タグ: 機械学習

残念なことに、われわれ全員が植物学者になることはできないが、でもスマートフォンがあれば、珍しい花の名前ぐらい分かるかもしれない。たとえばMicrosoft Research Asiaが作ったコンピュータービジョンシステムは、数千種類の花の種を、写真だけから特定できる。

そのSmart Flower Recognition System（Microsoftらしい命名だ）は、偶然から始まった。同研究所のYong Ruiと、Chinese Academy of Scienceの植物学者たちがあるセミナーでたまたま出会った。植物学者たちは、Ruiの画像分析の仕事に関心を持ち、今世の中に出回っている何百万枚もの花の写真を、正しく分類できるのでは、と感じた。

季節は春だった。若き研究者の思いつきが、学際的なコラボレーションへと発展した。

そのシステムは…当然ながら…機械学習を利用している。Caffeと名付けられた畳み込みニューラルネットワーク(convolutional neural network, CNN)が、80万枚の花の画像で訓練された。花の画像が一連のフィルターを通って、いくつかの特徴点を強調され、それによってさまざまな花の種を、それぞれ異なる種として区別できるようになる。〔convolutional neural networkでGoogle（ぐぐる）と、CaffeやOpenVCに関する日本語記事が見つかります。〕

ある種の曲線や、ある種の暗点、ある種の比率、などなどを見分けていくニューラルネットワークの推理は、人間が自分が知っている形や色を直観的に認識する過程と変わらない。

“この花認識エンジンを使って植物学者たちは、中国の植物の分布を効率的に知ることができる。また、花についてもっとよく知りたいと思っている一般の人にも役に立つ”、とRuiは語る。

Smart Flower Recognition SystemがWebサービスとして一般公開される可能性について、Ruiに聞いてみた。今では実験的な機械学習システムの多くが、そうしている*。彼から答が得られたら、まっさきにあなたにお伝えしよう。〔*: スマホのアプリもある。〕

[原文へ]
（翻訳：iwatani(a.k.a. hiwa））

需要と供給のバランスで価格は変動するのが市場の仕組みだ。インターネットのおかげで価格の変動は捉えやすくなったが、大量のデータを比較検討して価格を決めるのは、それはそれで難しい。リクルートホールディングスが運営する渋谷のオープンイノベーションスペース「TECH LAB PAAK」発の空が手がける「MagicPrice」は、ホテルや旅館などの宿泊施設に自動で最適な宿泊料金を提案するサービスだ。空は本日、500 Startups Japan、Incubate Fund、千葉功太郎氏から数千万円規模の資金調達を発表した。「MagicPrice」は先週末からベータ版をリリースし、サービスの参加施設を募集している。

MagicPriceの利用を開始するには、ホテルはまず施設名や所在地などの情報を入力して登録を行う。MagicPriceのダッシュボードから宿泊施設が提供している客室の種類と総客室数の設定を行い、過去の宿泊料金のデータをアップロードを完了すると、MagicPriceが価格の解析を始める。MagicPriceは過去データだけでなく、宿泊施設の所在地の付近に存在する他のホテルの料金などを合わせて解析することで最適な料金を算出する仕組みだ。部屋の種類別に最適価格がダッシュボードのカレンダー上に反映される。カレンダー上部にある青と白の印は日ごとの予約状況（青いライン）と予約のポテンシャルの予測（白色）を表示している。MagicPriceには機械学習が搭載されていて、使うほどに価格算出の精度が増していくという。

多くのホテルでは担当者がエクセルなどを使って、手作業で宿泊料金を管理していると空の代表取締役である松村大貴氏は説明する。価格決めに関して参照している情報も少なく、担当者の長年の経験と勘に頼っている状態なのだそうだ。MagicPriceは、アルゴリズムで大量の過去データと周辺地域の情報を解析することで、その宿泊施設にとって最適な価格を提案し、価格のミスマッチによる機会損失を減すことを目指している。

また、宿泊施設は予約を受け付けるのに自社サイトを始め、オフラインやオンラインの旅行代理店を複数利用している場合が多い。担当者は各サイトの価格を手動で変更したり、あるいは旅行業界でサイトコントローラーと呼ばれる、複数の予約サイトを一括で管理できるサービスを使用しているがそれでも価格の変更には手間がかかる。MagicPriceのベータ版は、最適価格を提示するに留まるが、年内にローンチ予定の正式版では、そうした複数の予約サイトに自動で最適価格を反映する機能を提供すると松村氏は言う。今後は解析する情報も増やし、最適料金を算出するアルゴリズムの精度も高めたい考えだ。例えば、近くで行われるイベントなど、需要と直結する情報などを読み込んで解析することを視野に入れているという。

