AWS第3のカスタムチップ「Trn1」は機械学習モデルのトレーニングを高速化

顧客のワークロードのパフォーマンスを上げるためにカスタムチップに頼る企業が増えているが、Amazonもその例外ではない。同社は2019年に、機械学習の推論学習を高速化するためにInferentiaチップを導入した。その後、同社は2020年に機械学習のモデルの学習専用である第2のTrainiumチップをローンチした。そして本日、AWSはこれまでの流れの続きとして、最新の機械学習チップ「Trn1」を発表した。

関連記事
AWSがカスタム推論チップのInferentiaを発表
AWSが機械学習トレーニング用の新カスタムチップTrainiumを発表

初めてAWS re:Inventのキーノートを担当するAdam Selipsky(アダム・セリプスキー)氏は米国時間11月30日、最新のチップに関する発表を行った。

「Trainiumからパワーをもらっている新しいチップ、Trm1を発表できることに、私はワクワクしています。Trm1はクラウドでディープラーニングモデルをトレーニングするための最高のコストパフォーマンスと、EC2での最速のパフォーマンスを提供してくれるでしょう」とセリプスキー氏は語った。

続けて「Trn1はEC2のインスタンスとしては初めて、最大で毎秒800ギガバイトの帯域を提供します。そのため、大規模なマルチノード分散型トレーニングのユースケースには絶対に最適です」という。これは画像認識、自然言語処理、不正検知、予測などのユースケースに有効なはずだとのことだ。

さらに、これらのチップをネットワーク化して「ウルトラクラスター」とすることで、より強力なパフォーマンスを発揮することができる。

「これらを一緒にネットワーク化して、何万もの訓練アクセラレーターがペタバイト規模のネットワーキングへ相互接続した状態を、私たちは『ウルトラクラスター』と呼んでいます。そうしたウルトラクラスターの訓練を、強力な機械学習スーパーコンピューターが行い、パラメータが何兆個もあるような複雑な深層学習のモデルでも快速で訓練できます」とセリプスキー氏はいう。

セリプスキー氏によると、同社はSAPなどと協力して、この新しい処理能力の利用を追究していく計画だとのことだ。

画像クレジット:Ron Miller

原文へ

(文:Ron Miller、翻訳:Hiroshi Iwatani)

AIアプリケーションのためのストリーミングデータベースを構築するActiveloopが約5.7億円調達

Y Combinatorの2018年夏季から巣立ったActiveloopは、メディアに特化した人工知能アプリケーションのために特別に設計されたデータベースを開発している。米国時間11月2日、同社は 468 CapitalとCM Venturesがリードする500万ドル(約5億7000万円)のシード投資を発表した。これにはTribe CapitalとShasta Ventures、およびテクノロジー業界のさまざまなエンジェルたちが参加した。

同社の創業者でCEOのDavit Buniatyan(ダビット・ブニアティヤン)氏によると、同社は彼がプリンストン大学で行っていた研究から生まれた。そのとき彼は、AIのユースケースのために特別に設計された、画像や動画など非定型データのストリーミングデータベースが必要だと感じていた。同社はこの度、商用プロダクトのアルファバージョンを立ち上げている。

「私たちのAIのためのデータベースは、具体的には、データを極めて効率的に保存し、これを機械学習のアプリケーションや、コンピュータービジョン、音声処理、NLP(自然言語処理)などのモデルの訓練へストリーミングするレイターです」とブニアティヤン氏は説明している。

実用面では、ビデオやオーディオなどのデータをマシンが理解できる数学的表現に変換するためのオープンソースのAPIだ。さらにそのAPIでデータの異なるバージョンを追跡でき、そして最終的にはそれを、Amazon S3のようなにリポジトリに保存できる。

データがストリーミングで入手できれが、データサイエンティストやデベロッパーはこれまでのようにすべてのデータを手元のノートパソコンにダウンロードする必要もなく、それをモデルが使うために送ることもできる。Netflixでムービーを自分のところへストリーミングするのと同じで、自分のローカルマシンには何もダウンロードしない。

Activeloopの画像データベース(画像クレジット:Activeloop)

彼によると、このオープンソースプロジェクトには55名のコントリビューターがいて、コミュニティのメンバーはおよそ700名いる。そのプログラムはこれまでに30万回ダウンロードされた。

