数々の予兆からシステムの問題を予知・防止するInsightFinderが約2.2億円調達

米国ノースカロライナのInsightFinderは、大学での15年の研究成果に基づいてシステムのモニタリングに機械学習を利用し、一般的によくある問題を自動的に見つけて修復する。米国時間12月31日に同社は、200万ドル(約2億1700万円)のシードラウンドを発表した。

ノースカロライナ州ダラム拠点のVCであるIDEA Fund Partnersがラウンドをリードし、Eight Roads VenturesとAcadia Woods Partnersが参加した。創業者であるノースカロライナ州立大学の 教授のHelen Gu(ヘレン・グー)氏は、これまで15年にわたってこの問題を研究し、2015年に同社をローンチした。

グー氏はまた、元Distil Networksの共同創業者でCEOのRami Essaid(ラミ・エッサイド)氏をCOOとして招聘したことを発表した。2019年に自分の会社を売ったエッサイド氏は、彼の新しい会社であるInsightFinderでプロアクティブなアプローチでアプリケーションとインフラストラクチャのモニタリングを行うと発表している。

同氏は「これらの問題には繰り返して何度も起きる性質があり、起きるときにはその兆候がある。われわれは人工知能を利用してそれを予測し、先回りして抑える」と語る。彼によると、それはテクノロジーのプロアクティブな使い方であり、現在のソフトウェアにおいては、問題のほぼ半分が、それらが問題になる以前に防止できるという。

モニタリングといえばSplunkやNew Relic、Datadogなどの名前が思い浮かぶが、しかしエッサイド氏によると、それらのプロダクトは企業のテクノロジースタックの一部分に固執し、それに対しInsightFinderはそのようなソリューションの1枚上の層(レイヤ)として働いて、ノイズにすぎないアラートを減らし、複数のアラートがあるときには問題の根源を突き止め、できるかぎり問題解決を自動化する。

エッサイド氏は「システムが発している大量の信号(兆候、予兆)を見て、それらから実際に起きている問題を判定するやり方は、我々が初めてだろう。アラートを減らして(アラートが出る前に)問題の早期発見を助けるだけでなく、すべてのデータを処理して人工知能により予測と予防を行う。そこまでやるモニタリング企業は、まだほかにないだろう」と語る。

現在の顧客はInsightFinderのソフトウェアをオンプレミスでインストールしているが、2020年にはSaaSバージョンを作って、より多くの顧客が利用できるようにするのが同社の計画だ。

同社は2015年にローンチし、今回の投資の前には米国科学財団の助成金を二度受けている。エッサイド氏によると、同社の製品は現在10社の大企業が利用しているが、まだ本格的な営業やマーケティング活動はやっていない。資金は、その活動に使う予定だ。

[原文へ]

(翻訳:iwatani、a.k.a. hiwa

最大荷重約200kg、小型航空機のようなPykanoドローンで大農場の農薬散布を自動化する

現代の農業は、農地が圧倒的に広大なので、噴霧などの作業も非常に難しい。そこでPykaは、もっぱら人力に頼っていたその仕事を翼のある自動運転の電動航空機にやらせることにし、しかも規制当局からの認可まで取得した。

DroneSeedで見たように、噴霧などの作業を行うための飛行はとても危険だ。地表すれすれを飛ばなければならないし、しかも地面以外の障害物もある。しかしそれは、自動化に適した作業でもある。いくつかの飛行パターンを、何度も何度も繰り返す作業だからだ。

Pykaのやり方は、ドローンでよく行われている方法とは異なっている。ドローンを用いる場合、その方法は複数の回転翼による操縦のしやすさと離着陸の容易さを活かす傾向にあるが、しかしながら、ドローンは大農場に散布に必要な大量の農薬などを搭載できない(残念ながら)。

Pykaが作った航空機は、従来からある薬剤散布用の単座機に似ているが、コックピットがない。3枚のプロペラを持ち、内部スペースのほとんどは、荷物とバッテリーを搭載するために使われている(最大荷重約200kg)。もちろん自動飛行のために、一連のセンサーシステムとコンピューターも搭載している。

Pykaの平地離陸距離はわずか50メートルなので、わざわざ滑走路を作ったり、遠方から目的の農地までの長距離をフライトしてエネルギーを浪費することもない。面倒といえばバッテリーの交換だが、それは地上のクルーがやってくれる。地上クルーはフライトコースの決定も行うが、実際の飛行経路選択と一瞬の判断は搭載されたコンピューターが担当する。

人間の入力がなくても障害物を見分ける航跡の例

このEgretと呼ばれる飛行機の噴霧能力は、1時間約100エーカーで、ヘリコプターとほぼ同じだが、自動運転航空機なのでその精度は高く、より低空をフライトできる。難しい操縦を人間が行わないため、その点でも安全だ。

さらに重要なのは、国のお墨付きがあるということだろう。Pykaの主張によると、同社は世界で初めて、電動の大型自動操縦航空機の商用化を認められた企業だ。小型ドローンはあちこちで承認されているが、EgretはPiper Cubといった従来の小型航空機のサイズに近い。

ただし航空機だけに関してはそれで良いが、大規模展開については他の問題もある。航空管制や他の航空機との通信、それに関連した機体の認可条件、センサーの能力と回避能力の長距離化などがそれになる。しかしPykaのEgretは、これまでに試験農場で何千マイルもフライトしているため、特別に認可を取得することができた。なお、Pykaは同社のビジネスモデルや顧客、売り上げに関しては口をつぐんでいる。

同社の創業チーム、Michael Norcia(マイケル・ノルチャ)氏、Chuma Ogunwole(チュマ・オグンウォル)氏、Kyle Moore(カイル・ムーア)氏、そしてNathan White(ネイサン・ホワイト)氏らは、いずれも関連分野のさまざまな有名企業の出身。それらはCora、Kittyhawk、Joby Aviation、Google X、Waymo、Morgan Stanley(の元COO)などだ。

同社の1100万ドル(約12億円)のシードラウンドをPrime Movers Labがリードし、これにY Combinator、Greycroft、Data Collective、そしてBold Capital Partnersが参加した。

画像クレジット: Pyka

[原文へ]
(翻訳:iwatani、a.k.a. hiwa

医療系ビッグデータ分析のOM1が約55億円を調達

ヘルスケア業界にビッグデータ分析を提供するOM1が新たに5000万ドル(約55億円)を調達した。営業、マーケティングと製品開発を強化し、その臨床的知見をより多くの病院や大手製薬企業に提供しようとしている。

