機械学習 / ML（用語） | SEO-LPO.net

機械学習のモデルデータ精製サービスAquariumがシードで2.8億円調達

Aquariumは、Cruiseの元社員2人が、機械学習のモデルデータをもっと容易に精製し、モデルをより速くプロダクションに持ち込みたい、と願って創業した。同社は米国時間2月24日、SequoiaがリードしY Combinatorと多くのエンジェル投資家が参加したシードラウンドで260万ドル（約2億8000万円）を調達したことを発表した。エンジェルの中には、Cruiseの共同創業者であるKyle Vogt（カイル・フォークト）氏とDan Kan（ダン・カン）氏がいる。

2人の創業者であるCEOのPeter Gao（ピーター・ガオ）氏とエンジニアリングのトップQuinn Johnson（クイン・ジョンソン）氏はCruise在籍時に、モデルのデータの弱い部分を見つけることが、プロダクション化を妨げる問題であることが多いと感じた。Aquariumはその問題を解決しようとする。

「Aquariumは機械学習のデータ管理システムであり、その訓練のベースとなるデータを改良してモデルの性能を上げます。モデルがプロダクションで使えるようにするためには、通常はそれが最も重要な部分です」とガオ氏は語る。

彼によると、現在はさまざまな業界で大量のさまざまなモデルが作られているが、データセットを段階的に改良して継続的に良質なデータを見つけることが難しいため、多くのチームが行き詰まっている。そこでAquariumの創業者たちは、データの精錬という問題にフォーカスしようと決めた。

ガオ氏は次のように説明する。「わかってきたのは、モデルの改良の多くと、それをプロダクションに持ち込むための仕事の多くが、意思決定に関わっていることです。どこで何を集めるのか。ラベルをつけるためには何が必要か。モデルの再訓練や、エラーを見つけるための分析、そして段階的な改良の反復のために必要なものは何か。これらの問題にはすべて、決定が関わってきます」。

その目的は、人間よりも優秀なモデルをプロダクションに投入することだ。顧客のSterblueが、その良い例だった。同社は風力タービンを検査するドローンサービスを提供している。同社の顧客は人力でタービンを検査し、損傷を見つけている。しかしドローンが撮影したデータの集まりがあれば、機械学習のモデルを訓練して問題を見つけられるだろう。同社はAquariumを利用してモデルを精製し、精度を13％上げた。費用は人力検査の半分になったとガオ氏はいう。

Aquariumのチーム（画像クレジット：Aquarium）

Aquariumは現在、創業者を含めて社員は7名、内3名が女性だ。ガオ氏によると、ダイバーシティは最初の構想時にすでに存在した。彼は、機械学習のモデルの作成には偏りがつきものであることをよく知っている。だから、このようなツール作成ワークには、多様性に富んだチームを作ることが偏りを減らす方法の1つだ。

同社は2020年2月にローンチし、Y Combinatorの2020夏季に参加した。2020年はプロダクトの磨き上げに終始し、最近やっとベータを脱して一般公開にこぎつけた。

カテゴリー：人工知能・AI

タグ：Aquarium、機械学習、資金調達

画像クレジット：AerialPerspective Images/Getty Images

［原文へ］

（文：Ron Miller、翻訳：Hiroshi Iwatani）

BuzzFeedがバレンタインデーに合わせてAI利用「理想の恋人診断」を公開

大手オンラインメディアのBuzzFeedは「診断・クイズ」にバレンタインデーに合わせた新しい機能を追加した。プロダクト担当バイスプレジデントのChris Johanesen（クリス・ヨハネセン）氏は「2021年に予定しているちょっと目立つ企画」の第1弾になることを期待していると語った。

この企画は「AIテクノロジーを使用して完璧な恋人のタイプを発見する」ことを約束する。ヨハネセン氏は「やむを得ない状況を受け入れて（現在のパンデミック）オンラインデートのおかしな世界を楽しもうという機能です」と述べた。

