AIの活用で介護領域の課題解決へ、エクサウィザーズが産業革新機構などから8.9億円を調達

医療・介護領域を中心に、AIを活用して様々な業界の課題解決を目指すエクサウィザーズ。同社は3月29日、産業革新機構など合計8社から総額8.9億円を調達したことを明らかにした。今回のラウンドに参加したのは以下の企業だ。

  • 産業革新機構
  • 三菱東京UFJ銀行
  • SOMPOホールディングス
  • D4V
  • iSGSインベストメントワークス
  • Scrum Ventures
  • SMBCベンチャーキャピタル
  • IDATEN Ventures

エクサウィザーズは「介護×AI」分野でサービス展開をしていたデジタルセンセーションと、大手クライアント向けにAIソリューションを提供していたエクサインテリジェンスが2017年10月に経営統合してできたスタートアップだ。

デジタルセンセーションはリクルートでAI研究所を立ち上げた石山洸氏がジョインした際にTechCrunchでも紹介。一方のエクサインテリジェンスも京都大学等の研究者・学生と、ディー・エヌ・エー元取締役会長の春田真氏らが運営するベータカタリストが共同で立ち上げたスタートアップとして2016年に取り上げた(エクサウィザーズでは春田氏が代表取締役会長、石山氏が代表取締役社長を務める)。

これまで同社では認知症ケア技法「ユマニチュード」の普及や、熟練者のケア技能を解析することで特徴を抽出し、介護者の育成を促進する「コーチングAI」の開発に力を入れてきた。これらの活動には今後も力を入れつつ、今回の調達を機に新しい取り組みも始めるという。

AIを活用した科学的裏付けに基づくケアの確立(ケアのエビデンス・ベースド化)はそのひとつ。介護領域ではケアの内容を科学的に評価・検証することが難しかったが、現場にあるデータをAIで解析することで、新たな評価手法の確立を目指すという。

構造化されたデータだけではなく、動画や音声、テキストなどのデータも合わせて解析。この結果から優れたケアの動作や対話を可視化できるようにれば、それをケアの内容に反映することもできそうだ。今後は産業革新機構や政府機関、地方自治体と連携を強化し、実証実験や事業化を進めるという。

またエクサウィザーズではAIを活用して、自治体が保有する介護データの無料解析サービスも始める。こちらについては認知症ケアの現場などが抱える課題の解決を目的としている。

認知症は時間の経過と共に症状が進行していくため、ケアの介入効果を検証することが困難だった。同サービスを活用すれば事前に適切な介入タイミングを予測し、予測結果に対する介入効果の比較検証ができるようになる。症状進行前に介入することも可能で、予防介護にも繋がるという。

なお直近では今回の資金調達先でもあるSOMPOホールディングス、三菱UFJフィナンシャル・グループと業務提携を締結(三菱UFJフィナンシャル・グループについては、子会社であるJapanDigitalDesignと提携)。SOMPOホールディングスとは介護や認知症の領域おける取り組みを、JapanDigitalDesignとはオンラインファイナンス関連商品やHR Techサービスの開発検討を進めていく方針だ。

Linux Foundationにディープラーニングのオープンソース団体が加わる

名前はLinuxでも、Linux Foundationかなり前から、Linuxのためだけの団体ではない。今ではCloud Foundry, Automotive Grade Linux Initiative, Cloud Native Computing Foundationなど、さまざまなオープンソースの財団やプロジェクトを支えている。そして今日(米国時間3/26)Linux Foundationにはさらにもうひとつの財団、LF Deep Learning Foundationのサポートが加わった

LF Deep Learning Foundationの目的は、“人工知能や機械学習、およびディープラーニングのオープンソースのイノベーションをサポートして支え、これらの重要な技術を世界中のデベロッパーとデータサイエンティストにとって可利用にすること”だ。

創設メンバーは、Amdocs, AT&T, B.Yond, Baidu, Huawei, Nokia, Tech Mahindra, Tencent, Univa, そしてZTEだ。今後、さらに増えていくであろう。

The Linux Foundationの事務局長Jim Zemlinはこう述べている: “AIや機械学習およびディープラーニングのエコシステムにおける多くのプロジェクトに長期的な戦略と支援を提供し続けることを目的とする団体をご提供できることは、きわめて喜ばしい”。

同団体の最初の公式プロジェクトはAcumos AI Projectで、これはLinux Foundationがすでにホストしている、AT&TとTech Mahindraのコラボレーションだ。Acumos AIは、AIのモデルとワークフローを開発、発見、そして共有するためのプラットホームだ。

Linux Foundationが支えるそのほかの団体と同じく、LF Deep Learning Foundationもさまざまなレベルの会員資格を支援企業に提供し、また非営利団体も会員として受け入れる。LF Deep Learningの会員は、同時にLinux Foundationの会員にもなる。

[原文へ]
(翻訳:iwatani(a.k.a. hiwa

対戦現場で具体的にゲーマーを強くするAIアシスタントのGosu.aiが$1.9Mを調達

とっても難しいけど、どうしても勝ちたいゲームに挑戦しているときは、あなたの肩越しに覗き込んでアドバイスしてくれる名人がいるとありがたい。その人があなたの癖や戦い方のパターンなどをよく知ってる人なら、なおよろしい。

そう考えたGosu.aiは、ゲーマーを助けるためのAIアシスタントを開発した。このほど同社は、Runa Capitalがリードするラウンドで190万ドルを調達した。この投資ラウンドには、Ventechと、既存の投資家Sistema_VCが参加した。以前同社には、シリコンバレーでAI専門に投資しているアーリーステージVC Gagarin Capitalが投資していたが、そこは、のちにFacebookとGoogleにそれぞれ買収されたPrismaとMSQRDにも投資していた。

Gosu.aiは、ゲーマーがゲームに強くうまくなるためのツールやガイダンスを提供している。そのツールは対戦を分析して、各人に合ったアドバイスをする。またゲーム中で装備する装具やアイテムについても助言し、また敵のタイプごとに攻め方を教える。今はDota 2だけだが、近くCS:GOとPUBGもサポートする。

同社のファウンダーAlisa Chumachenko(上図)は、元クリエイターで、ゲーム大手Game InsightのCEOでもあった。彼女によると、“世界には20億人のゲーマーがいて、うち6億はMOBAsやShooters、MMOsなどのハードコアなゲームをプレーしている。我が社のAIアシスタントで、彼らが自分の潜在的な力をフルに発揮できるようにしたい”、という。

Gosu.aiの主なコンペティターは、MobalyticsやDojomadness、Moremmrなどだ。しかしこれらの競合他社は主に戦果を統計的に分析してプレーヤーの弱点を見つけ、一般的なアドバイスを提供する。対してGosu.aiは、各プレーヤーのアクション(マウスの動きなど)を分析して、直接的な指示を出す。まさにそれは、仮想アシスタントが自分のそばにいる感じで、一般的な訓練ではない。

しかもGOSUはB2Bもやっていて、ゲーム企業に、予測分析などのAIツールを提供している。

[原文へ]
(翻訳:iwatani(a.k.a. hiwa

売上と共に増大するテクノロジー企業の社会的責任

主要プラットフォームが成長を続けるなか、FacebookやApple、Google、Amazonをはじめとする大手企業は人類全体にまで影響を及ぼすようになった。そしてその影響はポジティブなこともあれば、そうとは言えないときもある。

そのため大手のプラットフォーマーは、ユーザーの行動を把握するだけでなく、どんな場合にユーザー(もしくはプラットフォーマー自身)が不正をはたらいたり、悪意を持ってサービスを操作したりするか、ということを理解しなければならない。同様に、AIのような個別のテクノロジーやそのほかの先進的な技術、そしてそれらの影響についても各企業が責任を負わなければならないのだ。

これこそが、テキサス州オースティンで先週行われたSouth by Southwest(SXSW)に共通するテーマだった。

勢いを増すAI議論

先述の通り、各プラットフォームがこの問題に深く関わっている一方で、テック界のアイコン的存在であるイーロン・マスクは、SXSWのQ&Aセッションのなかで、AIの暴走に対して不安の声を挙げた。彼は、狭義の意味での(そしてあまり賢くない)AIの時代が近いうちに終りを迎え、もっと汎用性の高いAIの時代が訪れると考えているのだ。特にマスクは、強力なAIが発展をとげるうちに、いずれ人間と同じような能力を持った機械が誕生することを懸念している。なお、既に弊誌のJon Shieverが指摘している通り、もちろんマスク自身は自らが構築してきた企業群を、来るべき終末の時への対策として考えているようだ。

SXSWに登壇したイーロン・マスクとJonathan Nolan(Photo: Getty Images/Chris Saucedo)

「狭義の意味でのAIは種の存続を脅かすレベルのものではなく、その影響はスキルの転移や職業の喪失、兵力の増強といった程度――つまり人間の存在を揺るがすような根本的な影響力は狭義のAIにはない。しかしデジタル・スーパー・インテリジェンスについてはそうは言えない」とオーディエンスに向かって語ったマスク。

さらに彼は、人類への影響という点において、未来のAIは核兵器をも上回るかもしれないと述べた。

テック企業の責任

あなたがマスクの意見に賛同するにしろしないにしろ、はたまた彼が自分のビジネスを推進するために虫のいいことを言っていると考えているにしろ、マスクはテクノロジー界のスタートアップ、そして大手起業が共に考えなければならない責任について触れていると言えるのではないだろうか。

少なくとも、CNNのDylan ByersとSXSWのステージに上がったAppleのEddy Cueはそう考えているようだ。彼はインタビューのなかで「テクノロジーは人類の可能性を広げる素晴らしいものだが、それ自体が善というわけではない。つまりテクノロジーを生み出す人たちがその方向性を決めるのだ」と語った。

確かにTwitterの共同創業者たちは、10年以上前に同サービスを作ったときに、そのうちボットが誕生して選挙に影響を与えることになるとは思ってもいなかっただろう。しかし時間の経過とともに、Twitterだけでなく主要プラットフォームすべてに関し、ユーザーはさまざまな動機を持ってサービスを利用しているということが明らかになった。そして各プラットフォーマーは、一部のユーザーが他の人たちを操作するためにサービスを使っていることがわかった時点で、何かしらの対策をとらなくならなければいけなくなったのだ。

SXSWの壇上で話すAppleのEddy Cue(Photo: Ron Miller)

ByersがApple以外の企業について何度も質問したにもかかわらず、CueはFacebookやGoogleといった企業の内情については知らないため、彼自身はAppleについてしか話すことができないとその質問をかわした(Cueは具体的な競合の名前さえ挙げなかった)。「Appleはあなた(Byers)が挙げたような企業とは違う。私たちは顧客のプライバシーを最重要事項として考えている」(Cue)。また彼は、Appleは広告企業ではないため、収集するデータの量もプラットフォーマーより少なく、「ユーザーの購買行動には興味がない」とさえ語った。

「フェイクニュース」対策としてのAI活用の課題に関するパネルディスカッション中には、Facebookのグローバル・ポリシー・ディベロップメント・チームのAndy O’Connellが、不正な操作が行われているとわかったときに、Facebookは何らかのアクションをとる責務を負っていると述べた。さらに、「フェイクニュースは社会全体の問題である一方で、私たちはテクノロジーの力を使って(その影響を抑える)対策を練っているほか、投資によって改善できる部分もある」と語ったO’Connel。彼によれば、Facebookの共同創業者・CEOマーク・ザッカーバーグは、プラットフォームの安全性を高める上でフェイクニュースの拡散が課題になっており、Facebookに流れ込む虚偽もしくは誤解を招くようなニュースの数を減らしていかなければならないと考えているようだ。

テクノロジーの限界

O’Connellの指摘通り、フェイクニュースはFacebookやテクノロジーの力だけでどうにかできるものではない。これは社会問題であり、社会全体が問題解決にあたらなければいけないのだ。もちろんテクノロジーがその助けになることもあるが、すべての問題についてテクノロジー頼みというわけにもいかない。ここで難しいのは、あるテクノロジーが誕生した時点では、それがどのような行動をとるかや、人がどのようにそのテクノロジーを使うかといったことを予測できないということだ。

