【勉強会メモ】Deep Learning Lab コミュニティ イベント 第4回
日時:10/24(火)15:00-18:30
場所(大阪サテライト会場):Blue+(ブルータス)貸しスペース(5F) 大阪府大阪市北区芝田2-9-17 マエダビル
東京会場:日本マイクロソフト株式会社 東京都港区港南 2-16-3 品川グランドセントラルタワー
Deep Learning Lab とは
ディープラーニングに関連する技術とビジネスの両面に精通したプロフェッショナルたちが開発事例や最新技術動向を情報発信するコミュニティ
Microsoft Ignite! AI ソリューションアップデート
発表:MS畠山さん
Igniteで発表された内容の共有
Microsoft Ignite | Orlando, FL | September 25-29, 2017
Igniteとは
ビジネスを推進するために必要とされる、Microsoftの最新テクノロジーに関する情報を、ITリーダーとITプロフェッショナルなどを対象に提供するイベント
DSVM(Data Science Virtual Machine)
データ サイエンス仮想マシン | Microsoft Azure
搭載しているGPU
- NC
- NCv2
- ND⇒今回Igniteで発表
DNN modelsのトレーニング⇒スピードは最大21倍
Azure Machine Learning
Azure Mchine Learning Workbench
Mac,Winのデスクトップツール
SQL Server Linux版
Pythonのモジュールが使える
IoT Edge
クラウドとエッジのIoT
VS Code
満足度100% ディープラーニングハンズオンで始めるAI ビジネス
AI人材セミナーを実施
- とにかく手を動かす
- 数学とプログラミング
実践的なカリキュラム
- 環境構築
- データの前処理
- 実装
ディープラーニングのビジネス活用の実際
発表者:ALBERT 上村さん
ビジネス活用事例の紹介
画像を解析して自動でタグ付け
- 大手アパレル会社
- レディース、メンズ、キッズなどを正しく認識させる
- 従来は手動でタグ付けしていたがDLで学習させて自動化
自動車メーカー向け物体認証
- 検出…歩行者、車両などを特定
- セグメンテーション問題…複数の車両を1つの塊ととらえるか個別にとらえるか
建物外壁の劣化度を判別
- 古い建物の劣化度合いを分析
- 天候による映像の違いを吸収
- ドローンを使って同じ位置から写真を撮って解析
細胞のクラス分類
- 細胞の正しい状態をクラス分類
- 家畜、畜産分野で元気な細胞の特定
- 血液中から特定の細胞の割合を抽出して病名を判定
獣医療の皮膚病判定
- VDT社と協業して犬の皮膚病をDLで学習し自動判定
- 症例の多い病名を抽出
- 画像データ…約2500枚
- 症例の個体…約260個体
- ペットの数は増えているがお医者さんの数が不足している⇒自動化で貢献
ビジネス応用支援
独自プロダクト
Gripper
- 自動ターゲティングサービス
- 商品の見た目の特徴、商品に付与されているテキストの特徴を学習
- 顧客が興味を持っているニュースも考慮
集英社のFLAG SHOPで活用⇒広告効率が1.6倍
PROAVTIVE AI
- Chat Bot接客ツール
- ユーザーへの回答を学習し自動応答
- ユーザーの行動を学習しチャット側から教えてあげる
渋谷区のOne to One子育て支援サービス
- LINEを使った自動応答サービス
- 問い合わせに24時間365日応答
いくつか質問をして好きなワインを教えてくれる
Deepsearch LOGO
- 自分たちと似ているロゴと似ているものはないか探す
- 特許庁に登録しているロゴから探す
DL以外の機械学習手法の活用
- 状態空間モデルを用いた異常部位検出
- Macnica社と提携しIoT分野で機械学習手法を活用
2017.07.04ALBERTとマクニカ、人工知能(AI)とIoTを駆使した スマートファクトリー事業で業務提携 | マクニカ