彼がデータをストリーミングしようと思いついたのは、プリンストンの神経科学研究所で大量のデータを扱っていたときだ。彼は、ファイルでは大きすぎると悟った。それをダウンロードするのは非実用的であり、むしろストリーミングするやり方を思いついて、それがActiveloopのベースになった。

現在、社員は15名だが、5〜6名の高度な技術者を求めている。彼が同社を創るときには、人材のダイバーシティをできるかぎり心がけた。たとえばエンジニアリング担当の副社長は女性だ。最近ではエチオピア出身のエンジニアを雇用しようとしたが、彼は結局断った。ブニアティヤン氏によれば、有能な人材であれば性別や人種や国籍などはまったく関係ないし、気にもしないという。

「人の出自や生まれつきなどはどうでもいい。重要なのは、我が社のミッションに貢献してくれるかだけです。私はこの会社をインパクトのある企業に育てたいので、そのための人材が欲しいのです」。

APIはオープンソースだが、この度アルファをリリースした商用プロダクトは、ストリーミングデータへのSQLクエリなど、いろいろな機能が加わっている。それらはオープンソースプロダクトにはない。同社はまだ売上を計上していないが、2022年の第1四半期には商用バージョンをリリースしたい意向だ。

画像クレジット:Activeloop

原文へ

(文:Ron Miller、翻訳:Hiroshi Iwatani)

スマホカメラとAIを利用して自動車事故の損傷を査定するTractable、最大の市場は日本

保険業界も21世紀の生活に合わせて進化しているようだ。コンピュータビジョンを利用して遠隔地から損傷を鑑定できるツールを開発したAIスタートアップが、多額の成長資金を獲得したことを発表した。

Tractable(トラクタブル)は、自動車保険会社と提携し、ユーザーがぶつけたクルマの写真を撮影して送信すると、その損傷具合を「読み取って」査定するサービスを提供している。同社はシリーズDラウンドで6000万ドル(約66億1000万円)の資金を調達したと発表、その評価額は10億ドル(1102億円)に達したという。

Tractableは、世界の自動車保険会社トップ100のうち20社以上と提携しており、過去24カ月間で収益は600%増加したという。Alex Dalyac(アレックス・ダルヤック)CEOによると「年間売上高は8桁ドル(数十億円)に達する」とのこと。「新型コロナウイルス感染拡大がなかったら、もっと早く成長していただろう」と、同氏は語っている。人々が自宅から出なくなるということは、クルマで路上を走る人の数が格段に減り、事故も減るからだ。

現在のTractableのビジネスは、主に交通事故の損害請求に関わるものが中心となっている。ユーザーは事故で損傷したクルマの写真をスマートフォンのカメラで撮影し、(通常のアプリではなく)モバイルサイトを介して写真をアップロードする。

しかし、同社は今回の資金調達の一部を利用して、自然災害の復旧(特に物的損害の鑑定)や、中古車の査定といった、隣接する分野へのさらなる事業拡大も計画している。また、スマートフォンで撮影された(サイズの小さな)写真を処理・解析するためのAIベースの技術を、より優れたものにするためにも、この資金は使われる。

今回の投資ラウンドは、Insight Partners(インサイト・パートナーズ)とGeorgian Partners(ジョージアン・パートナーズ)が共同で主導した。これにより、同社の累計調達額は1億1500万ドル(約127億円)に達した。

深層学習の研究者であり、Razvan Ranca(ラズバン・ランカ)氏やAdrien Cohen(エイドリアン・コーヘン)氏とともにTractableを設立したダルヤック氏によれば、同社が特定し解決する「機会」(「事故」と言い換えることもできるだろう)では、自分のクルマに起きた問題として対処する場合、保険会社とのやり取りには時間がかかりストレスになっているという。

最近では、そんな問題により近代的なプロセスを導入する新世代の「インシュアテック」スタートアップが登場しているものの、Tractableがターゲットとする既存の大手保険会社には、そのプロセスを改善する技術が不足していた。

それは、フィンテックを推進するネオバンクと、時代に追いつくためにさらなるテクノロジーへの投資に躍起になっている既存の銀行との間に見られる緊張関係と似ている。

「事故に遭うと、面倒なことからトラウマになることまでさまざまな負担を受けます」とダルヤック氏はいう。「壊滅的なダメージを受け、立ち直るまでにはかなりの時間がかかります。保険会社とのやりとりも多いし、多くの人がやって来て何度も確認しなければなりません。いつになったら本当に元通りになるのかを把握するのは困難です。私達は、画像分類の飛躍的な進歩により、そのプロセス全体が10倍速くなると確信しています」。