(Photo: Ron Miller)

結局のところ、この記事で触れたような問題(なかには問題になるとさえ思われなかったものさえある)の解決は一筋縄ではいかない。どんなに善意を持って問題の解決にあたったとしても、すべてのアクションやその反応によって、さらに予想だにしない結果が生まれる可能性さえある。

しかし、あるテクノロジーがもたらす膨大な経済的利益や社会への影響に見合った責任を受け入れられるかどうかは、そのテクノロジーを生み出した企業にかかっている。この点についてCueは、「全員に(あるところで境界線をひく)責任がある。これこそAppleが行っていることであり、私たちがAppleという企業を運営する上で大切にしていることだ。今日の世界では誰もが責任を負わなければならず、私たちもそうしようとしている」と語った。

そうはいっても言うは易し行うは難し。暴走を止めるには十分な思慮や緻密さ、対応力が必要であり、ひとつひとつの決断がもたらす影響についても吟味しなければならない。

原文へ

(翻訳:Atsushi Yukutake

AIの未来とインテリジェントサーチ : SMX West2018レポート

3/13から3/15にかけて、米国のシリコンバレーの中心都市サンノゼにて「SMX West 2018」が開催され、SEO Japan編集部も参加して参りました。セッションレポート、スピーカーへの質問、独占インタビューなど、SMX Westの様子を数回に分けてお伝えしていきますので、どうぞお楽しみください!– SEO Japan

Shelby Reed

スピーカー:Shelby Reed氏 Microsoft Bingアド セールス部門長
モデレーター:Chris Sherman氏 Third Door Media

Shelby氏について

北米の広告セールス部門を統括
Bingとのパートナーシップで企業の成長を促す助けをしている

Shelby氏のバックグラウンドについて

自分が6歳の頃には周囲のいろんな事に対して疑問を持っていて、周りの大人に疑問をぶつけてましたが、どの疑問も検索によって解決され得るような世の中になりました。
この6歳の少女の疑問のように、顧客が抱える疑問に対して回答を提示できるようになるまで、業界が発展したのはとても幸運なことです。

AIの現状について

我々の仕事は顧客が検索を行う中で、正しい場所、正しいタイミングで企業のブランドメッセージに触れさせることです。

AIのAの字を、マーケターとしての能力の「Amplifying(拡大)」と捉えたらどうでしょう?

顧客に対して、より意味があり、コネクションが強く、関係性を重視した体験が提供できるようになるのです。

我々は情報世代から体験世代への過渡期にあります。

情報世代:コンシューマのインサイトを理解するために、膨大な情報を集め理解する。
体験世代:予測的な分析と、インテリジェントで行動を促すようなアウトプットを行う。

そしてチャットボットやAR/VRを通して、仮想空間ではなく現実空間でどのように自社のサービスと触れているのかを理解することが出来ます。

一方で、スナップチャットのようなリアルタイム動画共有は完全にメインストリームとなり、そして飽和状態となっています。

さらに、Cortana、Alexa、Siri、GoogleAssistantのようなデジタルアシスタントはほぼ市場に浸透しています。

ARはもう少しでマスマーケットに浸透します。これが実現することで、我々マーケターはより強いコネクションで、会話を通しながらも、感情でつながるような、完全没頭型の体験を提供することが出来るようになります。

我々はスマートでエンゲージした体験を作っていき、物事はよりシームレスになりますが、全てバックグラウンドでAIが働いていることに顧客は気づかないでしょう。

AIは「人、場所、もの」などの点を結び付け線にします。

今日は、AIの認知能力をどのようにしてマーケターが活用していくのかについてお話しします。

AIは理解します

AIは見ます

AIは聞きます

AIは話します

そして、AIは感じるのです。

検索とBingについて

検索はかつてないほど多くの人に信頼されています。とある調査によると、74%の消費者がWebサイトやブランドがいうことよりも、検索に信頼を置いています。
Search is Changing
2020年までに、200億ものIoTデバイスが存在するようになると言われています。

また同じ2020年までに、人々は企業との関係において85%は人を介さない形で持つようになるだろうという予測もあります。

現在でも月に1.48億人ものマンスリーアクティブユーザーがおり、180億もの質問がされています。

米国でも2人に1人はBingを使っており、5回に1回はBingを通して検索が行われています。

AIは知っている

デジタルアシスタントは時間、場所などの背景を理解しています。
理解しているからこそ、意図を理解し、アクションへつながるような提案をしてくれるのです。
予測からアクションまで
また、AIはテキストや音声入力で説明せずとも、意図を理解してくれる

例えば私が、「今日の晩御飯は何が良いと思う?」と夫にメールで訪ねたとしましょう。
初期のバージョンのCortanaならば、こう考えるでしょう。

メールを送ったのは「女性」で、送った時間は「夕方」 ⇒ 彼女の旦那さんが今日の晩御飯に何を食べたいかを聞いているはず ⇒ レシピを表示

ここに更なるシグナルを加えることで、答えは変わってきます。

メールを送ったのは「女性」で、送った時間は「夕方」。しかし彼女はまだ「オフィス」におり、過去には「レシピの検索はほとんどしない」ということが分かっている ⇒ 「今日の晩御飯は何が良いと思う?」というメールの裏に「今日は私のために何を作ってくれるの?」という夫への意図があることを読み取ることができる

(会場笑い)

AIは聞いている

我々はキーボードから卒業し、音声検索が主流になっていて、音声検索のエラー率は6.3%までになっています。(これは人間の翻訳家が、ミスを犯す確率と等しい)

2020年までに、50%の検索は音声と画像によるものになると言われています。

また、検索の言葉も変化しています。

「天気」 → 「今日は傘がいるかな?」
「ニュース」 → 「今日のトップニュースは?」
より口語的で、会話調のクエリへとなっていくでしょう。

また、音声は検索クエリの長さを長くしています。
音声検索クエリ長さ

さらに我々の別の調査では、シンプルな事実の検索から音声検索へ移行していることが分かりました。
音声検索への移行

逆に、個人の予定の予約、デリバリーのオーダー、旅行の予約、などは音声検索が比較的難しい領域です。この領域をカバーするためにチャットボットなどを活用しました。
Q&Aは「クエスチョン&アンサー」から「クエスチョン&アクション」になったのです。

検索のワードは、より複雑で、話し言葉ベースになっていくでしょう。

それを調べるために「ANSWER THE PUBLIC」という良いツールがあります。
Answer the public

※ANSWER THE PUBLIC・・・キーワードを入力することで、検索者のインテントを5W1Hなどで分析するツール。英語のみ対応。

このようなツールは、広告やオーガニックの戦略を考える上で助けとなるでしょう。

AIは話す

AIは話す
翻訳システムは、かつて無いほど即座に回答を返してくれます。

AIは見ている

AIは画像を見て理解しています。
画像認識技術によって、ファッションモデルの写真から、どのブーツを買えば彼女のスタイルを真似できるかを教えくれます。
AIブーツ画像
またHololensを使うことで、WEBの体験から実際に自身のリビングルームに擬似的に家具を置くことができるようにもなります。
hololens

AIは感じている

AIによって、生活内で生まれる感情がデジタルプラットフォームに組み込まれるようになっています。

Caption Bot

画像に写っている人が、一体どのような状況で、どのような感情を持っているのかを読み取ることができます。複数の顔の感情や、アナケンドリック(有名人)の顔を識別することができます。
caption bot

これらのあらゆる感覚を統合されることで、デバイスを問わずより没頭型の体験を顧客に提供できるようになります。

今後数年で80%のブランドがチャットボットを活用するようになるでしょう。

AIはセールスとなり、パーソナル旅行ガイドとなり、美容コンサルタントとなり、家の修理エキスパートとなるでしょう。

そんな中で、修理のMicrosoftとHomeAdvisorのパートナーシップが実現しました。

Home Advisorとの連携

HomeAdvisor・・・家の修理事業者を紹介するプラットフォーム。今までは、リストから修理事業者を選ばなければならなかったのが、自動で修理事業者を選定してくれる。例えば、「水道が壊れた」と入力することで、配管工が自動で選ばれ、当日のうちに修理事業者が家に来て修理を行ってくれる。

HomeAdvisor Ryan氏へスピーカー変更
Lian氏

Microsoftのチャットボットの活用について

配管工の仕事はトイレの修理から、台所の修理まで多岐に渡るため、チャットボットでメッセージの往復を自動化した。将来的には、写真から必要な修理を推定することを可能にする。

サービス連携

Botコネクター→様々なプラットフォームと連携(Skype メッセンジャーetc…)
botコネクター

再びShelby氏へスピーカー変更

Microsoft Cognitive Service

Microsoft Cognitive Serviceでは、以下のことができるようになります。

  • Vision・・・顔の表情から、ボットが画像や動画での感情を理解することができる。
  • Speech・・・話し言葉と、書き言葉の双方向の変換を可能にする。
  • Language・・・自然言語でのコマンドを理解させることができる。
  • Knowledge・・・ウェブ、学術、個人データからのリッチな情報を統合。
  • Search・・・BingAPIを利用して数十億のウェブページ、画像、ビデオ、ニュースへのアクセスが可能

Microsoft Cognitive Services

まだパイロット版ではあるが、検索結果内にチャットボットが表示される実装をしています。これにより、かつてないほど人間的な回答ができるようになるでしょう。
検索結果内チャットボット


アメリカでは日本以上にBingを使用しているユーザーは多く、検索のインターフェースもよりリッチなものになっており、以前多面強調スニペットの記事で紹介した「複数視点アンサー」などの検索画面での機能も採用されています。また、Shelby氏がAIの認知能力が向上していることに度々言及していましたが、これが今後もマーケターの役割を変えていくのは間違いないでしょう。– SEO Japan

Web戦略でお困りではないですか?

自然流入を増やしたい…
もっと問い合わせ、売り上げを増やしたい…
15年以上SEOサービスを提供してきたアイオイクスが、貴社の課題を解決するコンサルティングサービスを提供いたします。

SEOサービスについてはこちら

お問い合わせフォームへ
03-6408-287010:00 – 19:00 (土・日・祝日除く)

シリコンバレーの企業たちが人工知能応用の可能性を損なっている

【編集部注】著者のRyan Kottenstetteは、 Cape AnalyticsのCEO兼共同創業者である。

現在、大規模なデータセットから情報を収集するために、機械学習と人工知能を活用することは、最大の技術的チャンスである。スタートアップや研究大学から人材を獲得してきたこの10年で、Facebook、Google、そしてUberなどのテクノロジー企業は、世界で最高のAIチームを集めた。

しかし、そうしたテクノロジー企業セクター以外でも得られるべきその影響を、私たちは見ることができていない。残念なことに、他の産業における進歩は、テクノロジー産業セクターのAI人材獲得競争の巻き添えでダメージを受けている状態なのだ。そしてこの問題はほとんど注目されていない。

過去5年間に、シリコンバレーのAIスタートアップの90%は、トップのテクノロジー企業たちに買収されてきた。これらの買収は、成功した製品とはほとんど関係がない:スタートしたばかりの企業たちは、そのプロダクトごと買収されたあと、その開発が棚上げされたり、所有する技術が他のコアサービスの機能として埋め込まれたりしている。目的が絞り込まれていた少ないケースを除けば、まずは人材を抱え込むことが目的で、その後彼らを使ってどうするかを考えるというやり方なのだ。

