韓国のスタートアップAtommerce、約19.4億円の資金調達でメンタルヘルスサービスを拡大させる

モバイルアプリ「MiNDCAFE」を通じてユーザーがメンタルヘルス専門家とつながることを支援する韓国のスタートアップ、Atommerce(アトマース)は、2カ月で3倍の応募超過となった1670万ドル(約19億3600万円)のシリーズBで、メンタルヘルスのサービスを拡大する計画だ。

今回の資金調達で、Atommerceはプラットフォームの人工知能と機械学習技術を強化し、精神疾患に特化したデジタル治療に投資する予定だ。また、調達資金は人員増強にも充てられる。

ソウルを拠点とするこのスタートアップは、バーチャル・セラピー・プログラムと雇用者向けメンタルヘルス・ベネフィット・ソリューションを提供している。AtommerceのCEOであるKyu-Tae Kim(ギュテ・キム)氏はTechCrunchに対し、Atommerceは人間の専門家と同じようにセラピーができるAIチャットボットサービスを加えることで、患者、人間の専門家、精神疾患に対応するために人工知能が相互に作用するエコシステムを構築したいと考えていると語った。12月に発売された同社のAIチャットボット「RONI」は、推奨される回答を提供することで人間の専門家をサポートすると、キム氏は述べた。

Atommerceは、韓国で100万人以上のアプリユーザーと、Naver(ネイバー)、NHN、新韓インベストメント、Neowiz(ネオウィズ)、ソウル市役所など100社の企業を顧客として主張している。現在、MiNDCAFEの従業員支援プログラム(EAP)を通じて、B2Bクライアントの約20万人の従業員がアプリを利用している。同社は、250人以上のメンタルヘルス専門家を抱えているという。

新型コロナウイルスのパンデミックは、同社の成長を加速させた。例えば、2021年第1四半期の同社の売上高は、2020年第1四半期と比較して約1200%伸びた。また、過去2年間は年平均400%増の売上を記録しているという。

このスタートアップは、米国留学中にセラピーを受けてうつ病を克服したキム氏が、2015年に創業した。韓国に帰国したキム氏は、米国とは異なり、社会的なスティグマからメンタルヘルスの専門家の助けを得ることが難しいことを実感し、MiNDCAFEを立ち上げることを決意した。

韓国は、精神衛生問題を含むさまざまな要因でOECD諸国の中で最も自殺率の高い国となっているが、精神的な問題に対するスティグマから、人々は専門家に相談することをためらっていたと、キム氏はいう。しかし、ここ数年で変わってきた。現在、そのユーザーのほとんどは、国内のミレニアル世代とZ世代の成人女性であるとキム氏は付け加えた。

Atommerceは2022年前半に日本への進出を予定しており、早ければ年末に北米への浸透を目指す。同社のサービスは、言語やUX・UIなどのユーザーインターフェースデザインを完全にローカライズする予定だと、キム氏はTechCrunchに語った。また、次の資金調達計画について尋ねたところ、2023年第1四半期にシリーズCの調達を検討しているとのことだ。

画像クレジット:MiNDCAFE app

今回のラウンドで、同社の資金調達総額は約2600万ドル(約30億1400万円)に達した。シリーズBは、Hashed(ハッシュド)が主導し、E&Investment(E&Iインベストメンと)、K2 Investment(K2インベストメント)、Samsung Next(サムスンネクスト)が参加した。既存の出資者であるInsight Equity Partners(インサイト・エクイティ・パートナーズ)と韓国の製薬会社GC Green Cross Holdings(GCグリーンクロスホールディングス)もこのラウンドに参加した。

キム氏は声明の中で、今回の投資により、テクノロジーによって人々のメンタルヘルスを支援するという使命を持つMiNDCAFEが成長を加速させることができると述べている。さらに、Atommerceはメンタルケアエコシステムへのアクセスを向上させる。

画像クレジット:Carol Yepes / Getty Images

原文へ

(文:Kate Park、翻訳:Yuta Kaminishi)

コンピュータービジョンでレストランのオーダーエラーを解消するAgot AI

Agot AIの共同創業者エヴァン・デサントラ氏とアレックス・リッツエンバーガー氏(画像クレジット:Agot AI)

人工知能はいろいろな業界に浸透してきたが、レストランはその中でも後発となり、その主な導入動機はパンデミックとオンラインオーダーの導入となる。

レストランのAI導入は今後も増えるだろう。2021年には米国人の60%が週に1度以上テイクアウトまたはデリバリーを注文し、31%がデリバリーサービスを利用したMarket Study Reportの予想によると、世界のレストラン管理ソフトウェアの市場は年率25%で伸び、2025年には69億5000万ドル(約8034億円)に達する

しかしながら私たちはみな、フードデリバリーが持ってきたものが注文と違うという経験をしている。そこでAgot AIは、機械学習を利用するコンピュータービジョンの技術を開発し、最初はファストフード業界を対象にして、そのようなエラーが起きないようにした。

同社は3年前にEvan DeSantola(エヴァン・デサントラ)氏とAlex Litzenberger(アレックス・リッツエンバーガー)氏が創業し、レストランテクノロジーのオペレーションの側面や、従業員の成功報酬、レストランの顧客満足度の向上などの問題解決を目指した。

画像クレジット:Agot AI

同社のプロダクトは、オンラインからのオーダーに対する正しさをリアルタイムで確認し、修正が必要なら従業員に告げる。たとえば彼らは、チーズとケチャップを加えるのを忘れていたかもしれない。

同社はその技術を発表して以来、Yum! Brandsなどの大手サービスの協力のもとに、展開を進めてきた。Yumの場合、Agotは同社とのパートナーシップにより、その20のレストランでパイロット事業を行った。パイロットの結果が良ければ、Yumの100のレストランで実装する、とAgotのCEOデサントラ氏はいう。

Yum! BrandsのチーフストラテジーオフィサーであるGavin Felder(ギャビン・フェルダー)氏は声明で次のように述べている。「同社は常に、テクノロジーを利用する革新的な方法でチームのメンバーの能力を高め、私たちのレストランにおいて彼らと顧客の両方の体験を向上させようとしてきた」。そしてパイロット事業の初期的な結果は「私たちが料理を届けているすべてのチャンネルで、顧客にオーダーに忠実で正確なメニューを届けることができるという将来的に有望な可能性を示唆している」。

Yum! Brandsは、Agotの顧客であるだけでなく投資家でもある。以前の1200万ドル(約13億9000万円)のラウンドでは、Continental Grain Co.の戦略的投資部門であるConti VenturesやKitchen Fund、そしてGrit Venturesらとともに投資に参加した。これでAgotの総調達額は1600万ドル(約18億5000万円)に達した。

Agotは新たな資金を、技術チームの拡大と、その他のファストフードブランドとのパイロット事業、およびプロダクトの機能拡張に充てたいとしている。また、機能拡張により、デリバリーだけでなく、ドライブスルーや店内での顧客体験も改善していきたい。

同社は、小規模な概念実証レベルの展開で、オペレーションの能力を示してきたため、今後はより大きな市場とオーディエンスにその技術をスケールしたいという。

Agotは成長率などを明かさないが、同社のチーフビジネスオフィサーのMike Regan(マイク・リーガン)氏によると、彼がデサントラ氏と出会ったとき、彼自身は投資家だったが、オーダーの正確さチェックが今後大きなビジネスになることをすぐに理解し、またAgotがそれに対して総合的な視野で臨んでいることを知った。「それはまさにデジタルトランスフォーメーションそのものだった」とリーガン氏は言っている。

Toastのようなレストラン管理のパイオニアや、その他のスタートアップも、2年前ほど前からこのニーズに対応するようになり、それぞれ独自のアプローチを採っているだけでなく、ベンチャー資本も獲得している。

たとえば最近の数カ月ではLunchboxDeliverectOrdaZakSunday、そしてMargin Edgeなどが新たなラウンドを発表し、レストランを新しいオーダー方式に適応させていくことに向けて大金が流れ始めたことを示唆している。

リーガン氏によると、レストラン業界の現状は「厳しい」けれども、Agotは「社歴3年のスタートアップよりもずっと先を行っている」やめ、事業の成功という点でも、また今後の2年間で大多数のファストフード企業を顧客にしていける能力でも傑出しているという。

そしてデサントラ氏は「新たな資本がAgotを次のレベルのビジネスに押し上げる」と感じている。

「初期のパイロットでは成功を証明したし、現在および将来のパートナーを相手にスケールしていけることにもエキサイトしています。新たな資金はプロダクトの機能拡張と、顧客とそのオペレーションの分析、そしてドライブスルー向けの技術開発に充てたい」とデサントラ氏はいう。

原文へ

(文:Christine Hall、翻訳:Hiroshi Iwatani)

AIを活用した製薬会社向け商業インサイトプラットフォームのODAIAが約16億円を調達

トロントに拠点を置く、AIを活用した製薬会社向け商業インサイトプラットフォームのODAIA(オダイア)は、Flint Capital(フリント・キャピタル)が主導するシリーズA資金調達で1380万ドル(約16億円)を調達した。このプラットフォームは、データ分析、プロセスマイニング、AIを組み合わせ、製薬およびライフサイエンスの商業チームに予測分析を提供するものだ。この資金調達ラウンドは、同社が過去1年間でチームの規模を倍増させたことを受けて行われた。

このスタートアップは、製薬会社のコマーシャルチームが彼らの処方者について何を知る必要があるか判断するのを手助けし、最適なチャネルを通じて正しいメッセージを伝え、最終的には、治療薬を必要とする患者に届けることができるようにすることを目的としている。同社は、プロセスマイニング、カスタマージャーニーマッピング、AIの分野における長年の研究開発の後、2018年にトロント大学で設立された。

「初期の研究作業のいくつかは、ペイシェントジャーニーを分析し、AIと機械学習を使ってそれらのジャーニーを最適化することを中心としていました」とODAIA共同創設者兼CEOのPhilip Poulidis(フィリップ・プーリディス)氏は、電子メールでTechCrunchに語った。「それは、処方者の取引、匿名化された患者の医療請求データ、人口統計学的および社会経済学的データ、匿名化されたラボデータなど、多くの異なるが関連するデータソースの分析を含むために、時間をかけて進化しました。MAPTUALは、上記のデータセットを分析し、予測的洞察を提供するSaaSプラットフォームで、標的治療薬の理想的な候補となる患者を治療している医師の優先順位付けと動的なセグメント化を行うもので、こうした研究・技術開発の積み重ねが、MAPTUALの誕生につながったのです」と述べる。