このプロセスは現在、保険金請求のための写真撮影に留まらず、Tractableのコンピュータビジョン技術を使って、車両が修理不能になった場合に、どの部品をリサイクルして他の場所で再利用できるかを判断するのにも役立っている。ダルヤック氏によれば、2020年はこのサービスが人気を博し「2019年にTesla(テスラ)が販売した新車台数」と同じ数のクルマのリサイクルを支援したという。

これまでTractableと契約を結んだ顧客企業には、米国のGeico(ガイコ)をはじめ、日本では東京海上日動、三井住友、あいおいニッセイ同和損保など、多くの保険会社が含まれている。また、フランス最大の自動車保険会社であるCovéa(コベア)、英国Admiral Group(アドミラル・グループ)のスペイン法人であるAdmiral Seguros(アドミラル・セグロス)、英国の大手保険会社であるAgeas(エイジアス)も同社の顧客となっている。

現在、日本は同社の最大の市場であるとダルヤック氏はいう。その理由は、高齢化が進んでいることと、その一方で携帯電話の利用率が非常に高いことという2つの条件が揃っているためだという。そのため「自動化は単なる付加価値ではなく、必要不可欠なものとなる」とダルヤック氏は述べている。だが、近い将来には米国が日本を抜いてTractableの最大の市場になるだろうと、同氏は付け加えた。

物的資産や中古車への応用などの新たな方向性は、保険会社との提携だけに留まらず、より幅広いユースケースへの扉を開くことになるだろう。それによってTractableが新たな競争環境に入る可能性もある。同じようなビジネスチャンスを狙っている企業は他にもあるからだ。

例えば、一般的なスマートフォンのカメラを使って住宅の3D画像を作成する方法を確立したHover(ホバー)は、元々は住宅の修理の見積もりをするために開発された技術を、保険会社に販売する方法を検討している。

しかし今のところ、このような商機は十分に大きく、競合他社に勝つことよりも、需要を満たすことの方が重要だと考えられる。

Insight PartnersのMDであり、Tractableの取締役でもあるLonne Jaffe(ロン・ジャフィ)氏は、声明の中で次のように述べている。「Tractableの大規模な加速度的成長は、同社の応用機械学習システムの力と差別化を証明するものであり、それはますます多くの企業に採用されることで改善を続けています。何億人もの生活に影響を与える事故や災害から、世界がより早く回復することを支援するために活動しているTractableとのパートナーシップを、二倍に強化できることを我々はうれしく思います」。

Georgian PartnersのパートナーであるEmily Walsh(エミリー・ウォルシュ)氏は、次のように述べている。「Tractableの業界をリードするコンピュータビジョン機能は、顧客の投資利益率と同社の成長を驚異的なペースで促進し続けています。TractableがそのAI能力を、中古車業界や自然災害復旧という数十億ドル規模の新たな市場機会に適用するために、引き続きパートナーとして協力できることをうれしく思います」。

関連記事:

カテゴリー:人工知能・AI
タグ:Tractable資金調達自動車事故深層学習画像認識機械学習保険

画像クレジット:Tractable

原文へ

(文:Ingrid Lunden、翻訳:Hirokazu Kusakabe)

ASTINAが化粧品のグラデーション生地などランダム模様の異物も検出可能な「OKIKAE for AI外観検査」を提供

ASTINAが化粧品のグラデーション生地などランダム模様の異物も検出可能な「OKIKAE for AI外観検査」を提供開始システム・IoTデバイス・AI・ロボティクスなどの技術導入のコンサルティング、開発から量産までを行うASTINA(アスティナ)は6月2日、AIを活用した外観検査装置の提供を開始した。化粧品などの不規則な模様のある製品でも傷の有無を確認できる。

2017年創業のASTINAは、作業現場の自動化のための装置開発・設置・運用・保守までを一貫してサポートする自動化パッケージ「OKIKAE」(オキカエ)を提供している。これまで同社は、中小工場向けDXサービス「自動バラ積みロボットOKIKAE」、工場のケーブルやコネクターの挿入を自動化する「OKIKAE for ケーブル挿入作業」をリリースしており、第3弾として「OKIKAE for AI外観検査」という外観検査の自動化を行うパッケージを用意した。

