タグ: AI

産業技術総合研究所の特許技術を用いた検査・検品AIソリューションを展開するアダコテックは7月1日、東京大学エッジキャピタル（UTEC）とDNX Venturesを引受先とした第三者割当増資により総額4億円の資金調達を実施したことを明らかにした。

アダコテックでは産総研が開発した技術（高次局所自己相関特徴抽出法：HLACを用いた適応学習型認識方式）を軸に、従来よりも効率よく異常検知ができる仕組みをソフトウェアとして提供している。

現在の顧客は自動車部品など製造業が中心。強みは検査の質とスピード感だ。

これまでも外観検査などを効率化するAIソリューション自体は複数存在したが、正常パターンと異常パターンを合わせて膨大な教師データを準備する必要があり、これが業界によっては1つの課題になっていた（既存のディープラーニング系AI製品の場合1000〜1万枚程度必要）。

アダコテックのプロダクトを使う場合、必要なのは正常品のデータのみ。状況次第では10〜100枚程度学習するだけで異常（学習した正常のデータから逸脱したもの）を網羅的に検出することができ、データが大量に集まるまで待たずしてすぐにフィジビリティスタディを始められる。

異常として学習したものを検出するのではなく「正常を逸脱したものを検出する」モデルのため、前例のないようなものも含めて異常をほぼ100%検出可能。常時並列演算を必要としないことから計算処理の負担が小さく、ノートパソコンのような汎用PCでもミリ秒オーダーの処理を実現・運用できるのもウリだ。

そのような特徴から自動車部品をはじめとした製造業における検査・検品や、トンネルなどインフラ非破壊検査を中心に、特に全数検査の要求が高い領域や単価が高い製造品現場からの反応が良いとのこと。不良品の見逃しがないだけでなく「不良と判断した理由を明示しながら」「タイトなタクトタイム（工程作業時間）内で」検品をクリアできる点が評価にも繋がっているという。

現時点では「動画」「静止画」「複数センサ」「音・振動センサ」の各インプットデータに合わせた4つの異常検知システムを用意していて、これらを用途や対象に合わせて適切に組み合わせて提供する。すでに10以上のクライアントでPoCを実施済みで、順次パイロット検証や実運用のフェーズに移行している状況だ。

少量のデータでも精度の高い検査・検品を実現

アダコテックは2012年3月の創業。学生時代から産総研に関わってきたエンジニアメンバーと、現在同社で代表取締役を務めるビジネス経験豊富な池田満広氏がチームを組みプロダクトを磨いてきた。

「純日本生まれの技術を、ものづくりを中心とした日本の産業や社会のために役立てたい。産総研で特許技術を発明した先生方にも技術顧問になってもらい、学生時代から関わっているメンバーが生業としてやっている」（池田氏）

正社員は池田氏とエンジニア2名の合計3名。これまではフィンテック グローバルの子会社として運営してきたが、今回は事業のさらなる加速を見据えて初めての外部調達を実施した（アダコテックはフィンテック グローバルの連結の範囲から除外され持分法適用関連会社になる）。

同社のプロダクトの活用が進む製造業の現場は、これまで目視検査やルールベースの検査システムが一般的だった領域だ。工業製品の場合は製造途中の各工程や完成時にパッケージやラベル、梱包外装など細かなポイントごとに外観検査・非破壊検査が行われている。

特に自動車の部品のように異常が人の安全に直結する可能性のある分野では、1つ1つのチェックを目視で行うとなると現場への負担が大きい。ルールベースのシステムも最初に大量のデータを集める必要があることに加え、モデルチェンジや環境の変化などで検査対象の仕様が変わるたびに最初から設定をし直さなければならなかった。

「少量の正常品のサンプルで始められ、確実に見逃しがないことを定量的に、エビデンスを添えてアウトプットできるのは重要。『どのような理由で異常とみなしたのか』が明確にわかれば、導入先の担当者だけでなく経営層としても納得しやすい」（池田氏）

アダコテックでは異常をほぼ100%検出できる（不良品を正常品として判定しまう割合がほぼ0%）ことを謳っているが、「検出できた or できないは線引きの問題で、見落としが100%ないというのは（自分たちでなくても）言える」そう。その際に重要なのが、正常品に含まれるものを不良品として検出してしまう“誤報”の数をどこまで減らせるかだという。