米国時間2月10日に発表された資金調達ラウンドには、Innospark Ventures(イノスパーク・ベンチャーズ)、Alumni Ventures(アルミナイ・ベンチャーズ)、Graphite Ventures(グラファイト・ベンチャーズ)の他、BDC Capital(BDCキャピタル)、MaRS IAF(マーズIAF)、StandUp Ventures(スタンドアップ・ベンチャーズ)、Panache Ventures(パナッシュ・ベンチャーズ)などODAIAの現在の投資家が参加している。同社によると、新たな資金調達は、プラットフォームの機能強化や、市場拡大をサポートするための営業、マーケティング、カスタマーサクセスチームの拡充に充てられるという。

画像クレジット:ODAIA

プーリディス氏は「今回の資金調達により、製品およびソフトウェアエンジニアリングチームの拡大、商業チームの拡大、プラットフォーム統合パートナーシップの拡大により、製品ロードマップの開発を加速させます」と述べている。

同社は、パンデミックによって顧客向け医薬品ビジネスが変化し、現在はDXが主な優先事項であると述べている。将来についてプーリディス氏は、同スタートアップの目標は、ライフサイエンスデータの多変量データ解析と予測的洞察を1つのプラットフォームで提供することであると述べている。このプラットフォームには、ライフサイエンス企業が処方者とペイシェント・ジャーニーをよりよく理解し、データとAIを活用してリアルタイムに対応できるような機能と能力が含まれると概説した。

同社のシリーズAラウンドは、2019年に発表された160万ドル(約1億8600万円)のシード投資に続くものだ。このラウンドは、Panache VenturesとStandUp Venturesが共同主導し、BDC CapitalのWomen in Technology Venture Fund(ウーマン・イン・テクノロジー・ベンチャー・ファンド)、Inovia Capital(イノヴィア・キャピタル)、MaRS IAFが参加した。この投資家グループは、Toronto Innovation Acceleration Partners(トロント・イノベーション・アクセレーション・パートナー)、トロント大学のUTEST(ユーテスト)、N49P、Ontario Centres of Excellence(オンタリオ・センター・オブ・エクセレンス、OCE)、Autonomic.ai(オートノミック・ドット・エーアイ、Fordが買収)の共同創業者であるAmar Varma(アマール・ヴァルマ)氏などのプレシード投資家に参加した。

画像クレジット:ODAIA

原文へ

(文:Aisha Malik、翻訳:Akihito Mizukoshi)

Sony AI、AIレースゲーマー「グランツーリスモ・ソフィー」の進歩発表、人間の世界トップランカーをしのぐスキルを学習

Sony AI、AIレースゲーマー「グランツーリスモ・ソフィー」の進歩発表、人間の世界トップランカーをしのぐスキルを学習Sony AIが、AIレースゲーマー『Gran Turismo Sophy』(グランツーリスモ・ソフィー、GT Sophy)が人間のグランツーリスモトップランカーとの対戦において勝利するまでにドライビングが上達したと発表しました。

GT SophyはSony AIが開発した最先端の深層強化学習アルゴリズムと学習シナリオを用い、PlayStation 4用レーシングシミュレーター『グランツーリスモ Sport』の環境でマシンコントロール、レーシングテクニック、そしてレースの競技におけるエチケットといった生身のドライバーが練習によって身につけるスキルを学習しています。

Sony AIの北野宏明CEOはGT Sophyが「AIの大きな発展の形であり、単に人間のプレイヤーより優れたシステムを作るのでなく、プレイヤーのテクニックや創造性を加速させて次のレベルへと引き上げられる刺激的な対戦相手になることを目的としている」と述べています。

またSony AI COOのMichael Spranger氏は、AIにグランツーリスモSportで競争力を発揮させるには、物理的な限界でマシンをコントロールし、ブレーキと加速のポイントを最適化し、コース上で最後の1/10秒を絞り出す正しいラインを見つけることを学ぶ必要がありました。そして、コース上を走る他車の動きや高速走行時に互いに影響し合う空力的な作用などを考慮しつつ他者を追い抜く走り方ができるようにする必要があったとしています。

Sony AI、AIレースゲーマー「グランツーリスモ・ソフィー」の進歩発表、人間の世界トップランカーをしのぐスキルを学習

Spny AI / Gran Turismo Sophy

そして、こうした人間でもなかなかできない処理をAIにさせるために、深層強化学習が用いられたとのこと。

GT Sophyは車の走行速度や加速度、コース内外の境界線や周囲を走る他車との相対的な位置関係、コース上のマシンの進行状況といったパラメーターをシステムから受け取り、ステアリング確度やアクセルおよびブレーキ踏力といった操作を学習してゆきました。そして、上手く走行できているときにはそれを肯定するシグナル、つまり報酬(リワード)をAIに与え、逆に拙い走りを見せたときにはネガティブなシグナルを与えるようにしました。

このようにして鍛えあげたAIは、2021年3月からは元グランツーリスモトッププレイヤーを含む人間のドライバーが操作する車両との混走でテストレースを始め、7月と10月には世界トップのグランツーリスモ使いたちを相手に互角といって差し支えないレースを展開するに至りました。

特に、10月の対戦では3レースすべてでGT Sophyが1~2位を独占したほか、7月の時には人間に敗れた総合得点でも勝利を収めています。

ただし、同じアルゴリズムであるにもかかわらず、すべてのGT Sophyが好調だったわけではありません。あるAIは前走車の追い抜きのタイミングを計り損ねてアンダーステアを出し、そのままカーブを曲がりきれずにウォールに激突する不様な形でリタイアしていました。

つまり、AIは最速で走れるよう、あらかじめプログラムされていたわけではなかったことも合わせて証明されたといえるでしょう。

ソニーグループの吉田憲一郎CEOは、この技術開発は「ゲームプレイヤーに新しい経験を提供しようとするゲームデベロッパーのもとにAIをもたらすということ」だと述べています。

GT Sophyは『グランツーリスモSport』上で開発されたAIですが、約3週間後に発売となる『グランツーリスモ7』にもアップデートで追加搭載予定とのこと。

これまで、我々一般のプレイヤーが上達するには、とにかくオンラインレースへの出走を繰り返して、他のドライバーの間合いの取り方や詰め方、コースのライン取りなどを盗みつつ自分なりに速い走法を探っていく必要がありましたが、もしかしたら今後はAIの走りを逆に人間のドライバーが学ぶような時代に変わっていくのかもしれません。

(Source:Gran Turismo SophyNatureEngadget日本版より転載)

写真やビデオのデジタル創作プラットフォームPicsart、新APIで開発者向けにクリエイティブツールを提供

デジタルクリエイションプラットフォームであるPicsart(ピクスアート)は、新しいAPIプログラム「Picsart for Developers」を開始したと米国時間2月9日に発表した。Picsartは、消費者とプロフェッショナルの両方を対象に、写真やビデオの編集をより楽しく、より身近にするためのデジタル制作・編集ツールを提供している。同社によると、世界中の消費者がカスタムビジュアル製品や体験をビジネスに求めている中、PicsartはAPIの新規提供により、あらゆる規模の企業がそのニーズに応えられるよう、同社の技術にアクセスできるようにしているという。

これらの新しいAPIにより、企業はPicsartのAIを活用したクリエイティブツールを自社のプラットフォームに直接実装できるようになった。AIを活用したAPIには、背景除去機能、品質を落とさずにコンテンツを拡大・強化するアップスケール機能、任意のソース画像の見た目を転送してスタイルを格上げするスタイルトランスファー機能などが含まれる。画像処理APIには、写真を際立たせるためのフィルターや、明るさやコントラストなどの設定を変えることができるアジャスト機能がある。また、画像処理を高速化するアップロード機能も搭載している。

Picsart for Developersは、デジタル広告、ウェブサイト構築、カスタムマーチャンダイジングなどのクリエイティブ企業を含む8社のパートナーとともに開始される。パートナーは、Photobook(フォトブック)、TPS Engage(TPSエンゲイジ)、Clos(クロス)、Amaze(アメイズ)、Make Your Move(メイク・ユア・ムーブ)、The Flat Lay(フラット・レイ)、Etch4U(エッチ・4U)、Smiley(スマイリー)の8社。Picscartによると、これらの企業との統合は現在稼動している。今後数カ月の間に、招待制でさらに多くのパートナーを追加する予定だ。

「私たちのビジョンは、あらゆるクリエイターをエンパワーすることであり、Picsartは革新的なAI、写真、動画編集機能で市場をリードしています。APIを通じて当社の技術を開発者に提供することは、活況を呈するクリエイター経済を支援できるエキサイティングな方法です」と、Picsartの創業者兼CEOであるHovhannes Avoyan(ホバナス・アボヤン)氏は述べた。「デジタル創作のスピードや、特にジェネレーションZからのコンテンツをパーソナライズし、他と差をつけたいという要望は、より深いクリエイティブな体験を提供することが、あらゆる企業に求められているということを意味します。我々のAPIはそれを可能にします」。

画像クレジット:Picsart

Picsartは2018年にEFEKT(旧D’efekt)を買収して動画市場に参入し、動画を活用するソーシャルメディアクリエイターやeコマースショップを中心に、近年利用者が急増している。2021年12月、Picsartはアプリ内で編集された動画が1億8000万本以上となり、前年比70%増を記録したと発表している。

今回の発表は、Picsartが先日、研究開発会社のDeepCraft(ディープクラフト)を買収したことにともなうものだ。この買収は、現金と株式の両方を組み合わせたもので、7桁台の金額(数億円)だが、正確な条件は明らかにされていない。Picsartは、DeepCraftのAI技術人材と、コンピュータビジョンと機械学習におけるその躍進が、Picsart自身のAI技術を強化し、同社のサービスにおける最近の動画作成の増加をよりよくサポートするのに役立つと述べた。また、同チームは、PicsartのAI研究開発部門であるPAIR(Picsart AI Research)にシニアリソースを追加することで、Picsartを補完することができる。

Picsartは2021年8月、ソフトバンクのVision Fund 2(ビジョン・ファンド2)が主導する1億3000万ドル(約150億円)のラウンドを調達したと発表し、ユニコーンの地位を獲得した。この資金注入により、同社の評価額は10億ドル(約1154億円)の大台に乗った。PicsartのCOOであるTammy Nam(タミー・ナム)氏はTechCrunchに対し、同社には数百万人の加入者がおり、このプラットフォームが成長する余地はたくさんあると語っていた。