松村氏は起業するにあたり、いくつものビジネスプランを考え、このプラシング最適化のサービスに辿り着いたという。プライシング事業に着目したのは、ビジネスにとって価格を変更することはコストがかからない上、ビジネスへの影響が大きく、そこにポテンシャルを感じたからだそうだ。中でも旅行業界を選んだのは、売り手も買い手も価格変動に慣れ親しんでいる業界であること、そしてヒアリングをしていくうちにテクノロジーの活用が進んでいないことが分かったからと話す。「旅行メディアは増えましたが、旅行業界のためのテクノロジーは少ないのが現状です」と松村氏は話し、旅行業界で多く発生している手作業を自動化することを考えたという。また、松村氏はもともとアドテクの会社に勤めていた経験があり、MagicPriceで目指すのはウェブ広告に近いサービスのあり方だという。例えば、GoogleやFacebookのウェブ広告ではユーザーが予算や目標額だけを設定するだけで、個別にどこに何を出稿するかを選ぶ必要はない。自動で出稿が行われ、ユーザーは結果だけを確認すれば良い。そのように広告業界で当たり前にできていることを、旅行業界でもできるようにしたいと話す。MagicPriceの目標は、担当者の最適な価格決めをサポートすることではなく、全自動で宿泊施設にとっても旅行者にとっても嬉しい価格の決定から運用まで行うようになることだという。

今回の資金調達では人員強化に充てるという。先週末からMagicPriceのベータ版を無料で宿泊施設に提供しているが、直近は参加ホテルを募り、フィードバックを得てサービスを改善していくことに注力すると話す。まずは宿泊料金でサービスの実用性を証明し、ゆくゆくは航空券、イベント、レジャーなどプライシングが重要となる業界にも展開していきたいと話す。

今回の資金調達は、リード投資家を務める500 Startupsにとって自社で設計したシードステージの投資契約書「J-KISS」を用いた初の投資案件だという。「J-KISS」は、シードステージのスタートアップの資金調達の時間とコストを節約するための投資契約書で、交渉すべき条件を最小限に抑えている。松村氏は今回の「J-KISS」を利用した資金調達について「初期の段階で評価額の議論をせずにすみ、すぐにお金を入れて、プロダクトを作り始めることができるスキームです。スタートアップにとっては有難いスキームで、もっと広まれば日本市場にとっても良い影響があると思います」と話している。また、今回の資金調達に参加しているコロプラ、共同創業者兼取締役の千葉功太郎氏は、今年3月に開催され、空も登場したTECH LAB PAAKのデモデーで審査員を務めたのをきっかけに出資を決めたという話だ。このデモデーで空は「コロプラ賞」と「オーディエンス賞」を受賞している。シードステージでの資金調達を短縮する投資契約書が使われ始めたこと、そしてデモデーが起業家と投資家の出会いを促進する役割を果たしてきていることは、新しいアイディアやイノベーションが育つ土壌が徐々に整ってきていることを象徴していると言えそうだ。

Twitterはプラットフォームにおける写真と動画のユーザー体験を向上させるため2週間前にMagic Ponyを買収し、機会学習の精度を高めようとしている。Googleも同じ道をたどる。本日、Androidと検索大手は、Moodstocksを買収したと発表した。Moodstocksはパリに拠点を置くスタートアップで、機械学習によるスマホの画像認識技術を開発し、「画像版Shazam」と呼ばれるAPIを開発者に提供している。

MoodstocksのAPIとSDKは近いうちに使用できなくなると、同社はホームページの声明で伝える。「私たちは、Goolgeで卓説した画像認識ツールを構築することに注力します。現在Moodstocksを有料で使用しているカスタマーに対しては、サブスクリション期間満了までは使用を続けられることを保証します」。

