タグ: AI

名古屋大学発の物流AIスタートアップであるオプティマインドは6月1日、自動運転ソフトウェアを開発するティアフォーと寺田倉庫を引受先とした第三者割当増資を実施したことを明らかにした。調達額は公開されていないが、関係者によると数億円規模になるという。なお調達を行ったのは5月とのこと。

オプティマインドが取り組むのは、物流業界におけるラストワンマイルの配送最適化だ。具体的には組み合わせ最適化や機械学習、統計の技術を用いて「どの車両が、どの訪問先を、どの順に回るべきか」を効率化するクラウドサービス「Loogia」を開発中。7月のリリースを予定している。

近年、物流業界ではドライバーの高齢化や人材不足が課題となっている一方で、AmazonなどECの拡大によって物流量の増加や配送の複雑化、小口化が進行。今後この流れがさらに加速する可能性も踏まえると、限られたリソースを最大限に生かすためのシステムは不可欠だ。

オプティマインドで開発を進めるLoogiaでは、2段階のプロセスを経て最適な配送計画を割り出す。

まず機械学習や統計の技術を用いて、取得したデータから物流に特化した地図を構築するのが第1段階。たとえば「マンションの出口はどちらにあるか、車幅はどれくらいか、走行速度はどのくらいになるのか」といった規則や傾向が溜まった地図のようなものだ。そして第2段階でその地図データと核となるアルゴリズムを用いて、個別の条件下における最適な配送ルートを提示する。

同社代表取締役社長の松下健氏によると、これによって「配送ルートを作る時間の削減と（人力で作成していた時よりも効率的なルートが作れることで）実際の配送にかかる時間の削減が見込める」という。

オプティマインドは2017年秋から2018年にかけて日本郵便とサムライインキュベートが実施したインキュベーションプログラムに採択され、Demo Dayでは最優秀賞を受賞。その際に郵便局で実証実験を実施したしたところ、特にノウハウや経験が少ない新人配達員の業務時間が大きく削減されたのだという。

日本郵便との実証実験の結果。資料はオプティマインドより提供

「配達員はまず配送ルートを作成した上で、それが最適なのか不安を抱えながらも配送しているというのが現状。Loogiaではルート作成という属人的な業務を人工知能を使って効率化するとともに、（組み合わせ最適化技術により）人間では考慮できないレベルでの最適化を実現することで、配送業者をサポートする」（松下氏）

もちろん配送効率化を支援するシステム自体は以前からあるが、松下氏によると買い切り型で導入コストが高く、かつアップデートがされない仕様のものも多かったそう。

Loogiaのターゲットは宅配に限らず、弁当や食材、メンテナンスや引っ越しなど、ラストワンマイルの配送を手がける幅広い業者。小口の配送業者でも継続して使いやすいように、SaaSモデルで車両台数に応じて課金する仕組みを用いる。

名古屋大学の研究をプロダクトに落とし込んで展開

オプティマインドのシステムは名古屋大学の組み合せ最適化技術を活かしたもの。特に配送最適化の分野では高レベルの研究実績とアルゴリズムを持っているそうで、社員の中には松下氏を含め同大学院の博士課程に在籍するメンバーも多い。また技術顧問という形で情報学研究科の柳浦睦憲教授も参画している。

同社はもともと2015年に合同会社としてスタート。当初は物流に限らず、最適化技術を活かしたコンサルティング事業をやろうとしていたそう。松下氏いわく「その時に1番属人的で、変えるのが難しそうだったのが物流業界だった。だからこそ業界が抱える課題を自分たちが解決していきたいと思った」ことと、自身が研究していた領域が配送計画問題だったこともあり、物流領域に絞った。

今までは個別の企業ごとにコンサルという形で配送ルートの効率化サポートをしていたそうだが、より多くの企業の課題を解決するため、これからはクラウドサービスとして広く提供する。また「新しいサービスを展開したい人に対して配送計画というノウハウを提供する会社（プラットフォーム）」を目指し、SaaSに限らず計算エンジンのAPI連携やR&D事業も進めていく方針だ。

