タグ: 人工知能・AI

BlueOceanは企業ブランドのパフォーマンス測定と改善を目的とするスタートアップだ。同種のこれまでのサービスと比べて比較的手頃なコストでスピードも非常に速い。

CEOのGrant McDougal（グラント・マクドゥーガル）氏、COO兼プレジデントのLiza Nebel（ライザ・ネベル）氏にインタビューした。BlueOceanのファウンダーはこの2人に加えてチーフデータサイエンティストのMatthew Gross（マシュー・グロス）氏となる。ファウンダーたちはこのテクノロジーを2年前から開発してきた。BlueOceanのこのほど正式にスタートしたところだが、すでにMicrosoft（マイクロソフト）、Panda Express、Pabst Blue Ribbonなどの著名ブランドに協力している。

BlueOceanはブランドオーディットの分野に焦点を当てている。これはブランドの詳細なパフォーマンス分析で、機能している側面と機能していない側面を識別し評価するものだ。ネベル氏（Ogilvyでのブランドとデジタル戦略を担当した経験がある）によれば、従来のブランド分析は1回に数百万ドル（数億円）の費用がかかり、「机上の空論」のようなレポートが提出されることがよくあるという。

これに対してBlueOceanでは、ブランド側は自社のウェブイトとライバルのリストという2種類の情報を用意するだけでよい。これだけで1週間後にはブランド審査を受けるが、その費用はわずか1万7000ドル（約180万円）で、改善に関するに推奨事項も含まれている。

これが可能になったのはBlue Oceanが「オートメーションファースト」というアプローチを取ったからだ。 同社はAIのアルゴリズムを利用してそれぞれの業種ごとに数百のデータソースを選び出す。マクドゥーガル氏によればアルゴリズムは「正しい分類法はどのようなものか？」「 どのようにして正しいデータを取得できるか？」といった重要な問題に答えを与えてくれるという。

BlueOceanの創業者であるグラント・マクドゥーガル氏とライザ・ネベル氏。（画像クレジット：BlueOcean）

「組織のトップと話し合うのが我々の戦略だ。マーケティングでもその他の分野でも最高責任者クラスと話をする。我々のアドバイスを必要としているのは、このレベルの経営幹部だからだ」とマクドゥーガル氏は付け加えた。

ネベル氏によれば BlueOceanのクライアントに大手酒造会社があり、最近、既存のブランド下にハードセルツァー（アルコール入り炭酸水）のシリーズを立ち上げた。BlueOceanがブランド審査を行ったところ「ハードセルツァーは既存ブランドではなく別ブランドにしたほうがよい」という結果となった。酒造会社は、この提案に基づいて3つの異なるブランドでハードセルツァーを販売する計画だという。

ネベル氏はサービスの説明として、我らがTechCrunchについても簡単なブランド審査をしてくれた。この「5分バージョン」の審査はメディアポジショニング、メッセージ性、提供サービス、既存顧客、見込み顧客といった観点からTechCrunchのパフォーマンスを分析するもので、総合評価のスコアは「そこそこよい」程度の97（ただし「記憶に残る」と「刺激的」の2点では優秀なスコア）だった。改善の提案には「コンテンツを着実にソーシャルメディアに継続的に公開する」「モバイルアプリのユーザーエクスペリエンスを改善する」などが含まれていた。

マイクロソフトのブランド戦略担当ディレクターであるTim Hoppin（ティム・ホッピン）氏は声明の中で「BlueOceanのツールを利用することで、すべてのプロダクトをブランドというレンズを通してモニター、理解し、施策を実行する能力を改善できる。我々の製品を毎日使っている世界の何千万ものユーザーとの関係をさらに深めることができるのはエキサイティングな経験だ」 という。

関連記事：Startup branding: how much does it really cost?（未訳記事）

画像クレジット：BlueOcean

［原文へ］
（翻訳：滑川海彦@Facebook）

位置情報ビッグデータ活用のクロスロケーションズは7月14日、第三者割当増資により2億2000万円の資金調達を実施したと発表した。引受先は東京理科大学ベンチャーファンド。合わせて、位置情報ビッグデータ活用クラウド型プラットフォーム「Location AI Platform」（LAP。ロケーション エーアイ プラットフォーム）の大幅刷新を明らかにした。