画像クレジット:Picsart

原文へ

(文:Aisha Malik、翻訳:Yuta Kaminishi)

仙台市と東北大学がKaggleを用いAI・データサイエンスの実践スキルの習得を目指す講座を開講、受講者募集開始

仙台市と東北大学がKaggleを用いAI・データサイエンスの実践スキルの習得を目指す講座を開講、受講者募集開始

宮城県・仙台X-TECH推進事務局は、東北大学大学院情報科学研究科と連携し「データサイエンス・トレーニングキャンプ」をオンライン開催(Zoom)すると発表。受講者の募集を開始した。受講者募集期間は2月14日12:00まで。開講日程は、2月24日から3月12日。修了時には、東北大学大学院情報科学研究科による修了証が授与される。

これは、AIを用いたデータ分析の手法とデータサイエンスの実践スキルを学ぶための講座だ。仙台X-TECH推進事務局は、仙台市をフィールドに、最先端IT技術と様々な産業を掛け合わせたX-TECH(クロステック)による新事業創出を推進しており、AI関連ビジネスが持続的に生まれるエコシステム「AI-Ready都市・仙台」を目指す「仙台 X-TECHイノベーションプロジェクト2021」の一環として開催する。

募集対象者は、仙台または東北に本社や事業拠点を置く企業や団体に所属する個人で、これまでに仙台X-TECHイノベーションプロジェクトのプログラムやワークショップに参加したことのある人、AIやデータサイエンスに関心の高いエンジニア(経験はスキルは不問)、またはAIビジネス創出を支援するITベンダーのエンジニア(プログラミング未経験でも可)のいずれかに該当する者となっている。

講師は、東北大学大学院情報科学研究科教授の中尾光之氏と、同研究科准教授の山田和範氏。

AIコンペティション・プラットフォームKaggleから厳選したプロジェクト2つにおいて、参加者間で3名程度のチームを組成の上、前半(Day 1〜5)、後半(Day 5〜9)それぞれハンズオン講義+チーム活動にてビッグデータ分析を通した課題解決に取り組む。

概要

  • 開講日程:2月24日〜3月12日
  • 会場:Zoomによるオンライン開催
  • 受講者募集期間:2022年2月14日12:00まで
  • 募集人数:20名(応募多数の場合は抽選)
  • 参加費:無料

申し込みは、特設サイト「東北大学 x 仙台市 データサイエンス・トレーニングキャンプ」より行う。

クラウド録画サービスSafieが渋谷区のスマートシティ化を目指す「データ利活用事業」に採択、宮下公園で実証実験

クラウド録画サービスSafieが渋谷区のスマートシティ化を目指す「データ利活用事業」に採択、宮下公園で実証実験

カメラとインターネットをつなぎ、いつでもどこでも映像を確認できるクラウド録画サービス「Safie」(セーフィー)を運営するセーフィーは、東京都渋谷区がスマートシティ化のための提案を募集する「データ利活用促進にむけた技術実証・実装支援事業」に採択されたと発表。東京都・宮下公園において、公共空間利用の分析のための実証実験を同日より実施している。

Safieは、単に映像を録画するだけでなく、防犯や遠隔からの状況確認、異常検知・予測、映像解析による業務効率化といった用途に利用されている。セーフィーはこの機能を活かし、渋谷区に「クラウドカメラと映像解析AIを活用した利用者データの解析事業」を提案し、採択された。具体的には、公共空間の利用傾向や利用者の属性を把握することで、より便利で快適な公共空間の整備に役立てるというものだ。

実証実験は、渋谷区「Miyashita Park」の宮下公園内において2月8日から2月24日まで実施される。セーフィーは、同社のカメラ「Safie Go」4台を宮下公園の「パークセンター前エリア」「中央階段前エリア」「カフェ前エリア」の3カ所に設置し、利用者数や利用者の属性推定データ(性別/年代:子供・大人・年配者)を取得し分析する。このデータを、「より便利で快適な公共空間整備」の参考にするということだ。

AI解析には、セーフィーの「Safie AI People Count」と、フューチャースタンダードが提供するAI交通量調査サービス「SCORER Traffic Counter」が使われる。個人が特定される映像データは、上記解析以外には利用せず、利用状況を測定した後保存期限(3月31日)までに削除し、統計情報のみを保持するとのこと。

都市のスマートシティ化が進む中、セーフィーは「生活者の第3の目として1歩先の未来を見据えた意思決定の機会を実現し、多様化するニーズに応えてまいります」と話している。

プレシジョン、東京都の新型コロナ患者向け宿泊療養施設にAI問診票「今日の問診票 コロナ宿泊療養者版」を提供開始

プレシジョン、東京都の新型コロナ患者向け宿泊療養施設にAI問診票「今日の問診票 コロナ宿泊療養者版」を提供開始

AIを用いた医療支援システムを開発提供するプレシジョンは2月7日、東京都の新型コロナウイルス患者向け宿泊療養施設に向けて、AI問診票『「今日の問診票」コロナ宿泊療養者版』の提供を開始した。宿泊療養施設の電子問診票の導入は、日本初となる。デモ問診のURLはhttps://u5000672.cl1.cds.ai/preMonshin/#/

これは、プレシジョンが展開しているAI問診票「今日の問診票」を、ホテルなどで宿泊療養する新型コロナウイルス感染者向けに特化させたもの。「今日の問診票」は、AIにより、聞き取った症状などに応じて質問内容が動的に変化する電子問診票。これに、同じくプレシジョンが展開している医療機関向けの医学情報データベース「Current Decision Support」(CDS)が組み合わされている。CDSは、日本の2000名の医師の協力で作られるデータベースで、現在3000疾患、700病状の所見、全処方薬の情報が掲載され、大学病院の8割、全国300以上の医療機関で使われているというものだ。

宿泊療養者の健康観察と説明は、現在は看護師が電話で行っているため、20分から40分という時間がかかり、看護師不足が深刻化する現場の負担は大きい。しかしこのAI問診票を使えば、健康状態の聞き取りや、その後の登録作業にかかる時間を半分以下に短縮できる。重症化のリスクもAIが判断してくれるなど医療機関の負担軽減となり、患者にとっても電話応答に比べ短時間で済み、自分のペースで回答できるため負担が減る。

プレシジョンでは、第6波の到来に備えて2021年10月から「『今日の問診票』コロナ宿泊療養者版」の準備を行ってきた。設計にあたっては、プレシジョン所属の医師や看護師が医療現場での業務フローの聞き取りを行ったり、実際に宿泊施設で働いたりなどして、「現場に即した運用フロー」が作り上げられている。2022年1月27日からテスト運用を行ったところ現場での評価は高く、2月7日から2つの宿泊療養施設で本格運用されることに決まった。

質問が終わると、患者の疑問に答える動画が閲覧できる。プレシジョンの社長であり医師でもある佐藤寿彦氏の監修による、よくある質問に答えたものだ。佐藤氏は、在宅療養をしている人にも役に立つと考え、酸素飽和度の測り方退所の時期に関する動画をYouTubeでも公開した。「今後も日々変わる状況に応じて更新をする」と佐藤氏は話している。

 

NTTコミュニケーションズ、山形県との連携のもとAIで積雪状況を分析し除雪業務の効率化を目指す実証実験を開始

NTTコミュニケーションズ、山形県との連携のもとAIで積雪状況を分析し除雪業務の効率化を目指す実証実験を開始

NTTコミュニケーションズ(NTT Com)は2月4日、山形県との連携のもと、米沢市と高畠町において、車載カメラで収集した画像データからAIで積雪状況を分析する実証実験を同日開始した。これは除雪業務の効率化を目指す実験で、積雪状況をリアルタイムに「可視化プラットフォーム」の地図上に表示する。

同実証実験はNTT Comの社内ビジネスコンテスト「DigiCom」および社内新規事業創出プログラム「BI challenge」にて創発されたビジネスアイデアで、その事業化に向けた取り組みの一環。

山形県は豪雪地帯として知られているが、なかでも米沢市と高畠町は国土交通省から「特別豪雪地帯」に指定されており、除雪の緊急度把握が特に重要な地域となっている。今回実験を行うNTTコミュニケーションズのシステムは、様々な車両の車載カメラで撮影された道路の映像をクラウドに集め、地図上にマッピングするというもので、積雪状況のリアルタイムの可視化、状況把握の効率化、緊急度に応じた除雪車の早期手配などに役立つ。

これには、NTT Comが提供するクラウド録画カメラサービス「coomonita 」(コーモニタ)」と、ネット地図サービス企業HERE Technologies(ヒアテクノロジーズ)の位置情報システム「HERE Maps API」が用いられる。AI画像分析は、東大・松尾研発のAIスタートアップACES(エーシーズ)と協力し実施する。

実証実験は、2つのステップで実施される。2月28日まで実施されるステップ1では、道路などの積雪状況の画像データを集め、個人情報をマスキングした上でリアルタイムに「可視化プラットフォーム」の地図上に画像を表示し、可視化データを自治体に提供する。2022年12月に実施予定のステップ2では、積雪状況、道路の幅、事故、道路陥没状況などをAIで画像分析し、結果を自治体に提供する。

今後は、積雪アラートなどの機能を追加すると同時に、道路の損傷検知や地域防犯など、積雪地域以外の全国にも同システムを展開を目指すとのことだ。

海賊、麻薬、汚染、違法漁業など海上監視に最適化された産業ドローン用AI特化のTekeverが約26億円調達

産業用ドローンは、消費者が余暇に楽しむ無人航空機を事業用に補完するものである。その市場は、バッテリー寿命やリーチ、パフォーマンスを向上させるソフトウェアおよびハードウェアテクノロジーの新しい波と、データオペレーション活動の強化を目的にこれらのサービスに投資する企業の増加を追い風に、急速に拡大している。米国時間1月25日、海上展開向けドローンのAI開発に特化した企業が、そのデバイスとサービスに対する強い需要を見据えて、資金調達ラウンドを発表した。

水上の活動を監視および検知するAIを組み込んだドローンを手がけるTekever(テクエバー)が、2000万ユーロ(現在のレートで2300万ドル[約26億円]弱)を調達した。このラウンドをリードしたのはVentura Capital(ベンチュラ・キャピタル)で、Iberis Capital(イベリス・キャピタル)と海洋産業からの複数の匿名の戦略的投資家が参加した。同社は今回調達した資金を、人材の雇用拡大とテクノロジー開発の継続に活用する予定である。