「全件目検でやっていた、もしくはルールベースのシステムでやっていた場合と比べて工数が7〜8割減るレベルだと、多くのお客さんに次のステップに進みたいと思ってもらえる。つまり全体の7〜8割は確実に正常品・不良品の判断ができていて、残りの2割を人がチェックするような状態。この2割についても『どういった基準でおかしいと思ったか』を示すことができる」（池田氏）

検査の工程は必要不可欠ながら、オフェンスというよりはディフェンスの側面が強く、いきなり大規模な予算をつけて全てのラインで展開するというのはあまり現実的ではないそう。「アダコテックの製品なら数個から数十個のサンプルでやれて、クイックスタートできるのが良い」というのはどの顧客にも評価されているポイントだ。

「必要なデータが十分に蓄積されるまで待ちましょうだと数ヶ月、数年かかり待ってられない。そんなシーンでまずは限られたデータでフィジビリティスタディをやり、ある程度の成果が見込めれば回数をこなしながらプロトタイプを作ったり、生産ラインに少しずつ入れてみたり。母数が増えれば精度が上がるだけでなく、どの異常に対してどのような反応を示すのか事例がたまりチューニングもしやすくなる」（池田氏）

今は製造業が中心ではあるものの、少しずつ別業界での事例も増えているそう。たとえば三井E&Sマシナリーと取り組むトンネル異常自動判定技術の実用化プロジェクトでは、数ヶ月かけて行なっていた作業を数時間に短縮することに成功した。

動画や静止画など特定の方法に限定することなく、4つの異常検知システムを備え「カードが数枚ある状態から」最適な手段を選べるため、用途も幅広い。監視カメラの動画解析用途や装置の経時劣化のモニタリングなどでの事例も生まれてきているようだ。

今後は調達した資金を活用して経営メンバーやエンジニアの採用を強化し、プロダクトのアップデートを進める計画。より多くの企業が活用できるようにSaaSモデルでの展開に向けた準備にも取り組んでいくという。

馬車が走る道に初めて自動車が登場したとき、馬はその技術の最初の犠牲者となった。ゆっくり走る自動車に襲われたわけではなく、驚いて逃げてしまったわけでもない。むしろ馬は、怪我に悩まされた。また、怯えた馬が通り道にあるものすべてを踏み荒らし、物や歩行者に損害や傷害を与えることもあった。

自動車がもっと速く走れるようになり台数も増えると、歩行者が走る自動車の直接の犠牲者になった。間もなく、交通規則、および製造物責任法と不法行為責任法が作られ、大虐殺を避けるための秩序がもたらされた。それでも、いまだに注意散漫で運転技術が未熟なドライバーは増加する一方であり、彼らが混雑した高速道路を、現実版のまったく笑えない「フロッガー」の舞台に変えている。

自律走行車に乗れば、ドライブのあらゆる恩恵がドライブせずに得られるようになる。自動運転を支持する人たちは、自律走行技術によって自動車はより安全になり、2050年までに事故発生頻度を90パーセント以上削減できると信じている。自動車事故の90パーセント以上が、ドライバーの運転ミスによるものだからだ。

たしかに、飲酒運転や不注意、その他のドライバーの行動に起因する死傷事故のニュースは後を絶たない。自律走行車なら、友だちにメッセージを送ったり、『ブラック・ミラー』を一気見したりしていてもオーケーだ。でも、本当にそうだろうか？それは、目の前に立っている歩行者は実際にはそこにいないと自律走行車が誤認しない限りにおいてのことだ。または、ゴミ収集トラックが引きずっているゴミを車線のラインと見間違えて、車ごとコンクリートブロックに突っ込まない限りにおいてだ。

他社に先んじて、完全な自動運転の実現を目の前にしている企業もあるが、運転環境での極限状況は改善されないままだ。つい最近も、アリゾナの暗い国道を自転車を押して渡ろうとしていた女性が自律走行車に跳ねられるという悲惨な事故があったばかりだ。車にはドライバーが乗っていて、事故にならないよう対処できたはずなのに、それをしなかった。積極的に奨励しないまでも、ドライバーが運転を手放せるようにすることが自律運転技術の本来の意義であるため、その車に乗っていた人の不注意を責めることはできない。