「今は最適システムの基盤作りの段階。その上に実配送データを収集・解析してGoogleなどがもっていないような『物流に特化した生データの地図』を構築していく。将来的にはライドシェアや自動運転が普及した時に、どのように回ればいいのかという部分においては、プラットフォーマーとしての立ち位置を確立したい」（松下氏）

今回の調達元である寺田倉庫では物流APIを企業やスタートアップに提供。エアークローゼットやサマリーなどにも資本参加をした実績もある。同社にとっても配送ルートの最適化は重要で、オプティマインドとは事業シナジーもあるだろう。また松下氏の話す自動運転が普及した後の展望も踏まえると、このタイミングで自動運転ソフトウェアを開発するティアフォーから出資を受けている点も興味深い。

「今はぐっとアクセルを踏むタイミング」（松下氏）ということで、まずは調達した資金と元に組織体制も強化し、Loogiaの開発と導入企業の拡大に取り組むという。

不定形のドキュメントでも読み取ることのできるAIエンジン「Flax Scanner」などを展開するシナモン。同社は6月1日、SBIインベストメントの運用するファンドなどを引受先とする第三者割当増資と、みずほ銀行、三井住友銀行からの融資により総額9億円の資金調達を実施したことを明らかにした。

今回の投資家リストは以下の通り。内訳は第三者割当増資による調達額が約8億円、融資による調達額が約1億円となる。

• FinTechビジネスイノベーション投資事業有限責任組合（SBIインベストメントの運営ファンド）
• SBIベンチャー投資促進税制投資事業有限責任組合（SBIインベストメントの運営ファンド）
• FFGベンチャー投資事業有限責任組合第1号
• 伊藤忠テクノソリューションズ
• Sony Innovation Fund
• TIS

今回のラウンドはシナモンにとってシリーズBにあたるもの。同社では本ラウンドで第三者割当増資により総額10億円の調達を予定していて、2018年8月末日を最終クローズ予定日に追加の調達を進めるという。

なお同社は2018年2月にもMTパートナーズ、マネックスエジソン、ベクトル、RPAホールディングス、複数の個人投資家から資金調達を実施している。

シナモンの主要株主

独自開発のAIエンジンでホワイトカラーの生産性向上へ

シナモンは2016年10月の設立。代表取締役CEOの平野未来氏は2011年にmixiの子会社となったネイキッドテクノロジーの創業者でもある、シリアルアントレプレナーだ。

同社ではホワイトカラーの生産性向上をテーマに、文書を読み取るAI OCRサービスのFlax Scannerのほか、AIチャットボット「Scuro Bot（スクロ・ボット）」、レコメンデーションエンジン「Lapis Engine（ラピス・エンジン）」など独自のAIエンジンを軸にした複数のプロダクトを展開している。

主力サービスであるFlax Scannerは、PDFやWord、手書きの文書などを情報を抜き出し、データベースに自動で取り込めるというもの。手書き文字の読み込み精度が実データで95〜98%と高いことに加え、不定形のドキュメントにも対応しているのが特徴だ。

「たとえば運転免許証のように共通のフォーマットがあるものであれば、そこに記載されている氏名や生年月日といった情報をAIが抽出することはできていた。一方で住民票のように自治体ごとにフォーマットが異なる場合、同じような情報であっても既存のAIでは自動で抽出することが難しかった」（平野氏）

Flax Scannerの場合はディープラーニングを利用して文書を読み取り、テキスト情報がどの情報に属したものなのかを分類（これは「住所」、これは「名前」といったように）。整理をした上でシステムに自動で入力する。

契約書から要点を抽出する、請求書の情報を登録する、手書きの文書をデータ化するといったシーンを中心に、幅広い用途で利用可能。現在は金融・保険業界での利用が多く、特にデータ入力業務におけるニーズが高いという。