出典:CB Insights

ミクロレベルでは、これは技術革新のエコシステム全体としては非常に合理的な戦略だ。業界をリードするテクノロジー企業たちは、こうした人材と技術的な専門技術を収益性の高い製品に活用するための、能力、現金、そして規模を持っている。ベンチャーキャピタリストたちにとって、早期ステージのAI企業に高額の投資をすることは、より安全なものに感じてられている。なぜなら売れるテクノロジーもしくはチームの買収が、彼らが大きなビジネスに成長しなかった場合の最低限の保障になるからだ。またスタートアップ企業のマネジメントチームも、早期買収の提案に魅了される可能性が高い。なぜなら同レベルの製品成熟度や知名度を持つ非AI企業に比べて、遥かに高い価格が提示されるからだ。

しかし、AI武器競走においては、重要なことは単に先行することだけではない、競争相手の競争力の源泉である人材を引き抜くことも大事なことだ。だがテクノロジー企業たちが、AIがもたらす未来に向けて競争をしている中で、彼らが奪っているのは競争相手の人材だけではない、世の経済全体の利益も奪っているのだ。

マクロレベルで見れば、この抱え込み戦略が、AIが世界経済と社会全体に及ぼせる筈だった影響の95%を阻害しているのだ。米国のトップハイテク企業5社(Apple、Alphabet、Microsoft、Amazon、Facebook)の総収入は、米国の総GDPの5%未満である。にもかかわらず、このテクノロジーの巨人たちは企業を買収すると、すぐにでも効果が出る、特定目的の非テクノロジー産業の抱える問題向けにアプリケーションを構築する代わりに、ただR&Dに専念するように指示しているのだ。

そうしたテクノロジー企業たちが、個別の産業特有のソリューションを生み出すのに、最適な立場にいると主張する者もいる。クラウドコンピューティングを見て、どれだけ多くの産業がそれを使って生産性を向上させているのかを考えて欲しい。おそらく同じことをAIとデータサービスでも行うことができるだろう。しかし私はこうしたことがすぐに起きるとは思わない。理由は2つある。(1)テクノロジー企業たちは、それぞれ独自の目的を抱えていること、そして(2)最高のAIソリューションは特定の問題とワークフローに対してデザインされるものだからだ。

既にある程度の成果を見ることはできる:

今ではFacebookの写真には自動的にタグが付けられる。これは、顧客の関与を高めるためにデザインされた重要な機能拡張だ。またGoogleからNetflix、そしてAmazonに至る企業が、機械学習を活用したプロフィール情報の広範なスキャンによって提供する「なんでも推奨機能」は、徐々に顧客の購入の増加に繋がっている。どちらも、主要なハイテク企業の中核的なニーズを表しているが、他の業界の関連する製品にはなかなか展開されることがない。個人的には、非常に多くの素晴らしいAI人材たちが、比較的地味な機能強化に取り組んでいることを残念に思う。

ハイテク分野以外の業界のアプリケーションをターゲットとする、AIベースの製品や企業には巨大なチャンスが待っている。

またハイテク企業たちは、AIチームを彼らの壮大で実験的な研究の一部として組織している。そこでは既存の産業を技術的に再構成することを可能とする、核となる知的資産と研究に力が注がれている。歴史が示すことは、テクノロジー企業がカテゴリー全体を一度に再構成しようとすると、多くの場合はまず失敗に終わることが一般的だということだ(WebvanやMarc AndreesenのLoudCloudを思い出して欲しい)。これに対して既存の企業たちは十分な速さで反応することはない(SafewayのWebvanへの対応、IBMまたはHPのLoudCloudへの対応を考えてみよう)。

最終的には、新たな破壊的な勢力が10から20年後に成功する(この例として挙げられるのは、日用雑貨品に対してのAmazon、そしてクラウドコンピューティングに対するAWSやOpswareだ)。この分野では、最終的には消費者とハイテク企業が勝利することになる、有利な立場にいたはずの主要な既存企業たちは、最初の段階で集めることのできた人材と技術の質の差によって、ハイテク企業たちに追い越されてしまうのだ。

特定のプロジェクトが失敗しても、巨大テクノロジー企業の研究ラボは、求人力という意味での力は保ったままだ。彼らは全てのAI人材を招き入れ、彼らに研究の続きを行い、発表させることで、テクノロジー企業は研究をするのには一番良い場所だという物語を紡ぎ出す(その上無料のランチやディナーも用意されている!)

こうしたことの結果として、今日では、AI人材とテクノロジーはテクノロジー関連以外の企業から敬遠されるようになっている。保険のような既存産業では、コンピューターが囲碁で勝ったからといって、彼らの最終損益に影響が出るわけではない。これは不幸なことだ、なぜなら産業アプリケーションは「破壊的」ではないように見えるかも知れないが、それらは短期的には遥かに大きな影響力を持つ可能性があるからだ。

だとしたら、他の業界のリーダーたちができることは何だろう?既存産業は積極的に対応する必要がある、そうでなければ、AIとデータ分析によって推し進められる次の10年のイノベーションから締め出されるリスクに晒されることになるだろう。すなわち(1)差し迫った事態の本質を掴み、(2)必要な人材を引き付け、引き留め、厚遇できる環境を作り、(3)そうした人材を積極的に探さなければならない、ということを意味する。

いくつかの分野では動きが始まっている。

高まる自動運転車への期待から、自動車業界は実際のリスクに直面している。GMのCTOであるJon Laucknerは、こうした中で、10億ドルでのCruiseの買収や、Lyftに対する5億ドルの投資などの、大胆な動きの中心にいた。FordとDelphiも買収に積極的で、Argo AIやNuTomonyがその対象となった。

出典:CB Insights

農業もまた、何が差し迫った事態なのかを認識し、行動を始めた良い例である。過去5年の間に2件の主要なAI関連の買収が行われた。Monsantoはデータ駆動の未来に向けた取り組みを推進するために、Climate Corporationを買収し、農家に対して作物に関するカスタマイズされた知見と助言を行えるようにして行こうとしている。昨年、John DeereはBlue River Technologyを買収したが、このことによりコンピュータビジョンを活用して、トラクターが現場を移動する際に、リアルタイムで個々の作物にカスタマイズされた、知見と行動を提供するようになる。

確かに、人材獲得は既存産業にとって唯一の手段ではない。しかし将来の成功に向けての中心となる人材、技術、そしてビジネスモデルを確保することは、動きの鈍い既存産業にとっては難しい課題である。Netflixは数少ない成功の例の1つである。彼らはDVDベースのビジネスからストリーミングビジネスへの道を切り拓いた。とはいえ、その移行は苦難を極めた。大きなビジョンを描きながらも、その道が上向きに転じる迄には、自分の売上を共食いで失い、株価も75%下落したのだ。

現時点では、ハイテク分野以外の業界のアプリケーションをターゲットとする、AIベースの製品や企業には巨大なチャンスが待っている。そして短中期的には比較的競争も激しくはならない。主要なテクノロジー企業たちの成果にはムラがあり、遥か遠い未来を狙っているからだ。その一方で、既存産業は歴史的に、主要なテクノロジートランスフォーメーションを活用できていない。いくつかの例外を除けば、企業が積極的な対策を講じなければ、歴史は繰り返されるように思える。

[ 原文へ ]
(翻訳:sako)

画像: agsandrew / Shutterstock

「将棋ウォーズ」開発元のAIスタートアップHEROZがマザーズ上場へ

将棋ウォーズ」を始めとした個人向けのゲームアプリや法人向けのソリューション「HEROZ Kishin」など、AI事業を展開するHEROZ。同社は3月15日、東京証券取引所マザーズ市場に新規上場を申請し承認された。上場予定日は4月20日だ。

有価証券報告書によると同社の平成29年4月期(第9期)における売上高は8億7762万円、経常利益が9435万円、当期純利益が9406万円。平成30年1月期(第10期第3四半期)における売上高は8億7189万円、経常利益が3億394万円、当期純利益が2億2393万円だ。

HEROZは2009年4月の設立。「mixi」向けのアプリを複数リリースしたのち、2012年にAIを活用したスマホアプリ将棋ウォーズを開始した(東京大学将棋部の出身である同社エンジニアの山本一成氏が開発したAI「ponanza」や、将棋ウォーズについては以前TechCrunchでも紹介している)。

その後も「Backgammon Ace」や「CHESS HEROZ」、「ポケモンコマスター」などを立て続けにリリース。現在はこれらのサービスを通じて培ったAI関連技術を、金融や建設など法人向けにも提供している。

株式の保有比率については、代表取締役の林隆弘氏と高橋知裕氏がそれぞれ35.19%を保有。ついでMICアジアテクノロジー投資事業有限責任組合(モバイル・インターネットキャピタル)が8.44%、HEROZが3.57%、ビッグローブが2.81%と続く。

「AIの正確性」に関する議論は正確に

テクノロジー関連のニュースを読んでいると、AIがほとんどの産業と仕事を食い尽くしてしまうと思うようになっても仕方がない。今や、どこかのレポーターが息を切らしながら、人間の知性を脅かす新しい機械学習製品について報告する様子を、見ずに済む日はない。とはいえこの過剰な熱狂は、なにもジャーナリストだけに責任があるわけではない。実際のところ、彼らは単に研究者たちやスタートアップの創業者たちの大雑把な楽観主義を垂れ流しているだけとも言えるのだ。

ここ数年の間に、深層学習やその他の技法に関する誇大宣伝が高まるにつれて、人工知能と機械学習への関心が大いに高まっている。数万件を超えるAI関連の研究論文が毎年出版され、AngelListのAIスタートアップディレクトリには4000社以上のスタートアップが掲載されている。

AIが支配する時代の到来(もしお望みならシンギュラリティと呼んでも構わない)に関する膨大なストーリーに晒され続けた結果、アメリカ人の58%が、自動化や人工知能のような「新技術」に仕事を奪われることを心配している、というのは驚くような話ではない(この調査は、ノースイースタン大学とギャラップによって行われたものだ)。その恐怖は、移民とアウトソーシングに対して感じる恐怖を大きく上回っている。

しかし真実は遥かに複雑なのだ。専門家たちは、人工知能の「正確さ」が過度に誇張されていることに、徐々に気が付き始めた。さらに、一般的な出版物で報告されている精度の数値は誤解を招くものが多い。より厳密にデータを吟味してみれば、多くのAIアプリケーションには私たちが信じ込まされているよも多くの制限があることがわかる。最終的には、人類は本当に仕事をAIに譲ることになるかもしれないが、そこに至る道のりはまだまだ遠いのだ。

もう一つの「再現性の危機」

過去10年ほどに渡り、研究者の世界には「再現性の危機(replication crisis)」と呼ばれてきた熱い論争が存在している。これは心理学腫瘍学といった様々な分野で、その分野の主要な論文の結果を、他の研究者たちが再現できない現象を示す言葉だ。再現の失敗の数がすべての論文の半分以上に及ぶと述べている研究もある。

この危機の原因は数え切れない。研究者たちは、仕事を続けるためには肯定的な結果が必要な「出版が破滅か」という状況に直面している。専門誌はより多くの読者を得るために派手な結果を望んでおり、「p値ハッキング」は研究者たちが統計をこねくり回してより良い結果を得ることを可能にしている。

人工知能の研究もこのような構造的要因とは無縁ではない。そして実際には事態はもっと悪いかもしれないのだ。何故ならAIを取り巻く熱狂の信じがたい高まりによって、研究者たちには最も新規性溢れた結果を見出して、より速く、そしてより広く、その結果を広めよ、という圧力がかかっているからだ。

現在、そして現在多くのAI研究において増えつつある懸念は、その結果の再現が(不可能ではないにせよ)困難なことである。1つの課題は、多くのAI論文では、基礎となるアルゴリズムを実行するために必要な重要なデータが欠落していることである。それどころが、酷いケースでは研究対象のアルゴリズムのソースコードが含まれていないことさえある。機械学習で使用されるトレーニングデータは、アルゴリズムの結果の成功の大きな部分を占めている。そのデータがなければ、特定のアルゴリズムが記述されているように機能しているかどうかを判断することはほとんど不可能なのだ。