歴史的な海洋大国ポルトガルのリスボンに本拠を置くTekeverは、2001年に設立され、2018年から商用サービスを開始した。だが同社はすでにかなりの期間にわたって収益性を確保しており、今後3年間でCAGR(年平均成長率)60%の成長を見込んでいる。そして実際、これは同社にとって初めての外部資金調達であり、ビジネス機会の増大にともない、テクノロジーの拡張、そしてより広範な組織への販売を視野に入れたものである。

Tekeverの顧客には、違法行為に備えて水域を監視する目的で同社のサービスを利用している各国政府および政府機関が含まれる。また、民間の船舶会社やその他の海洋関連会社も、気象パターンや水上交通など、事業にインパクトを与える可能性のある物理的活動をドローンで追跡している。

Tekeverを創業したのはインテリジェンスとAIの専門家チームで、共同創業者兼CEOのRicardo Mendes(リカルド・メンデス)氏は、自社を垂直統合ビジネスとして位置づけている。同社はドローンと塔載テクノロジー両方の設計と構築を手がけており、そのテクノロジーは、機体の下に広がる水上で起きていることの監視と「読み取り」、さらには次に何が起こるかの予測を行う。

垂直統合されたドローン会社はそれほど珍しいものではないが、より独自性のある側面として、Tekeverがそのスタックを構築した順序を挙げることができる。

「私たちは、ドローン業界の他のどの企業とも正反対の方向からスタートしました」とメンデス氏は冗談交じりに語った。同社はまず地形(同社の場合は水域)を読み取るテクノロジーの構築に着手し、その後、自社のソフトウェアを動作させる目的に適したドローンを構築した。それには機体自体に組み込まれる特別仕様のアンテナ、センサー、電力機能などが含まれている(このことは、現時点では、同ソフトウェアが他の航空機で動作することを本質的に不可能にしている)。一方でこのソフトウェアは、エッジAI、衛星通信、クラウドコンピューティングを組み合わせて使用するように設計されている。

ドローン専用のハードウェアを自前で構築するのは難しい(そして費用がかかる)。しかし、それは同社にとって意図されたものであった。Tekeverは両方のコンポーネントを販売しているが、最も広く展開されているのは、自社フリートのオペレーション、そして「Atlas(アトラス)」というブランド名の、メンデス氏が筆者に「サービスとしてのインテリジェンス」と形容した、ドローンを使った監視サービスの販売である。同氏によれば、このアプローチは同社のプロダクトを可能な限り広範にアクセス可能にするために特別に取り入れられたもので、翼幅2メートルから最大8メートル、飛行時間が20時間にも及ぶドローンは、最大規模の顧客以外にはコストが高すぎることが背景にあるという。

「私たちが答えを出そうとした問いは『富裕国に限らず、世界中で手軽にこれを利用できるようにするには、何をする必要があるだろうか』というものでした」と同氏は語っている。「ドローンはバリューチェーンの一部にすぎません」。

Tekeverがどのように利用されているかの例として、欧州海上保安庁(EMSA)と英国内務省の両方が顧客である一方、アフリカの小さな共和国も顧客に含まれている。こうした機関では、海賊行為、麻薬、人身売買、移民の密入国、汚染、違法漁業、インフラの安全上の脅威に関与する船舶を監視する目的で、同社のテクノロジーが幅広く使用されている。

The Guardian(ガーディアン)紙が最近報じたところによると、欧州の政府機関は難民グループの監視体制強化に向けて、ドローンやその他の軍事技術に数百万ユーロ(約数億円)を投資しているという。これらの投資は不法移民を抑止するものではなく、脆弱な人々に対してさらに危険なルートを取るよう促すだけであるという明確なメッセージがそこには記されている。この分野の他の企業の中には、Anduril(アンドゥリ)のように、彼ら自身の論争を踏み台にして莫大な金銭的報酬を得ていると思われる企業もある。しかし、TekeverのCEO兼創業者は、自身の会社が市場の特定の技術的ギャップを埋めるということだけではなく、その利用は害をもたらすよりも利益をもたらすものであることを確信している。

関連記事:Oculus創業者が起ち上げたAI防衛企業Andurilの評価額が約5000億円超に

「海のような広大な領域では、何が起きているのかわからないことが多く存在します」と同氏はいう。一般的に、組織は水上で起きていることの状況把握を衛星画像に頼ってきたが、ほとんどの衛星画像はユーザーが見るときには数日経過しているため、その方法は理想的ではない。「漁業、密輸、人身売買、移民、これらはすべて、リアルタイムのインテリジェンスが必要な分野です。当社のソリューションは単なる映像にとどまらず、問題解決の糸口になるものです。その目的は、悪い事象が発生する前に行動できることに置かれています」。Tekeverは予測的アナリティクスも使用しているため、何が起こるかを予見することができる。

「私たちが行っているのは、問題発生時にその問題を解決する膨大な量のデータを収集することです」と同氏は述べ、対応に5分余分に時間がかかっただけでも、水の状態が変化する速度のために違いが生じる可能性があると指摘した。例えば、英国内務省の場合、イギリス海峡で移民船を特定し、彼らを岸まで送る手助けをし、潜在的な悲劇的事故を回避することが優先事項の1つであると同氏は指摘した。「メディアは移民問題そのものに焦点を当てていますが、これは大きな人道的問題でもあると思います」と同氏は語る。

Tekeverが今後、そのテクノロジーを発展させる可能性のある方法は山ほどある(方法の海であふれている、ともいえようか)。水域を観察してその意味を理解するには膨大なデータを処理する必要があるが、同時にそれによって同社は大量のデータセットを利用できるようになる、とメンデス氏は説明する。遠洋航海用船舶に搭載されているライダーやレーダーで識別するような、海底での活動を読み取ることはまだできていない。だが同社はこの分野を開拓し始めている。他にも、原油流出の特定と分類が考えられる、と同氏は述べている。

Tekeverは現在、メンデス氏が筆者に「ブルーエコノミー」と表現したものに注力しているが、同社はまた地上においても地歩を固めつつある。その焦点は、極めて複雑な地形を観察する新しい方法の創造を追求し続けることに置かれているようである。同氏はさらに取り組みたい分野として、森林、特に熱帯雨林に言及している。同社は数年前にブラジルのドローン会社Santos Lab(サントス・ラボ)に投資しており、その分野に足場を築いている。

「Tekeverはとても型破りなUAS(無人航空機システム)企業であり、卓越したテクノロジー、何千時間ものオペレーション経験、経験豊富なリーダーシップチーム、そして急成長する市場において驚異的かつ収益力が強いビジネスビジョンを有するマーケットリーダーです」とVentura CapitalのマネージングパートナーであるMo El Husseiny(モ・エル・ハッシニー)氏は声明で述べている。「これらの特性は、VenturaがTekeverをフラッグシップ投資として位置づけた背景をなす要素であり、テクノロジー分野のディスラプターで構成される私たちのポートフォリオと整合するものです」。

「Tekeverは欧州で最も注目されているディープテックスケールアップの1社であり、このチームと協働し、彼らがグローバル市場のディスラプションを創出するのを支援していくことを大変誇りに思います」とIberis CapitalのパートナーであるDiogo Chalbert Santos(ディオゴ・チャルバート・サントス)氏は続けた。「Tekeverがすでに自力で成し遂げていることは驚くべきものであり、今回のラウンドで空は果てしなく広がる(可能性は無限に広がる)といえるでしょう」。(サントス氏は言葉遊びを使わずにはいられないようで、私の心にかなった投資家の1人である)。

画像クレジット:Tekever AR5

原文へ

(文:Ingrid Lunden、翻訳:Dragonfly)

海洋研究開発機構と鹿児島大、デジカメ撮影による海岸の写真からAIで漂着ごみの被覆面積を高精度に推定する新手法を開発

セマンティック・セグメンテーションを用いた、海岸の写真からの海ごみ検出のイメージ図。写真に対して、ピクセル単位でのクラス分類が行われる。訓練用に2800枚、評価用に700枚の画像データを用いた(写真は山形県提供)

セマンティック・セグメンテーションを用いた、海岸の写真からの海ごみ検出のイメージ図。写真に対して、ピクセル単位でのクラス分類が行われる。訓練用に2800枚、評価用に700枚の画像データを用いた(写真は山形県提供)

海洋研究開発機構鹿児島大学は2月4日、ディープラーニングを用いた画像解析で、デジカメなどで普通に撮影された海岸の写真から、海岸の漂着ゴミを検出する手法を開発したと発表した。

海岸漂着ゴミの実態調査は世界中で行われているが、ゴミの現存量の定量化が行える、汎用性と実用性の面で優れた技術がなかった。人による調査では、経済的負担、時間的制約、さらに範囲も限定されてしまい、精度にも課題があった。ドローンや人工衛星を使う技術も開発されているが、それではコストがかかりすぎる。そこで、海洋研究開発機構の日高弥子臨時研究補助員、松岡大祐副主任研究員と、鹿児島大学の加古真一郎准教授からなる研究グループは、地上においてデジカメなどで簡易的に撮影された画像から、高精度で海洋漂着ゴミの定量化ができる技術の研究に着手した。

ここで採用されたAI技術は、セマンティック・セグメンテーションと呼ばれるもの。ディープラーニングを用いた画像解析技術で、画像内のすべてのピクセルにラベル付けを行い、ピクセルごとに、人工ゴミ、自然ゴミ、砂浜、海、空といったクラスを出力する。そのクラス特有のパターンの学習には、山形県庄内総合支庁から提供された海岸清潔度モニタリング写真3500枚が利用された。そこから正解となるラベルを作成し、AIの訓練や判断の評価を行った。

入力画像、正解ラベルおよびAIによる推定画像の例

入力画像、正解ラベルおよびAIによる推定画像の例

今回の研究では、海岸漂着ゴミを検出した後の画像を、真上から見た構図に変換(射影変換)して、ゴミの被覆面積を推定することも可能であることがわかった。ドローンによる空撮画像から推定した被覆面積と比較したところ、誤差は10%程度だった。

セマンティック・セグメンテーションと射影変換による人工ごみの被覆面積推定結果。海岸漂着ごみ検出後の画像を真上から撮影した構図に射影変換することにより、海岸全体のごみの被覆面積が推定可能であることを示したもの。同手法の精度は、ドローンによる空撮から得られた正解値との比較により検証している