平野氏の話では、大手企業の場合データ入力に毎月1億円ほどのコストがかかっているケースも珍しくないそう。今までは人力で頑張っていた作業を人工知能が肩代わりできれば、コスト削減や業務スピード改善を実現しうるだけでなく、人間が本来やるべき仕事に時間を使えるようにもなる。

また直近では特化型の音声認識プロダクト「Rossa Voice（ロッサ・ボイス）」の開発にも着手。これは「コールセンターのやりとりや会議の議事録を自動で書きおこす」システムだ。

「一般的に音声認識というとGoogleを始めIT業界の巨人がやっているイメージが強いが、これらは汎用型の音声認識技術。一方でシナモンで開発を進めているのは、特定のシーンで使える特化型のもの。実際に企業で使うシーンを想定すると、業界ごとの専門用語などを正確に認識できる必要があるので汎用型では難しい面もある」（平野氏）

現在は実証実験を実施している段階。正式なローンチ時期は未定だが秋頃を目標にしている。

2022年までにAIエンジニア500人体制目指す

ベトナムに構える人工知能ラボの様子

シナモンでは今回調達した資金をもとに各プロダクトの基盤技術を強化するほか、人材採用を進める方針。プロダクトのラインナップもふやしていく計画で、大企業以外でも導入しやすいようなパッケージの開発や、新規プロダクトのR&Dにも取り組む。

なお同社はベトナムに人工知能ラボを構えており、大量のAIエンジニア（シナモンにおいてはディープラーニングをゼロから組める人のことを指すそう）を採用できる仕組みを構築。同社には現在40名ほどのAIエンジニアが在籍しているが、2022年までに「AIエンジニア500人構想」の達成を目指すという。

AI搭載の自動運転EVレースカーによる無人レース開催を目指すRoboraceは、4月にイタリアで開催されたローマePrixにて開発車両DevBotのデモ走行を実施、人間とのタイムアタック合戦を披露しました。

以前のデモ走行では、コースの直線部分ではそこそこのスピードを出スことができたものの、カーブを曲がりきれずに壁にぶつかっていたRoboraceの開発マシンDevBotですが、その後も地道に開発は継続中。

フォーミュラE ローマePrixが開催される特設サーキットでのデモ走行では、Devbotのコクピットにドライバーが乗ったときと無人走行のとき、それぞれのタイムを競うという、ちょっとした催しがありました。コクピットに収まったのはプロドリフターのライアン・チュークです。

ライアン・チュークはドリフト競技のドライバーであるため、事前にフォーミュラEチャンピオンでRoboraceのCEOも務めるルーカス・ディ・グラッシに、ドライビングの手ほどきを受けました。とはいえ、初めて乗るマシンと不慣れな公道コースのせいもあり、練習走行では何度かカーブを曲がりきれずにオーバーシュートするシーンを見せていました。

しかし、そこはプロドライバー。いざタイムアタックに出れば、さらっと1分51秒台のタイムを記録して帰ってきました。これに対し、DevBotの自動運転によるラップタイムは2分18秒台でしかなく、約26秒という大差でライアンの勝利となりました。

レースカーのドライブは人間が持つ感覚と反射神経が物を言います。たとえばカーブでマシンがスライドすれば生身のドライバーは瞬時にカウンターステアを当てつつアクセルをコントロールして危機回避行動をとります。

これをロボットカーで再現しようと思えば、イメージセンサーとLiDARだけでなくGセンサーやアクセル開度などの数値を参照して瞬時に適切なステア舵角などを出力できる必要がありそうです。まして、まともにレースをしようとするならば、タイヤの温度や路面の汚れ具合まで感知できなければ安全には走れません。もし接触やクラッシュがあればコース上に落ちるデブリの認識や回避も必要になります。

しかし考えようによっては、いまこの時点での26秒という差は、もしかするとかなり小さなものなのかもしれません。Roboraceは2018年内にはDevBotが人間と同等の速度域に到達できると自信満々。もしそうなるならば、Roboraceから一般的な自動運転車開発メーカーへの技術供与なんてことも起こり得るのかもしれません。