クロスロケーションズは、「多種多様な位置情報や空間情報を意味のある形で結合・解析・可視化し、誰でも活用できるようにすること」をミッションとする、2017年11月設立のスタートアップ企業。位置情報ビッグデータの収集・集計、AIによる分析・視覚化、また活用法開発などにより、新しい情報と価値の創出を可能とする技術「ロケーションテック」の開発・推進に注力している。

今回調達した資金は、 LAPのバージョンアップ開発をはじめ、同社独自技術である位置情報データ解析技術「Location Engine」の高度化や市場導入の推進に対応する資金として活用する。

LAPは、AIが位置情報ビッグデータから消費者行動の分析・見える化を行った上で、エリアマーケティングの実施と効果測定を一気通貫で実行できるプラットフォーム。

新型コロナウイルス感染症拡大の影響を受けた消費者行動など、毎日更新される位置情報ビッグデータから読み取れる市場変化および消費者行動変化を捉え、部門ごと・業務ごとに把握・確認でき、即座にマーケティング活動に利用できるようLAPの大幅なバージョンアップを行った。

LAPの位置情報ビッグデータ解析機能である「人流モニタリング」や「商圏分析」などの各機能のウィジェット化と、ウィジェットを自由に組み合わせて1つのユーザーインターフェースとして把握・確認できる「LAP ダッシュボード」機能をリリース。LAPの解析結果をマーケティング活動につなぎ、商圏が変わった場所・ユーザーに消費者調査を行える「XL ロケーションベースアンケート」、サイネージ広告やSNS広告が出稿可能な「XL ロケーションベース広告」も提供を開始している。

XL ロケーションベース広告では、SNSで保有するユーザープロファイルでのターゲティングに加え、LAPから抽出した位置情報ビッグデータの解析結果により、消費者のリアルな行動変化を組み合わせたターゲティングユーザーの設定が可能。特にLAPによる解析では、任意の店舗利用者の居住エリア（推定）だけでなく、前日に来店したと推測される人々も広告配信のターゲットに選定できるという。

また、スマホアプリへのオンライン広告、サイネージ広告に加え、LINE、Facebook、InstagramといったSNSへの広告配信も可能としている。

関連記事
・米国でケンタやマックが活用する位置情報データスタートアップのBluedotが約9.8億円を調達
・位置情報データ分析のPlacer.aiがシリーズAで約13億円を調達
・位置情報アプリ「Family Locator」からリアルタイムで情報が流出していた
・位置情報からライフスタイルを推測して広告を配信するジオロジックが1億円を資金調達

不動産テック開発・運営のリーウェイズは7月13日、融資を求める顧客に対する情報提供や融資審査の高度化を目指し、賃貸不動産の将来の賃料・価格・空室率などを予測する、投資用不動産AIシミュレーション「Shizugin Investment Planner」（SIP）を静岡銀行と共同開発したと発表した。また静岡銀行は、資産形成サポートの現場でSIPの本運用を開始した。

リーウェイズは、不動産価値分析AIクラウドサービス「Gate. Investment Planner」（ゲイト・インベストメント・プランナー）のシステム基盤を静岡銀行に提供。Gate. Investment Plannerは、過去10年間で蓄積された1億件以上の物件データから、全期間利回り・賃料査定・物件価格査定・空室率の推移・賃料下落の推移・50年先まで分析したキャッシュフロー・LTV（Loan to Value。資産価値に対する負債比率）などの詳細な不動産分析が可能という。

SIPは、リーウェイズ保有の不動産ビッグデータを学習したAIによる将来価値の査定モデルと、静岡銀行独自のロジックとを活用する形で開発。SIPは、収益不動産の将来的な稼働率・賃料の下落など、物件所有者にとっての運用リスク、返済の安定性を可視化した資料の提供が可能なため、収益不動産のパフォーマンスに関する客観指標を基にしたアドバイスを行えるという。また、融資審査において市場データに基づく客観的な参考値を取り入れることで、無理のある投資計画から顧客を保護する。

今後さらなるAI査定の精度向上、蓄積情報の活用、顧客への提示情報の拡充を予定しており、国内の資産家をリスクから保護し、より計画的で堅実な資産形成のサポートを行う。

リーウェイズ保有の不動産ビッグデータとAI技術、静岡銀行が保有する独自の融資審査ノウハウを活用し、全国の不動産取引および融資業務の効率化・高度化・標準化を推進するとした。