同社のようなデータ分析スタートアップに資金が集まるのは、データへのアクセスがヘルスケアの効率向上と費用の低減に大きく貢献すると広く認識されているため。データを活用すれば、製薬会社は食品医薬局に新薬の有用性を説明しやすくなるし、病院や医師は、どの治療方法が最良の結果につながるかをデータの活用で探ることができる。

OM1のCEOで創業者のドクターであるRichard Gliklich(リチャード・グリクリッヒ)氏は、「臨床データは、ヘルスケアにおいて最も重要なものだ。OM1は今回獲得した資金で、さまざまな臨床結果やエビデンスをより速く提供できるようになり、顧客はより有効的にそれらのデータを利用できる」と語る。

OM1に対する最新の投資には、Scale Venture Partnersがリードし、General Catalyst(GC)やPolaris Partners、7wire Venturesといった既存の投資家も参加した。この投資にともなって、Scale Venture Partnersのマネージングディレクター、Rory O’Driscoll(ロリー・オドリスコール)氏は、同社の取締役会に席を得た。

オドリスコール氏は、声明で「AIとデータが多くの産業における変化を推進している。OM1は、AIとデータをヘルスケアにおける変化に結びつける最先端にいる。医療と介護をより良いものにしていく過程に弊社が加われたことに、感激している」と述べている。

同社は特に、免疫、リウマチ、循環代謝系、筋骨格系、特定の中枢神経系、および行動保健技術といった分野の治療法にフォーカスしている。

同社は、グリクリッヒ氏がGeneral Catalystの常勤役員だった2015年に創業した。グリクリッヒ氏は、医薬や医療技術の結果を定量化して評価しそれらの標準化を図る国レベルの取り組みにも主席調査官として参加しているが、OM1はそれらのサポートも行っている。

[原文へ]

(翻訳:iwatani、a.k.a. hiwa

CiscoがFPGAによる超高速ネットワーキングデバイスを開発するExablazeを買収

Ciscoは米国時間12月16日、オーストラリアのExablaze(エグザフレイズ)を買収したことを発表した。この企業は、FPGA(Field Programmable Gate Array)に作り込んだ高度なネットワーキングハードウェアを設計および製造している。特に強い方面は、レイテンシーが極めて低いネットワーキングを必要とする企業のためのソリューションで、主に1日中非常に高い頻度で取り引きをやってるような企業だ。Ciscoは、Exablazeの技術を自己の製品に統合していく計画だ。

Ciscoの企業開発部門のトップであるRob Salvabno(ロブ・サラヴァブノ)氏は「Exablazeのこの分野でトップの超低レイテンシーのデバイスとFPGAベースのアプリケーションが弊社のポートフォリオに加われば、金融やHFT(高頻度取引)の分野の顧客は自己の事業目的を達成しやすくなり、彼らの顧客価値提案を実現できるようになります」と語る。

2013年創業のExablazeは、オフィスがシドニーとニューヨークとロンドンと上海にある。金融取引は同社のソリューションの真っ先に思い浮かぶ用途だが、同社によるとビッグデータの分析やハイパフォーマンスコンピューティング、そして通信の業界にもユーザーがいる。

Ciscoの計画では、Exablazeは同社のデータセンター用スイッチであるNexusのポートフォリオに加わる。また同社によると、Exablazeを現在のポートフォリオに統合することに加え、両社共同で次世代のスイッチの開発に取り組む。そこでは特に、AIやML方面の用途を重視し、新しい需要を開拓する。

Exablazeの共同創業者で会長Greg Robinson「グレッグ・ロビンソン)氏は「この買収によってCiscoのグローバルなリーチと営業力、サポートチーム、幅広い技術と生産ベースに、さらにExablazeの最先端の低レイテンシーネットワーキングとレイヤ1スイッチング、タイミングとタイム同期化技術、そして低レイテンシーのFPGA専門技術が加わることになるのだ」と説明する。

いつも買収を狙っているCiscoは、これで今年の6つめの買収になる。多くはソフトウェア企業だが、Acacia Communicationsの場合は、光相互接続方面のファブレス半導体企業の買収意図を示した。

[原文へ]

(翻訳:iwatani、ak.a. hiwa

自動運転車を開発のWaymoが模倣学習のLatent Logicを買収、シミュレーション技術を深化

自動運転車を開発中のWaymo(ウェイモ)が、オックスフォード大学のコンピューターサイエンス学部からスピンアウトした英国の企業、模倣学習によるシミュレーション技術を開発しているLaten Logic(ラテン・ロジック)を買収した。Waymoはこれまでも、シミュレーションの技術を強化する方法を探していた。

この買収を契機にWaymoは、英国のオックスフォードにヨーロッパで初めてのエンジニアリングハブを立ち上げる。ただしこれでWaymoのヨーロッパと英国への進出と投資が一段落するわけではなく、元Googleの自動運転プロジェクトで今やAlphabet傘下の企業である同社は、英国とヨーロッパでチームを成長させる機会を今後も求めていくことを表明している。

今年の前半にWaymoは、ルノーおよび日産との独占的パートナーシップにより、フランスと日本における自動運転による商用の乗用車と貨物車の、あるべき仕様について研究していくことになった。10月にWaymoは、パリにおける自動運転用交通ルートの整備についてルノーと共同研究していると発表した。

Waymoはその自動運転車開発事業の柱の1つとしてかねてからシミュレーションを挙げていたが、Latent Logicは模倣学習と呼ばれる機械学習の方法により、Waymoが行うシミュレーションをより現実に近いものにするだろう。

模倣学習の模倣は主に人間を模倣するという意味なので、Waymoの場合は車を運転している人や自転車に乗ってる人、そして歩行者の行動をモデル化する。重要なのは、人間を模倣するとその間違いや不完全な運転操作なども模倣して、よりリアルなシミュレーションになるので、Waymoの行動予測や事前対応のシステムの改善が期待されることだ。

Waymoは買収の財務的詳細を公表しないが、Latent Logicの二人の創業者であるShimon Whiteson(シモン・ホワイトソン)氏とJoão Messia(ジョアン・メシア)氏、CEOのKirsty Lloyd-Jukes(カースティ・ロイド・ジュークス)氏、そして主な技術者たちはWaymoに行くようだ。Latent Logicのチームは、オックスフォードに留まる。