Engadget 日本版からの転載。

【編集部注】著者のTaryn Southernは、デジタルアーティストであり映画監督でもある。彼女は現在、脳に関するドキュメンタリーを共同演出している。また彼女の音楽アルバム”I AM AI”は今年9月にリリースされる予定である。YouTuberとして、彼女は1000本以上の動画を制作し、5億回以上の再生数を数えている。

1年前に、私はアルバム制作に取り組み始めた。私はボーカル用のメロディと歌詞を書いていて、私のパートナーが全体の作/編曲を行っている。私たちはどちらも楽器を担当し、お互いを補い合っている。この関係における唯一の奇妙な点は…私のパートナーが人間ではないということだ。

それはAIなのだ。

この関係は好奇心から生まれたものだ。恐怖を煽る「見出し」が私のニュースフィードを埋め尽くした時期があった…たとえば「AIが私たちの仕事を、データを、そしてついには魂までをも奪う」といった類のものだ。

この議論は私に疑問を残した。AIの世界では本当は何が起きているのだろうか？私は偶然、AIが音楽を作るためにどのように使われて来たかを解説した記事に出会った。簡単なGoogel検索をしてみた私は、作曲は氷山の一角にすぎないことに気が付いた。AIは詩も書けば、フィルムの編集も行い、そしてアートを合成し…果てはチューリングテストにさえ合格していたのだ。

もっと知りたいと思った私は、手に入れることのできるすべてのAI音楽制作ツールを試し始めた。まず手始めにAmper、そしてAivaを使った。その後IBM WatsonとGoogle Magentaを使った（この世界には他にも数え切れないほどのツールが存在している、2,3例を挙げるなら、AI Music、Jukedeck、そしてLandrなどもある）。

私のサイドプロジェクトは、急速に本格的アルバム（”I AM AI”）制作へと進化した。これには人間と技術の間の希薄な関係を探求する一連のバーチャルリアリティーミュージックビデオを伴っている。昨年9月、私はAmperで制作した最初のシングルBreak Freeをリリースした。これはクリエイティブコミュニティで広範囲な注目と関心を引きつけた。

多くの人が私に質問してきた：AIがあなたよりも創造的になる恐れがあると思うか？私の答は「いいえ」だ。多くの点で、AIは私がより創造的になる手助けをした。その際に、私の役割を編集者やディレクターのようなものへと変えながら。私はAIに（学習のためのデータ、または出力のためのパラメータの形で）指示を与える、するとAIが素材を出力してくるので、私はそれを編集しアレンジして、まとまりのある曲を作り上げるのだ。またAIを使うことにより、私はボーカルのメロディ、歌詞、ミュージックビデオなどの、創造の他の側面に向けて、多くの時間を割くことができた。それはただこれまでのやりかたとは違うだけで、創造的であることには変わりがない。とはいえ、先端技術恐怖症の人びとよ、安心するが良い：AIはまだ完璧な仲間ではない。

AIと共に進化する私たちの世界の未来は、誰にも予測できないが…私は楽観的だ。

AIとのコラボレーションプロセスを取り巻く謎は、まだ多く残されているので、会話の基本認識を擦り合わせるために、その内容を分解してみることは有益である。以下に私が使用した主要なプラットフォームと、それぞれとのコラボレーションから得た私の気付きを紹介して行こう。

1. Amper ：何人かのミュージシャンたちによって共同創業されたAmperは、商用のオリジナルスコアを作曲するためのプラットフォームとして出発した。現在は無償で一般公開されている。AmperはシンプルなUIを提供していて、そこではBPM（曲の速さ）や楽器編成、そして気分などを変えることができる。コードに関する知識は不要だ！

気付き：Amperを使い始めるまでは、私は異なる楽器の音を聞き分けていなかったし、自分が特定の音楽的好みを持っているとも思っていなかった。いまや、私は数十の楽器の音を聞き分け、特定の創造スタイルに磨きをかけている。たとえば、私は電子シンセサイザーを、ピアノと深みのあるベースとミックスすることをとても好むようになった。それは私が制作した360 VRミュージックビデオである以下のLife Supportの中で聞くことができる。