さらに悪いことに、斬新で新しい結果を公表するのに急ぐあまり、結果が繰り返し得られることを示すために必要な、研究の再現性にあまり焦点が当たっていない。上にリンクしたMIT Technology Reviewの記事から引用してみよう:「…モントリオールのマギル大学のコンピュータ科学者であるPeter Hendersonが示したことは、トライ&エラーで学習するように設計されたAIの性能は、使われているコードに対して非常にセンシティブなだけでなく、訓練に使われた乱数や『ハイパーパラメーター』設定(アルゴリズムのコアではないが、どの位速く学習するかに影響を与えるもの)に対しても非常にセンシティブであることである」。すなわち非常に小さな変更が、巨大な違いを生み出すのである。

栄養科学の各研究がいつでも「疑いの目で見られる」(”be taken with a grain of salt”「ひとつまみの塩とともに受け取る」ということから「疑う」という意味に)必要があるように、新しいAI論文とサービスも、同程度の懐疑的態度で扱われるべきである。ある結果を示す、1本の論文またはサービスだけでは、正確性を証明することはできない。しばしば、これが意味することは、特別に選ばれたデータセットと特定の条件によって、特定の結果を得ることができるということであって、一般的な入力集合に対しては適用可能ではないということだ。

正確性を正確に報告する

医療評価、文書スキャン、そしてテロ防止などの幅広い分野の問題を、AIが潜在的に解決可能なのでは、というあからさまな期待が高まっている。しかしその興奮は、ジャーナリストや研究者たちの、正確性を正確に報告する能力を曇らせてしまった。

AIを使用して大腸癌(結腸直腸癌)を検出する方法については、この最新の記事を見て欲しい 。この記事には「結果は印象的なものだった、得られた正確性の数値は86%だった。なお、この数値は結腸ポリープの病理診断が既に下されていた患者から得られたものである」と書かれている。記事には、元々の研究の主要な結果の段落の引用も含まれている。

あるいは言語翻訳を行うGoogleの機械学習サービスについての記事も見て欲しい 。「場合によっては、GNMTシステムは人間レベルの翻訳精度に近づいている、とGoogleは言う。ただし、そうした高い精度は、英語からスペイン語、フランス語などの関連する言語間の翻訳に限定されている」。

これらは無作為に選ばれた記事だが、世の中には最新のAIの進歩を興奮しながら報告し、正確性を表す単一の数字だけや、「人間レベル」といった比喩の言葉だけを、事更に取り上げる何百もの記事が存在しているのだ。AIプログラムの評価がそんなに簡単なら誰も苦労はしない!

例えば肌の上にあるほくろが、癌であるかどうかを判断したいとしよう。これは2分類問題として知られるものだ。目標は、患者たちを癌のある人とそうでない人の2つのグループに分けることだ。完璧な正確性を持つ完全なアルゴリズムなら、癌を有するすべての人を癌と同定し、癌を有していないすべての人を癌を有していないと特定する。言い換えれば、結果には偽陽性や偽陰性は含まれていないということだ。

この話は単純に思えるが、問題は癌のような状態は、人間同様にコンピュータにとっても完璧な正確さで識別することは本質的に不可能だということだ。すべての医療診断テストでは、通常どの程度感度を高くするか(どれだけ多くの陽性を正しく特定できるか)と、どの程度特異的であるか(どれだけ多くの陰性を正しく特定できるか)の間のトレードオフが必要である。癌患者に対する誤診の危険性(死に至る可能性がある)を考慮して、検査は通常特異度を下げ、感度を上げるようにデザインされている(すなわち、たとえ偽陽性の可能性が増えても、より多くの陽性を見つけるということだ)。

製品デザイナーは、こうした競合する優先順位のバランスを取る方法を選択することができる。偽陽性と偽陰性のコストに応じて、同じアルゴリズムを異なる方法で実装することができる。もし研究論文またはサービスがこうしたトレードオフについて論じていないのなら、その正確性は公正に提示されていないことになる。

さらに重要なことは、「正確性を表す単一の値」という表現は誤解を招く言い方だということだ。正確さは、陽性の患者がどれくらい正しく陽性と判定され、陰性の患者がどれくらい陰性と判定されたかに依存している。しかし、ある数字を増やして他の数字を減らしたり、またその逆を行いながら、結果的に同じ正確性の数字を提示することも可能だ。言い換えれば、同じ正確性の数字を謳いながらも、あるテストは陽性の患者の検出に力を入れており、また別のテスをは陰性の患者を結果から取り除くことに力を入れていると主張することができる。それらは非常に異なる目標であり、どちらかの目標によりよく調整されるアルゴリズムもある。

これが単一の値を扱う難しさだ。比喩はさらに悪い。「人間レベル」という言い方は何も語っていない。そもそも人間についての良いエラー率のデータがあることは滅多にない。そして、もしそうしたデータがあったとしても、人間によって生み出されたエラーを機械学習によって生み出されたエラーと比べることは簡単なことではない。

これは、最も単純な分類問題の複雑さの一部に過ぎない。AIの品質を評価するための微妙な違いについて語るには少くとも1冊の本が必要となるだろう。そして実際に一部の研究者たちは、こうしたシステムの評価に一生を費やすことは間違いない。

人工知能で博士号を取得することは誰にでもできることではないが、これらの新しい技術の消費者としての私たちひとりひとりが、批判的な視線をこの明るい主張に向け、厳密に評価していく義務があるのだ。それが再現性あるいは正確性に関する主張であったとしても、私たちが頼る多くのAI技術はまだ生まれたばかりで、成熟するためにはまだまだ多くの時間を必要とすることを忘ないことが重要だ。

[原文へ]
(翻訳:sako)

画像Zhang Peng/LightRocket / Getty Images

先端技術企業を立ち上げる際に避けるべきこと、やるべきこと

【編集部注】著者のShahin FarschiLux Capitalのパートナー。

強力なツール、すばらしい才能、そして熱心な投資家からの際限のないドルの流れによって、明日のテクノロジー企業を始めるには、今は素晴らしいタイミングである。好奇心に溢れ野心的な創業者チームたちが、現実の問題を解決するためにそのスキルを注ぎ込んでいる。以下に述べるのは、私たちの未来を明るく照らす、9つのエキサイティングなスタートアップカテゴリの中で、共通する落とし穴を避けながら、堅実な価値を構築する方法についてである。

画像:Bryce Durbin/TechCrunch

拡張そして仮想現実(ARとVR)

仮想現実と拡張現実は、もうすぐ来ると言われ続けてほぼ10年が過ぎている。しかし、新しいVRコンテンツ、ポータル、ハードウェアが目白押しなのにもかかわらず、従来の2Dコンテンツが相変わらず主役の座を占めている。

避けるべきこと:コンシューマーハードウェアを開発してはならない。その通り、仮想現実ヘッドセットは高価で嵩張るものである。一方、拡張現実の忠実度はまだ低いままだ。Magic Leapは、ハードウェアの製造とマーケッティングに必要な膨大な資金を調達するという素晴らしい仕事を成し遂げた。しかし、コンシューマエレクトロニクスの設計、製造、販売、マーケティングのビジネスは、一般にはスタートアップの対象外である。

Sony、Google、Samsung、LG、Lenovo、HTC、そしてAppleのような企業は、そうした機械から利益を得ることができるし、まるで際限がないかのように、資金をそれらの作業に注ぎ込むことができる。その一方で、他のスタートアップたちは、VR/ARコンテンツを消費させる場所になろうとしている。そしてスタートアップたちと同様に、Amazon、Netflix、Apple、Google、そしてFacebookといった大手企業たちも、自身のプラットフォームのためのマーケティングに資金を投入し、それを育てるためにコンテンツに資金を提供している。

やるべきこと:消費者を引きつけて、彼らがお金を払い、時間を捧げてくれるような魅惑的なコンテンツを作り上げることに向けて努力しよう。Atariは、消費者が約800ドル(インフレ調整済み​​)を支払っても良いと思わせるだけの、魅惑的な体験を生み出すことに成功した。そのグラフィックとサウンドはいまではお話にならない位貧弱だが、Atariの初期のタイトルの成功は、イマドキのコンテンツに惨めな思いをさせるほどのものだ。

2Dのコンテンツに化粧を施してよしとするのではなく、ARならびにVRネイティブな体験を生み出すクリエイティブな才能が必要とされているのだ。パン、ズーム、そしてセリフなどで動画と写真が区別されるようなものだ。ゲームセンターや映画館に相当する、VRコンテンツを消費する場所が必要とされているのだ。残念ながら、人々が携帯電話をヘッドセットとして使用したり、家庭内に機器を設置したりすることは、もはや狙うべき戦略ではない。 ARとVRのコンテンツはまだPong時代を迎えてもいないのだ(PongはAtariが最初期に出したシンプルなビデオゲーム)。

画像:Bryce Durbin/TechCrunch

AI

学者や大企業は、AIをPRの材料に使っている。計算コストの低下によって、この何十年も前から存在する技術は実用的なものとなった、そして小切手を読み取り、写真の中から猫を見つけ出すアルゴリズムなどが拡大解釈されて、やがて殺人ロボットが世界を支配するのでは、という恐れにつながっている。

避けるべきこと:最高を目指すAI企業を立ち上げてはならない。投資家たちと才能がこのセクシーなキャッチフレーズに向けて引かれ合った日々は、終わりに近づいている。ユニークな実現技術で新たな数十億ドルベンチャーを始めて成功するよりも、AIが既存の製品やビジネスをより良くできる可能性の方が遥かに高い。

「AI企業」をスタートさせることは、クラウド企業、モバイル企業、インターネット企業を設立することに相当する。Salesforce、Facebook、Amazonの陰には、数千もの失敗したスタートアップがあった。また、自分たちの利便性のために、この技術を活用した多くの既存企業も存在している。失敗したスタートアップたちは、なんとか資金を調達し、誇大広告で人を集めることはできたものの、実際のビジネスを構築するための戦略に欠けていたために、それほど前には進むことができなかったのだ。

やるべきこと:AIを製品の改善や新しい市場へのアクセスのために用いる、多くのツールの1つとして活用する方法を探そう。理想的には、AIを優れた製品を支える秘密の武器として使ったり、特定のカテゴリの顧客にリーチして効率的に獲得するための道具として利用したりすることが望ましい。実際に、マーケットから会社を「AI企業」だとは見て欲しくない筈だ、その代わりに(見えない所でAIが支えている)魅力的な製品で新しい市場を切り拓く企業だとみてもらおう。

ハードウェアアクセラレーションAI

AIチップ企業は白熱している。IntelによるNervanaの4億ドルでの買収と、Nvidiaの株価の急騰が触媒となって、データセンターや、携帯ならびに組込機器上で、ディープニューラルネットを訓練するチップを開発するスタートアップたちが続出した。

避けるべきこと:従来のデジタルチップ設計をAIに向けて最適化しようとしてはならない。チップ会社を作ることは本当に難しい。多くのチップ会社が売上を増やすまでにあまりにも長い時間がかかったことで失敗している。チップ企業たちは複雑な製品を、気紛れで、保守的で、果てしないサポートを要求してくるエレクトロニクス企業に対して売っている。チップ会社が、少量しか購入してくれない顧客のサポートで手一杯になって、潰れてしまうことはありがちだ。チップのスタートアップたちは、より良い経済性を達成するために、新しいテクノロジーを追求して、より多くの資金を調達しなければならなくなり、顧客との間に一大転機でも起きない限りはその動きが繰り返される。

やるべきこと:顧客たちに対して、あなたのチップを使えばできることは何かを尋ねよう。さもなくば、現在のサプライヤー(Intel/QCOM/Nvidia/TIなど)のチップではできないことについて尋ねてみよう。もしパフォーマンス、コスト、サイズなどの改善が10倍に及ばない場合は、キッチンナイフで銃撃戦に臨むようなものだ。どうすれば、あなたの桁違いの改善が、新しいカテゴリーの製品につながる可能性が出てくるのかを考えよう。Broadcom、Qualcomm、InvenSense、Atherosなどの成功したチップ企業は、どれもみな新しい製品カテゴリー(ケーブルモデム、携帯電話、モーションセンシングビデオゲームコントローラ、ラップトップと携帯電話のWi-Fi)を可能にした。あなたのチップはどんな魅力的な製品を可能にするだろうか?