ほとんど必要とされないためドライバーが運転できなくなってしまうから「自律走行車のパラドックス」は危険だ。少なくとも当面の間、自律走行システムの信頼度が人間のドライバーとほぼ同じ98パーセントの安全率を上回るようになるまでは、緊急時や予想外の状況での人間のドライバーの補完を必要とするだろう。

この移行時期の間、そしてこの時期を過ぎてからも、事故の際に何が起きるのか、また誰がその責任を取るのか？自律運転技術が現れる前は、自動車事故は、ドライバーの過失とメーカーの製造者責任という2つ法理論のうちのいずれかが適用された。過失の法理論は、ドライバーの行動に責任を負わせ、ドライバーから、一般的には保険会社からだが、ハンドルを握っていた本人の行動に対する金銭的賠償を引き出そうとするものだ。製造者責任の法理論はその反対で、怪我の原因になったエアーバッグやイグニションスイッチやタイヤや、さらには自動車そのものなど、欠陥のある製品を製造し販売した企業に向けられるものだ。自律走行車の事故に現在の法理論を適用しようとすれば、数多くの問題が発生する。

人工知能（AI）、あるいは自動車を自律走行させるものなら何でも構わないのだが、それがカーブの路面が滑りやすくなっていることを検知または、それに応じて運転を補正できなかったとする。前を走る車から漏れた不凍液が路面を濡らしたようで、ハンドルを握る人間には認知できたものの、AIシステムにはほとんど見えなかった。もし、自律走行車に手動運転が優先される機能があり、それで事故が起きたなら、衝突を防ぐ操作をしなかったドライバーの責任が問われるのか？道路状況を検知したり、それに対処しなかった自動車のメーカーが責任を問われるのか？両方だとしたら、責任の割合はどうすべきか？

もし、通常の自動車だった場合、ドライバーに対する訴訟は、その人の行動が適切な注意義務基準に達していなかったことを証明できるかどうかにかかってくる。ハンドルから手を放していたなら、通常の自動車では過失行動とされることが多い。スマートフォンでメッセージを送っていて注意散漫になっていた場合もおそらく同じだ。しかし、自律走行車の自動運転機能は、本来の性質上、ドライバーが運転に注意を払わなくても、また運転に関わる必要性をなくすためのものだ。となれば、上記のような状況で、私たちは運転を引き継がなかったドライバーの責任を追及できるのだろうか？

従来型の自動車のメーカーも、法的責任はシステムや部品に欠陥がなかったかにかかってくる。状態のいい従来型の自動車で、サスペンションにもブレーキにもハンドルにも欠陥がなければ、上記のシナリオでも、メーカーが責任を問われることはまずないだろう。一方、人間の運転が優先される自律走行車のメーカーは、少なくとも責任の一部をドライバーに負わせようと試みる知れないが、そんなことを社会が許すだろうか？許すべきだろうか？ドライバーは、合理的な範囲で自律走行者に依存していたと主張するだろう。しかし、ドライバーの目には危険が目に見えていて、事故を防ぐための介入ができにも関わらず、メーカーが責任を負うべきなのだろうか？

その車が完全に自動化されていて、人間の介入が不可能であった場合は、結果は違ってくる。しかし、そんな車が現れるのは何年も先のことだ。

そうした自律走行者が市場に登場したとき、予期せず遭遇した滑りやすい路面を検知またはそれに対する補正に失敗したときは「欠陥車」とされるのか？または「欠陥車」と見なすべきなのか？もしそうなら、単に故障が発生したから欠陥車とされるのか、それとも、AIソフトウエアにエラーがあることを誰かが証明して見せなければならないのか？AIアルゴリズムは自身で進化することができ、膨大な距離と時間を費やして得たトレーニングデータに依存していることを考えると、どうしたらソフトウエアの中の「欠陥」を証明できるのだろうか？事故を起こした時点のアルゴリズムがオリジナルから大きくかけ離れていた場合、そしてその変化がAIアルゴリズムが自分で「教育」した結果であった場合、そのプログラマーやソフトウエアの提供業者に責任を負わせることが公正なのだろうか？

もうひとつの問題は「集団意識」だ。AIが学習する方法のひとつに、接続された他の複数のAIの集団的な体験を利用するものがある。これは、一時期Teslaが使用していた方法だ。もし、他のAIの誤ったデータがアップロードされ、それが事故に大きく関わっていたとしたら、どうだろう？