2. AIVA：Aivaは、受賞歴のある深層学習アルゴリズムであり、初めて著作権協会に登録されたシステムだ。私は最初にロンドンで創業者の1人Pierre Barreauと会い、クラッシックの学習スタイルをポップス/シンセサイザーなどの楽器と組み合わせる機会に対して、本当に興奮した。AIVAは深層学習と強化学習を使用して、何千ものクラシック音楽を特定のスタイルで分析し、新しいスコアを作成する。

気付き：私がAIVAを用いた最初の曲Lovesickは、ロマン主義運動後期（1800年代の初期から中期にかけて）の数千曲の音楽を分析することで作成された。その結果、ウェストワールド風のピアノ曲が得られ、それを私が電子シンセサイザーを用いてポップファンク風にアレンジした。そのような馴染みのない素材とのコラボレーションは、これまでの思い込みを打ち破るという意味で非常に楽しいものだった。曲をアレンジしているときには、私は本当に私の「ポップスタイル習慣」の多くを無視しなければならなかった。

3. Watson Beat（IBM）：Watson Beatはフロントエンドを持っていないが、IBMの優秀なエンジニアたちが私に、始めるためのチュートリアルをいくつか教えてくれた。とはいえ、コードの扱いに対して自信をもっているならば、無償のオープンソースプログラムとしてGitHubからダウンロードすることが可能である。数日のうちには、私はシステムの操作に慣れていた。古いお気に入りの曲を入力して、スタイルにヒネリを入れた沢山の音楽の素を作り出してみた（たとえばペルー風ワルツのスタイルで演奏されるメリーさんの羊を想像できるだろうか？）。

気付き：私は、さまざまなデータ入力を、想像もしないジャンルとミックスした結果を楽しんだ。さらにそれによって、私の創造的なアイデアを支配している根本的な影響により多く気付くことができた。出力はMIDIで得られるので（これに対してAmperの出力はWAVあるいはMP3ファイルである）、演奏に際してアーティストたちは音符を自由に移調することが可能である。ありそうもない音楽のスタイルへと当てはめて行くことで、私はすっかりシンセサイザーの虜になった。Watson Beatを使った最初の曲は、今夏リリースされる可能性が高い。

4. Google Magenta：Watson同様に、MagentaはGithub上で無償で公開されるオープンソースである。簡単なフロントエンドを提供するツール（たとえばAI Duetsなど）も存在し、多少バックエンドのコーディングに関する知識が必要なものもある。クールなのは、Googleが備えとして提供しているツールの範囲と数である。おそらくプログラマーたちにとって最も強力な仕掛けだろう。

気付き：Magentaのツールでは、作曲だけに注意を向ける必要はない。サウンドを分析することも可能だ。例えばNSynthでは、2つの異なる楽器の音を組み合わせることができる（猫とハープをミックスしてみよう！）。Googleには、音色や振動の品質を調べるアルゴリズムがあり、多くのエキサイティングなアプリケーションが用意されている。

AIが人間の「特殊性」に関する多くの疑問を引き出すのは驚くべきことではない…しかし私たちは間違った議論に焦点を当てているのかもしれない。人類は常にテクノロジーと共に進化している。そして重要なのは私たちがAIをどのように利用するかの選択なのだ。私はこれが、氷山の一角に過ぎないと信じている…そしてそれは私たちが想像もできないような創造性を解き放つことになるだろう。

正式な音楽訓練を受けていない新しい物好きの人たちにとって、AIは非常に魅力的なツールとなるだろう ―― 単に学習のためではなく、自己表現の入口として。今や、誰でも、何処でも、音楽を作り上げる能力が手に入ったのだ ―― そして表現へ向かう渇望と能力こそが、私たちを人間たらしめているのだ。

[原文へ]
（翻訳：Sako）