セマンティック・セグメンテーションと射影変換による人工ごみの被覆面積推定結果。海岸漂着ごみ検出後の画像を真上から撮影した構図に射影変換することにより、海岸全体のごみの被覆面積が推定可能であることを示したもの。同手法の精度は、ドローンによる空撮から得られた正解値との比較により検証している

今後は、海岸漂着ゴミの堆積の推定や、プラスチックゴミの個数のカウントもできるように発展させるという。今回の研究から生まれた学習用データセット(The BeachLitter Dataset v2022)は、非商用の研究目的に限って公開される。汎用性の高いシステムなので、多くの人がデータを集め学習させることで、それぞれの地域特有の、目的に合ったAIの開発が可能になり、全世界で活用できるようになるとのことだ。そこで、研究グループは、アマチュア科学者をはじめ多くの人々が参加する市民科学に期待を寄せている。

AIを使ってオンライン上の有害なやりとりを検出するSpectrum Labsが約37億円調達

パンデミックから2年経った今も、多くの人にとってはオンライン上での会話が日々の主要な交流手段となっている。そのためオンライン上で交わされる会話の数は計り知れない量となっているが、ご存じの通りそれらすべてがクリーンでポジティブなものではない。米国現地時間1月24日、プラットフォームプロバイダーに人工知能技術を提供し、有害なやり取りをリアルタイム(20ミリ秒以下)で検出してシャットダウンするというSpectrum Labs(スペクトラム・ラブス)と呼ばれるスタートアップが3200万ドル(約37億円)の資金を調達したと発表した。この資金は、成長中の消費者向けビジネスをさらに強化するための技術に投入される他、社内および顧客との会話のための企業向けサービスを提供するという新たな分野への進出に向けて使用され、会話中の有害性を検知するだけでなく、監査トレイルを提供することでより高い信頼性と安全性を届ける計画である。

「思いやりを重んじる言語界のリーダーになることを目指しています」とCEOのJustin Davis(ジャスティン・デイビス)氏はインタビュー中で話している。

今回のラウンドはIntel Capital(インテルキャピタル)がリードし、Munich Re Ventures(ミューニック・リー・ベンチャーズ)、Gaingels(ガインゲル)、OurCrowd(アワクラウド)、Harris Barton(ハリス・バートン)の他、前回からの支援者であるWing Venture Capital(ウィング・ベンチャー・キャピタル)、Greycroft(グレークロフト)、Ridge Ventures(リッジ・ベンチャーズ)、Super{set}(スーパーセット)、Global Founders Capital(グローバル・ファンダーズ・キャピタル)も参加している。Greycroftは2020年9月にSpectrumの前回ラウンドの1000万ドル(約11億5400万円)を主導しており、Spectrumはこれで現在合計4600万ドル(約53億円)を調達したことになる。

関連記事:有害コンテンツと戦うAIプラットフォーム開発のSpectrum Labsが1000億円超を調達

CTOのJosh Newman(ジョシュ・ニューマン)氏と共同で同社を設立したデイビス氏によると、Spectrum Labsは評価額を公開していないというが、同社の事業規模がその様子を物語っている。

現在Spectrum Labsは、ソーシャルネットワーキング企業のPinterest(ピンタレスト)やThe Meet Group(ザ・ミート・グループ)、出会い系サイトのGrindr(グリンダー)、Jimmy Wales(ジミー・ウェールズ)氏が運営するエンターテインメントWikiのFandom(ファンダム)、Riot Games(ライアットゲームズ)、eラーニングプラットフォームのUdemy(ユーデミー)など20以上の大手プラットフォームと提携しており、これらのプラットフォームでは、何百万人もの顧客が毎日オープンなチャットルームやよりプライベートな会話の中で、何十億ものメッセージを送り合っている。

同社のテクノロジーは自然言語に基づいており、テキストベースの会話と音声の会話の両方をリアルタイムで検出するというものだ。

Spectrumでは音声がテキストに書き起こされるのではなく、音声として「読まれる」のだとデイビス氏は説明する。これによりSpectrumの顧客は有害なやり取りへの対応を大幅に早めることができ、デイビス氏が「ワイルドウェスト特有の言語」と呼ぶ有害な言葉を妨げることが可能になる。Spectrumの技術を使用していない一般的な企業の対応では、ユーザーが問題のあるコンテンツを通報した後、書き起こされた音声の中からその音声を見つけなければならなず、対応にかなりの時間を要してしまう。

ポッドキャスティングだけでなく、Clubhouse(クラブハウス)やTwitter(ツイッター)のSpaces(スペース)のような音声ベースのサービスが人気を博していることから、このテクノロジーはよりいっそう重要なものとなるだろう。

テキストであれオーディオであれ、Spectrumはこれらのやり取りをスキャンし、40以上の行動プロファイルにまたがるあらゆる有害コンテンツを検出するのである。この技術は世界中の研究者や学者と相談しながら構築されたもので、増え続けるウェブ上のデータを取り込みながらさらに改良が重ねられている。プロファイルにはハラスメント、ヘイトスピーチ、暴力的過激主義、詐欺、グルーミング、違法な勧誘、ドキシングなどが含まれており、また現在約40の言語でのスキャンに対応しているという。言語の制限はなく、どんな言語でも機能するとデイビス氏は話している。

「技術的にはどんな言語でも数週間で対応することができます」と同氏。

オンライン上で最も有害性の高い領域はやはり消費者分野である。オープンフォーラムやよりプライベートな空間でのいじめやヘイトスピーチ、その他の違法行為が日々繰り広げられている。Spectrum Labsでは、これまで以上に複雑になった悪質な行為者の手法を検出するための技術への投資をこれからも継続していく予定だ。同社ではプラットフォームの信頼性・安全性チーム向けの管理機能やツールに加えて、ユーザー自身が晒されても良いもの、絶対に晒されたくないものを決定できるようにする方法を改善するため注力していく予定だという。しかしこれはとても微妙な領域である。プラットフォームは一般的に、言論の自由に配慮してユーザー同士の会話に干渉しないことを望んできたため、それが原因で有害性が暴走したとも言えるのだが、プラットフォームの善意が検閲していると見なされ非難される可能性もあるため、この議論は現在も未解決である。

「ポリシーの実施と、ユーザーが望んで受け入れられるかどうかという問題の間には、緊張関係が存在します」とデイビス氏は説明する。プラットフォームの仕事は「最悪の事態を回避しつつ、消費者が見たいものを選択できるようなコントロールを提供することである」と同社は考えている。

また同社は企業向けサービスへの進出も計画している。

企業向けサービスとは興味深い。企業内の人々が互いに会話する方法(Spectrum Labsがすでに提供している消費者向けサービスと同様の形態をとるのだろう)だけでなく、営業、カスタマーサービス、マーケティングなどのエリアで企業が外部の世界とどのように接しているかを見ることができ、そしてSpectrum Labsが収集した情報を分析に活用して、これらの分野でのその後の運営方法を検討することができるのである。

ただし、これは何も新しいサービスではない。例えばSpectrumの競合他社には会話モニタリング分野のスタートアップであるAware(アウェア)がいる。同社は企業向けに特化したサービスである(L1ghtは消費者分野での競合だ)。

まだ他にもある。前回、Spectrum Labsについて書いた際、創業者と創業チームがSalesforce(セールスフォース)に買収されたマーケティングテクノロジー企業Krux(クラックス)の出身であることを指摘した(Spectrum Labsを設立する前に働いていた)。SalesforceはCRMに限らず、企業がより効率的にビジネスを行うための幅広いツールセットを構築しており、また、かつて別のソーシャルネットワークを設立し、FacebookのCTOを務めたこともあるBret Taylor(ブレット・テイラー)氏が現在トップに立っていることもあり、今後Salesforceがこの分野にもっと関心を持って取り組んでもまったく不思議ではない。コミュニケーションフォーラムがどのように利用され、悪用されるかについて詳しい情報を得ることができるのである。

消費者と企業の両方の課題に対処するために、今回のラウンドではIntelが戦略的投資家として参加することになったとデイビス氏は話している。Spectrum Labの技術をIntelのチップ設計とより密接に連携させることで動作速度をさらに向上させる計画で、またIntelにとって、これは信頼性と安全性の問題を重視する同社のハードウェア顧客に対するユニークなセールスポイントにもなる。

「Spectrum Labsの自然言語理解技術は、信頼性の課題に取り組む世界中の企業を強化する、コアプラットフォームとなる可能性を秘めていると確信しています」とIntel Capitalの副社長兼シニアMDであるMark Rostick(マーク・ロスティック)氏は声明の中で伝えている。「デジタルトラストと道徳的な運用が、組織の差別化を図るための重要な要素として考えられている今、トラスト&セーフティー技術を企業運営に構築するということに、大きなチャンスがあると考えています」。

画像クレジット:David Woodfall / Getty Images

原文へ

(文:Ingrid Lunden、翻訳:Dragonfly)

自律走行車の知覚能力アップのためのソフトウェアを開発するAnnotellが約27億円調達

自動車業界が自動運転車への道をゆっくりと歩む中、現在の自律走行システムの技術的ギャップを埋めようとするスタートアップが出現している。最新の動きとしては、自律走行システムの知覚能力の性能とその改善方法を評価するソフトウェアを手がけるスウェーデンのスタートアップ、Annotell(アノテル)が現地時間2月3日、事業拡大のために2400万ドル(約27億円)を調達したと発表した。

Annotellの共同創業者でCEOのDaniel Langkilde(ダニエル・ランキルド)氏はインタビューで、同社が行っていることを「自動車が運転免許を取得するための視力検査、あなたが運転に適しているかどうかを判断するために試験を受けるようなもの」と例えた。「Annotellのプラットフォームは、システムの性能を理解し、それを上げることを支援します。どうすれば改善できるかを顧客に指導しています」。つまり、Annotellの製品は、企業のデータの品質をテストし、測定する分析、およびそれらのデータセットを改善するための「正解データ」の生産を含んでいる。

その目的は完璧さではなく、予測可能性であり、現在すでに存在する半自律プラットフォーム(先進運転支援システムなど)にとっても、多くの企業が将来の構築を目指している完全自律型自動車にとっても同様に重要だと、ランキルド氏は付け加えた。「システムが常に正しいとは限りませんが、システムを安全に使用するためには、何ができて、何ができないかを知る必要があります」。