この機能を利用するには、簡単な質問に答えるだけでよい。一連の選択肢からこれだと思うものを選んでいくと「理想的な恋愛パートナーに何を求めているか」あるいは「自分がどんなタイプのパートナーであるか」がわかる。

質問自体は、BuzzFeedや他のサイトでこの種の診断を試したことがある人なら見慣れたものだ。しかしBuzzFeedの診断はひと味違う。ヨハネセン氏は「他のオンラインクイズでは、あらかじめ設定された1ダースからせいぜい20とおりほどの結果しか得られません」と指摘する。しかしBuzzFeedのクイズでは「何十回試しても決して同じ結果にはならない」という。

ヨハネセン氏によれば、開発チームはStyleGAN（敵対的生成ネットワーク）テクノロジーを使って大量の選択肢画像を生成したという。最後の結果はクイズから得られた性格、趣味に引用や「怪しげな要素」をアルゴリズムで組み合わせたものを人間のスタッフが編集して解説文として提供する。ヨハネセン氏はこういう。

途方もなく不条理な結果が出ることがあります（自分でデモを試してみたところ、「かさぶたのコレクションを披露する」のが趣味の女性を恋人に割り当てられました）。しかし多くの場合、我々は笑って受け入れると思います。しかし結果が完全にランダムでは意味がありませんので、ユーザーの入力から得られた傾向に多少は一致させる必要があります。ただし初期のバージョンはリアルすぎて、逆にあまりおもしろくありませんでした。

将来のビジョンについてヨハンネン氏は「もっと自動生成可能」なクイズや診断を作りたいと述べた。つまりスタッフがコンセプトを考え出すだけでよく、選択肢をいちいち作成する必要がないような仕組みだ。しかし、それが可能になっても最後には人手による相当量の編集作業が必要だろう。同氏はこの点を変えるつもりはないとしてこう説明した。

機械学習によるクイズの作成は間違いなく可能ですが、それではあまりおもしろいものにはならないでしょう。我々は人間ができないことを機械にやらせ、機械ができないことを人間がやるというアプローチを続けていきます。

BuzzFeedではクイズパーティーやクイズストリークなどの診断・クイズ形式を利用した楽しい仕組みをさらに見つけるために各種のテスト行っているという。

カテゴリー：ネットサービス

タグ：BuzzFeed、機械学習

画像クレジット：BuzzFeed

［原文へ］

（文：Anthony Ha、翻訳：滑川海彦@Facebook）

免疫療法の改善からの新療法開拓のためバイオテックImmunaiが63億円を調達

創設からわずか3年で、バイオテックスタートアップImmunai（イミュナイ）はシリーズA投資6000万ドル（約63億円）を調達し、合計調達額は8000万ドル（約84億円）を超えた。若い会社ではあるが、Immunaiはすでに、単一細胞の免疫学的特質に関する世界最大のデータベースを確立し、既存の免疫療法の効果を高める機械学習を用いた同社の免疫解析プラットフォームを運用している。今回調達した資金で、同社はそのデータと機械学習の強みと幅を基盤に、まったく新しい治療法の開発へと業務を拡大する準備を整えた。

Immunaiでは「マルチオミクス」アプローチを採用し、ヒトの免疫システムに関連する新たな見識を獲得している。つまりそれは細胞のゲノム、微生物叢、エピゲノム（ゲノムの化学的命令セット）など、複数の異なる生物学的データの階層化分析だ。同スタートアップのユニークな点は、世界をリードする免疫学研究機関と提携して築き上げた、免疫に関する最大規模で奥深いデータセットと、独自の機械学習技術とを組み合わせて前代未聞のスケールで解析が行えるところだ。