Latent Logicの共同創業者でチーフサイエンティストのホワイトソン氏は「Waymoへの参加により、安全な自動運転車という私たちの夢が実現に向けて大きく飛躍する。模倣学習を使って路上の本物の人間をシミュレートすることにより、わずか2年で私たちは有意義な進歩を遂げた。私たちのこの知見とWaymoの人材、リソース、そして自動運転技術においてすでに達成した進歩を組み合わせて達成できることに、私たちは今からとても興奮を覚えている」と述べている。

[原文へ]

(翻訳:iwatani、a.k.a. hiwa

なぜAWSはMIDIキーボードを売って機械学習を教えようとするのか

今週の初めにAWSは、AIを勉強して音楽を作るウェブ上の一連のツールと、メロディーを入力するための99ドルのMIDIキーボードを組み合わせたDeepComposerをローンチした。しかしそのローンチはかなりの混乱を招いたので、私たちはAWSのAI DevicesグループのディレクターであるMike Miller(マイク・ミラー)氏に会って、DeepComposerが同社の一連のAIデバイスの中でどんな位置づけになるのかを聞いてみた。そのほかのAIデバイスとしては、DeepLensカメラAIカーのDeepRacerなどが挙げられるが、どちらも、AIの特定のコンセプトをデベロッパーに教えることが目的だ。前者は画像認識、後者は強制学習に特化している。

まず重要なのは、DeepComposerが学習ツール(教材)であることだ。ミュージシャンではなく、生成AIについて学びたいエンジニアが使う。「世界初のデベロッパーのための機械学習対応の音楽用キーボード」というAWSの説明はあまり理解の助けにならないが、キーボードそのものはごく普通のMIDIキーボードだ。それ自身に人工知能はない。AIの仕事はすべて、クラウドで行われる。

ミラー氏は「目標は生成AI(Generative AI)を、機械学習の最近10年間の最も興味深いトレンドとして教えることだ。具体的にはそれはGANs(Generative Adversarial Networks、敵対的生成ネットワーク)のことで、2つのネットワークが一緒に訓練される。我々から見て興味深いのはそれが極めて複雑で、デベロッパーが2つを一緒に訓練するとき、機械学習のモデルの訓練に関するいろんな要素が絡み合っているからだ」と語る。

DeepComposerを使ってデベロッパーは、学習の基礎的な過程を一歩一歩学んでいく。キーボードから単純なメロディーを入力できるが、実際はそれをする必要はない。画面上のキーボードから第九交響曲の歓喜の歌などのデフォルトのメロディーを入れてもいい。そしてデベロッパーが曲調を指定すると、そのメロディーに合った伴奏をシステムが生成する。物事を単純化するためにこのシステムは、曲の速さや音の強弱など一部の要素を無視する。だからこれは、ミュージシャンが使う楽器ではない。しかしもっと重要なのは、デベロッパーが、システムが生成したモデルを調べられることだ。それらをJupyter Notebookにエクスポートすることもできる。

DeepComposerの目的にとってMIDIデータは、デベロッパーにGANsとSageMakerについて教えるためのデータソースの1つにすぎない。後者のSageMakerは、楽屋裏でDeepComposerを動かしているAWSの機械学習プラットホームだ。

ミラー氏によると「MIDIファイルを訓練用に使うことの利点は、訓練に使うデータの表現が、画像などの中のデータ表現と同じ形式であることだ。だからとても使いやすく(画像などとの)類似性がある。デベロッパーがSageMakerのnotebookを見てデータのフォーマッティングとその渡し方を理解すると、それを他の分野にも応用できる」とのこと。

そこでこのツールは、損失関数やアナリティクス、そして受容できる結果を得ようとしてトライしたときのさまざまな結果など、あらゆる生データを露出する。当然ながら音楽を作る道具でもあるので、ピッチや空の小節など、音楽に関するデータも露出する。

「デベロッパーはSageMakerのモデルを学ぶと思うので、音楽ではない他の分野への応用でも、自分で比較的楽にモデルを作れるようになるだろう」と同氏は語る。

これまでの結果を聴いたかぎりでは、DeepComposerからヒット曲が生まれることはないだろう。ドラムスのトラックは上手だが、ベースラインにはエラーがある。でも、機械学習のテクニックのデモとして見ればなかなかクールだ。個人的感想としては、DeepRacerほどの人気者にはならないだろう。DeepRacerは単純明快だから、多くのデベロッパーが気に入りそうだ。それに対し楽器の演奏は、苦手な人は苦手だろう。

追加記事提供:Ron Miller

関連記事
AWSが開発者向けの機械学習キーボード 「DeepComposer」 を発表
Why AWS is building tiny AI race cars to teach machine learning(なぜAWSは機械学習を教えるために小さなレースカーを作るのか、未訳)
AWSが機械学習のためのミニレースカー「DeepRacer」をアップデート
Amazonが開発者たちに機械学習を教えるために、縮小版自動運転車を発表

[原文へ]

(翻訳:iwatani、a.k.a. hiwa

AWSが機械学習を利用する企業向け検索ツール「Kendra」を発表

12月3日に開催されたのre:InventでAWSは、Kendra(ケンドラ)と呼ばれる新しい検索ツールを発表した。機械学習を利用してコンテンツのさまざまなリポジトリーを自然言語で検索する。

AWSの人工知能担当副社長であるMatt Wood(マット・ウッド)氏によると、この検索ツールは機械学習を使うけど、ユーザーは機械学習の専門知識をまったく必要としない。その部分は、ボンネットの下に隠されたままだ。

ユーザーはまず、コンテンツのリポジトリーを指定する。それはS3のストレージでもOneDriveでもSalesforceでも何でもいい。AWSは既製のコネクターをいろいろ提供しているので、ユーザーは自分の認証情報でAWSにアクセスし、これらのさまざまなツールに接続できる。

Kendraは自分が接続されたリポジトリーに見つけたコンテンツのインデックスを作り、ユーザーは自然言語のクエリを使ってこの検索ツールとの対話を開始できる。このツールは時間などの概念を理解するので「When is the IT Help Desk is open」(ITのヘルプデスクはいつオープンしているか)と質問すると時間であることを理解し、正しい情報をユーザーに渡す。

この検索ツールがすごいのは、機械学習を使っているだけでなく、ユーザーのフィードバックから自動的に学習して、良い回答と改良を要する回答を見分けられることだ。フィードバックは、笑顔や悲しい顔などの絵文字でもいい。