製造現場における製品の不良品を検出する外観検査は、作業時間がかかり、高度な知見が要求される作業だが、人員不足が問題になっている。画像認識による外観検査の自動化は以前から行われてきたが、ラベルの有無など、あらかじめ設定された対象物を判別するものがほとんどで、「傷、髪の毛、糸くずなどのランダム性があるもの」の検査は自動化が困難だった。また、「ランダムな模様に対応しきれず、正常な模様でも傷や異物と判断してしまう」問題もあったという。ASTINAが化粧品のグラデーション生地などランダム模様の異物も検出可能な「OKIKAE for AI外観検査」を提供開始ASTINAが化粧品のグラデーション生地などランダム模様の異物も検出可能な「OKIKAE for AI外観検査」を提供開始

「OKIKAE for AI外観検査」は、AIを活用することで、ランダムな模様に惑わされることのない、傷や穴や欠けなどの検出を可能にした。たとえば、化粧品のグラデーションの生地にある傷の判別や、ラメ入りや多くの色が混じる製品での異物検出、さらに360度全方位の検査も行える。「ランダム性のあるベース+傷や髪の毛などのランダム性のある異物」も見逃さないとのことだ。もちろん、検査対象は化粧品に限らない。

「OKIKAE for AI外観検査」の特徴として、ASTINAは次の5つを揚げている。

  • 加工装置や組立て装置とともにAI外観検査を組み込める
  • AIで種別判定可能なので、種類別の排出が可能に
  • 多種多様な業界の顧客のワークに対応
  • 現状の設備にAI外観検査、NG機構を設けることが可能
  • 多品種少量生産に適したシステムの設定が可能

関連記事
「目についたら異常」などあいまいな官能検査も対応、ロビットが工業製品向け汎用型AI外観検査ロボを提供開始
“俺の嫁”ロボ「Gatebox」のハード設計者が作った、自動衣類折りたたみ家具「INDONE」

カテゴリー:人工知能・AI
タグ:ASTINA(企業)AI / 人工知能(用語)画像認識(用語)ディープラーニング / 深層学習(用語)ロボット(用語)日本(国・地域)

ASTINAが化粧品のグラデーション生地などランダム模様の異物も検出可能な「OKIKAE for AI外観検査」を提供

ASTINAが化粧品のグラデーション生地などランダム模様の異物も検出可能な「OKIKAE for AI外観検査」を提供開始システム・IoTデバイス・AI・ロボティクスなどの技術導入のコンサルティング、開発から量産までを行うASTINA(アスティナ)は6月2日、AIを活用した外観検査装置の提供を開始した。化粧品などの不規則な模様のある製品でも傷の有無を確認できる。

2017年創業のASTINAは、作業現場の自動化のための装置開発・設置・運用・保守までを一貫してサポートする自動化パッケージ「OKIKAE」(オキカエ)を提供している。これまで同社は、中小工場向けDXサービス「自動バラ積みロボットOKIKAE」、工場のケーブルやコネクターの挿入を自動化する「OKIKAE for ケーブル挿入作業」をリリースしており、第3弾として「OKIKAE for AI外観検査」という外観検査の自動化を行うパッケージを用意した。

製造現場における製品の不良品を検出する外観検査は、作業時間がかかり、高度な知見が要求される作業だが、人員不足が問題になっている。画像認識による外観検査の自動化は以前から行われてきたが、ラベルの有無など、あらかじめ設定された対象物を判別するものがほとんどで、「傷、髪の毛、糸くずなどのランダム性があるもの」の検査は自動化が困難だった。また、「ランダムな模様に対応しきれず、正常な模様でも傷や異物と判断してしまう」問題もあったという。ASTINAが化粧品のグラデーション生地などランダム模様の異物も検出可能な「OKIKAE for AI外観検査」を提供開始ASTINAが化粧品のグラデーション生地などランダム模様の異物も検出可能な「OKIKAE for AI外観検査」を提供開始

「OKIKAE for AI外観検査」は、AIを活用することで、ランダムな模様に惑わされることのない、傷や穴や欠けなどの検出を可能にした。たとえば、化粧品のグラデーションの生地にある傷の判別や、ラメ入りや多くの色が混じる製品での異物検出、さらに360度全方位の検査も行える。「ランダム性のあるベース+傷や髪の毛などのランダム性のある異物」も見逃さないとのことだ。もちろん、検査対象は化粧品に限らない。