シリーズAラウンドは、Skypeの共同創業者Jaan Tallinn(ジャン・タリン)氏が率いるエストニアのVC、Metaplanetと、日本企業などが出資しているディープテック投資家のNordicNinjaが共同でリードしている。Metaplanetは直近ではStarship Technologiesに投資し、 Googleが買収したDeepMindの初期投資家でもある。AnnotellのシリーズAラウンドには、以前の出資者であるErnström & CoとSessan ABも参加した。ヨーテボリを拠点とするAnnotellの累計調達額は3100万ドル(約35億円)で、評価額は公表していないが、同社の顧客には世界最大の自動車メーカーとその主要サプライヤー、そして自動運転に特化している大手自動車会社が含まれる。

Annotellが埋めようとしている市場のギャップは、かなり重要なものだ。自律走行システムは、膨大な量の走行データと、その情報を処理してプラットフォームに運転の基本を「教える」のに使われている機械学習で成り立っている。

コンピュータビジョンを使って、これらのシステムは赤信号や停止している車、曲がるべき時などを認識することができる。問題は、これらのシステムの反応が与えられたデータに基づいていることだ。自律走行システムは通常「推論」することができず、自動車が実世界で必然的に遭遇するような未知の変数にどう対応するかを決めることができない。

「機械学習は、稀だが重要なことを処理するのが苦手です」とランキルド氏はいう。

Oscar Petersson(オスカー・ペターソン)氏と共同でAnnotellを設立したランキルド氏は(2人とも深層学習を専門とする物理学者)、以前別の会社(脅威インテリジェンスのスタートアップRecorded Future)で働いたときにこの問題に遭遇したと述べた。Recorded Futureでは、脅威をより識別するためにプラットフォームに与える情報データを収集することを任務としていた。悪意のあるハッカーは、隙間を見つけて脆弱性を作り出すことに注力するため、ランキルド氏のチームが将来の攻撃を軽減するためのパターンを特定するために行っていた作業の多くが、事実上台無しになった。

「ミッションクリティカルな仕事をする上で、ブルートフォース(総当り)方式の機械学習には限界があることが浮き彫りになりました」と述べた。

自律走行システムも同じような問題に直面しているが、正しく動作させることがより重要だ。というのも、何か問題が発生した場合に人命が危険にさらされるからだ。また、正しい動作により、企業が製品を市場に投入し、消費者に信頼してもらい、購入・使用してもらうために通過しなければならない安全性と制御のレベルがより高くなる。

「人々が機械学習やAIを信頼するためには、安全性に非常に真剣に取り組まなければなりません」と同氏は述べた。「映画サービスで間違ったレコメンドをすることと、一時停止の標識を無視したり人にぶつかったりすることは、大きな違いがあります。私たちはそのことも真剣に受け止めています。だからこそ、この問題にフォーカスしたかったのです」。安全規制の強化は、Annotellにとって、特定の使用例や市場機会を示すものでもある。顧客のためにシステムを改善するだけでなく、特定の製品の使用許可を与えるために、機関や規制当局が信頼できるデータ群を作成する。

機械学習がシステムに教えることを補完するAnnotellのアプローチは、今日の自律走行システムと同様に進歩的で、その性質上、完全な自律走行に設計されていないシステム(ドライバーに代わるものではなく、アシストするためのシステム)の限界を試し、形式化するものだ。やがて完全自律走行は、因果推論アルゴリズムの構築に用いられるベイジアンネットワークのような、他の種類のAIアプローチも取り込むかもしれない、とランキルド氏はいう(先週TechCrunchが取り上げた因果AIスタートアップはもっとドラマチックで、因果AIこそが自動運転の実現に向けた唯一の希望であり、それは大きな飛躍ではあるが、実現にはかなりの時間がかかると主張していた)。

しかし、今のところAnnotellは、大きなチャンスである、ある程度の自律性がすでに組み込まれたシステムの安全性に技術を注いでいる。

Metaplanetのジャン・タリン氏は声明で「自律走行車の商業展開においては、安全性の確保が主な制約となりますが、Annotellは短期間で大きな進歩を遂げました。我々はAnnotellのソフトウェアだけでなく、それを構築したチームにも感銘を受けており、彼らとこの旅をともにすることに興奮しています」と述べた。

画像クレジット:Jae Young Ju / Getty Images

原文へ

(文:Ingrid Lunden、翻訳:Nariko Mizoguchi

Scale AIが人工知能関連で最もホットで新しい合成データゲームに参入

Scale AI(スケールAI)が73億ドル(約8400億円)企業になるまでの道には、画像、テキスト、音声、動画などのリアルデータが敷き詰められていた。現在、その基盤を利用し、AIで最もホットで新しいカテゴリーの1つであるシンセティック(合成)データゲームに参入する。

同社は米国時間2月2日に、機械学習エンジニアが既存の実世界のデータセットを強化するために使える製品「Scale Synthetic」の早期アクセスプログラムを発表した。同社は、この新しい部門を立ち上げるために2人の幹部を採用した。Nines(ナインズ)で機械学習の責任者を務め、Apple(アップル)で3Dマッピングのコンピュータビジョンエンジニアを務めたJoel Kronander(ジョエル・クロナンダー)氏をシンセティックデータ部門の新責任者として、また、Vivek Raju Muppalla(ビベク・ラジュ・ムッパラ)氏をシンセティックサービス部門のディレクターとして採用した。ムッパラ氏は、Unity Technologies(ユニティ・テクノロジーズ)でAIとシミュレーションのエンジニアリングディレクターを務めた人物だ。

シンセティックデータとは、その名の通り、現実世界の情報を使わず、機械学習アルゴリズムによって作成された偽のデータのことだ。医療用画像など、プライバシーが重視されるデータを作成する際に、強力で便利なツールになり得る。開発者はシンセティックデータを使って学習モデルをより複雑にし、収集された実世界のデータセットに散見されるバイアスを取り除くことができる。

Scaleは当初、人がラベル付けした実際の画像、テキスト、音声、動画データとソフトウェアを組み合わせ、自動運転車メーカーに機械学習モデルの学習に必要なラベル付きデータを提供していた。機械学習モデルは、ロボタクシー、自動運転トラック、倉庫やオンデマンド配送に使われる自動ボットの開発と配備に使われる。その後、このスタートアップは、政府、金融、eコマース、自動運転車とエンタープライズ産業などを顧客とするデータ管理プラットフォーム企業へと変貌を遂げた。

創業者でCEOのAlexandr Wang(アレクサンドル・ワン)氏は、この新しいサービスをデータへのハイブリッドアプローチだと表現し、実験室で育てられた肉にたとえた。

「研究室で育てられた肉が本物の動物の細胞から始まるように、私たちは本物のデータから始まり、そこから製品を育て、開発・構築していきます」と同氏はTechCrunchに語った。実世界のデータをベースにしてシンセティックデータを作成することで、実にユニークで強力なサービスを顧客に提供することができると同氏は述べ、同社は市場にそうしたギャップがあると見ていると付け加えた。

Scaleの顧客も、そのギャップを感じていたようだ。同社がシンセティックデータに力を入れたのは、顧客からの需要に応えるためだったとワン氏はTechCrunchに語った。この製品の開発を始めてから、まだ1年経たないという。自動運転車技術開発企業のKodiak Robotics、Tractable AI、米国防総省はいずれも、Scaleの新しいシンセティックデータ製品を採用していると同氏は述べた。

現在、約450人の従業員を抱えるScaleは、シンセティックデータを2022年の最優先事項として捉えており、製品ラインを充実させるために投資を続ける分野だとしている。しかし、それはリアルデータ事業を引き継ぐことを意味するものではない。ワン氏はシンセティックデータを、開発者が「アルゴリズムなどのAIや、特にエッジケースでより多くの利益を得られるようにするための補完的なツール」と考えている。

例えば、自動運転車の会社は通常、シミュレーションを使って現実世界のシナリオを再現し、その環境で自動運転システムがどのように対処するかを確認する。現実世界のデータでは、彼らが求めているシナリオは得られないかもしれない。

「例えば、100台の自転車が一度に横断するようなシナリオは、現実世界ではあまり遭遇しません」とワン氏は説明する。「現実世界のデータから出発して、すべての自転車や人を合成的に追加することで、アルゴリズムを適切に訓練することができるのです」。

画像クレジット:Getty Images

原文へ

(文:Kirsten Korosec、翻訳:Nariko Mizoguchi

AIでマウスのグルーミング(毛づくろい)を高精度で検出、動物の心と体の変化の把握が人の中枢性疾患の治療に貢献

AIでマウスのグルーミング(毛づくろい)を高精度で検出、動物の心と体の変化の把握が人の中枢性疾患の治療に貢献

東京大学は2月2日、マウスの動画からAIを用いてグルーミング(毛づくろい)行動を検出する方法を開発したと発表した。グルーミングは動物の心と体の状態を理解するうえでの重要な指標であるため、低コスト、長時間の自動判定が可能になれば、動物実験の効率が大幅に向上するという。

東京大学大学院農学生命科学研究科の坂本直観学部生らによる研究グループは、ケージの上部に設置したカメラで撮影したマウスの動画から、その行動を「グルーミングなし」「顔のグルーミング」「体のグルーミング」に分類してラベル付けを行った。そしてこれを脳の神経回路を模した数理モデルである折り畳みニューラルネットワークに学習させた。そして、折り畳みニューラルネットワークが間違えた画像パターンを解析し改善を試みたところ、かなりの高確率での識別が可能となった。また、グルーミング回数の評価では、人の観測と畳み込みニューラルネットワークの予測は同等だった。

健康な動物に比べて不健康な動物の毛並みが悪いのは、健康状態によってグルーミングの頻度や長さが変わるためだという。動物の心身の状態を詳しく観察することが動物実験では大切なのだが、そこでグルーミングが重要な指標となる。だが、目視による観察は研究者の負担が大きく、また観察者や環境によって判断が変わるといった客観性に欠ける部分もある。そこでこの方法が開発された。

現在、その治療法が強く求められている自閉症、認知症、統合失調症といった中枢性疾患には「ヒトの疾患の病態を適切に反映できる動物モデル」が必要なのだが、それが不足しているために治療法の開発が進んでいないと研究グループは言う。しかし今回確立された技術を用いて「動物の心の機微と体の変化を捉えることが可能となれば、ヒトの中枢性疾患の病態解明や治療方法の開発にも大いに役立つことが期待される」とのことだ。

DeepMindのAI「AlphaCode」は競技プログラミングレベルのコードを書ける

DeepMind(ディープマインド)は、任意の問題を解決するためにコードを書くことができるAIを開発した。このAIはコーディングチャレンジに参加し、中間あたりの成績を収めたことで実証されている。まだソフトウェアエンジニアの仕事を奪うまでには至っていないが、基本的な作業の自動化に役立つ可能性がある。