この検索ツールをセットアップしたら、会社のイントラネットに検索機能を持たせたり、アプリケーションの中で使ったりできる。タイプアヘッド(先行入力、候補文字をユーザー入力よりも前に表示する能力)など、検索ツールにあるべき機能はほぼそろっている。

[原文へ]
(翻訳:iwatani、a.k.a. hiwa

AWSが機械学習のためのミニレースカー「DeepRacer」をアップデート

AWSは2018年に開催したデベロッパーカンファレンス「re:invent」で、超小型のレースカーと、それらがレースするリーグを作った。それは、デベロッパーたちに、機械学習を楽しく教えるための教材だ。2019年のre:Inventは来週始まるが、それに先駆けて同社は米国時間11月27日、その車とレースのスケジュールのアップデートを発表した

AWSでバイスプレジデント兼チーフエバンジェリストを務めるJeff Barr(ジェフ・バー)氏はブログで「AWSのイベントで競走する機会を増やし、またユーザー主催のさまざまなイベントのマルチカーレースでも単なる計時ではなく実際の競走で勝てるように、DeepRacerのセンサー能力を強化してアップグレードした」と書いている。

まず、DeepRacer Evoというニューモデルが登場した。2018年のオリジナルモデルの拡張バージョンで、ステレオカメラとLIDAR(ライダー)がある。バー氏によると、これらのセンサーは単なる飾りではない。

「ライダーや立体カメラを加えて、障害物の発見と対応能力を強化した。ほかのDeepRacerも見つけることができる。これによってデベロッパーは、強化学習というエキサイティングな分野を勉強できる。それは自動運転に適した機械学習の方法だ」と同氏。

すでにオリジナルのDeepRacerを持ってる人は、センサーアップグレードキットを買って改造してもいいし、新たにDeepRacer Evoを買ってもいい。どちらも発売は来年だそうだ。

このような車を提供するからには、競走の機会も必要だ。そこで、レーシングリーグがある。同社の計画では、来年はレースの回数を増やし、レースの種類も増やす。昨年はスピード競走だけだったが、強力なセンサーが加わったことを生かして、障害物を避ける能力の競争のほか、前年のように1台ずつ計測されるスピードではなく実際に複数の車による文字どおりのレースを開催する。

AWSの人工知能と機械学習担当のゼネラルマネージャーであるRyan Gavin(ライアン・ギャビン)氏が、今年の早い時期にTechCrunchのライターであるFrederic Lardinois(フレデリック・ラルディーノア)に「このミニレースカーを作ったのはデベロッパーたちに高度な技術を学んでもらうためだ」と述べている。

そのときギャビン氏は「機械学習の面白さを多くのデベロッパーに知ってもらうために何ができるか、いつも考えていた。そしてこのレースカーは、彼らの食いつきがとてもよくて、すぐにレースが始まった。そして私たちも、この楽しくて面白いやり方で強化学習をデベロッパーに学んでもらえるだろう、と気づいた。そのためには、レースをもっと競走性のある本物のレースにしなければならない。世界初の、自動運転によるレーシングリーグだ。世界中から集まったデベロッパーが、互いに自分の車を持ち込んで競走するだろう」と語っていた。

来週のre:Inventでは、DeepRacerの出番が多い。すでに持ってる人たちによる予選レースもあるし、もちろん決勝もある。初心者にはAWSが、DeepRacerの特訓コースとワークショップを提供する。

関連記事
Amazonが開発者たちに機械学習を教えるために、縮小版自動運転車を発表
Why AWS is building tiny AI race cars to teach machine learning(なぜAWSは機械学習を教えるためにAI内蔵レースカーを作ったのか、未訳)

画像クレジット: Amazon

[原文へ]

(翻訳:iwatani、a.k.a. hiwa

MITの科学者が1年で10万回の反復実験が可能なロボットを開発

科学はエキサイティングなはずだが、実際にはおそろしく退屈なこともある。何千回も同じことを繰り返す実験もあるが、そんなものは自動化してほしいところだ。そこでMITの科学者が作ったロボットは、ある種の実験の結果を観察し、フォローアップを計画する。このロボットは、最初の1年で10万回の実験を行った。

流体力学という分野は、大量の複雑で予測不可能な力を扱い、それらを理解する最良の方法が同じことを何度も繰り返して一定のパターンを見つけることだったりする。これはあまりにも単純化した言い方だが、ここでは流体力学の詳しい説明はやめておこう。

繰り返して観察することを要する現象のひとつが、渦励振動(Vortex-Induced Vibration)だ。この一種の撹乱現象は、たとえば水上をより滑らかに効率的に航行する船を設計するときなどに重要になる。そのためには、船が水の上を進む様子を何度も何度も観察しなければならない(自動車のボディーの空気抵抗を減らすためにも、同種の実験を行う)。

でもこれは、ロボットにぴったりの仕事だ。しかもMITの科学者がIntelligent Tow Tank(インテリジェントな曳航水槽、ITT)と名付けた実験用ロボットは、水上で何かを引っ張るという物理的な仕事をするだけでなく、結果を知的に観察し、ほかの情報も得るためにセットアップを変え、価値ある報告が得られるまでそれを繰り返す。

今日Science Robotics誌に掲載された彼らの研究論文には「ITTはすでに約10万回の実験を済ませており、本質的には博士課程の学生が在学中に2週間ごと実施する実験を完了しています」と書かれている。

ロボット本体の設計よりも難しかったのは、流体系の表面の水流を観察して理解し、より有益な結果を得るためにフォローアップを実行する部分のロジックだ。通常は人間(院生など)が毎回の実行を観察してランダムに変わるパラメータを計り、次にどうするかを決める。でもその退屈でかったるい仕事は、優秀な科学者に向いているとは言えない。

だからそんな機械的な繰り返し作業はロボットにやらせて、人間は高レベルの概念や理念にフォーカスすべきだ。彼らの研究論文は、同じように実験を自動化するCMU(カーネギーメロン大学)などのロボットを紹介している。

彼らの研究論文では「これによって、実験を伴う研究にパラダイムシフトがもたらされ、ロボットとコンピューターと人間がコラボレーションして発見を加速し、これまでのやり方では無理だったような大きなパラメータ空間でも迅速かつ効果的に探索できるようになるだろう」と書かれている。インテリジェントな曳航水槽を記述している研究論文はここで読める。

[原文へ]