こうした問題の観点からすると、そして技術がますます人間の関与を減らす方向で発達すれば製造者責任の法理論を強化するよう法律も変化することになるだろう。おそらく、製造者責任は過失よりも厳しくなる。将来の自律走行車の価格が、研究開発と部品のコストだけでなく、事故のコストをカバーする「保険」を含めて決められるようになるとしても、突飛な話ではない。こうした進化は、人間のドライバーの役割が減るのに合わせて起こっていくだろう。しかし、自動車メーカーのAIシステムの学習プロセスを完全にコントロールする能力や、ましてや運転環境が同時に進化することはないだろう。

少なくとも、ある程度の人間の介在を必要とする移行期においては、責任に関する自動車メーカーの意見は分かれる。ボルボなどの一部のメーカーは、自動運転モードの最中に発生した事故に関しては全責任を負うと宣言している。しかし、テスラを始めとする他のメーカーは、ドライバーが若干の関与を要求される状況で発生した事故においては、たとえ自動運転モードであっても、ドライバーに責任を負わせようとしている。

例えば、かつてテスラでは、自律走行モードで他の車を追い越す機能を有効にするには、方向指示器を点灯させなければならなかった（テスラの新型車ではこの操作が不要になった）。ドライバーにこの操作を行わせる仕組みは、一見、大したことではないように感じられるが、そこには自動車メーカーが法的責任をドライバーに転嫁する意図がある。簡単な操作だが、車に追い越しを指示するだけでなく、その追い越しは安全に行えるという自らの判断によるものであり、その結果の如何に関わらず責任を負う、または負わなければいけないと、ドライバーに示唆するものでもある。

その基礎となる技術は、責任の所在を追求しようとすれば、さらなる複雑性を突きつけてくる。これまで暗に示してきたように、「機械学習」として特徴付けられるAIの側面は、無数の多様な入力データをもとに開発されていて、その振る舞いは多かれ少なかれ「ブラックボックス」化されている。厳格な数学的アルゴリズムと思われるため、本当に理解することは難しい。

言い換えるなら、私たちには、機械がどのように判断をしてその行動をとったのかを正確に知る手立てがないのかも知れないということだ。その場合、AIボックスが間違ったトレーニングを受けた、または現実の運転ではなくシミュレーター上で「訓練」されていたとしたら、AIボックスが極限的状況での対処を誤って事故につながった責任は、シミュレーターの開発者に負わされることにならないか？

AIのプログラミングやトレーニングの倫理の問題はどうだろう。最近の研究で、歩行者が有色人種だった場合、現在のAIシステムが彼らを認識できる能力は20パーセント低下することがわかった。これは、AIのトレーニングが多様性を踏まえていなかったためだ。他に説明があるだろうか？MITによる最近の調査では、衝突が避けられない極限状況において人の命を犠牲にするかどうかではなく、どの人の命を犠牲にするかの選択を迫られたとき、人は救うべき命をその上下関係で決めていることがわかった。この調査に参加した人たちは、動物よりも人の命を優先させるべきだと話している。少数の命よりも、大勢の命を救うべきであり、老人を犠牲にして若者を救うべきだと考えている。

興味深いことに、ベビーカーを押して交通法規を守って歩いている人を尊重するべきだとも考えられている。結論として、こうした倫理感に基づいて自律走行車がプログラムされた場合、交通の激しい道路をひとりで乱横断している人は自律走行者に跳ねられる確率が格段に高くなるということだ。この調査の道徳的序列では、猫、犬、犯罪者が保護対象としての最下層に位置する。だが、その人が犯罪者かそうでないかを車が判断できるのだろうか？刑務所の情報をリアルタイムで入手するのか？また、動物愛護活動家のハッカーが車のプログラムを、人より動物を尊重するように書き換えてしまったらどうなるのだろう？

MITのこの調査が信頼できるとすれば、こうした序列の意識や変動性が現に存在していることになる。それは、人間の潜在意識にしまい込まれているだけだ。機械の中ではない。次に道路を渡るとき、このことを考えてみてほしい。

【編集部注】
著者のLucas Dahlinは、Goodwin知的財産グループのアソシエート。複雑な知的財産問題を専門に取り扱い、特許と企業秘密に関する訴訟に豊富な経験を持つ。

