ 否定的か？ 判定 ９４％の精度で肯定?否定を判定可能 （skip-thought vector?paragraph vectorなど多数関連技術あり）
- 8. (http://commonsensereasoning.org/winograd.htmlより引用) 不得意：文章の意味を想像 The trophy would not fit in the brown suitcase because it was too big 文章の意味を想像することが正しい回答に必要 問題：“it”は何を指すでしょうか？ 上記のような問題を集めたコンテスト <Winograd Schema Challenge 2016> 最優秀チームのスコア ＝ ５８％ (http://www.cs.nyu.edu/faculty/davise/papers/WinogradSchemas/WS.html) 「trophyが大きすぎてsuitcaseに入らない」という
- 9. (http://commonsensereasoning.org/winograd.htmlより引用) 不得意：文章の意味を想像 The trophy would not fit in the brown suitcase because it was too big 解決案：推論エンジンにヒント？ fitにはsizeがenoughである必要という知識を利用 size (attribute-of) suitcase size → enough → can fit → not enough → can not fit 知識を全部記述したシステムを作るべきか？ →網羅は困難だし、効率も悪い →知識をどう扱うかは大きな問題
- 14. ビジネスの応用先 弁護士???法律調査 Ross Intelligence社 税理士???自動仕分けによる会計 freee社 士業全般のサポート?自動化 IBM Watsonをベースとして 破産法関連の質問に回答できるシステム 他、弁理士でも中小企業診断士でも 文章を扱う専門家なら少なくともサポートはできそう 参考：“エストニアの電子政府実現で税理士や会計士の職は消滅した” http://www.excite.co.jp/News/economy_g/20160823/Postseven_440295.html
- 18. ドローン 機械学習? ＜応用例＞ CEO Bob Young (元red hat CEO) “ドローンを売ることではなく データのプラットフォームで収益化” 農業???収穫予測、肥料、水やりなど最適化 エネルギー???石油パイプライン保守 鉱物発掘調査など Precision Hawk ＜戦略＞ →分析技術など含むソフトで価値を出す
- 19. ドローン 機械学習? ＜技術＞（予想） ヒートマップ???教師データさえあれば ディープラーニングなどで作成可能 （例）乾いている、枯れている度合 Precision Hawk 自律飛行 ???強化学習 or ルールベース 参考：機械学習でドローンを自律飛行させようという研究も行われている “Associative-memory-recall-based control system for learning hovering manoeuvres” Huang Pei-Hua et al. 2015 →個人的な所感では、 強化学習させると 行動決定の根拠がわからないため ルールを決めたプログラミングの方が実用的
- 20. ドローン 機械学習? Precision Hawk →日本でローカライズすれば事業として成立？ ＜これからできるビジネス＞ 農業：コメなど作物を特化、台風の予測など 日本特有のデータを収集 エアロリンク???ソニーとZMPの合弁会社もある →安全な自律飛行の実現 機械学習による詳細な状況判断の実現 データ分析による飛行マップの作成