買収の詳細は開示されていない。またMoodstocksがこれまでいくら調達したかも定かではない。Crunchbaseにはベンチャーキャピタルから調達した資金は記されていないが、 2010年私たちが始めて同社のことについて書いた時、ヨーロッパの投資家から50万ドルをシードで調達したと伝えた。ちなみにTwitterは少し前に買収した、イギリスのMagic Ponyに対して1億5000万ドルを現金で支払っている。

Magic Ponyは創業から短く、広く買収対象となりうる段階で買収されたが、Moodstocksは2008年からモバイル端末での画像認識精度の向上を目指し取り組んできた。「私たちの夢は、カメラをスマートセンサーにすることで、周りのことを理解できるよう機械に目を与えることです」と同社は買収発表／さよなら／初めましての挨拶を兼ねた声明で伝える。

当初Moodstocksは自社開発のコンシューマーアプリを制作していたようだ。SNSのようなアプリだ。ユーザーは本などのメディアの写真を撮り、そのメディアに対して自分のコメントをつけることができる。他のユーザーの写真の個別の「フィンガープリント」を合致させる画像認識技術で、コメント同士をリンクさせるというものだ。

面白いアイディアだが、人気は出なかった。そこでMoodstocksはその技術を他の開発者に提供する方向にピボットした。少なくとも1つのアプリ「Moodstocks Scanner」は、開発者がアプリに機能を実装する前にSDKを試すツールに変わった。

Googleは、開発者がアプリに画像サービスを実装できるよう自社でもSDKをローンチするかどうか示していない。また、このテクノロジーをGoogleがコンシューマー向けサービスに活用するかも分からない。分かっていることは、MoodstocksのチームはGoogleのフランスにある研究開発運用拠点に参加することだ。MoodsotcksはDenis BruleとCedric Deltheilが共同創業したスタートアップだ。

短い声明で、Googleのフランスのセンターを率いるVincent Simonetは、MoodstocksはGoogleに高精度な画像検索をもたらすことを期待していると伝える。すでにGoogleが提供しているサービスを改良するという。「画像認識の面で、大きく前進することができました」と彼はフランス語で伝えている。「しかし、この分野ではまだまだ改良できる部分が多くあります」。

Moodstocksの取り組みが、引き続きスマホ向けに留まるのか、他のところで活用されるのかはわからない。Moodstockの機械学習アルゴリズムが活用できる箇所は多くある。例えば、Google検索で検索単語と一致、あるいは関連する画像を見つけるために「学習」することができる。Googleは、このテクノロジーを、例えばGoogleフォトなどの既存アプリに活用することもできるだろう。

あるいは、将来ローンチするプロダクトに採用するのかもしれない。ただ、スマホなら分かりやすいユースケースが目の前にある。小さな端末のタッチスクリーンだとテキスト入力はやや手間がかかる。また、ユーザーは自分で撮った品質の低い画像から類似したものを探そうとするだろう。両方の課題に対し、強力な画像認識ツールは便利だ（例えば、何かの写真を撮って、それを検索「キーワード」として使用するような場合だ）。

Googleはフランスで他にもスタートアップの買収を行っている。例えば、スマホのパフォーマンスを向上させるFlexyCoreなどだ。また、顔認識のJetPacやPittPattなど、複数の画像関連テクノロジーも買収している。他の大手テクノロジー企業もこのエリアでテクノロジーの買収を行っている。今年には、Amazonが静かに、AIやニューラルネットワークを活用する写真認識テクノロジーを開発するスタートアップOrbeusを買収している。

[原文へ]

（翻訳：Nozomi Okuma /Website）

もしシンプルなカメラが捉えた映像を機械学習が分析して、フェンスに近づいてくる人物の警戒レベルを教えてくれるとしたらどうだろう。もし同様にして食料品店の売り場で買い物をしている人の行動を分類できるとしたら？例えば、買う気があるのか、決断停止中か、はたまた探しているものをちゃんと見つけられているのか。画像認識と解析速度の向上のおかげで、単に観察するだけではなく、人間の行動を分類できるスマートカメラはモノのインターネットの次のステップなのかもしれない。

Nanitはそう言った市場に進出した最初の企業の1つだ。Dr. Assaf Glazerは、自分自身が父親でもあるが、彼と彼のチームは親にとって最も大変な仕事の内の１つ、つまり赤ちゃんが夜しっかり寝るようにすること、が少しでも楽になるようにすることを目標に掲げている。