Julius Jeffersonは、Goodwin知的財産訴訟グループのアソシエート。Goodwinに加わる以前は、デラウェア地区とテキサス西地区で判事の書記を務めていた。ロースクールに入学する以前は、Wyeth Pharmaceuticals（現Pfizer）の研究フェローとしてアルツハイマー病の治療法を研究していた。

Darryl M. Wooは、Goodwin知的財産訴訟グループの共同経営者。以前は法廷弁護士として特許訴訟やその他の複雑な技術関係の訴訟を専門に扱っていた。

[原文へ]
（翻訳：金井哲夫）

AI医療機器を開発するアイリスは5月7日、塩野義製薬とBeyond Next Venturesを引受先とする第三者割当増資により12億5千万円を調達したことを明らかにした。

塩野義製薬側の発表によると両社では4月25日付で資本業務提携を締結済み。塩野義製薬がアイリスに12億円を出資し株式の約14%を取得するとともに、アイリスが開発するAI医療機器を対象とした将来のライセンス契約に関する優先交渉権を得たという。

アイリスではインフルエンザ患者ののどにできる「インフルエンザ濾胞（ろほう）」と呼ばれる腫れ物に注目。撮影したのどの写真をAIで解析することで、インフルエンザの高精度・早期診断をサポートするAI医療機器を開発中だ。

同社によると、2018年の国内インフルエンザ患者数は2000万人を越え、過去10年で最大の流行となった。現状の検査方法では発症してから24時間以上が経過しないと診断精度が十分ではなく、6割程度にとどまるとの研究報告もあるそう。検査法の改善は進んでいるが、抜本的な解決には至っていない段階だという。

この問題へのアプローチとしてアイリスが目をつけつけたのが、上述したインフルエンザ濾胞だ。風邪をひいている場合や健康な状態でものどの奥には膨らみが存在するものの、インフルエンザ濾胞には「インフルエンザの場合にだけ」現れる特徴があることを日本の医師が発見した。

表面の色調や艶やかさ、大きさや盛り上がり方などからインフルエンザ特有の特徴を見分けるのは、その道に精通するベテラン医師だからこそ成し得ること。アイリスでは画像解析AIを通じてこの技術の再現を目指している。

具体的には鼻の奥に綿棒を入れて行う検査の代わりに、のどの写真を撮影。その写真を解析することで高精度かつ早期にインフルエンザを診断できる機器を作る。

アイリスによると臨床研究法に則った臨床試験を既に実施しているそうで、今後は治験や薬事承認に向けて開発を加速させていく計画だ。

左からアイリス代表取締役社長の沖山翔氏、取締役副社長CSOの加藤浩晃氏

次々に出版される研究書の数は、すべてを読みたいと願う学者の能力を超える。しかし、AIの助手に何千冊もの本を読ませて、要約を抽出させられる日は近いかも知れない。ゲーテ大学の研究チームは、まさにそれを実現させた。Beta Writerが書いた最初の論文は、現在、誰でも読めるようになっている。ただし、リチウムイオン電池に関心のない人には、面白い内容とは言えないが。

この論文のタイトルは「リチウムイオン電池：現在の研究の機械生成による要約」というクリエイティブなものになっている。250ページにおよぶ内容は、こんな感じだ。

細孔構造およびセパレーターの厚さは、機械強度とイオン導電性という2つの機能を満たすために、そのバランスが十分に保たれるよう慎重に調整されなければならない（AroraおよびZhang[40]、Leeその他[33]、Zhang[50]）[5]。素材の細孔構造および多孔性は、電池内のセパレーターの素材に加え、セパレーターの性能にとって極めて重要であることは明らかである[5]。

電池の話も面白いが、本来の目的とは関係がない。この本の狙いは、機械が生成する科学文献について、著作者の問題から技術的倫理的な問題にいたる論議を引き起こすことにあると、このAIの開発者たちは、その長くて面白い序文で説明している。

つまり、答ではなく疑問を提示することが目的なのだ。彼らは前もって、こんな疑問を呈している。

機械生成された文章の原作者は誰なのか？　アルゴリズムの開発者が著者とされるのか？　または、最初に入力を行い（「リチウムイオン電池」といった用語など）さまざまなパラメーターの調整を行った人間か？　そもそも原作者と呼べる者はいるのか？　最初に誰が、機械に何を生成させたいかを決定するのか？　倫理的な観点から、機械生成された文献の責任者は誰になるのか？