リーウェイズと静岡銀行は、2019年6月締結の資本業務提携を皮切りに、AI技術などのテクノロジーを取り入れた、不動産関連融資における顧客保護体制の強化と融資審査の厳格化を通じた新たなビジネスモデルの構築に取り組んできた。

リーウェイズは、過去10年以上に渡って蓄積した全国1億件超の不動産物件データをはじめとする不動産取引情報や、人口動態･地価情報などのビッグデータを基に、不動産の将来価値を予測する不動産価値分析AIクラウドサービス「Gate.」（ゲイト）を開発。不動産関連企業や金融機関に提供している。

静岡銀行では、「事業領域の開拓・収益化による地方銀行の新たなビジネスモデルの構築」を推進。異業種との連携を通じ、従来の枠組みや発想にとらわれない新たな収益基盤となるビジネスを創造し、持続可能なビジネスモデルの構築に取り組んでいる。

関連記事
・AI活用で最短2日のマンション売却、不動産テックのすむたすが4億円調達
・担当者にかわってAIが自動でオススメ物件提案、不動産テックのハウスマートが約3億円調達
・不動産テックのEQONが3000万円を調達、査定＋エージェント検索で「仲介2.0」に備え

人種間の不平等に関する抗議活動が拡大してから、IBMは警察権行使の際の人種的平等を推進するため、顔認識技術の提供を中止すると発表した。  Amazon（アマゾン）はRekognitionソフトウェアの警察への提供を1年間停止し、「顔認識技術の倫理的使用に関するルールを定める強力な内規を導入した」。

だが内規の変更以上のものが必要だ。人工知能（AI）業界全体がコンピューターサイエンスの研究所を超えて成熟し、コミュニティ全体を受け入れる包容力が必要とされている。

偏見を広く排除しながら社会で機能する素晴らしいAIを開発することは可能だ。だが、現在のようにAIがコンピューターサイエンス（CS）やコンピューターエンジニアリング（CE）の単なる一分野にとどまるなら、それは実現できない。人間の振る舞いの複雑さを考慮してAIという学問分野を形成する必要がある。コンピューターサイエンスが支配するAIからコンピューターサイエンスによって何かが実現するAIに移行しなければならない。AIに伴う問題は研究所で発生するわけではない。科学者がテクノロジーを現実世界に移すときに発生するのだ。CSラボのトレーニングデータには多くの場合、あなたや私が住む世界の文脈と複雑さが欠けている。この欠陥が偏見を永続させる。

AIを利用したアルゴリズムは有色人種や女性に不利なバイアスを示すことがわかっている。たとえば2014年にAmazonは、ヘッドハンティングを自動化するために開発したAIアルゴリズムが（Slate記事）が女性の候補者に不利なバイアスがかかるような学習をすることを発見した。MIT（マサチューセッツ工科大学）の研究者らは2019年1月、顔認識ソフトウェアの方が色素が暗い人を識別する精度が低いと報告した。最近では、昨年末に米国立標準技術研究所（NIST）が実施した調査（NISTリポート）で、研究者らは約200の顔認識アルゴリズムに人種的バイアスの証拠を発見した。

AIの間違いに数え切れないほどの例があるにもかかわらず、熱意は続いている。IBMとAmazonの発表が多くの肯定的な報道を生み出した理由はそれだ。2015～2019年にかけて、世界における人工知能の利用量は270％増加（Venture Beat記事）し、市場は2025年までに1186億ドル（約1兆3000億円）の収益を生み出すと予想（OMDIA記事）されている。米国人の90％近くがすでにAI製品を日常生活で使用している（Gallup記事）、多くの場合それとは気づかずに。

AI開発は技術的な課題だが、AIを使用するには、社会科学、法律、政治などのソフトウェア開発以外の重要な学問分野の知識体系が必要となることを認めなければならない。だが、AIの利用がますますユビキタスになっているにもかかわらず、研究対象としてのAIはCSおよびCEの分野にまだ集中している。たとえば、ノースカロライナ州立大学では、アルゴリズムとAIはCSプログラムで教えられている。MITはCSとCEの両方でAIの研究を行っている。AIは人文科学プログラム、人種およびジェンダー研究のカリキュラム、ビジネススクールに取り入れなければならない。政治学科でAIのコースを開発しよう。筆者はジョージタウン大学のプログラムで、セキュリティ研究の学生にAIと機械学習の概念を教えている。これが普通のことになる必要がある。