画像:Bryce Durbin/TechCrunch

宇宙技術

インターネットから宇宙に目を向けた起業家Elon Muskは、航空宇宙関係者でなくても奇想天外な会社を作ることができることを世界に証明した。

避けるべきこと:宇宙経済のインフラ整備に焦ってはならない。Mark Twainの言葉として引用されるものに「歴史はそのまま繰り返されることはないが、しばしば韻を踏む」というものがある。投資家たちは、産業革命が進行している最中、鉄道建設のために何十億もの損失を抱えたが、 鉄道輸送に依存した産業たちに莫大な利益をもたらした。また投資家たちはインターネットのインフラを整備する間にも、何十億ドルという金を失ったが、eコマース、ソーシャル、モバイル、そしてSaaSたちがそれを活用して利益を得た。衛星打ち上げ事業、宇宙通信、鉱業、マイクログラビティ実験室などの見通しはそれとは全く違うものになるのだろうか?

やるべきこと:大規模な既存市場および将来の市場に対応するための宇宙を活用したビジネスを構築しよう。SpaceXは、政府および商用衛星事業者の既存のニーズに対応するために、事業を開始した。Planet頻繁に地理空間画像を安価に取得する新しい市場を創出するために、新しいデザインの衛星を開発し運用している。

通信衛星を開発、打上げ、サービス、あるいは提供する計画をまとめる前に、宇宙そのもののことはとりあえず忘れて欲しい。いま事前のコスト(衛星を設計し、製造し、打ち上げるなどのコスト)が必要な総括的な事業を立ち上げていると仮定してみよう。そしてそれにはロングテール型のキャッシュフローが伴っているとする。このキャッシュフローは、その事業が地道なものであろうと奇想天外なものであろうと、他のどのプロジェクトよりも実質的に高い収益(財務用語では、IRR:内部収益率)を達成しなければならない。その収益率は、まだ成功することが証明されていない製品や、新興市場のリスクを補うのに十分なほど高い必要があるのだ

画像:Bryce Durbin/TechCrunch

自動運転車

自動運転車への道のりに横たわる、数々の問題に打ち勝っていく会社を始めたいという誘惑に逆らうのは難しい。ではその問題とは…

避けるべきこと:1点もののソリューションを提供する会社を立ち上げてはならない。およそ50程の大企業が、様々なレベルの技術を追いかけている。コンピュータービジョン用のセンサーから、人間と物との弁別、振舞予測、運転計画、他の車や道路との通信などまで、様々なものがある。一方バックエンドには、開発ツールや地図、そして車を安全に保つためのサイバーソリューションを開発する企業がたくさんある。

残念なことに、自動運転技術はあまりにも初期段階であるため、これらの要素をどのように組み合わせるかということも未定である。私が好きなたとえ話は1960年代の計算機事情だ:そのころIBMはなんでもやっていた。チップや回路基板の製造から、メタル・キャビネットの折り曲げ、そしてマシン上で実行される、プログラミング環境、コンパイラー、およびアプリケーションに至るまで全てを提供したのだ。もしIBM謹製の、スクリーンやキーボード用の掃除用具があっても私は驚かないだろう。

やるべきこと:あなたが売り込もうとしているサプライチェーンの流れを、近くで真剣に観察しよう。もし従来の自動車向けの運転支援機能を提供しようとしているのなら、既存の自動車業界のサプライチェーンの性質を理解しなければならない。なお伝統的にそれはスタートアップにとっては非常に過酷なものである。他のスタートアップたちが討ち死にをしたマーケットで、会社が生き残り繁栄できる程の、ユニークで特別な何かを、あなたの会社は持っているのだろうか?

もしロボットカーの技術を開発しているのなら、多くのスタートアップたちや大企業のR&Dグループによって開発されているシステムに、あなたの技術はどれくらい簡単に適用することができるのだろうか?私の予想:それは簡単ではないだろう。テクノロジーの開発を始めるずっと前に、顧客について知っておかなければならない。各顧客ごとに設計し直さなけれなならないような製品を、追い求めることは避けるべきだ。残念ながらそれは急速に成長しようとするベンチャーの足を引っ張るばかりなのだ。

画像:Bryce Durbin/TechCrunch

マンマシンインタフェース

心で機械を制御したり、機械で心を制御したりすることは、SFの領域に任されてきた。それが最近では、科学者は現代のAIツールを活用して私たちの心の奥底を覗き込み、病気の治療や、機械に対する未来のインターフェイスの開発に応用しようとしている。

避けるべきこと:私たちの心で制御できたり、あるいは心を制御したりする機械(恐ろしい)を作ろうとしてはならない。私たちは信じられないほど洗練された脳-機械インターフェース、すわなち私たちの体、を持って生まれてきた。私たちはおそらく、車輪が発明される前から、話したり、歌ったり、踊ったり、描いたり、書くたり、音楽を作ったり、そして物語を語ることができた筈だ。棒の先の泥で描かれた単純な絵文字は、おそらく洗練された深層学習に裏打ちされた最高級のヘッドセットよりも、より良く感情を伝えることができるだろう。そして、私たちの幅広い視覚、聴覚、嗅覚、そして触覚は、私たちの直感と組み合わさって、私たちの脳に飛び込んでくる超高速道路の機能を果たしている。

やるべきこと:私たちの体に既に備わる、豊かな入出力システムと連携して、忘れられない体験を生み出そう。このアドバイスは聞いたことがあるって?その通り、AR/VRの創業者たちがすべきことと同様のものだ。ジョイスティックはAtariの成功の鍵となったが、ゲームセンターのユーザーに積み上げた硬貨を次々と投入させたり、親たちに800ドル以上(インフレ調整済)の金をAtari 2600に払わせたのはパックマンとPongというゲームそのものだったのだ。

視覚、聴覚、嗅覚と組み合わせ、おそらく個々人の履歴によって訓練された脳のインターフェースは、忘れられない経験をもたらすことができるだろうか?それぞれの個人に合わせて調整されて、他にはない官能的な体験につながるような、刺激の組み合わせを人工ニューラルネットによって生成することは可能だろうか?

画像:Bryce Durbin/TechCrunch

教育

私たちの教育システムは変革の時を迎えている。edXとCourseraが世界最高の教育者たちを、地球上のあらゆる場所に連れて来ているが、そこにはまだ革新の余地がある

避けるべきこと:私たちの古典的な教育モデルの範囲内で構築してはならない。現在使われているシステムは大恐慌直後に発明されたものだ:それが生み出された時代は現在とは社会規範も、キャリアプロフィールも、雇用主も、そして学生からの期待も大きく異なっていた。私の父親の世代では、4年間の教育で生涯のキャリアのための準備を整えられると考えられていた。それに2年から5年間の大学院教育を加えることで、追加の収入とより強い雇用保証が約束されていた。

今日、学部で必要な25万ドルという学費に対して、それに見合った収入につながるという見通しは確実なものではない。伝統的な教育の要素を、電子プラットフォーム上に移植するだけでは、すでに混雑している教育用「製品」の市場に、単に別の選択肢を提供するだけのことだ。

やるべきこと:常に変わり続ける職場のニーズに必要とされるスキルを、常に予想し学生たちに与えることができるようにしよう。テクノロジーは労働のあらゆる側面に急速に浸透しており、ニュースで一般的に叫ばれていることとは異なり、それは労働者たちを置き換えようとはしていない。その代わりにそれぞれの能力を拡大しようとしているのだ(さらに詳しく後述する)。

学生と一緒に進化し、彼らのキャリアを通して寄り添い続ける教育ツールを発明しよう。価値ある生涯教育ツールは、職場の変化するニーズを予測し、自動的にトレーニングを提供する。このコンセプトは、医療従事者たちには新しいものではない。文献を追い続け、常に再認定され続ける必要がある。残念なことに、規制の緩い分野の専門家たちは、訓練を追求する先見性を個々人が持たなければならないが、年齢と共に家族への責任が重くなってくることがそのことを困難にして行くのだ。

さらに、医療以外の分野では知識は効果的に広められていない。AIを使用して、特定の分野のベストプラクティスを特定し、それらを広めることは可能だろうか?未来の教育ツールは、変化する労働に必要とされるスキルセットを予測し、パーソナライズされたトレーニングを提供できるだろうか?

画像:Bryce Durbin/TechCrunch

ブロックチェーン

暗号通貨(仮想通貨)の背後にある不安定性と投機性は、ブロックチェーン技術の力そのものと並んで、多くの起業家たちに、暗号通貨を使ったスタートアップの起業について真剣に考えさせている。

避けるべきこと:投機の勢いに飲み込まれて踊ってはいけない。多くの人が1990年代のIPOバブルを忘れてしまったようだ。その当時のことを振り返ってみれば、何らかの形で「インターネット」とつながりがある「いかなる」企業も、値上がりが期待されるという理由で公開を勧められていたのだ。間違って株式を買ってしまった者たちもいた。彼らの買った株はみるみる急上昇して行った…音楽が止まるまでは。なので、あなたの提供するコインが、ただコインだという理由だけで、適切だと考える投機家たちを食い物にしてはいけない。

やるべきこと:単純な質問をしてみよう:ブロックチェーン技術があなたのビジネスをどのように支えてくれるのか?それを使うことでユニークな製品は提供できるのか?それを使うことで、既存製品の売上は改善するのか?それを使うことで、市場への浸透性が増したり、ネットワーキング効果は高まるのか?

もしコインオファリングをやりたいと思っているのなら、ビジネスの成長に合わせてどのようにあなたの暗号通貨の価値が増えていくのかについての、はっきりとしたシナリオを描くべきだ。ブロックチェーンのどのような性質が、この価値創造の中核となってくれるだろうか?より多くのユーザーが参加し多くの取引が行われることで、どのように通貨の本質的な価値が生まれるのかについての、しっかりとした仮説を立てておこう。

画像:Bryce Durbin/TechCrunch

ロボット

ロボットが仕事を創造するのかそれとも破壊するのかについては、盛んに議論されてきた。パワフルな計算力、アルゴリズム、安価なセンサーとアクチュエーターは、創業者たちに面白い自動化企業を立ち上げるチャンスを与えてきた。このことによってより生産的で競争力のある人間の労働力が生み出される。

避けるべきこと:人間を置き換えようとしてはならない。歴史を通して、発明家たちは人間を模倣する巧妙なガジェットを作り上げてきた。しかし、最も成功したマシンたちは、人間の力を拡大するもので、それらを置き換えるものではなかったのだ。ロボット執事として働く、2足歩行のヒューマノイドを作ろうとしてはいけない。工場の床で、人間のいた場所に立つ仕掛けを作ろうとしてはいけない。受注処理センターの中を走り回り、人間よりも速く箱をピッキングするようなロボットを作ってはいけない。

やるべきこと:人間に力を与えよう。組立ライン技術は工場労働者の生産性をより高めたために、普及することができた。コンベヤーベルトとバーコードは、人間による仕分けや注文の取りまとめをより速くすることができたので、すべての受注処理センターに導入された。

工場や倉庫にはすでに多くの自動化が導入されている。これ以上人間を支援するにはどうすれば良いのだろう?そのロボット支援によって、収益にはどのような影響があるのだろうか?事業者の投資回収率はどのくらいだろうか?その回収された利益は、広く顧客に分配されるのだろうか?あるいは特殊なニーズを持った少数の見込み客に対して限られるのだろうか?