研究チーム、周囲の仲間たち、この本の製作に協力した専門家たちとの間で十分に論議を重ねてきた結果、これが始まりに過ぎないことを彼らは理解した。だが、Henning Schoenenbergerは、いずれどこかで始めなければならず、これはどこよりも望ましい出発点になると序文に書いている。

実際に私たちは最初のプロトタイプの開発に成功したが、同時にそれは、この先の道のりが長いことも示している。膨大な言語資料からの要約の抽出はいまだ不完全であり、文章の置き換え、文法、語句のつながりなど、まだぎこちない点が見られる。しかし私たちは、人の手による修正や編集は一切行わないことに決めた。それは、現在の状態をよく知ってもらうためであり、機械生成による文章との境界線を保つためだ。

彼らが言うように、この本自身は不完全でぎこちない。しかし、自然な文章を書くことは、このAIの目的のほんの一部に過ぎない。そこだけを強調して全体的な成功を見ないのは間違っている。

上から、生成された原稿、後処理（参考文献目録の整理、化学表記法の処理、結果の出力）、文章生成（要約の抽出、内容の集約、文章の抽出または言い換え）、構成生成（資料の整理またはまとめ、資料の選択またはランク付け）、処理（参考文献の分析、固有表現の検出、言葉の注釈、体系的構文解析、文章の標準化）、資料の入力

このAIは、高度な技術論文1086編を分類し、キーワードの検出、参考文献目録の作成、結論の取得、「代名詞の前方照応」などのための分析を行う。その後、論文はいくつかの集団にまとめられ、論理的で章立てのある形で提示できるよう、検出された内容に従い整理される。

代表的な文章や要約は論文から引き抜かれ、新しい本のために形式が整えられる。それには、著作権上の問題もあるが、文法的に新しい文章と揃わない場合があるからだ（チームが協力を求めた専門家は、「創造的」な表現にならないよう、できる限り原文の意味に沿うよう助言した）。

たとえば、ある論文の使いたい部分の書き出しが、こうだったとする。「したがってこれは、我々が2014年の論文で示したとおりだ、24パーセント高い断熱係数をもたらす」

AIは、この論文をよく読んで、「これ」が何を指しているかを突き止め、「これ」を本来の言葉に置き換え、「そのため」と途中の添え書きを削除してもよい形に書き換える。

これを何千回も行わなければならず、モデルが適正に対応できなかったり、明らかに下手な文章など、多くのエッジケースが飛び出してくる。たとえば、「その種の研究の第一の目的は、大容量、高速なリチウムイオンの拡散率、扱いやすさ、そして安定した構造といった優れた特性を持つ素材を獲得することにある」。ヘンリー・ジェームズのような美文ではないが、明解だ。

最終的に、おそらく1万ページほどの論文を煮詰めて、ずっとわかりやすい250ページにまとめたこの本は、普通に読めて、ことによれば有用なものになった。しかし、研究者たちの目標はもっと高いところにあると言う。

現在の目標は、そう突飛なものとは思えない。「ここ4年間の生物工学について50ページでまとめてくれ」と命ずると、数分後にポンとそれが出来上がるサービスだ。文章には柔軟性があるため、スペイン語や韓国語を指定することもできる。パラメーター化することにより、出力を簡単に調整できる。地域や著者に重点を置いたり、特定のキーワードや関係のない話題を除外することも可能だ。

これらの機能の他にも、このプラットフォームには山ほどの利便性がある。堅苦しいことを言う人を気にしなければの話だが。

科学文献や自然言語処理に興味がおありなら、この著者たちによる序文は、読む価値がある。

画像：Bryce Durbin / TechCrunch

[原文へ]

（翻訳：金井哲夫）

AIに関する研究でジェフリー・ヒントン氏、ヤン・ルカン氏とともに栄えあるチューリング賞を先月受賞したヨシュア・ベンジオ氏は、このテクノロジーが密室に隠されることを恐れている。Natureのインタビューで同氏は彼の懸念を説明したが、悲観論者と思われなように気を遣っていた。