「OKIKAE for AI外観検査」の特徴として、ASTINAは次の5つを揚げている。

  • 加工装置や組立て装置とともにAI外観検査を組み込める
  • AIで種別判定可能なので、種類別の排出が可能に
  • 多種多様な業界の顧客のワークに対応
  • 現状の設備にAI外観検査、NG機構を設けることが可能
  • 多品種少量生産に適したシステムの設定が可能

関連記事
「目についたら異常」などあいまいな官能検査も対応、ロビットが工業製品向け汎用型AI外観検査ロボを提供開始
“俺の嫁”ロボ「Gatebox」のハード設計者が作った、自動衣類折りたたみ家具「INDONE」

カテゴリー:人工知能・AI
タグ:ASTINA(企業)AI / 人工知能(用語)画像認識(用語)ディープラーニング / 深層学習(用語)ロボット(用語)日本(国・地域)

TRUST SMITHとADEKAが荷姿・ラベル位置・種類を問わずラベル内情報を自動認識するシステムの実証実験

TRUST SMITHとADEKAが荷姿・ラベル位置・種類を問わずラベル内情報を自動認識するシステムの実証実験

AI・数理アルゴリズム・ロボティクス領域の東京大学発スタートアップTRUST SMITHと、化学品事業・食品事業などを展開するADEKAは4月30日、「ラベル自動認識システム」の実証実験を開始したと発表した。早くとも年度内の完成を目指し、研究開発に努めるとしている。また「ラベル自動認識システム」にとどまらず、将来的には、アイテムごとに仕分け作業を行う原料受け入れラインの開発を目指す。

ラベル自動認識システムは、任意のアイテムをカメラで撮影することで、荷姿、ラベルの位置・種類を問わず、ラベル内の情報を自動で読み取るという技術。具体的には、OCR(文字認識)技術、画像認識技術を用いている。また「ダンボール・ドラム缶・紙袋など荷姿が異なる場合」「アイテムごとにラベルの位置が異なる場合」「ラベルの種類が様々である場合」などを対象としている。

同技術は今後、食品・医療品・化学品を取り取り扱うメーカーをはじめ、ラベルを利用するあらゆる現場において必要不可欠な技術になることが期待できると同時に、国内だけでなく海外での需要も見込んでいるという。

TRUST SMITHとADEKAが荷姿・ラベル位置・種類を問わずラベル内情報を自動認識するシステムの実証実験

現在、あらゆるメーカーにおいてロット番号・品質保証期限・賞味期限などを記載した「ラベル」は、頻繁に利用されている。

ADEKAにおいても、化学品事業では樹脂添加剤、情報・電子化学品、機能化学品、また食品事業では洋菓子店・スーパーなど向けのパンや菓子などで様々なラベルを採用している。これら取り扱いアイテムは、荷姿やラベルの位置・種類が多種多様であるためラベルを自動で読み取ることが難しく、人間が確認せざるをえないという。

ただ、属人的な作業にはミスがつきものであり、人為的な過誤による損失、作業効率の低下などの課題を抱えているそうだ。

この課題を解決すべく、OCR技術・画像認識技術に強みを持つTRUST SMITHと、食品の管理技術・トラッキングシステムに強みを持つADEKAは、ラベル自動認識システムの実証実験を開始したという。

同技術によって、食品・医療・化学をはじめ、ラベルを取り扱うあらゆる現場における労働力不足の解消・作業コストの軽減・ヒューマンエラー防止を目指すとしている。

TRUST SMITHは、AI・数理アルゴリズム・ロボティクス分野の最先端のテクノロジーを活用してイノベーションを創造する、東京大学発スタートアップ。ハード・ソフト問わず、様々な技術領域において自社製品の研究開発に取り組むとともに、オーダーメイドで企業の課題に合わせたソリューションの提供や研究の支援を行っている。

関連記事
東大発スタートアップTRUST SMITHが創業以来金融機関からの融資のみで総額1.1億円を調達
東大発AIスタートアップTRUST SMITHが障害物回避型アームのアルゴリズムで特許取得

カテゴリー:人工知能・AI
タグ:ADEKA(企業)AI / 人工知能(用語)OCR / 光学文字認識(用語)画像認識(用語)東京大学(組織)TRUST SMITH(企業)日本(国・地域)