それが、車やiPhoneの組立であろうが、Amazonの受注処理であろうが、部屋の掃除だろうが、皿洗いであろうが、はたまたルームメイキングやグルメ調理であったとしても、尋ねられるべきことは以下の問いだ(1)そのロボットはどのように労働者の人生を良い物にできるのか?、(2)労働者の生産性の定量的な改善率はどのくらいになるか?要するに人間が中心なのだ。

ここでのアドバイスは一貫している:人間を重んじること。素晴らしく多様な人びとを引きつけて、強力な文化で絆を作り上げることで、あなたのスタートアップはわずかなリソースで予想以上の結果を生み出す力を得ることができる。投資家たちはこのような予想以上の業績達成動向を素早く把握し、より多くの人材を引き寄せるための資金を注入し、そのことが更に多くの売上を引き寄せる。こうして好循環が生み出され、あなたのスタートアップは競合相手より1歩先を行き、既存の大企業はバックミラーの中に小さくなって行く。そして新しい市場に力を与える新しい製品を可能にする新技術が創造され、すべての人類がその素晴らしい未来に近づくことになるだろう。

[原文へ]
(翻訳:Sako)

5万件の画像タグ手打ちからファッションAI開発へ——ニューロープが5000万円を資金調達

2014年設立のニューロープは、ファッションに特化した人工知能によるサービスを展開する、ファッション×AIのスタートアップだ。同社は3月5日、Reality Accelerator大和企業投資、都築国際育英財団を引受先とした第三者割当増資等により、約5000万円を調達したことを明らかにした。

写真右から大和企業投資 仙石翔氏、Reality Accelerator 郡裕一氏、ニューロープ代表取締役 酒井聡氏とニューロープのメンバー

ニューロープは創業後、モデルやインスタグラマー約300人と提携して、コーディネートスナップを紹介するメディア「#CBK(カブキ)」をリリースした。“モデル着用アイテムに似たアイテムが買えるメディア”という点では、2017年10月にスタートトゥデイの傘下に入ったVASILYが提供する「SNAP by IQON」(2017年3月公開)と同様だが、カブキでは当初、写真に付けるアイテムタグを、なんと全て人力で入力していたそうだ。タグ付けしたリアルなスナップのデータは5万件にも及ぶという。

その後、登録されたデータを元にして、2015年10月からディープラーニングを活用したAI開発に着手。2017年4月、ファッションに特化した人工知能をリリースした。

ファッションとAIとは実は相性がよいらしく、スタートアップによるプロダクトもいろいろ出ている。先述したSNAP by IQONもインスタグラマーのコーディネートに似たアイテムを、ディープラーニングによる画像解析で探し出して購入できるサービスだし、SENSY(旧カラフル・ボード)も人工知能がスタイリングを提案するアプリやサービスを提供している。

こうした競合サービスが多い状況について、ニューロープ代表取締役の酒井聡氏は「僕たちは2014年にガチでデータを集めるところから始めて、1年半の開発期間を経てAIをリリースした。そこは自信を持っている」と話している。

ニューロープが開発した人工知能は、機能で大きく2種類に分けられる。ひとつはファッションスナップを自動解析する「#CBK scnnr(カブキスキャナー)」。一般向けには、LINEにスナップを送信すると解析結果を教えてくれる「ファッションおじさん」として公開されている。

もうひとつはコーディネート提案AIだ。ファッションアイテムに対して、コーデすると合うアイテムを数秒で提案してくれる。カブキスキャナーの画像解析機能と併用すれば、着合わせをリコメンドすることもできる。こちらも、LINEにスナップを投稿するとコーディネートを提案してくれる「人工知能ショップ店員Mika」が公開されている。

ニューロープではこれらの人工知能をAPIとして提供し、事業を展開している。ファッションECのマガシークには、画像検索レコメンド機能を提供。マガシークのアプリで画像データを読み込むと、販売アイテムの中から写真に近いものを検索できる。オークションサービスのモバオクが運営するウェブマガジン「M/Mag」(スマートフォン版のみ)でも、掲載記事のコーデからモバオクに出品されている類似アイテムを買うことが可能になっている。

またSTYLICTIONが運営するファッションメディア「itSnapマガジン」にもAIを提供。掲載記事のスナップを解析してタグ付けを行い、複数のコマースサイトの類似アイテムをまとめて表示し、アイテムが購入されるとメディアにフィーが入る仕組みとなっている。

このほかにも「百貨店などのデジタルサイネージの前で衣装合わせをすると、コーディネート提案が表示されるといった使い方や、SNS上にある『#コーデ』タグがついた画像を分析することで、トレンド予測を行う、というような事業も検討している」と酒井氏は話している。

AIを導入する企業が増え、ニューロープのサービスも引き合いが多くなっていると酒井氏は言う。今回の調達資金の使途について、酒井氏は「API提供だけではなく、企業からの要望にも対応しているので、アプリケーションの開発にどうしてもエンジニアのリソースが取られがち。エンジニア採用にも投資し、既存AIの強化や新規AI開発など、AI自体の強化開発を進めたい」と述べていた。

IBM WatsoのCTO Rob Highが機械学習の“偏り”などAIの最新の課題を語る

IBM WatsonのCTO Rob Highにとって、機械学習における現時点の最大の技術的課題は、少ないデータでどうやってモデルを訓練するか、ということだ。バルセロナで今行われている例年のMobile World Congressでインタビューしたとき彼は、“それはチャレンジであると同時に目標でもあるが、それが可能だと信じられる理由もある”、と語った。

彼のこの意見は、業界全体の声を反映したものでもある。GoogleのAIのチーフJohn Giannandreaはたとえば最近、それを同社の機械学習グループが取り組んでいる主要な課題の一つとして挙げた。通常、機械学習のモデルは、正確であるために大量のデータで訓練する必要があるが、しかし、そんな大きなデータ集合がそもそも存在しない問題も多い。

しかしながらHighは、これが解決可能な問題だ、と信じている。なぜか? “人間はそれをしているからだ。われわれ人間にはデータポイントがある”、と彼は言う。ここで心に留めなければならないのは、人間がやってることの中にその証拠がある、と彼が言うのは、具体的なあの機会やこの瞬間に、人間の学習の仕方に関する情報がある、という意味ではない。“むしろ、テーブルの上にはありとあらゆるコンテキストがあるのだ”。つまりHighが言いたいのは、少ないデータでモデルの訓練が可能になるのは、コンテキストのおかげであり、また、転移学習(transfer learning)における最近の進歩だ。それは、すでに訓練されているモデルを、データの少ない別のモデルの訓練に利用する技法だ。

しかしAIの課題、とくに会話的AIの課題は、さらにもっと困難だ。“もう一方では、人間が自然だと感じるようなやり方で人間と対話し、人間の思考に影響を与えるにはどうするか、という課題がある”、とHighは語る。“人間は、彼らがやり取りする言葉だけから影響されるのではなく、それらの言葉を収めている発声や屈折、抑揚、韻律、気分、顔の表情、腕や手のジェスチャー、などなどの影響も受ける”、Highは、AIがこれらの要素を擬人的に模倣すべきだ、とは考えていない。むしろ、デバイス上の何らかの形のビジュアルキューを使うだろう、と。

それと同時に、多くのAIシステムがもっと上手になるべきなのが、質問の意図を正しく理解することだ。その質問は、何かに関するその人の前の質問とどう関連しているのか。その人の今の心の状態や人柄が、質問の意図にどう影響しているか、など。

しかしここから、もうひとつの疑問が生ずる。今実用化されている機械学習のモデルの多くは、それらが訓練されたときのデータによって偏りが生じている。分かりやすい単純な例としては、そのモデルは白人の男性に関しては精度が高く、黒人の女性に対しては成績が悪い、ということがありえるだろう。この問題にHighはこう答える: “方程式の両辺を見る必要がある。ひとつは、データの集積による偏りで、これに対してはよく注意して、人間ならばそのモデルが表している文化的および集団的側面を広げる努力をしなければならない。しかしもうひとつは、個人的偏りよりは、集積的偏りの方が望まれる場合もある、ということだ”。〔偏りが求める母集団の特性を表しているような場合。〕

Highは、IBMがSloan Kettering Cancer Center(がんセンター)で行った例を取り上げた。その病院は、がん治療の優れた外科医たちの仕事に基づいてモデルを訓練した。彼曰く: “しかしSloan Ketteringには、治療のやり方に関する独特の哲学があり、その哲学が偏りとして組み込まれた。それはその機関の偏りであり、彼らのブランドでもある。[…]Sloan Ketteringの外でそのシステムを利用するときも、その哲学による偏りを免れない”。

“偏りが正しい偏りであるためには、モデルの利用者や、彼らが代表している集団が、多様な文化集団がある中でもとくに、その偏りにとって適正な人びとでなければならない”。これは、IBMのクライアントに対してHighがよく言う言葉でもある。偏りを偏りとして直視し、ときにはその意義も認めることは、今だにこの種の話題を無視しがちな業界における、肯定的な兆候のひとつだ。

[原文へ]
(翻訳:iwatani(a.k.a. hiwa

企業のカスタマーサービスをAI化したボットで助けるAgent IQが$6.3Mを調達

人間のカスタマーサービスが電話に出る前に、顧客がボットの相手をしなければならない企業がよくあるが、けっこう、いらつくものが多い。基本的な仕分けをボットがやって、専門的な話を人間がするのは良いが、いつまでもいつまでも人間が出てこないのはアタマにくる。そこで、カスタマーサービス用のボットを作っているAgent IQは今日(米国時間2/22)、シリーズAの630万ドルの資金調達を発表して、同社のボットの質をさらに高めようとしている。

このラウンドはSierra Venturesがリードし、CRCMとRubicon Venture Capitalが参加した。これにより、同社への投資の総額は850万ドルになる。

Agent IQのルーツは、Nikeのマーケティングプログラムだ。顧客はそのチャットアプリに“Hey Nike”とタイプしてボットとコミュニケーションする。CEOでファウンダーのCraig Davisによると、初期のそのプログラムをベースにしてAgent IQを作っていった。そのとき悟ったのは、ボットやエージェントがただのボット/エージェントなら、顧客を満足させられない、ということだ。顧客が満足するカスタマーサービスは、テクノロジーと人間のブレンドだ。

彼が各社のカスタマーサービスセンターを訪ねてみて分かったのは、苦痛なのは顧客の側だけではない、ということだ。人間社員は、同じ質問の繰り返しで退屈しており、楽しくない。課題に挑戦するおもしろさもない。しかも、めったにない珍しい質問に答えるときには、会社のあちこちにばらばらに散在する、互いに異質な複数のシステムを調べる必要がある。画面をいろんなシステムのウィンドウだらけにして、互いに異なるコンテンツレポジトリを行き来し、問題への正解を見つけなければならない。これが、たいへんな作業である。

写真提供: Agent IQ

Davisは説明する: “ボットよりも人間を助けることが重要だ。過去の会話や、学習した新しい知識に基づいて、答を提案してやるのだ。調べる苦労を、軽くしてやる。Agent IQは、会話のコンテキストに基づいて知識ベースの記事を人間カスタマーサービスに提示する。記事の選択には、人工知能と機会学習を利用する。

Davisは、自分がSalesforceやOracleのような大物と競合していることは分かっているが、しかし彼によると、彼の会社のソリューションは最新の技術でゼロから作ったものだから、そういうおなじみの顔ぶれたちよりも進んでいる、という。“たとえばAIだけど、彼らは何年も後れているし、もともと彼らのルーツはカスタマーサービスのプラットホームだ。彼らはそこからシームレスな移行ができないし、うちが提供しているようなクローズドループなAI学習ができない”、とDavisは主張する。

彼はまた、同じような価値提案を提供しているスタートアップ、Digital Geniusなどとも競合関係にある。

同社は現在、社員20名で、顧客は14社、DavisによるといずれもFortune 1000社で、年に50万ドル以上を払っている。今度の資金で、営業の拡大とカスタマーサクセスチームの構築をしたい、という。