Alphabet(アルファベット)の子会社であるDeepMindのチームは、できる限り多くの形で知能を創造することを目指しており、最近ではもちろん、多くの優秀な頭脳が取り組んでいる作業としてコーディングが挙げられる。コードは、言語、論理、問題解決の融合であり、コンピュータの能力に自然に適合すると同時に、難題でもある。

もちろん、このような試みは初めてではない。OpenAIには独自の自然言語コーディングプロジェクト「Codex」があり、GitHub Copilotと、Microsoftが提供する、GPT-3にコードを完成させるテストの両方を支えている。

関連記事:OpenAIが自然言語AIコーダーのCodexをアップグレード、プライベートベータを開始

DeepMindの論文では、競技プログラミングを狙う理由を説明する中で、フレンドリーながらも競争相手を遠回しに侮辱している。

近年の大規模な言語モデルは、コード生成能力に優れており、簡単なプログラミングタスクをこなすことができるようになってきた。しかし、これらのモデルは、単に命令をコードに変換するだけでなく、問題解決能力を必要とする、より複雑で見たことがない問題で評価すると、いまだに性能が低い。

それについてOpenAIは言いたいことがあるかもしれないが(そして、同社の次の論文ではこの点についての反論が期待できるだろう)、研究者たちが指摘するように、競技プログラミングの問題は一般的に、既存のコードAIには見られないレベルの解釈と創意工夫の組み合わせを必要とする。

DeepMindは、この分野に挑戦するために、GitHubの厳選されたライブラリと、コーディング問題とその解決策のコレクションを使って、新しいモデルをトレーニングした。言葉にすると簡単に聞こえるが、些細なことではない。完成したモデルを、この種のコンテストを主催するCodeforcesが最近開催した(言うまでもなく、AIはそれ以前に見ていない)10のコンテストに投入した。

その結果、50パーセンタイルを少し超える中位の成績を収めた。人間であれば中途半端な成績かもしれないが(決して簡単ではない)、機械学習(ML)モデルの最初の試みとしては、かなり注目に値する。

CodeforcesのMike Mirzayanov(マイク・ミルザヤノフ)CEOはこう述べている。「AlphaCodeの成績は、私の期待を超えていたと断言できます。なぜなら、競技プログラミングでは単純な問題であっても、アルゴリズムを実装するだけでなく、それを発明することも求められることが多いので(これが一番難しい)、半信半疑でした。AlphaCodeは、新人の有望なコンペティターと同レベルの性能を発揮してのけました」。

AlphaCodeが解決した課題とそのソリューションの一例は以下の通り。

画像クレジット:DeepMind

(DeepMindへのメモ:SVGはこのような図には厄介なフォーマットだ。)

ご覧のとおり、これは賢いソリューションだが、エンタープライズ向けSaaS級のものではない。心配無用、それはもっと先の話だ。今は、このモデルが複雑に書かれた課題を一度に解析して理解し、ほとんどの場合、首尾一貫した実行可能な回答を生み出すことができると示すだけで十分だ。

DeepMindチームはこう書いている。「コード生成に関する私たちの探求には改善の余地が大きく残されており、将来はプログラマーの生産性を向上させ、現在コードを書いていない人々にもこの分野を開くことができるような、よりエキサイティングなアイデアを示唆しています」。最後の部分は、筆者に当てはまる。もしAlphaCodeがCSSでレスポンシブレイアウトを変更できるなら、私よりもよほど優れている。

こちらのデモサイトでは、AlphaCodeがどのように構築されたのか、また、さまざまな問題に対するAlphaCodeの解決策をより詳しく見ることができる。

画像クレジット:Krisztian Bocsi/Bloomberg / Getty Images

[原文へ]

(文:Devin Coldewey、翻訳:Aya Nakazato)

OBS経由でZoomビデオ会議に利用可能、PCとウェブカメラだけでVTuber用アバターが使えるシステムが無償公開

ユーザーローカルは1月28日、ウェブカメラの映像を基にPC用ウェブブラウザー上にVTuberで使われるVRMキャラクターを表示する「ユーザーローカルWebcam VTuber」の無償提供を開始した。ソフトウェアをインストールするといったことは必要ない。利用者によるオリジナルVRMモデルのアップロードをサポートするほか、オープンソースソフトウェアの配信ツールOBS(Open Broadcaster Software)やHDMIキャプチャーと組み合わせることで、YouTubeでの配信やZoom通話に利用できる。

Webcam VTuberは、ウェブカメラを搭載したPCのウェブブラウザーで「ユーザーローカルWebcam Tuber」サイトにアクセスするだけで利用可能なサービス。

同サービスでは、AIアルゴリズムによってカメラ映像から利用者の顔の動きやまばたきを読み取り、画面内のVRMキャラクターにリアルタイム反映させる。ハンドトラッキングにも対応しており、腕や手のひら、指の動きを3Dモデルに反映できる。なお、AIによる顔のトラッキングや骨格推定はすべてウェブブラウザー内でのみ行われ、利用者のカメラ映像がインターネット上に送信されることはない。

顔の表情は「笑顔」「困り顔」「怒り顔」などがプリセットされており、画面上の表情アイコンやショートカットキー(1~5の数字)により変更可能。キャラクターアバターも複数モデルに切り替え可能で、利用者によるオリジナルVRMモデルのアップロードにも対応する。

動画配信ツールOBSなどで画面合成して配信したい場合、背景をグリーンバックに変更する必要がある。画面上の操作ボタンは非表示にできる。配信中のキャラクターのサイズ変更は、ショートカットキーとして「i」(ズームイン)、「o」キー(ズームアウト)を利用する。

対応OSは、Windows、Mac(M1以降推奨)、対応ブラウザーはChrome、Firefox。利用マニュアルも同時に配信している。

ドローン・AI・スマートグラスを融合させた捜索活動支援システム3rd-EYE、茨城西南広域消防本部と連携し実証実験

ドローン・ロボット・スマートグラスなどを開発するロックガレッジは1月31日、茨城西南広域消防本部と合同で、ドローンとAIとスマートグラスを融合させた捜索活動支援システム「3rd-EYE」(サードアイ)を使った、訓練形式の人命救助実証試験を実施したと発表した。複数回実施された一連の実証試験の結果、従来の指揮系統を崩すことなく、効率よく捜索活動が行えることが確認できた。

3rd-EYEは、一連の情報処理を自動化し、効率的な情報共有を可能にする捜索活動支援システムだ。今回の実証試験に使われたのは「実用化版」。ドローン映像をAIで自動解析し、捜索対象(人間)の位置を特定、スマートグラスにその位置情報を空間表示する。捜索結果は指揮本部の端末と共有され、指揮命令者が指示を出す際にも利用できる。スマートグラスを装着した隊員は、どこに捜索対象がいるかを直感的に理解できるうえ、隊員間、指揮本部との意思疎通を正確に行えるようになるという。ドローン・AI・スマートグラスを融合させた捜索活動支援システム3rd-EYE、茨城西南広域消防本部と連携し実証実験

指揮本部のタブレット端末では、ドローンのリアルタイム映像表示、ドローンとAIによる人影検出結果地図表示、ヒトによる検知結果のダブルチェック、隊員の現在位置・移動軌跡の表示を実装しており、現在の捜索状況を把握できる。また、地図上で「ピン」を配置すると、隊員のスマートグラスにもそれが表示されるため、隊員を目的地に誘導可能となる。すべての情報がタブレットに集約されるので、指揮命令者はそれらの情報を取捨選択し、各部隊に指示を出せる。ドローン・AI・スマートグラスを融合させた捜索活動支援システム3rd-EYE、茨城西南広域消防本部と連携し実証実験

実証試験では、「あと20m前方へ進め」といった具合に、「従来の部隊指揮ではできなかったより具体的な指示」を出すことができた。

これは、茨城県DXイノベーション推進プロジェクト事業の採択を受けた事業であり、今後も茨城県西南消防本部の協力による合同訓練や意見交換などを重ね、連携してゆくとのことだ。

分析や開発にも使えるリアルさを持つ合成データをAIで作り出すMOSTLY AIが約28.6億円調達

オーストリアの合成データデータスタートアップであるMOSTLY AI(モーストリー・エーアイ)は米国時間1月11日、シリーズBラウンドで2500万ドル(約28億6000万円)を調達したことを発表した。英国のVCファームMolten Ventures(モルテン・ベンチャーズ)がこのオペレーションを主導し、新たな投資家であるCiti Ventures(シティ・ベンチャーズ)が参加した。既存の投資家には、ミュンヘンの42CAP(42キャップ)と、MOSTLY AIの2020年の500万ドル(約5億2700万円)のシリーズAラウンドを主導したベルリンのEarlybird(アーリーバード)が名を連ねている。

合成データ(シンセティックデータ)はフェイクデータであるが、ランダムではない。MOSTLY AIは人工知能を利用して、顧客のデータベースに対する高い忠実度を達成する。同社によると、そのデータセットは「企業の元の顧客データと同じくらいリアルに見え、そこには多くの詳細情報が含まれているが、元の個人データポイントは存在しない」という。

MOSTLY AIのCEOであるTobias Hann(トビアス・ハン)氏はTechCrunchに対して、調達した資金について、プロダクトの限界の拡張、チームの成長、そして欧州と米国での顧客獲得に活用する計画であると語った。米国ではすでにニューヨーク市にオフィスを構えている。

MOSTLY AIは2017年にウィーンで設立され、その1年後にEU全域で一般データ保護規則(GDPR)が施行された。プライバシー保護ソリューションに対するこうした需要と、それに付随する機械学習の台頭は、合成データに向けて大きな勢いを生み出している。Gartner(ガートナー)の予測では、2024年までに、AIおよびアナリティクスプロジェクトの開発に使用されるデータの60%が合成的に生成されるようになるという。

MOSTLY AIの主な顧客は、Fortune 100(フォーチュン100)に名を連ねる銀行や保険会社、通信事業者などである。これら3つの高度に規制されたセクターは、ヘルスケアと並んで、シンセティック表形式データに対する需要の大部分を牽引している。

競合他社とは異なり、MOSTLY AIはこれまでヘルスケアに主力を置いていなかったが、それも変わる可能性がある。「ヘルスケアは確かに私たちが注視しているものです。実際、2022年はいくつかのパイロットプロジェクトの開始を予定しています」とCEOは話す。