(翻訳:iwatani、a.k.a. hiwa

AWS Translateが新たに22の言語と6つのリージョンをサポート

AWSは、来週ラスベガスで行われる例年のデベロッパーカンファレンスre:Inventに先駆けて、そのニュースを流しておきたいようだ。新たに登場するIoTサービスや、AIサービスRekognitionのアップデートなどと並んで米国時間11月25日の同社の発表によると、AWS Translateサービスに22の新しい言語が加わり、新たに6つのリージョンでも提供されることになった。

すでに一般的に供用されているその新しい言語は、アフリカーンス語、アルバニア語、アムハラ語、アゼルバイジャン語、 ベンガル語、ボスニア語、ブルガリア語、クロアチア語、ダリー語、エストニア語、カナダフランス語、グルジア語、ハウサ語、ラトビア語、パシュトー語、セルビア語、スロバキア語、スロベニア語、ソマリ語、スワヒリ語、タガログ語、そしてタミル語だ。これら22の言語により、今やこのサービスがサポートする言語は54言語、言語ペアは2804となる。

また新たな供用区域として、US West(米国西部)/N. California(北カリフォルニア)とEurope(ヨーロッパ)/London(ロンドン)、Europe(ヨーロッパ)/Paris(パリ)、Europe(ヨーロッパ)/Stockholm(ストックホルム)、Asia Pacific(アジアパシフィック)/Hong Kong(香港)、およびAsia Pacific(アジアパシフィック)/Sydney(シドニー)が加わり、計17のリージョンで可利用になった。これにより多くのユーザーがテキストをそれが保存されているところで翻訳でき、他のリージョンへ行かなくてもよくなった(それには新たな費用が発生する)。AWS Translateの無料ティアは200万文字12か月までである。

[原文へ]

(翻訳:iwatani、a.k.a. hiwa

マイクロソフトがニュージーランド政府と協力し機械翻訳にマオリ語を加える

機械翻訳が便利なことは誰でもわかるし、誰でも体験できる。しかし、この実用アプリケーションは、テクノロジーがもたらす価値のほんの一部にすぎない。Microsoft(マイクロソフト)とニュージーランド政府は、マオリ語を保存し、できればそれに新しい命を吹き込むために、機械翻訳が役に立つことを示そうとしている。

Te reo Māori(テ・レオ・マーオリ、マオリ語)は、ニュージーランド最大の原住民コミュニティの言語だ。しかしどこでもそうだが、マオリも何世代にもわたって植民者の優勢な文化に同化していくにつれて、言葉も次第に忘れ去られようとしている。

マオリ族は人口の約15%を占めるが、マオリ語を話すのはその4分の1にすぎない。ニュージーランドの全人口の3%だ。国はマオリ語の教育を幅広く推進してこの傾向を逆転し、その適切な保存のための策を講じようとしている。

マイクロソフトとニュージーランドのマオリ語委員会であるTe Taura Whiri i te Reo Māoriが数年間協力して、同社のソフトウェアにこの消え行く言語が含まれるよう努めている。このパートナーシップの最新のイベントが、マイクロソフトの翻訳サービスへのマオリ語の導入だ。このサービスがサポートしているそのほかの60の言語とマオリ語との間で、互いに自動的な翻訳ができる。

自動翻訳は、コンテンツや仕事の理解を助け、また埋もれていたドキュメントを探究できるようにするから、インクルージョンと教育のための強力な力になる。

精確な翻訳モデルの作成は、どの言語でも難しい。そしてその鍵は、互いに比較できるコーパスをたくさん用意することだ。そこで開発の重要な、そして委員会が助けになる部分は、コーパスを集めて質のチェックを行い、正しい翻訳ができるようにすることだ。しかし、その言葉がわかる人が少ないと、フランス語とドイツ語の翻訳サービスを作ることなどに比べて作業はより困難になる。

この事業におけるマオリ語話者の一人、ワイカト大学(University of Waikato)のTe Taka Keegan(キーガン)氏は、マイクロソフトのブログ記事で以下のようにコメントしている。

このマオリ語ツールの開発は、長年共通の目標に向けて尽力した多くの人々なくしては不可能だったでしょう。私たちの仕事によって、ニュージーランドの未来の世代のためにマオリ語の再活性化と正規化がもたらされるだけでなく、マオリ語が世界中で共有され学ばれ、価値を認められるようになることを望みます。私たちが用いるテクノロジーが私たちの文化の伝統を反映強化し、そして言葉がその心になることが、極めて重要です。

今は世界の各地で、死にゆく言語が増えている。それをすべて防ぐことはできないにしても、テクノロジーがそれらの記録と使用を助けて、どんどん数が減っている現用言語と共存させていくことは可能だ。マオリ語翻訳事業は、マイクロソフトのAI for Cultural Heritage(文化の継承のためのAI)事業の一環だ。

画像クレジット: Microsoft

[原文へ]

(翻訳:iwatani、a.k.a. hiwa

ロボットアームの動きは適度に遅いほうが不気味の谷現象を防げる

ロボットアームは空中に投げた物でもつかめるほど速く動けるが、でも実際にそうすべきだろうか?Disney Research(ディズニー研究所)が行った実験によると、ロボットを操作している人間を不安がらせないためには、そこまですべきでない。同研究所のロボット技術者たちは、人間が正常と感じるためにはロボットの反応時間を遅くした方がいいことに気づいた。

ディズニーはもちろん、何十年も前からロボットに関心があり、そのテーマパークにおけるオートメーションは世界でもっとも有名なロボットの一部だ。でもそれらのロボットには、人間と直接対話する機会がほとんどない。そこで同社の研究所は一連の研究プロジェクトにより、安全でしかも不気味ではない、ロボットと人間の共存を研究してきた。

今回の研究テーマは、ロボットに物を手渡すとき、怖がらずに自然にそれができるためにはどうするかだ。もちろん、人間がチケットや空のカップなどに手を伸ばしたとき、ロボットが電光石火のスピードで間髪をいれずそれらをつかみ取ったら、危険であるだけでなく人間は恐怖を感じるだろう。

関連記事:投げられたラケットなどもキャッチできるスーパー・ロボットアーム登場

そこで、この場合の、擬人化された猫に取り付けられているロボットアームは、正常な人間の速さで動く。しかし、でも、いつその腕を伸ばすべきか? 実験で分かったのは、人間は自分に何かが手渡されようとしていることの認識に1秒を要し、その後手を伸ばしてそれをつかむ。コンピュータービジョンのシステムなら、物を認識して手を伸ばす動作がもっと速いが、それは人間が見ると奇妙に感じる。