「ありふれた表現かも知れませんが、私たちには、ゆっくり構えていられるだけの余裕がないのです」とImmunaiの共同創設者でCEOのNoam Solomon（ノーマン・サロモン）氏はインタビューで語った。「それは思うに、現在、私たちは最悪の状況にあるおかげで、機械学習やコンピューター処理技術が高度に発達し、そうした手段を活用して重要な見識を掘り出せるまでなったからです。周囲の人々と仕事ができる速度には上限があります。そこで私たちは、私たちのビジョンを活かし、そしてMITからケンブリッジ大学、スタンフォード大学、ベイエリアからテルアビブまで、非常に大きなネットワークの力を借りて、この問題を一緒に解決しましょうと人々に言ってもらえるよう、とにかく迅速に動きました」。

サロモン氏とその共同創設者でCTOのLuis Voloch（ルイス・ボロシュ）氏は、どちらもコンピューター科学と機械学習における幅広い経験の持ち主だ。彼らはまず、そうしたテクノロジーと免疫学とを結びつけ、テクノロジーが応用できる免疫学上のニーズを特定した。その後、Scientific（サイエンティフィック）の共同創設者で戦略的研究担当上級副社長を務めるDanny Wells（ダニー・ウェルズ）氏が、がん性腫瘍の免疫療法の効率化に集中できるよう、彼らのアプローチの改善に力を貸した。

Immunaiのプラットフォームは、既存の治療法の最適な標的を特定できることを、すでに実証済みだ。ベイラー医科大学と提携して行われた、神経芽細胞腫（副腎に見られることが多い免疫細胞から発生するがんの一種）の治療での細胞療法製品の使用試験もその1つだ。同社は現在、治療の新たな領域に進出し、その機械学習プラットフォームと業界をリードする細胞データベースを使った新しい治療法の発見、つまり既存の治療法の標的の特定と評価だけでなく、まったく新しい治療法の開発に進もうとしている。

「私たちは、ただ細胞を観察するだけの段階から脱して、細胞をかき混ぜて、何が起きるかを見るという段階に移行しつつあります」とボロシュ氏。「これは、コンピューター技術の面からすれば、やがて相関性評価から実際の因果関係の評価への移行が可能になり、私たちのモデルがずっとパワフルなものになることを意味します。コンピューター技術と研究室のどちらの面においても、これは極めて最先端のテクノロジーです。私たちは、あらゆる規模での実用化を最初に果たすことになるでしょう」。

「その次の段階は、『よしこれで免疫プロファイルがわかったから、新しい薬を作ろうか？』となることです」とサロモン氏はいう。「私たちはそれを、免疫システムのGoogleマップを数カ月以内に作るようなものだと考え、実際に、免疫システムのさまざまな道路や経路のマッピングを行っています。しかしある時点で、まだ作られていない道路や橋があることに気がつきました。私たちは、これから新しい道路の建設が支援できるようになります。現在の病気の状態、つまり病気の街を、健康の街に建て替える先導役になれたらと願っています」。

カテゴリー：バイオテック

タグ：Immunai、免疫、がん治療、機械学習、資金調達

画像クレジット：Immunai

［原文へ］

（文：Darrell Etherington、翻訳：金井哲夫）

コンピュータービジョンで職場の安全性を監視するIntenseyeが約4億円を調達

米国のシンクタンク経済政策研究所によると、同国での業務上の傷害や病気のコストは毎年2500億ドル（約26兆円）を超える。ERA（起業家ラウンドテーブルアクセラレーター）が支援するスタートアップで機械学習プラットフォームのIntenseye（インテンスアイ）はこの数字を経済的かつ効果的な方法で抑制しようとシードラウンドで400万ドル（約4億円）を調達した。

Point NineとAir Streetが本ラウンドを共同でリードし、エンジェル投資家としてTwitter、Cortex、Fastly、Even Financialが参加した。

Intenseyeは施設内のネットワークに接続した既存のカメラを統合し、業務中の従業員の健康や安全をモニターするのにコンピュータービジョンを使う。これは、Intenseyeがヘルメット未着用から社会的距離プロトコルの無視、その他のさまざまな健康・安全に関する規則違反をリアルタイムに特定できることを意味する。