モントリオール学習アルゴリズム研究所（MILA）教授のベンジオ氏にとって最大の心配は、必ずしも悪夢のシナリオというわけではなく、管理されない人たちによってAIが研究されていることに対してだ。

「大きな心配事のほとんどが、白日下でないところで起きている」と彼は言う。「軍の研究所や秘密組織、政府や警察にサービスを提供している民間企業で起きている」。

たしかにそれは我々も見てきたことだ。どの主要IT企業も、無害なものから明らかに戦争目的のものまで、何らかのかたちで政府や軍に成果を提供したりそれを想定している。「殺人ドローンは重大な心配事だ」とベンジオ氏は強く言い放った。そこで研究されているAIは多くの命を救ったり生活を改善するかもしれない。しかし、その研究が白日の下で行われていなければ、我々はどうやってそれを知ることができるのか？

善意で発明されたモデルやアイデアでさえ、悪人に利用されるかもしれないと彼は言う。「悪用の危険性、特に独裁政権によるものは、極めて現実的だ。事実上AIは、支配者がその権力を維持、拡大するために使うことのできる道具だ」。だから、1つの組織や政府が倫理的利用を約束したり、ベストプラクティスを実践するだけでは不十分だ。次の組織（あるいは同じ組織の次のリーダー）は、そうしないかもしれない。

彼が信じる解決策は、オープンで組織化された議論と、国際的に制定された強力でわかりやすい規制だ。

「自主規制は機能しない。自主納税制度がうまくいくと思うか？いかないだろう」と彼は言った。「倫理ガイドラインを遵守する企業は、守らない相手より不利を被る。これは車の運転に似ている。左側であろうと右側であろうと、全員が同じ向きに走らなくてはならない。そうしないと問題が起きる」。

手はじめに、彼は研究者らに責任あるAI開発のためのモントリオール宣言を読み署名することを推奨している。これは自立性、プライバシー、ダイバシティーを尊重する原則集だ。

こうした懸念がありながらも、ベンジオ氏はAI技術の未来に楽観的だ（そうでなければ、ここまで深く長期に渡ってAIに関わり続けることはとても想像できない）。インタビューの他の部分も同様に興味深く、AI分野が直面するさまざまな課題について、単刀直入で現実的だが楽天的に展望している。全文はこちらで読める。

[原文へ]

（翻訳：Nob Takahashi / facebook ）

画像や映像を解析するAI技術を複数の領域で展開するニューラルポケット（旧ファッションポケット）は3月5日、未来創生ファンド、シニフィアン、みずほキャピタル、SMBCベンチャーキャピタル、Deep30、および複数の既存株主を引受先とする第三者割当増資により、6億円を調達したことを明らかにした。

もともと同社は2018年1月にファッションポケットとしてスタート。AIを活用したトレンド解析サービス「AI MD」の提供やファッションECモールの開発などを進めてきた。今後は総合AI企業としてファッション以外の領域でも事業を展開していく計画で、それに向けて本日付で社名をニューラルポケットへと変更している。

併せて調達先の1社であるシニフィアンとは業務提携も締結し、シニフィアンがニューラルポケットの顧問に就任したことも発表した。

今回の資金調達はニューラルポケットにとってシリーズBラウンドにあたるもの。同社では設立から2ヶ月後にシードラウンドで最初の資金調達を実施し、7ヶ月後となる2018年8月には東京大学エッジキャピタルや千葉功太郎氏らから2.6億円を調達。3度目となる今回の調達額を合わせると、創業1年2ヶ月で累計11億円を集めたことになるという。

AI MDを用いた企画商品が全国2000店舗以上に展開

現在ニューラルポケットでは独自開発したAIアルゴリズムによる画像・動画解析技術を軸に、ファッション、スマートシティ、デジタルサイネージの3領域で事業を開発している。

すでに複数の大手アパレル企業が導入するAI MDは、SNSを含む世界中のファッションメディアから500万枚以上のコーデの画像を解析し、カラーや着こなしといったトレンドを把握するサービス。

収集した画像に対してアイテム名や色、柄、丈、シルエットなど細かい情報をタグ付けし、AIに学習させる。これらを時系列に解析し「これからどんなアイテムが流行るのか」を予測するというわけだ。