研究者たちが行った実験では、ロボットが人間からリングを受け取るスピードや遅延を三種類に変えてみた。

ロボットの手の動きが速いと、人間はそれを「温かみがなくて不快」と感じた。遅い速度が一番好評だった。ロボットの手の動きに初動時の遅延がないと、それも人間にとっては不安だった。ただし遅延が長すぎると、やはり不安が生じた。

誰かの手が自分のほうへ伸びてきて自分の手から何かを取ろうとするときには、そのための快適な間合いがあることがわかった。その動きはある程度遅いほうが良い。適度に遅くてしかも遅すぎないことが、人間らしさを感じさせる。

この手渡しシステムは、米国時間11月7日に発表される研究論文に詳しく説明されている。実験はしっかりとした日常的環境で行われ、物の動きや予期せざる力などもある。ディズニーワールドのカフェでおしゃれキャットのロボットが、あなたの手からマグを取り上げるようになるのはまだ先の話だが、でもそのロボットの手の動きが人びとを怖がらせるほど「目にも止まらぬ速さ」ではないことは、これで確実になった。

画像クレジット: Disney Research

参考記事: 不気味の谷現象

[原文へ]

(翻訳:iwatani、a.k.a. hiwa

デリバリーロボが地図なしで配達先のドアを自力で見つける方法

MITの研究者が開発した新しい行路発見方法は、さまざまな業界で客先まで物を届けなければならないロボット、いわゆるデリバリーロボットにとても役に立つ。彼らが考案したのは、前もって地図が与えられていなくてもロボットが客先の入り口のドアを見つける方法だ。

今ある自走デリバリーロボットの多くは、Starshipが開発してその後Postmatesなど多くの企業が採用した、車輪付きクーラーボックスタイプも含めて、顧客が外の路上に立っていなければならない。しかし未来のデリバリーロボットが自力でドアまで辿り着くためには、人間の配達員と同じく詳細な地図的能力(マッピング能力)だけが問題ではない。

MIT Newsによると、正確に客先のドアまで行けるためにご近所全体のマッピングができる能力は、それを全国レベルあるいは全世界レベルで実現しようとすると非常に難しい。それは一般的に難しいだけでなく、個々のユーザー企業の特殊性に合わせたマッピング能力ともなると桁違いに難しい。そこで研究者チームは詳細なマッピング方式を諦め、ロボットが現場で周囲の情報を処理してドアの場所を見つける方法を考えた。

これは、SLAM(Simultaneous Localization And Mapping)と呼ばれる方法の変形だ。MITのチームはちょっとした工夫により、ロボットがまわりの物を見つけてそれにラベルを付けていくセマンティックマップではなく、「前進するコスト」のマップというものを考案した。それは、訓練用の地図から得られたデータを使ってロボットが自分の身の回りのヒートマップを作る。そしてその色分けマップの中に「いちばん正面ドアらしいもの」を見つけ、そこへの最も効率的な経路を割り出す。

私たち人間も、初めて訪れる家では「家の正面ドアとはこんな形をしていて壁のどこそこにあるものだ」という過去の知識に基づいて入り口のドアの所在を判断する。MITのデリバリーロボットは、それと似たことをする。それはどちらも思考力を使わない直感的な判断だ。

ロボットが既存の地図に頼らずにAI的な能力で自分の周囲の環境を判断できることには、今後いろんなユースケースがありうる。でも商用のユースケースとして今のところいちばん需要が大きいのは、デリバリーロボットだろう。

[原文へ]

(翻訳:iwatani、a.k.a. hiwa

古代ギリシアの石板の解読をAIが助ける

機械学習とAIは、太陽系外惑星を見つけたり、写真のように本人そっくりの人間の画像を作ったりといった派手な業績が強調されがちだが、でも同じ技術が学術研究の意外なところでも利用されている。DeepMindが作ったAI systemは、壊れた石板の上に彫られている古代ギリシアの断片的なテキストを再現し、学者たちが理解できるようにした。

これらの粘土や石や金属に文字が彫られたのはおよそ2700年前で、今では歴史学や文学、人類学などにとって貴重な一次史料だ。板は当然文字で覆われているが、何千年という時間によって、割れたりひびが入ったりしているだけでなく、破片の一部がなくなっていることもある。

そのような欠落は、容易に補完できることもある。例えば「sp_der caught the fl_」と書いてあったら、誰でもそれが「spider caught the fly」(蜘蛛が蠅を捕らえた)だとわかるだろう。でも、なくなっている文字がもっと多くて、しかも古代の言語だったらどうか。欠落を補完するのは容易でない。

それをやる科学とアートを金石学(Epigraphy、碑文研究)と呼び、その言語に対する直観的な理解力によって文脈を捉える。つまり、残っている文字やテキストを手がかりにして、何が書かれていたかを推測する。でもそれは骨の折れる難しい仕事だ。その仕事は、大学院生たちがやらされることが多い。かわいそうに。

今回彼らを助けてくれたのが、DeepMindの研究者たちが作った Pythia(ピューティアー)というシステムだ。それは、デルファイの神託に従って太陽神アポロの言葉を人びとのために翻訳したとされる、女性神官の名前だ。

チームは最初、古代ギリシア語の碑文の世界最大のコレクションを、機械学習のシステムが理解できるテキストに変換するパイプラインを作るという前例のない困難な作業に取り組んだ。それができればあとは、文字の並びを正確に推測するアルゴリズムを作るだけだ。上であなたが、蜘蛛(Spider)と蠅(Fly)を推測したように。

院生たちがやる場合と同じくPythiaにも、本物のテキストを一部意図的に削ったものが渡される。学生たちは約57%の精度でテキストを正しく推測する。1つの断片に対して何度も繰り返す時間のかかる作業だが57%は悪くない。これに対しPythiaの正解率は30%だった。

ただしPythiaの場合は、近似度が高い上位20の答の中に正解がある率が73%だった。それほどすごいとは言えない成績だが、20の答の中に正解が必ずあることは人間がやっても難しい。

greek process

Pythiaのシステムは、その仕事を完全に自分だけでやるわけではない。また、その必要もない。それは、人間がやったことを手がかりにする。そしてそれらに基づいて、石板の欠落部分を推測するための訓練を行う。つまり人間をリプレースするのではなく、人間の能力を補強する。

Pythiaの答は、最初は正しくないことが多い。でもそれは、難しい欠落と悪戦苦闘している人間にいいヒントや手がかりを与える。人間の認知労働力を軽減することによってそれは、テキスト復元努力のスピードと精度を上げるだろう。