Intenseyeのダッシュボードはリアルタイムに労働者の安全をモニターするために連邦そしてローカルの職場安全法、ならびに各組織のルールを取り込んでいる。Intenseyeのプラットフォームは職場でありがちな全部で30の安全でない行動を特定できる。管理者はさらにドラッグ＆ドロップのインターフェースを使ってこうしたルールをカスタマイズできる。

違反が見つかった時には、問題を解決するために雇用側の健康・安全の専門家はすぐさまテキストや電子メールでアラートを受け取る。

Intenseyeはまた、コンプライアンスのスコアを算出したり問題のエリアの診断をするために施設内の職場安全コンプライアンスの集計も取る。

同社は基本展開料金、そして施設がIntenseyeのモニタリングポイントとして使いたいカメラの台数に基づく年間料金を課す。

共同創業者のSercan Esen（セルカン・エセン）氏は事業の最大の課題の1つはテクニカル上のものだと話す。Intenseyeは、従業員の健康・安全の反則アラートを送るためにコンピュータービジョンを通して職場の安全性をモニターするが、個人の顔を分析したり個人を特定したりはしない。全てのビデオはすぐさま破棄され、Intenseyeに保存されることはない。

Intenseyeのチームは20人だ。

「現在Intenseyeのチームの20％が女性、80％が男性で、メンバーの国籍は4カ国になります」とエセン氏は話した。「当社のチームにはコンピューターサイエンスで理学修士を持っている人、高卒の人がいます」

チームの多様性とインクルージョンはどの企業でも重要だが、コンピュータービジョンのソフトウェアを構築する企業においては特にそうだ。

同社はパンデミックを受けてリモートワークに移行し、バーチャルオフィスの構築とZoomよりも投入型の方法で従業員を結びつけるためにVRを使っている。

Intenseyeは現在30都市で利用されていて、今回調達した資金はチームの増強、特にセールスとマーケティング部門での雇用、そして市場開拓戦略の実行に使う予定だ。

機械学習を利用しモバイル広告詐欺に対抗するScalarrが約7.8億円調達

機械学習を利用して広告詐欺に対抗するスタートアップのScalarrが、シリーズAで750万ドル（約7億8000万円）を調達したと発表した。

ScalarrはCEOのInna Ushakova（インナ・ウシャコワ）氏とCPOのYuriy Yashunin（ユリイ・ヤシュニン）氏によって設立された企業で、2人は以前、モバイルマーケティングエージェンシーのZennaを率いていた。ウシャコワ氏はZennaに在籍していた時に、広告詐欺がビジネスに真の脅威をもたらすまでに成長していることに気づいたと語っている。

同時に、チームは既存の不正防止ソリューションのどれにも魅力を感じていなかったため、独自のテクノロジーを構築した。結局、彼らはZennaを完全に閉鎖し、チーム全体をScalarrへ移行した。

Scalarrの製品には、広告主が広告に入札する前に不正行為を検出するAutoBlockや、アドテクプラットフォーム（アドエクスチェンジ、デマンドサイドプラットフォーム、サプライサイドプラットフォームを含む）で使用されるDeepViewなどがある。

Scalarrによると、市場に出回っている既存の製品よりも60％多くの不正を検知することができ、2020年には顧客の広告詐欺の払い戻し金を2200万ドル（約23億円）節約できたという。これはスタートアップが機械学習技術を幅広く活用していることが大きな要因だと、ウシャコワ氏は述べている。

また大規模な広告配信企業は詐欺対策プロダクトを追加しているが、それは焦点ではないとウシャコワ氏はつけ加えた。歴史的に、企業は詐欺行為を示唆する行動のリストとなる「ルールベースのアプローチ」を通じて詐欺を検出しようとしてきたが、どんなに迅速にルールを作成しても、詐欺師たちに追いつくのは困難だ。

「不正行為は常に進化しています」とウシャコワ氏は語る。「『トムとジェリー』のゲームのようなもので、詐欺師は常に先を行っており、私たちは彼らを捕まえようとしています」。