[原文へ]
(翻訳:iwatani(a.k.a. hiwa

「とりあえずAIで何かやりたい」ではダメ――AIベンチャーと東大研究室が企業向けの支援事業

ここ1〜2年の間で「AI(人工知能)」という言葉はごく当たり前に使われるようになった。もちろん概念や技術自体は以前からあったものだけど、ほんの数年前まではTech界隈のメディアやSF映画などで目にする、”ちょっと未来感のある”専門用語的な存在だったように思う。

近年はビジネスにおける「AI活用の成功事例」が取り上げられることも増えたせいか、AIを取り入れたいという企業も多い。ただ実際のところ、多くの現場ではAIを導入するにあたってさまざまな課題に直面しているのが現実らしい。

そのような企業を支援するべく、AIスタートアップのストックマークが新たに始めるプロジェクトが「AI Alchemist」だ。

AI導入から自走にむけたトレーニングまでを6ヶ月で

AI Alchemistは企業がAIを導入するところから、開発したシステムの運用を担う担当者の育成までをトータルで支援するプログラムだ。「デザイン思考」→「プロトタイピング」→「マッチング」→「トレーニング」という4つのステップを設定し、約6ヶ月間に渡って企業に伴走する。

一緒にユーザーが求めているものを掘り起こし、AIの活用方法を試すプロトタイピングのフェーズでは東京大学の矢谷研究室と共同でサポート。システムに落とし込む際には最先端の技術を持つAIベンチャーも巻き込む。顧客が自走できるように、AIに精通した人材の育成までをカバーする。

もしかすると、ここまで読んで「いわゆるAI導入コンサルティングのことで、別に珍しくないのでは?」と思った人もいるかもしれない。正直僕も最初に概要を聞いた時、少しだけそう思った。ただ実際に話を聞いてみるといくつかユニークな点があるようだ。

AIスタートアップと東大研究室のコラボ

まずストックマーク自体がAIを活用した自社サービスを展開していること。同社の強みであるテキストマイニングの技術を用いたニュースサービス「StockMark」(個人向け)や「Anews」(エンタープライズ向け)は以前TechCrunch Japanでも紹介した。

同社にはAIが現在ほど脚光を浴びる前から、機械学習やビッグデータ解析の研究を進めてきたメンバーも多い。そもそも創業のベースとなっているのも、CTOの有馬幸介氏が東大の研究室で取り組んでいたテキストマイニング、ディープラーニングの研究だ。そこから各メンバーが大企業にてエンジニアやコンサルタントとして経験を積んだ上で、ストックマークを創業した。

「ビジネス経験と、大学での研究をベースとした最先端のAI技術の両方をもっているのは強み。自社サービスの開発・運営、クライアント企業のシステム開発を通じて培った(AIに関する)知見も提供できる」(ストックマーク代表取締役CEOの林達氏)

AI Alchemistの中心メンバーでチーフアルケミストの森住祐介氏は、前職の日本IBM時代に開発者向けサイト「developerWorks」の日本語版編集長を務めた人物。大企業やスタートアップとのつながりも深く、森住氏の持つ広いネットワークも同サービスの特徴だ。

また上述した通りプロトタイピングの段階では、東京大学の矢谷研究室もサポートに加わる。ストックマークの技術アドバイザーも務める矢谷浩司氏は、ヒューマン・コンピュータ・インタラクションとユビキタスコンピューティングの研究者で、いわゆるUI・UX領域の専門家だ。

Microsoft Research Asiaでの勤務経験もある矢谷氏の研究室と一緒になって、「AIをどのように使っていくのか」をデザインしていくという。

「とりあえずAIで何かやりたい」ではうまくいかないケースも

「Anewsなどエンタープライズ向けの事業を展開するうちに、AIの導入や活用で悩んでいる大企業が多いことに気づいた」——森住氏はAI Alchemistの構想が生まれた背景についてこう話す。

トップが「とりあえずAIで何かやりたい」と考えている企業は多いが、AIによって何が変わるのか、どのような価値が生まれるのかを深く理解しているケースは限られる。結果として実際に担当することになる現場のスタッフに、大きな負担がかかっているという。

「AIについて聞いたことはあるが『どう使っていいのかわからない』という声が多い。本気で取り組むのであれば、既存のビジネスの延長で考えてしまっては上手く進まないし、時には文化的なところから変えていかなければいけない場合もある。担当者1人では難しいので、経営陣や社内のキーマン、外部の企業を巻き込むところまでサポートしていくことが必要」(森住氏)

AIの導入コンサルティングをしている企業はすでにあるが、社内の担当者を育成するといった点まで含めてサポートしているところは多くない。森住氏は「(理論だけではうまくいかない部分も多く)AIの導入って思いの外めんどくさい、泥臭いもの」だという。

すでに商社系の大手企業とプロジェクトが動き出しているそうで、まずはニーズの多い大企業を中心にサービスを展開していく方針。いずれは中小企業にも広げていきたいという。

中小企業や商店にAI利用のターゲットマーケティングをお安く提供するClearBrain

ClearBrainの目標は大きい: “われわれのミッションはAIをマーケターのために民主化することだ”。

とCEOのBilal Mahmoodは言うのだが、しかしOptimizelyのプロダクトマネージャーだったMahmoodと彼の協同ファウンダー、Googleの広告部門の技術者だったEric Pollmannは、すべての民主化が一度で実現するとは考えていない。具体的な課題を一つ一つ解決していくことが必要だ…まず第一にそれは、広告をもっと有望性の高いユーザーにターゲットすること。言い換えると、ターゲティングの打率を上げることだ。

Mahmoodによると、そのようなターゲティングは大企業がすでに行っているが、中小企業や一般商店などにとっては、買うにしても作るにしても費用が高すぎる。しかしClearBrainに頼めば、月額499ドルからですべてをやってくれる。それだけ安上がりにできるのは、Segment, Optimizely, Heapなど既存のさまざまなツールのAPIを組み合わせて使っているからだ。それにより、さまざまなデータの有効利用ができる、とMahmoodは言う。

“それらのデータレイヤの上にインテリジェンスレイヤ(AI層)を置くことができる”、と彼は語る。

つまりClearBrainは、企業がすでに使っているツールからデータを取り出して、その上に人工知能を適用して分析し、ユーザーを特性別にグループ化する。そしてClearBrainの顧客企業は、それに基づいて、Facebookの広告や、メールマーケティングや、そのほかのメッセージング提供をターゲティングする。

clearbrain screenshot

“うちはAIのスイス(中立国)みたいなもんだ”、とMahmoodは言う。ClearBrainはデータレイヤとアクションレイヤ(消費者のアクション)の両者間を中立的に調停して、企業が利用できるようにする。今後もっと機能を増やして、“企業のマーケティングチームのための中枢神経系”になりたい、と彼は語る。

今の顧客には、InVisionやtheSkimmなどがいる。一方はデザイン用のソフトウェアのメーカーだし、後者はニューズレター専門のメディア企業だ。この、一見性格の異なる二社にClearBrainのツールが有益なのは、どちらもユーザーが会員制(サブスクリプション型)で、特性などが明確で分かりやすいユーザーデータがあるからだ。つまり、AI利用による効果の高いターゲティングをやりやすい。

ClearBrainは、Y Combinatorの現在のクラスの生徒でもある。そしてすでに120万ドルの資金を、YC, Pear VC, Industry Ventures, Dan Hua Capital, OptimizelyのファウンダーDan SirokerとPete Koomenから調達している。

[原文へ]
(翻訳:iwatani(a.k.a. hiwa

NvidiaとGE傘下のBaker Hughesが石油と天然ガス産業を総合的にAI化へ

NvidiaとGEの子会社Baker Hughesが、石油と天然ガスの業界にAIを持ち込もうとしている。しかもその対象はこの産業のあらゆる局面にわたり、石油資源の探査から採掘、精製、そして最終消費者へのデリバリにまでAIを導入する気だ。

Baker Hughesはもちろん、Nvidiaの、AIに強いGPU技術を利用するつもりだ。たとえばそれは、大型データセンターで使われているNvidia DGX-1スーパーコンピュータや、デスクトップにスーパーコンピュータ級の能力を持ち込むDGX Stationsなどだ。エッジコンピューティングでローカルなディープラーニングを可能にするNvidia Jetson AIも利用されるだろう…エッジでやればワークロードがわざわざクラウドに行く必要がない。

このカバー範囲の広い構想が実現するためには、Nvidiaの広範な技術のすべてが必要だ。石油とガスといえば、大規模なシミュレーションやデータ処理によって正確な探査を行い、いざそこを掘るとなったら地殻の活動を予測しなければならない。また地球上各地の僻地のようなオフショアのプラットホーム(採掘現場)も多いから、粗悪で貧弱な通信条件にも対応しなければならない。

この共同プロジェクトの目的は天然資源の取得量の最大化だが、もうひとつ重要なのが使用する機器装置類の寿命管理だ。たとえば遠い海の上のプラットホームでは、機器類の不具合を、余裕をもって事前に予測できなければならない。起きてしまってからでは遅い。このことは操業効率の最大化という側面のほかに、サイトの労働者たちの安全確保のためにも重要だ。

[原文へ]
(翻訳:iwatani(a.k.a. hiwa

ソフトバンク子会社がAI特化のインキュベーション事業を開始、学生も対象で創業支援

ディープコアのメンバー。写真中央が代表取締役の仁木勝雅氏。

ソフトバンクグループの100%子会社であるディープコアは1月29日、学生や起業家が対象となるAI分野に特化したインキュベーション事業を開始すると発表した。

ディープコアはもともと、「汐留事業4号株式会社」という変わった法人名がつけられていた企業で、ソフトバンクがいつ新規事業を立ち上げてもいいように用意したペーパーカンパニーだった。同社は2017年9月に法人名を現在のディープコアに変更。今回発表したインキュベーション事業が現在の主要事業だ。

そんなディープコアのインキュベーション事業が特に注力する分野がディープラーニングだ。ディープラーニングといえば、Preferred Networksがトヨタ自動車から約105億円の資金調達を実施するなど、日本でも大企業とスタートアップとの協業が活発的に進みつつある分野である。ディープコアは東京大学松尾研究室と共同研究契約を締結し、企業との共同プロジェクトの実施や起業家育成を進めていく。

また、同社は東京大学に近い本郷にコワーキングスペースを開設し、NVIDIA(ソフトバンクが約1兆円を出資したとされる)の協力の下で用意したコンピューティング・リソースを提供する。起業意欲がある優れたメンバーについては創業支援も行うという。

ソフトバンクグループでは投資部門を担当してきたディープコア代表取締役の仁木勝雅氏は、“求める人材像”についてこう語る。

「一定のAIスキルを持っている理系学生、大学院生、エンジニアなどで、『現在は特にビジネスに係わっていないが、経験してみたい』だとか、『AIの技術を使って、面白いことをやってみたい』という人だ。既に起業意欲を持っている人は大歓迎だが、現時点で、必ずしも具体的なテーマやアイデア、起業意欲を持っている必要はない。企業との実証実験などへ参加してもらうことで、社会における実課題に取り組む機会を提供する」(仁木氏)

ディープコアは50人のプログラムメンバーを2018年2月1日より募集開始する。インキュベーション施設は2018年春に開設予定だ。その他の詳細は同社のWebページに随時アップデートされる。

Fordが自動運転パトカーで特許を申請

Black Mirrorのシーズン4に驚かなかった人も、これにはびっくり!