Pythiaを記述している研究論文はここで読める。彼らが作ったソフトウェアの一部は、GitHubのリポジトリにある。

画像クレジット: DEA/ARCHIVIO J. LANGE/Contributor/Getty Images

[原文へ]

(翻訳:iwatani、a.k.a. hiwa

OpenAIの人間的なロボットは片手でルービックキューブを解く

ルービックキューブをもっと速く解く変わったやり方という話題には、いつも独特のかったるさがある。目隠しをしたり、ジャグリングをしながらだったり、片手だったり、やり方はさまざまだが、やってる人は真剣でも、どことなく目立ちたがり屋の雰囲気が伴う。

OpenAIも、目立ちたがり屋の仲間入りをしたかったようだ。彼らが作ったロボットハンドDactyl(ダクティル、動物の指)も、ルービックキューブを解けるのだ。

イーロン・マスク氏などが支援するこの非営利団体は、ロボットハンドがルービックキューブを片手で解くことを学習した、と発表した。その偉業は、このロボットがとくにキューブ(立方体)を上手に扱うことのデモンストレーションでもある。この前は、このロボットが現実世界での訓練なしで、仮想シミュレーションだけで未知のオブジェクトと対話するところを見た。そして今度のDactylは、その能力をベースに、新しい技を学習した。

関連記事:OpenAI’s robotic hand doesn’t need humans to teach it human behaviors(OpenAIのロボットハンドは人間がいなくても人間の動きを教えられる、未訳)

ロボットがルービックキューブを分析してその解き方を見つけることと、さまざまな条件下で実際にその動きができることは次元が違う話題だ。しかし、解き方を「学習する」ということは、例えば指が全部縛られているなどの深刻な障がいがあっても、システムが自分で自分を調整してパズルを解く過程を見つけることだ。Dactylにはそれができる。

まだ欠陥はあるし、人間の世界チャンピオンに勝つのはまだ無理だが、下のビデオではロボットハンドがルービックキューブを4分足らずで解いている。やはり相当すごい。

[原文へ]

(翻訳:iwatani、a.k.a. hiwa

MITが米商務省のブラックリストに載った中国のAI企業SenseTimeとの関係を見直す

マサチューセッツ工科大学(MIT)によると、同大は現在、中国のムスリム系少数民族に対する人権侵犯の疑いで米商務省のエンティティリストに載せられた8つの中国企業のひとつであるSenseTimeとの関係を見直している。

MITのスポークスパーソンはBloomberg(ブルームバーグ)に次のように語っている。「MITには長年、堅固な輸出管理機能があり、輸出管理に関する規制やコンプライアンスを常時注視している。MITは合衆国商務省のエンティティリストに加えられた団体とのすべての既存の関係を見直し、必要に応じてその関係のあり方を変更する」。

SenseTimeの代表者はBloombergに対し「合衆国商務省のこの決定には深く失望している。すべての関係当局と密接に協働して、状況を完全に理解し解決したい」とコメントしている。

ブラックリストに載ったいくつかの企業は、ウイグル族などのムスリム少数民族を迫害するために中国政府が使ったと思われる大量監視システムにソフトウェアを供給した、中国の技術的にも業績的にも上位のAI企業である。

現在100万人以上のウイグル族が収容所に拘置されていると信じられている。人権監視活動家の報告によると、彼らは強制労働や拷問に苦しめられている。

SenseTimeは時価総額が世界最大のAI企業で、CCTVカメラなどを使用する中国政府の国営監視システムにソフトウェアを提供した。同社は昨年ローンチしたMITのIntelligence Quest構想に最初に参加した企業で、それは「世界の大きな課題に直面する可能性のあるAIに技術的突破口を開くこと」を目標としている。この計画はこれまで、MITの研究者たちによる27のプロジェクトに資金を提供した。

今年の初めにMITは、経済制裁に違反したとされるファーウェイとZTEとの業務関係を終了した

[原文へ]

(翻訳:iwatani、a.k.a. hiwa

グーグルがポーランドに新しいクラウドリージョン開設

Google(グーグル)は米国時間9月28日、ポーランドのワルシャワにクラウドの新たなリージョンを開設し、中欧と東欧の顧客へのサービスを充実させると発表した

Googleはこれまでもデータセンターの物理的な供用域の拡大に努めており、今回の動きもその一環だ。数日前に同社は、今後2年間でヨーロッパだけでもそのデータセンターのプレゼンスに33億ドル(約3600億円)を支出すると発表したばかりだ。

Google Cloudには現在、20のリージョン(各地域で独立したクラウド領域)と61のアベイラビリティーゾーン(リージョン内で独立したクラウド領域)がある。Googleのそのほかのリージョンとほぼ同様に、ワルシャワには3つのアベイラビリティーゾーンがあり、Google Cloudの標準的コアサービスのすべてをローンチする。それらは、Compute Engine、App Engine、Google Kubernetes Engine、Cloud Bigtable、Cloud Spanner、そしてBigQueryだ。

ポーランドに新しいリージョンを立ち上げるために同社は、Domestic Cloud Provider(DCP)をパートナーとする。この地元のクラウドプロバイダーはChmury Krajowejとも呼ばれ、Polish Development FundとPKO Bank Polskiのジョイントベンチャーだ。DCPはこの国におけるGoogle Cloudの販売代理店になり、Googleのインフラストラクチャを利用するマネージドサービスを構築する。

Google CloudのCEOであるThomas Kurian(トーマス・クリアン)氏は「ポーランドは今急ピッチでデジタル化を加速しており、今やソフトウェアエンジニアリングの国際的なハブだ。DCPとの戦略的パートナーシップおよびGoogle Cloudのワルシャワ新リージョンはともに、ポーランドのデジタル経済振興に向けての我々の積極的関与を表しており、ポーランドの企業にとって可用性の高い有意義なアプリケーションを顧客のために作っていくことが、なお一層容易になる」と語る。

[原文へ]

(翻訳:iwatani、a.k.a. hiwa

GoogleアシスタントでXbox Oneをコントロールできる、次はWindows 10か

Microsoft(マイクロソフト)が同社のデジタルアシスタントCortana(コルタナ)に執着していたのは、そんなに昔の話ではない。でもそれは勝てる賭けではなかった。しかし、いわゆる新しいマイクロソフトの真骨頂は、自分が勝てなければすでにユーザーが実際に使ってるものを何でも統合するところにある。今日同社は、Xbox OneをGoogleアシスタントからコントロールできると発表した。まだそれはベータだが、今秋中には正式のローンチになるようだ。