機械学習が効果的な理由については、「次のステップを予測するのに役立つのはML（機械学習）だけで、MLを使えば分類されていない異常を検出できるはず。その直後に、我々のアナリティクスがそれらの異常を確認し、何か統計的に重要なのかを判断できるようになるはずです」と語った。

ScalarrのシリーズAはEuropean Bank of Reconstruction and Developmentが主導し、TMT Investments、OTB Ventures、Speedinvestが参加した。同社は特にアジアでのプレゼンスを拡大し、製品の開発を継続するために資金を使用する。

カテゴリー：セキュリティ

タグ：Scalarr、機械学習、資金調達

画像クレジット：Mix3r / Shutterstock

［原文へ］

（文：Anthony Ha、翻訳：塚本直樹 / Twitter）

Duality Labsはハードウェアアクセラレーション利用の準同型暗号テクノロジーで15.3億円のDARPA契約を獲得

現在、AIに適切な学習をさせることはテクノロジービジネスにとって不可欠の要素だが、そのために個人情報等を含む大量データを処理することには本質的に危険がつきまとう。米国防省のDARPA（国防高等研究計画局）がDuality Labsと1450万ドル（約15億3000万円）の調達契約を結んだのはデータを復号化せず、暗号化されたまま大量のデータを処理する新しいハードウェアアクセラレーションを開発しようと考えているためだ。

Dualityは完全準同型暗号化を採用したシステムを提供している。技術的な詳細に踏み込むことは避けるが、現在の暗号化手法の大きな問題点は、暗号化されたデータはまったく読み取れなくなることだ。読み取れなくすることがそもそも暗号化の目的だから当然だが、復号化鍵がない限り暗号化されたデータは無意味なノイズとなってしまう。大規模なデータセットをAI学習のために復号化すると膨大な処理コストがかかる。さらに平文は、外部のハッカーからの攻撃その他の悪用の危険に対して脆弱になる。

ただしデータを復号化せずにAI学習や分析のための処理ができるようにする方法がいくつか存在する。その1つが完全準同型暗号化（FHE）だ。ところがFHEは、通常の暗号化よりもさらに計算量が多くなる。このためギガバイト、テラバイト級の大きなデータが必要なアプリケーションではFHEは利用できなかった。同様の目的を達成する方法は他にもあるが、FHEが突然10倍も効率化されれば大変な朗報だ。

当然DARPAもこの分野に強い興味を抱いているが、暗号化分野の他の企業や組織に比べて桁違いに資金が豊富だ。今回の調達契約は、DPRIVE（仮想環境でのデータ保護）と呼ばれる広範な取り組みの一部だ。FHEを10倍からそれ以上高速に実行できるASICチップ（コードネーム「TREBUCHET」）を開発するという目標が発表されている。

Dualityチームは南カリフォルニア大学、ニューヨーク大学、カーネギーメロン大学、ドレクセル大学およびSpiralGen、TwoSix Labから人材を集めており、この分野での経験も長い。実際、以前にもDARPAと協力したことがあり、熟知した領域だという。

Duality Labsのディレクターで主席研究員のDavid Bruce Cousins（デビッド・ブルース・カズンズ）氏はプレスリリースで次のように述べている。

Dualityは過去10年以上にわたってDARPAが資金提供するFHEの革新と応用に協力してきました。我々のメンバーは2010年にはDARPAのPROCEEDプログラムにおいて最初の準同型暗号化シのためのハードウェアアクセラレータのプロトタイプを開発しています。また2015年にはDARPAのSAFEWAREプログラムで最初に開発されたPALISADEオープンソースFHEライブラリの開発責任者でした。

ご覧のとおりDualityとDARPA頭字語には不足していないようだ。

開発、実用化のスケジュールは今のところ明確ではないが、完全準同型暗号処理の高速化はAIの利用に影響するところが極めて大きい画期的なテクノロジーであることを考えると、なんらかの結果が出るには少なくとも2、3年はかかると思われる。