AIの専門化に対し包括的にアプローチしなければ、我々はほぼ確実に今日存在する偏見と差別的慣行を永続させることになる。より低いコストで差別するようになるだけなのかもしれない。テクノロジーの高邁な目標を達成するのではなく。ニューラルネットワークの開発とテクノロジーが適用される社会的文脈の両方を理解することを目的としたAIの分野を意識的に確立する必要がある。

コンピュータエンジニアリングで学生はプログラミングとコンピュータの基礎を学ぶ。コンピュータサイエンスでは、アルゴリズム学習の基礎を含む計算理論とプログラム理論を研究する。これらはAI研究の強固な基盤だが、あくまで一部分として考えるべきだ。そうした基礎はAIの理解に必要だが、それだけでは十分ではない。

AIの普及によって快適な社会が実現するなら、AmazonやIBMなどのハイテク企業、そして数え切れないほどの他の企業はイノベーションを広めることはできる。それにはAIという専門分野全体がCSの研究所を飛び出す必要がある。心理学、社会学、人類学、神経科学（The Conversation記事）などの分野で働く人々が必要だ。人間の行動パターンとデータ生成プロセスのバイアスを理解することが求められる。筆者は行動科学のバックグラウンドがなければ、人身売買、マネーロンダリング、その他の不正行為を特定するソフトウェアを開発することはできなかった。

機械学習プロセスを責任を持って管理することは、もはや進歩のステップとして望ましいものではなく、必要なものだ。人間がもつ偏見の危険性と未来の機械が誤って偏見を再生産してしまう可能性を理解しなければならない。社会科学と人文科学が鍵となる。これを成し遂げるには、すべての学問分野を包括するAIの新しいフィールドを立ち上げる必要がある。

【編集部注】Gary M. Shiffman（ゲーリー・M・シフマン）博士は、「暴力の経済学：行動科学は犯罪、反乱、テロリズムに対する我々の見方を変え得るか」（邦訳未刊）の著者。同氏はジョージタウン大学で経済科学と国家安全保障を教えている。Giant Oak Search Technologyを作ったGiant Oakの創業者兼CEOでもある。

画像クレジット：Henrik Sorensen / Getty Images

[原文へ]

（翻訳：Mizoguchi）

普段はぶっきらぼうなメッセージを送っているが、もっと丁寧な文章が書ければ日常のコミュニケーションが改善されるだろうにと考えているなら、カーネギーメロン大学（CMU）の新しい研究が救いになるかもしれない。CMUの研究チームは、お願いや連絡のための文章を自動的に丁寧な表現に直してくれる技術を開発した。この技術は応用の幅がとても広い。要は文法チェックソフトのGrammarly（グラマリー）のように文章の基本を教えてくれるわけだが、単に文法的に正しい文章にするというより、文章の調子を整えるようにデザインされている。

Language Technology（言語技術）研究室の博士課程に在籍するShrimai Prabhumoye（シュリマイ・プラブモエ）氏をはじめ、修士課程のAman Madaan（アマン・マダーン）氏、Amrith Setlur（アムリス・セトラー）氏、Tanmay Parekh（タンメイ・パレク）氏らを含むこのCMU研究チームが開発したこのエンジンは、スタイル変換メカニズムをベースにしている。AIを使って写真を別の画像の雰囲気に合わせて変換するソフトウェアと同類のものといえばおわかりいただけるだろうか。このプロジェクトでは、Enron（エンロン）の従業員が交わしたおよそ50万通の電子メールからなるデータセットを利用している。このメールは、同社の不正取引に関連する訴訟手続きの際に公開されたものだ。

不正を働いた企業ではあるが、その従業員たちが互いに交わした電子メールの文面は、大きな企業に勤めたことのある人ならおわかりのとおり、要望や返答は共通の儀礼に則った丁寧な形式に当てはめられていた。これが、コンピューターに言語学アルゴリズムを学習させるためのよい基準となった。そして必要最低限の、あるいは礼節を欠く要求文を、より人間らしい思いやりや品位のある文章へ変換できるようになる。例えば「Show me last month’s reports（先月の報告書を見せてくれ）」という文章は「Could you please send me the reports from last month？（先月分の報告書を送付願えますか？）」となる。

比較的単純な処理のように見える。どんな文章でも「お願いします」や「ありがとうございます」を付ければ済みそうなものだと考えているかもしれないが、しかし研究チームによれば、実際にはもっと微妙な調整が必要だという。なぜなら、私たちが丁寧な文章を書こうとするとき、上の例のように、命令をお願いに変えるなど、より多くの要素が絡んでくるからだ。