AIの民主化は、合成データがいずれはFortune 100企業の枠を超えて使われるようになることを意味する、とハン氏はTechCrunchに語っている。したがって、同氏の会社は今後、より小規模な組織や、さらに幅広いセクターに向けてサービスを提供する計画である。だがこれまでの取り組みにおいて、MOSTLY AIがエンタープライズレベルのクライアントに注力することは理にかなうものであった。

現在のところ、合成データを扱うための予算、ニーズ、高度な技術を有しているのはエンタープライズ企業であるとハン氏は語る。その期待に適合するために、MOSTLY AIはISO認証を取得した。

ハン氏と話をする中で、明確になったことが1つある。同スタートアップは確かな技術的基盤を備える一方で、その技術の商業化と、自社がクライアントに提供し得る付加的なビジネス価値にも等しく労力を注ぎ込んでいる。「MOSTLY AIは、顧客デプロイメントと専門知識の両面で、この新興の急成長領域をリードしています」とMolten Venturesの投資ディレクターであるChristoph Hornung(クリストフ・ホルヌング)氏は述べている。

GDPRやCCPA(カリフォルニア州消費者プライバシー法)などのプライバシー法を遵守する必要性は、明らかに合成データに対する需要を促進するが、それだけが効果を現す要因ではない。例えば、欧州の需要は、より広い文化的コンテクストによっても牽引される。一方、米国では、それはイノベーションの追求からも生じる。そのユースケースとして、アドバンストアナリティクス、予測アルゴリズム、不正検出、プライシングモデルなどが挙げられるが、そこには特定のユーザーに遡ることのできるデータを含まない、という要素が求められる。

「多くの企業がこの領域に積極的にアプローチしているのは、顧客のプライバシー重視を理解しているからです」とハン氏。「これらの企業は、プライバシーを保護する方法でデータの処理と取り扱いを行う場合、競争上の優位性も得られることを認識しています」。

より多くの米国企業が革新的な手法における合成データの採用を求めている様相は、MOSTLY AIが米国でのチームの成長を目指す主要な理由となっている。一方で、同社はウィーン勤務とリモート採用の両方でより一般的な人材開拓も進めている。年末までに人員を35人から65人に増やす計画である。

ハン氏は、2022年は「合成データが軌道に乗る年」であり、その先は「合成データにとって実に堅調な10年」になると予想している。これは、AIの公平性や説明可能性といった重要な概念を中心に、責任あるAIに対する需要が高まっていることに支えられるであろう。合成データはこれらの課題の解決に貢献する。「合成データは、エンタープライズが自らのデータセットを増強し、バイアスを取り除くことを可能にします」とハン氏は語る。

機械学習を別にして、合成データはソフトウェアテストに活用されるポテンシャルが十分にあるとMOSTLY AIは考えている。これらのユースケースのサポートには、データサイエンティストだけではなく、ソフトウェアエンジニアや品質テスターも合成データにアクセスできるようにする必要がある。MOSTLY AIが数カ月前に同社のプラットフォームのバージョン2.0をリリースしたことは、彼らのことを考慮したものである。「MOSTLY AI 2.0はオンプレミスでもプライベートクラウドでも実装でき、それを使用する企業のさまざまなデータ構造に適応できる」と同社は当時記している

「当社は明らかにB2Bソフトウェアインフラ企業です」とハン氏は語る。シリーズAとBの両ラウンドで、同社はそのアプローチを理解する投資家を探し求めた。

筆者の質問に対してハン氏は、Molten Venturesは上場しているVCであり、通常の資金調達サイクルに縛られないこともかなりの重みがあることを認めている。「パートナーからこのような長期的なコミットメントを得られることは、私たちにとって非常に魅力的でした」。

Citi VenturesはCitigroup(シティグループ)のベンチャー部門であり、米国に本部を置いている。「当社は米国内のチームを大幅に拡大しており、米国内のネットワークや関係を支援可能な米国拠点の投資家を持つことは、あらゆる側面で大きな意義があります」とハン氏は語っている。

新たに2500万ドルの資金を調達し、米国でのプレゼンスを強化することで、MOSTLY AIは今後、合成データ領域の自社のセグメントで他の企業と競争するためのより多くのリソースを手にすることになる。そうした企業には、2021年9月にシリーズBで3500万ドル(約40億1000万円)を調達したTonic.ai(トニック・エーアイ)、同年10月にシリーズBで5000万ドル(約57億3000万円)を集めたGretel AI(グレテル・エーアイ)、シードラウンドを行った英国のスタートアップHazy(ヘイジー)の他、特定の垂直市場に特化したプレイヤーたちが含まれている。

「私たちはこの領域、そして市場全般でますます多くのプレイヤーが出現しているのを目にしており、そこに多くの関心があることが確実に示されています」とハン氏は語った。

画像クレジット:yucelyilmaz / Getty Images

原文へ

(文:Anna Heim、翻訳:Dragonfly)

AIでホームケア製品、食品・飲料、化粧品といった消費財の研究開発を支援するTuring Labsが約18.8億円調達

デスクワークの従業員にとってリモートワークはいまやニューノーマルとなり、これまでに多くのテック企業がこの変化に対応した事業を急ピッチで拡大させてきた。しかしご紹介するTuring Labs(チューリング・ラボ)というスタートアップは、同様の課題に対応しているものの、デスクワークではなく研究所で働く人々のために取り組むという異質なものである。同社は成長にともない、今回1650万ドル(約18億8000万円)の資金調達を達成した。

今回のシリーズAラウンドはInsight Partners(インサイト・パートナーズ)が主導し、これまでの支援者であるMoment Ventures(モーメント・ベンチャーズ)、Y Combinator(Turing Labsは2020年のコホートに参加)、そして新たな個人投資家であるMedialia(メディアリア)のCEO兼共同設立者のBorge Hald(ボルヘイ・ハルド)氏も参加している。今回の調達資金は研究開発の加速、エンジニアリングチームの拡大、事業の拡大、さらなる市場開拓を図るために活用される予定だ。

Turing Labsのプラットフォームは、研究所が新製品を作るプロセスを高速化するのを支援するというものである。消費財メーカーと協力し、ホームケア製品、食品・飲料、化粧品などのための新製法を考案するために、同社の技術が活用されている。AIを用いて新製品のためのさまざまな成分の組み合わせをシミュレーションし、実際の技術者が組み立てるより小さなサブセットを決定するのだが、今回の投資は採用や事業開発の他、同社独自の研究開発の継続のため活用される予定だという(プラットフォームにより多くの機能を追加することで、例えばパッケージや加工食品の代替材料などにも拡張していく予定)。

Turing LabsをAjith Govind(アジト・ゴビンド)氏と共同で設立したCEOのManmit Shrimali(マンミット・シュリマーリ)氏は「当初は製法に重点を置いていましたが、現在は成分やパッケージなどデジタルでシミュレーションや最適化が可能なものであれば何でも対象としています」とインタビューの中で話しており、また研究開発のあり方の変化にもチャンスが潜んでいると伝えている。「以前はプロセスの90%が手作業でしたが、現在は90%がデジタル化されています」。

また、新たなカテゴリーに進出する機会も増えているとシュリマーリ氏は話している。例えば、肉や乳製品に代わる植物由来の食品が増えていることから、まったく新しい食品をAIを活用して開発するという道が開かれているのである。

Turing Labsはすでに誰もがよく知る世界最大級の消費財メーカー数社と提携しているが、その企業名は公表されていない。今後はこのリストを拡大するとともに、すでにTuringを利用している企業との連携も進めていく予定だという。

以前Turingを紹介したときにも述べたのだが、CPG(消費者向け包装品)の世界において研究開発室は非常に重要な役割を果たしている。

製品が最終的に生産に移されるまでに、研究室では製品が開発され、テストされ、顧客、マーケティング、予算および製造部門などからの意見を受けて調整されて、その後またテストや調整が行われ、という具合に気の遠くなるような過程がある。同社が提携している大手クライアントの1社では、テストだけで4億ドル(約455億円)近くを費やしているという。

新型コロナウイルスが出現する以前から研究開発部門は大きなプレッシャーにさらされていた。予算が削減される一方で、責任を負わなければならない要求や変数の数は増えるばかりである。研究開発部門は、消費者に興味を持ってもらえるような新製品(または多くの場合、製品の増強)をスケジュール通りに生産することが求められている。膨大な量の意味不明な成分を含んだ商品については、環境や健康に関する新たな懸念から、大衆向け商品の成分をいかに簡素化し、改善するかを考えなければならなくなった。また、小規模な消費者直販ブランドが消費者の新たなテイストに合った競争力のある製品をいち早く市場に投入し、大手の競合他社を打ち負かしているのも事実である。製法の組み合わせを検討するというのは、他のすべての変数を含めて時間とコストのかかるプロセスなのである。

パンデミックがこの問題をさらに複雑にし、企業は研究所などの物理的環境で過ごす時間を減らすための方法を考えなければならなくなった。

こうしたさまざまな課題をAIで解決しようというのがTuring Labのアプローチである。複雑な計算を機械が代わりに行い、人間のチームが行うよりも速く処理するというようなよくあるアプローチとは異なり、同社はそのコンセプトを製品の製造や改良面に適用してステップを削減することにより、技術者が行うべきことを最小限にしようとしているのだ。理論的には、これによって人間が新しいイノベーションに集中することができるようになるのだが、他のAIイノベーションと同様、Turing Labsのプラットフォームが最終的にどの程度賢くなり、技術者を全プロセスから完全に切り離すことができるようになるか否かはまだ誰も知る由もない。

Insight PartnersのマネージングディレクターであるJosh Fredberg(ジョシュ・フレッドバーグ)氏は「原材料の内容を含む消費者の嗜好が急速に変化していることに加え、競争力のある独立系ブランドが多く出現していることから、CPG企業は新製品をより早く開発し、既存のポートフォリオを進化させる必要に迫られています」と声明中で伝えている。「Turing Labsは開発プロセスを自動化して結果を予測することを可能にし、CPG企業が革新的な製品をより早く市場に投入できるよう支援します。Turing LabsはCPGの組織全体で市場発見と製品開発をシステム化、高速化する能力を持っており、その能力は業界でも傑出しています。Turing Labsのチームが成長を続ける中で、ともに協力していけることを楽しみにしています」。

画像クレジット:Luis Ascui / Getty Images

原文へ

(文:Ingrid Lunden、翻訳:Dragonfly)