カテゴリー：人工知能・AI

タグ：Duality Labs、DARPA、機械学習、暗号化、資金調達

画像クレジット：Yuichiro Chino / Getty Images

［原文へ］

（文：Devin Coldewey、翻訳：滑川海彦@Facebook）

機械学習の実用ツールで急成長中のWeights&BiasesがシリーズBで47.2億円調達

機械学習の実用ユーザーのためのツールを開発するWeights&Biasesが、シリーズBで4500万ドル（約47億2000万円）を調達したことを発表した。

Weights&BiasesはLukas Biewald（ルーカス・ビーワルド）氏とChris Van Pelt（クリス・ヴァン・ペルト）氏、Shawn Lewis（ショーン・ルイス）氏の3人が創業した。ビーワルド氏とヴァン・ペルト氏は以前、CrowdFlower / Figure Eightを創業したが、同社はAppenが買収されてされている。Weights ＆Biasesはすでに200社以上の顧客、7万名以上のユーザーがいるという。

ビーワルド氏は大学で私と同級だったが、彼は「機械学習の実用ユーザーはある面ではエンジニアというよりもサイエンティストだ」といい、ソフトウェアの開発者に似ているという。

その工程の中には、数多くの実験がある。そしてWeights&Biasesのコアプロダクトは、実用ユーザーによるそれらの実験の追跡を助ける。またそれと同時に、同社はデータセットのバージョニングやモデルの評価、パイプラインの管理などのためのツールも提供している。

「たとえば自動運転車と衝突事故をコントロールするモデルがあるとすると、実際に何が起きたのかを知る必要がある。それが数年前に作ったモデルで、いろんな実験をやってきたのなら、何が起きたのかを体系的にたどることが困難なこともある」とビーワルド氏はいう。そうなるのを防ぐためには、実験の追跡をするツールが必要だ。

彼によると、Weights ＆Biasesはこの市場における「初期のリーダーだ」という。競合するツールが出回ってくると、それはトップダウンの企業のセールスではなく「MLの実用ユーザーに完全にフォーカス」して、他の製品から差別化しているという。同様に、機械学習が多くの分野で利用されてくるにつれて、Weights&Biasesもときどき「高度な問題」にぶつかることがあるとのことだ。

画像クレジット：Weights&Biases

「機械学習のために機械学習をやってるような企業に販売していくことに関心はありません。たとえばCEOの命令で会社のあちこちに機械学習をばらまいているような企業もあります。そういう企業には何のインパクトもないため、見てるだけで憂鬱になります。しかし、我々が話をしているような企業のほとんどは、何か有益なことのためにMLを利用しています」。

彼が挙げる大手農業企業のJohn Deereは、Weights＆Biasesのプラットフォームを利用して、継続的にロボットによる肥料撒布方式を改良している。雑草や害虫を殺す農薬ではない。また一部の製薬企業はWeights＆Biasesを使って、さまざまな分子の振る舞いをモデル化する方法を研究している。

Weights＆Biasesはこれまで、2000万ドル（約21億円）の資金を調達している。今回のラウンドはInsight Partnersがリードし、Coatue、Trinity Ventures、Bloomberg Betaが参加した。またInsightのGeorge Mathew（ジョージ・マシュー）氏が、取締役会に加わる。

マシュー氏は、Weights＆Biasesについて次のように述べている。「これだけNPS（ネット・プロモーター・スコア）が高く、カスタマーフォーカスの深いMLOpsのカテゴリーリーダーは他に見たことがありません。Insightによる最初の投資が、MLの実用ユーザーのユーザーベースに貢献するスタートアップであることを誇りに思います。この分野は、ここ2年間で60倍に成長しています」。

同社によると、今回の資金はエンジニアリングと成長、営業、そしてカスタマーサクセス方面の新規雇用に使われるという。

カテゴリー：人工知能・AI

タグ：Weights＆Biases、資金調達、機械学習

画像クレジット：Weights&Biases

［原文へ］

（文：Anthony Ha、翻訳：Hiroshi Iwatani）