CMUの研究チームが開発したこの自動化方式では、今のところは、改まった環境（職場など）で使われる北米英語にしか対応できない。その他の地方に合わせるためは、地域によって丁寧とされる言葉遣いが大きく異なるため、膨大な作業が必要になるという。しかし現在のレベルでも、例えば自動カスタマーサービスのチャットボットや電子メールクライアントによるテキスト入力候補の提案などには大いに活用できそうだ。

事実、テキスト入力候補の提案を多用する企業は、すでにこの技術に興味を示している。Apple（アップル）も米空軍研究所、米海軍研究事務所、全米科学財団、Nvidia（エヌビディア）とともにこの研究を支援している。

画像クレジット：Getty Images

［原文へ］
（翻訳：金井哲夫）

1000人を超える人工知能の研究者、学者、専門家の集まりが、まもなく発表される予定のニューラルネットワークを使用して「犯罪を予測する」と主張する研究に対して反対している。この記事を執筆している時点ではFacebook（フェイスブック）、Google（グーグル）、Microsoft（マイクロソフト）などの企業でAIに取り組んでいる50人以上の従業員が、研究に反対し、出版の再考を促す公開書簡（Medium記事）に署名している。

論争の的となっている研究は、ネイチャーの出版元である、Springer（スプリンガー）による書籍シリーズで、今後取り上げられる予定になっている。その研究の著者たちは、彼らの自動顔認識ソフトウェアはある人物が犯罪を犯すか否かを予測することが可能で、このような研究の法執行機関による予防的治安維持への応用の有用性を主張している。

「潜在的な脅威の識別を、偏見なく自動化することで、私たちは暗黙の偏見や感情的反応による影響を受けにくい犯罪予防活動、法執行機関そして軍隊に役立つツールを生み出そうとしているのです」と、ハリスバーグ大学教授で共著者のNathaniel J.S. Ashby（ナサニエル・J.S.・アシュビー）氏は語る。

他の研究者として名前が載せられているのは（Harrisburg Universityリリース）、ハリスバーグ大学のRoozbeh Sadeghian（ルーズベ・サデギアン）助教授、そしてプレスリリースの中でNYPD（ニューヨーク市警）のベテランとして強調された、Ph.D学生のJonathan W. Korn（ジョナサン・W・コーン）氏らである。コーン氏は、犯罪行為を予測できる彼らのソフトウェアの能力を「法執行機関に対して重要な強みを与える」ものとして称賛している。

研究の発表に反対する公開書簡の中で、AIの専門家たちは研究に対する「重大な懸念」を表明し、Springerのレビュー委員会にその出版を取り下げるよう要請している。同書簡はまた、他の出版社に対しても同様の将来的な研究の出版を辞退するよう呼びかけ、顔認識技術と犯罪予測技術に対して細心の注意を払ってアプローチすべき理由や、すでに脆弱なコミュニティに対して利用してはらない理由を連綿と綴っている。

関連記事：グーグル社員が警察への同社技術の提供に抗議

今回の出版に対する反対者たちは、単に研究者たちが倫理的な困難さを引き起こしたことだけを心配しているのではなく、こうした研究そのものに対して疑問を投げかけ「私たちのそれぞれの分野にまたがって何年もの間否定されてきた不健全な科学的前提、研究、方法だ」と批判している。

顔認識アルゴリズムは、この種のソフトウェアに対して頻繁に提起される他の多くの科学的および倫理的懸念の中でも、非白人の顔を識別するパフォーマンスが低いことを、長い間批判されてきている（参考1、参考2、参考3）。問題の研究が、予防的治安維持目的に適用可能な顔認識ソフトウェアを開発したことを考えると、技術への懸念はこれまでになく高いものとなった。

「機械学習プログラムは中立ではない。研究計画とそれが扱うデータセットには、しばしば世界についての支配的な文化的信念が継承されているからだ」と、書簡の著者たちは警告している（Medium記事）。

「デフォルトの仮定の無批判な受け入れは、必然的にアルゴリズムシステムの差別的な設計につながり、社会階層を固定化し疎外されたグループに対する暴力を正当化する考えを、繰り返し生み出すことになる」。

関連記事：IBMが顔認識技術から撤退、CEOは偏向と不平等の廃絶を訴える

［原文へ］
（翻訳：sako）