ただしそれは、Xbox OneからGoogleアシスタントを使えるという話ではなくて、GoogleアシスタントからXboxのゲームを立ち上げたり、ポーズしたり、ボリュームを上げたりできるのだ。(今は英語のみ。「Hey Google, turn off Xbox」とか。

使えるコマンドのリストが、このページを参照してほしい。

a9nfhgsxpxo31

デバイスはiOSやAndroidのスマートフォンなど、アシスタント対応デバイスなら何でもいい。最初はAndroidやiOSのGoogle HomeアプリでXboxをセットアップする。これでXbox Oneがアシスタントのエコシステムの一員になる。つまり、アシスタントからコントロールできる。

なお、消費者市場でCortanaをギブアップしたマイクロソフトはAmazon(アマゾン)とも協働してAlexaをWindowsから使えるようにした。つまりマイクロソフトにとって重要なのはユーザーが同社のデバイスやWindows 10を使っていることであり、それを何でコントロールしているかはどうでもいい。だからXboxに次いでPCにもGoogleアシスタントが来るのは時間の問題だ。Windows 10がGoogleアシスタントを完全にサポートするかもしれない。

関連記事: AmazonがAlexaイベントで発表したものたち

[原文へ]

(翻訳:iwatani、a.k.a. hiwa

ミシガン大学が釘打ち機能内蔵ドローンを開発中

FAA(米連邦航空局)は、ドローンに火炎放射器や拳銃などの武器を装備することに罰則を設けた。でも、ネイルガンは武器だろうか?シューティングゲームのQuake以外でも?そうではないことを望みたい。ミシガン大学のロボット工学者たちが、屋根板を屋根に釘打ちする機構(ネイルガン)を備えたドローンを開発した

大学のドローンテスト施設で撮られたビデオを見ると、離陸した同機は屋根の先端へ接近し、慎重にネイルガンを打ち込み、やや後退してからさらに二度釘を打ち込んだ。

現状は単なるデモンストレーションで、改良の余地は大きい。ドローン自身がカメラを搭載せず、位置を固定したカメラのシステムと近くのマーカーでドローンの位置を知り、次の場所を指示している。

現在のところ開発のごく初期段階だが、いずれはこういったドローンが内蔵カメラなどを使って、次にタッチダウンする場所を見つけるだろう。コンピュータービジョンの技術は今とても進歩しているから、屋根瓦のコーナーを見つけるなんて朝飯前だろう。

いまはまだ、ドローンは自由飛行しているし電動ネイルガンを使っているので、10分ぐらいしか飛べず、数ダースの釘しか打ち込めない。電力を本体外部からケーブルで供給すれば、もっと長く飛べて、しかも強力なエアネイルガンを使えるだろう。

関連記事:That night, a forest flew(山火事の跡地にドローンで植林する、未訳)

ドローンはすでに、いろんな産業で使われている。ビルを検査し、木を植えている。そしてこの実験で、また1つ用途が広がった。屋根葺きは単調でしかも危険な作業だから、エキスパートが監視しコントロールするドローンにやらせるのがベストだろう。

ミシガン大学のMatthew Romano(マシュー・ロマーノ)氏らが書いたこのドローンの研究論文(PDF)は、今年のInternational Conference on Robotics and Automation(ロボティクスとオートメーションに関する国際会議)にも提出された。

画像クレジット:ミシガン大学

[原文へ]

(翻訳:iwatani、a.k.a. hiwa

FarmWiseの全自動除草ロボットが脱プロトタイプに向けて15億円を調達

農業の自動化は作業が多様だから難しいが、そんな中で良い仕事をしているロボット企業や自動操縦企業もいくつか存在する。例えば、投資家たちに関心を持たれたFarmWise(ファームワイズ)はこのたび1450万ドル(約15億円)を調達して、その自動運転除草車の開発を継続している。

今はまだプロトタイプだが、その車は大量の材木伐採労働者を運ぶ車両のように見える。でも実際にはかなり精密な装置で有害な雑草と作物を見分け、雑草だけを慎重に引き抜く。

FarmWiseのCEO Sebastien Boyer(セバスチャン・ボイヤー)氏は最新の資金調達を発表するプレスリリースで「1台のFarmWiseのロボットが1日に人口40万人ぐらいの中都市の人びとを養えるだけの作物の農地を除草できる。これからは、弊社の特許である植物検出技術をさらに拡張強化して、農家の除草処理量と作物の収量を増やしたい」とコメントしている。

おそらくこのロボットは最初、概念実証(Proof of concept、POC)も兼ねて、特定の作物向けに開発されデモされたのだろう。

そして今や概念実証には成功したようだ。Calibrate Venturesがリードした1450万ドルのラウンドは、そういう初期の成功の賜物。除草の自動化は決してやさしい問題ではないから、3年足らずで商用化にこぎつけたのはすごいことだ。農家も、テクノロジーが嫌いではない、実際に仕事をしてくれるならば。しかし、広大なモノカルチャーが大半を占めるアメリカの農家では、ちょっとした問題やエラーが大損害をもたらすこともある。

関連記事:自動運転除草機のFarmWiseがプロトタイプ製造パートナーにミシガン州の自動車企業を選ぶ

同社は以前、シードラウンドで570万ドルを調達した。それは2017年のAlchemist Acceleratorのデモデーでデビューした直後だった。ロボットは、なにしろお金がかかる!

今度の新たな投資でFarmWiseの脱プロトタイプと商用化に一層拍車がかかることが期待される。でもこれぐらいの金額では大量生産はまだまだだろう。どこかから大口注文を受けて、それが弾みになるといいのだが。

そしてまた、このずんぐりしたかわいらしい車は、AIの開発も重要だ。ボイヤー氏はこう述べる。「今後は、弊社のさまざまなロボットが作物のための専門医として活躍し、健康状態を常時モニターして適切な対策を教えるだろう」。

というわけでこの巨大林業マシンのようなプラットホームは除草を繊細に行うだけでなく、今後はアブラムシやカビもチェックして必要な治療を施すだろう。

そして作物に対する多様な検査ができるためには、同社はデータのエキスパートにもならなければならない。究極的に、農地の全作物の個体チェックができるなら、農家にとってこんなに嬉しいことはほかにない。

画像クレジット: FarmWise

[原文へ]

(翻訳:iwatani、a.k.a. hiwa