Fordが、自動運転パトカーの特許を申請した。実際に特許が下りるかどうかは、まだ分からないが、そこに盛られているアイデアはちょいとおそろしい。

Motor1が見つけたそのパテントは、ほかの車が行った違反行為を検出できる自動運転パトカーを記述している。違反の発見は、自分の視覚系だけでなく、監視カメラや路側のセンサー経由でも行われる。

そのとき、このAIを装備したパトカーは、リモートで召喚命令を発したり、その車を追跡したりする。あるいは(ここからが怖いところだが)、“その方法にはさらに、システムがその車に対して一つまたは複数のアクションをリモートで執行することも含まれる”、と書かれている。

言い換えると、その自動運転パトカーは違反車にワイヤレスで接続して、乗員の身元確認をしたり、召喚令状を発行したりする。

Fordの特許申請書類には、機械学習のアルゴリズムが、その車の違反行為が警告ですむものか、それとも召喚を要するかを判定し、その結果を運転者に伝える、とある。

このパテントはまた、自動運転パトカーに乗っている警察官がその車のコントロールを運転者から取り上げたり、あるいはワイヤレスの接続を利用して各種のデータベースから違反者に関するさらなる情報を得る方法を記述している。

再度言うと、パテントに書かれていることが実際に製品として実現するとはかぎらない。私たちがロボットカーに拘引されるようになるとしても、それはまだ何年も先だ。しかしそれでも、パトロールの警官が自動化の時代の犠牲者になってしまうことは、すでに可能性の範囲内に入っている。

[原文へ]
(翻訳:iwatani(a.k.a. hiwa

顔認識技術のTrueface.aiがIFTTTを統合して多様な実用的利用が可能に

500 Startupsと多くのエンジェル投資家が支援している、まだステルス状態の顔認識スタートアップTrueface.aiが、IFTTTとの統合により、デベロッパーたちが同社の技術をいろいろ試せるようにしている。

CEOのShaun Mooreによると、IFTTTとの統合により初めて、同社の顔認識技術が、複雑なコードを理解する必要なく、多くの人が利用できるようになる、という。

同社は最初、ハードウェアとソフトウェアのベンダーだったが、2017年にハードウェアの取り扱いをやめて、ソフトウェアにフォーカスするようになった。

“われわれ自身がもっと幅広いアプローチを取ることによって、ハードウェアのデベロッパーが自分のやりたいことをできるようになる、と考えた”、とMooreは語る。

Trueface.aiが今集中しているデジタルの認識確認技術は、たとえば誰かが銀行の口座を開こうとするときの本人確認や、公証事務のデジタル化などに応用できる。しかも、“本人性や所有権の確認をリモートでできるようになる”。

その目標は、顔認識技術を誰でも使えるようにすることだ。そしてそのための第一歩が、IFTTTの統合だ。それによってデベロッパーやメイカーたちの知名度を上げることができる、とMooreは考えている。

  1. screen-shot-2018-01-25-at-2-52-47-pm.png

  2. screen-shot-2018-01-25-at-2-53-05-pm.png

  3. screen-shot-2018-01-25-at-2-53-17-pm.png

  4. screen-shot-2018-01-25-at-2-53-24-pm.png

“これ(IFTTTの統合)は、一般的にサードパーティがうちの技術を利用するときの、ひとつの形だと思う。たとえばスマートロックのLockitronがあれば、Truefaceが来客の顔を認識し、その判定に基づいてIFTTTがドアをアンロックする”。

その顔認識に使われる技術は、今やおなじみのディープラーニングだ。ソフトウェア専門で行く、と決める前のTrueface.aiは、本誌TechCrunchのニューヨークオフィスにやってきて、その前身的技術であるChuiをデモしたことがある(下のビデオ)。

その機械学習のモデルは、数百万もの顔の画像で訓練され、そしてユースケースによっては、人間の顔の数学的表現を生成することもできる(これを数学用語で埋め込み(mbedding)と言う)。

埋め込みを保存しておくと、他のモデルが本人性の推断に利用できる。同社のモデルは、生きた本人でなく、本人の顔写真でシステムを騙そうとしても騙せないようにできている。スマホのロック画面なんか、もうだめだからね。

IFTTTの統合とともに同社は、そのIDVerifyプロダクトによって同社の技術にユーザーを慣れさせようとしている。

すでに同社の技術は150か国以上の本人性証明ドキュメントと互換性があり、それらをTrueface.aiのWebアプリケーションやモバイルアプリケーションで利用できる。

Mooreは曰く、“何かを自分で作ることの好きな人たちも、うちの技術の立派なユーザーだ、と考えているよ”。

[原文へ]
(翻訳:iwatani(a.k.a. hiwa

AIが1000万件のデータから「賃貸と購入どっちがお得?」を鑑定、物件売買サービス「カウル」

「今家を買う人は30〜40代前半の人が中心。何か物を購入する際はスマホを使って情報を集め、比較検討をするのが当たり前になっている。“家”というのは数千万円ものお金を支払う人生で1番高い買い物なのに、情報開示が進んでいなくて適正価格がわかりづらい」——Housmart(ハウスマート)代表取締役の針山昌幸氏は不動産売買の課題について、そのように話す。

Housmartが現在手がけているのは、物件の売買ができるサービス「カウル」。近年需要が増えている一方で、特に価格の不透明性が高い「中古マンション」に焦点を当てる形で2016年1月に立ち上げた。

そのカウル内で本日「カウル鑑定」という新たな機能がリリースされた。興味がある部屋について、データをもとにAIが将来価格を予想。「賃貸と購入のどちらがお得か」を瞬時に鑑定してくれるというものだ。

同じ建物でも部屋によって「どちらが得か」は変わる

カウル鑑定では過去から現在にいたるまでの不動産売買や賃貸に関するデータを活用し、AIが1〜35年後の物件価格を算出。そこに物件価格の値下がり金額や住宅ローン金利、マンションの管理費、税金などを考慮した上で、購入する場合と賃貸で借りる場合どちらが得かを瞬時に鑑定する。

使用料金は無料。カウルでローンの返済計画を立てると、その情報から物件ごとにトータルコストの差額を見ることができる。

不動産関連の雑誌でも賃貸と購入を比較する特集はよくあるが、支払う価格だけをベースに比較したものも少なくない。針山氏の話では「中古マンションは購入から10年、20年が経過してもけっこうな金額で売れることがよくある」そう。売却した場合に手元に残る金額を含めて、部屋単位で料金を比較できるのがカウル鑑定の特徴だ。

開発に至ったきっかけのひとつは、中古マンションの購入を検討するユーザーの「買ったマンションが将来いくらで売れるのか知りたい」というニーズ。以前からカウルではデータをもとにAIで適正価格を算出し、カウル推定価格という形で情報を提供してきた。そこからさらにシステムを改良し、35年後までの将来価格の予測や賃貸との比較をできるようにしたのがカウル鑑定だ。

「実は同じマンションでも部屋によって(賃貸と購入の)どちらが得かというのも変わってくる。そこをユーザーがオンライン上で直感的に判断できるようにすれば、利便性も高い」(針山氏)

カウル鑑定の対象となるマンションは販売用のため、同じ部屋を実際に借りることは難しい。ただし「この部屋を借りる場合、いくらぐらいで借りられるか」を推定することで、周辺の似たようなマンションや同じマンションの賃貸に出されている部屋を借りられる可能性はあるという。

将来的な価格を人間が算出するのは難しい

もともと針山氏は新卒で不動産会社に入社。自身も体感した業界の課題を解決するべく、楽天を経て2014年の10月にHousmartを創業している。物件価格の透明化や将来価格の算出もかつてからニーズはあれど、実現されてこなかったものだ。

「1社の不動産会社が売り主と買い主の双方を担当していたのが従来の一般的な不動産売買。多くの会社は売り主サイドに立つため、買い主に価格を透明化するインセンティブもなかった。これは買い主サイドに立つと大変な割に儲からないという、ビジネスの構造上の課題もある」(針山氏)

カウルの場合はこれまで人力で対応していた物件提案などの業務を自動化。余計なコストを削減することで、買い主サイドに立ってもビジネスとして成り立つ仕組みの構築にチャレンジしてきた。

加えて約1000万件に及ぶ売買事例や賃貸事例、物件データなどをもとにAIで適正価格や将来価格を割り出す取り組みも実施。現場経験のある針山氏らが半年から1年ほどチューニングを重ね、カウル鑑定のリリースに至ったという。

あくまで過去のデータをもとにしているので、完全に将来価格を的中させられるわけではない。針山氏によると「(将来の)インフレ率や日本全体の景気、エリアの再開発状況といった要因は含まない。築年数や立地条件などのスペックをもとに、将来的に最大でこのくらいのペースで価格が下がるという数値を出す」仕組みではあるが、人力に比べればはるかに適正な価格が出せるという考えだ。

カウルのリリースからは約2年が経過し、現在の登録ユーザー数は1.5万人を突破。2015年と2016年にはVCから資金調達もするなど、事業を拡大してきた。

今後は現在賃貸で暮らす人が家賃を入力することで、「現在住んでいる賃貸住宅と検討している住宅を購入した場合のシミュレーション」ができる機能も搭載予定。これまでは不透明だった情報を開示してわかりやすくすることで、不動産購入のリスクを減らしていきたいという。

ネット広告のレポート作成を自動化、AIが運用を支援する「Roboma」ベータ版リリース——運営会社が4000万円を資金調達

GoogleやFacebook、Twitterといったインターネット広告の出現で、小さな企業や事業部門、スタートアップなどでも比較的低価格で“それなりに”効果的な広告出稿が可能になった今。一方で、マーケティング担当者は広告レポートの作成や、GoogleやFacebook広告の運用の最適化などに追われ、特に小規模な組織では兼務でこうした作業に時間を費やさなければならないことから、本来やるべき分析やマーケティング戦略立案に手が回らない、といったケースも増えている。

こうしたネットマーケティング業務の負荷を、AIの活用によって自動化しようというサービスが始まった。RoboMarketerが1月16日、提供を開始した「Roboma(ロボマ)」ベータ版は、AIによりネット広告のマーケティング業務を支援するクラウドサービスだ。

Robomaは、Facebook、Instagram、Google Adwords、Twitterといったプラットフォームの広告アカウントを連携。連携した広告アカウントのレポートを自動し、費用やCPA(Cost Per Acquisition:ユーザー獲得コスト)などの指標をグラフ化できる。管理画面の閲覧権限を広告代理店やチームに付与することで、レポートの共有も容易に行える。これまでクローズドベータ版として一部企業に限定してサービスを提供してきた。

「Roboma」のスクリーンショット

現状はいわゆるダッシュボードとしての機能が中心だが、今後はデータに基づいてAIアシスタントが運用型広告の最適化をアドバイス。経験やノウハウがない担当者でも最適な運用ができるようになることを目指す。一部のテストユーザーに関してはすでに広告の運用の自動化を行っており、CPAベースで20%の改善が実現した事例もあるという。

「マーケティングの部署は慢性的にリソース不足で、コストセンターとみられることが多い。企業の成長に連れてやることは増える一方だが、その割には人材が全然増えないということもあり、効率化や自動化は絶対に求められる。だが(自社製品と比較すると、マーケティング向けの自社ツールの)開発は後回しになってしまうし、(運用を担当する)代理店も深くは関わらない。(Robomaにより)本来的なブランディング、マーケティング戦略といった『頭を使う』というところに集中できれば」(RoboMarketer 代表取締役の岡崎哲朗氏)

利用料金は、広告アカウント数が1アカウント・広告数100までは月額無料で利用可。3アカウント・広告数500までのベーシックプランが月額9800円、10アカウント・広告数2000までのプロプランが月額2万9800円だ。

またRoboMarketerはRobomaベータ版リリースと同時に、総額約4000万円の第三者割当増資の実施も発表している。引受先はエウレカ創業者の赤坂優氏など、個人投資家だという。

RoboMarketerは、2017年6月の設立。岡崎氏はグリーでマーケティングプロモーションを担当し、海外プロモーションの責任者を務めたのち、スタートアップでのマーケティング責任者を経て起業した人物だ。同社には元ミクシィのマーケターなども参画し、サービスを開発。インターネットマーケティングの最新のトレンドを取り入れ、専門知識がなくても使えるサービスを目指すとしている。

RoboMarketerは今回の調達資金をもとに開発体制の強化を進める。また、将来的には海外でのサービス展開についても検討している。