カメラをベビーベッド上に固定するには3オンスのカメラを10.5ポンドのスタンドに取り付ける。アカデミアとコネクションのあるテクノロジー系スタートアップは往々にして、最適なニッチ市場を見つけ出したり一般の消費者にテクノロジーを分かりやすく説明する点で苦労することがある。Glazerは200以上ものデザインを検討し独自性のあるデザインを採用した。睡眠不足の親は装置を充電したり電池を替えたりといったことに煩わされることはない。この低電圧で動く装置に関しては、ただ壁のコンセントに挿すだけで良い。

NanitのアプリはオプションのNanit Insightsを付けることで赤ちゃんの睡眠パターンの分析を行い、直感的に理解出来るカテゴリーに分類し、例えば睡眠中の乳児の動きをヒートマップで表示したりしてくれる。残念ながら、そう言った解析オプションを付けない場合は、Nanitはベビーベッドからの映像のライブストリーミングにしか使えない。Nanit Insightsは４つの主要な睡眠測定値について色別に可愛くラベル付けして表示してくれる。それらは、睡眠パターン、親がベッドに来る回数、寝つき、そして睡眠時間だ。

コンピュータ科学的に言えば、Nanitは機械学習を一般家電に応用した点が謳い文句だ。一般にこのような画像解析では、ほとんどの場合で変数の数が膨大になり、行動解析はほとんど不可能となる。幸運にも、Nanitの開発チームにとって、ベビーベッドのマットレスのサイズはほとんどが似たり寄ったりだ。そのおかげで、カメラの変数が標準化できるのでコンピュータはその空間を小さなサイズに分けることで正確な分析が可能になった。

Nanitのベビーモニターの箱を開けると、まず簡単な機械のキャリブレーションをする必要がある。それが終わって一旦カメラをスタンドに設置するとシステムを調整する必要は二度とない。

加えて、Nanitには便利な夜間灯、ホワイトノイズや様々な自然の音を流してくれる装置、ケーブル管理システムが付属する。睡眠以外にも、赤ちゃんモニターは湿度、温度、音、動きを測定、記録可能だ。

Nanitに投資しているのはUpfront VenturesからMark Susterがリードを務め、その他RRE、645 Ventures、Jacobs Technion-Cornell Institute、Flex、Jerry Yang’s AME Cloud Venturesが参加している。同社はこれまでシードラウンドで660万ドルの資金を調達した。

このスマートベビーモニターの市場は活発な状況が続いている。Owlet、MimoやSproutlingなどの会社は乳児用ウェアラブル機器を製造しているが使える部品やセンサーには制約がある。親の多くは自分の子供の服にトータルでアップルウォッチにも相当するものを埋め込もうとは思っていない。また、Dropcamのような装置は行動分析まではしてくれない。Dropcamでできるのはライブ映像を中継してピクセルの情報として他の機器上で表示することだけだ。Nanitのベビーモニターを使えば、新しいセンサーを増設することなく新たな分析機能を追加することが可能な点がとても強力だ。Glazerのゴールは、Nanit Insightsをさらに改良することで、データに基づきその家庭に最適なペアレンティングのアドバイスを提供することだ。

ただ、行動科学に興味がある人はNanitのベビーモニターを面白いと感じるかもしれないが、この装置が親に情報を与えるだけでなくその行動にも影響を及ぼし得るという可能性を考えることはとても重要だ。

Nanitが子育てに良いとされている慣行に影響を与えるかもしれないと考えるきっかけになったのは、子供が一度起きてから再びどれだけ自分だけで寝付くことができるかがNanitで測定可能になったことが発端だ。この知識があれば、子供が起きても、特に必要がなければベビーベッドに急行することはないし、逆にベッドに行ってしまえばさらに子供を起こしてしまうことにつながる。

Nanitは本日よりインターネットによる直販での先行販売を開始する。同社は最初の1万5000台を、消費者の手に届くまでの時間を短縮すべくアメリカ国内で製造する予定だ。その後、生産拠点は国外に移転する予定だ。

先行発売は279ドルでNanit Insights1年間のサブスクリプションを50ドルで付けることができる。先行販売期間終了後はベイビーモニターが349ドル、Nanit Insightsは100ドルとなる。Nanit Insightsのオプションの更新にあたっては30日間考慮する期間が与えられる。

[原文へ]

（翻訳：Tsubouchi）