「データ自体は他社でも集められるものだが、そこに『どういうタグをつけるのか』というノウハウと、実際にタグをつける際のオペレーションが強みだ。（特にファッション領域は変数が多いため）学習データが1万枚とかでは精度が出ないが、一方でいくら枚数を集めた所でゴミデータが入ってはだめ。自社では独自開発したソフトウェアとネットワークを用いて、効率的かつ大量のデータを収集できる仕組みを作った」（ニューラルポケット代表取締役CEOの重松路威氏）

導入企業ではAI MDを用いて基本的に6ヶ月先のファッショントレンドを予測し、商品作りに活かしているそう。以前重松氏は「業界ではヒット的中率が約50%などとも言われ、仮に100点出せば定価で売れるのは40〜50点ほど。残りは値引きで販売するか廃棄している」ような現状を課題にあげ、AI MDによって少しでもこの精度を上げていきたいと話していた。

今のところAIによる画像の検知精度は97%で、検知したファッション画像データを用いてトレンド予測を行うと「人間では50%だったものが、80%程度の的中率まで上がってきている」とのこと。もちろんAIだからといって100%正確に予測できるというわけにはいかないけれど、従来よりも予測精度を上げることで余剰在庫や廃棄問題を減らすことはできる。

重松氏の話では2019年シーズンにおいてAI MDを用いた企画商品が全国2000店舗以上に展開されているそう。直近では三陽商会と新たに業務提携を締結。2019年秋冬より婦人服の全ブランドでAI MDを活用した商品を展開する予定だ。

画像・映像解析技術をスマートシティやサイネージへ拡張

プロダクトの進捗ではファッション領域がもっとも進んでいるが、それに加えてスマートシティやデジタルサイネージ領域の事業も水面下で動き出しているそう。

スマートシティについては設置されたカメラの映像を解析することで、顧客の消費者属性やファッションセグメントを分析できるサービスをショッピングモールや鉄道事業者などに展開する方針。デジタルサイネージ領域では今までにない“コネクテッド”なプラットフォームを開発しているという。これらについてはその全貌が明らかになった際に改めて紹介したい。

それにしても、昨年8月に取材した際には「ファッション領域において独自の技術を活かしたプロダクトを複数展開していく」という話だったので、今回の社名変更や方針の変更には僕も驚いた。

背景にはグローバルでAIへの技術的な期待が高まっていく状況に加え、特に日本ではAIがなかなか実証実験の枠を出ていない状況を打破し、AIの社会実装を実現したいという思いがあるようだ。

「未だに自動運転を含む少数のアプリケーションを除き、事業に直結するようなAIが生まれていないと感じている。自分たちはディープラーニングのコアエンジニアリング企業として、ファッションだけでなく広告や街づくりなど、より大きなテーマでビジネスに直結したAIサービスを作ることが目標だ」（重松氏）

ベンチマークは中国企業、AIの社会実装目指す

この領域では国内よりも海外企業の方がかなり先を行っている印象だ。重松氏もベンチマークとして中国のsensetime（センスタイム/商湯科技）の名を挙げる。同社はディープラーニングを活用した画像認識技術が強みで、自撮りアプリ「SNOW」の顔認証技術を手がけていることでも知られるユニコーン企業だ。

センスタイムの特徴のひとつと言えば、大学で博士号を取得した技術者を筆頭に多くのエンジニアを抱えていること。ニューラルポケットでもスイスの研究所でデータ分析を学び、製造業等におけるAI開発などに携わったCTOの佐々木雄一氏を中心に開発チームを拡大。イギリスや中国出身のエンジニアなど、半数以上を海外出身のメンバーが占めるという。

開発陣だけでなく、ビジネスサイドのメンバーにも経験豊富な面々が集っているのはニューラルポケットのウリだ。CEOの重松氏やCSOの周涵氏を始め、シニフィアンの朝倉氏など社外取締役や顧問も加えるとマッキンゼー出身のメンバーが5人。そこにスタートアップのCFOや上場ベンチャーの社外役員、ベンチャーキャピタルでのパートナーなどを歴任した取締役CFOの染原友博氏らも名を連ねる。

「実社会で役に立ってこそのAI。ビジネスサイドの知見とエンジニアリングを融合することで、AIを社会課題の解決や事業インパクトの創出に繋げていきたい」（重松氏）