一般社団法人 日本ディープラーニング協会の取り組み
日本ディープラーニング協会 事務局長岡田さん
- DLを中心とする技術による日本の産業競争力の向上を目指す
- DLを第三次ブームで終わらせないように
- 10/4に設立発表したばかり
主な活動
- 活用促進
- 社会提言
- 人材育成
- 国際連携
- 理解促進
産業応用促進に期待されること
- ノウハウ不足⇒事例の共有
- 事業者不足⇒業界連携
- スケール不足⇒組織化
産業応用促進活動
- ハンドブック発行
- シンポジウム
- ワークショップ主催・公園
- マッチングイベント開催
- 学習の体系化
- 公的機関・産業への提言
人材育成
推薦図書
- AI白書
- 人工知能は人間を超えるか
- 深層学習
資格
http://www.jdla.org/business/certificate.html#education
G検定
- JDLA Deep Learning for GENERAL 2017
- 受験料12,960円
- 12/16開催
- 申し込み期間:11/17-12/9
- オンライン受験可能
E資格
- JDLA Deep Learning for ENGINEER 2018
- 来年4月
- 教習所のような形
ChainerMNが即座に使える環境を提供するXTREME DNA HPC Cloud
エクストリームデザイン株式会社 奥野さん
ChainerMN⇒9/1正式版リリース
Preferred Networks、民間企業の計算環境として 国内最大級のプライベート・スーパーコンピュータを9月から稼働 – Preferred Networks
XTREME DNA
DLの大きな壁
- お金
- 知識
- 時間
⇒XTREME DNA で分散環境の構築を自動化
DLの高い壁
誰でも気軽にスーパーコンピューターのリソースを活用できるように
- 並列処理こそがスパコンの得意分野
- テンプレートで構築・運用の自動化
- ChainerMNテンプレートも提供開始
AI時代の新しい教育 これから求められる人材像
株式会社UEI 清水さん
圧倒的な人材不足をどう補うか
- 大学の研究室の不足
- ディープラーニングが虐げられてきた時代があって研究室が少ない
- 大学の先生が深層学習を嫌い
- 教員の不足
- 学生が教えて欲しいと来ても先生が教えられない
- やりたい人はすごく多い
⇒本当は教えることは少ないし、数式はあまり必要ない
小中学生向けに人工知能のセミナー実施
⇒NNまでなら中学生にでもできた
深層学習は人工知能技術のいち分野
- 研究しづらい
- 論文書きづらい
- 特許取りづらい
アンサンブル学習⇒別々に複数学習させた結果を元に1つの結果を出す
深層学習に必要なのは学力ではなく経験とセンス
- レースゲームの強化学習
- 報酬の設計が大事
- あんまり数学使わない
- ネズミに芸を教えるのと変わらない
- 3D迷路の学習
- アルゴリズムとハイパーパラメータの組み合わせだけで膨大な数になる
- 最適解はやらないとわからない
- ハイパーパラメータは全探索(グリッドサーチ)しないと問題に対してどの組み合わせが最適なのか予測できない
経験とセンス⇒努力と根性が必要
⇒小さい組織でたくさん問題を解くほうがAIフレンドリーになれる
人工知能時代に決定的に大事なこと
データ>>>アルゴリズム
計算資源>>>アルゴリズム
データ>>>>>>>計算資源
AIの性能を左右するデータをクラウドソーシングに頼るのは危険
これからの人材は個性・独創性のある子どものほうが貴重
⇒AIのある時代の理想的な生き方
⇒学校を学びの場から遊びの場に
深層学習よもやま話
www.slideshare.net
- AlphaGo Zero
- 強化学習で70時間後に人間を凌駕
- 40日の学習で最強に
- 音声によるロボットコントロール
- 茶色い人形を右の箱に移す
- 音声認識&画像認識
- 6本足のロボット
- 歩行学習後に2本足を切り取る
- 6本足歩行の学習をするまでの学習結果をもとに2本の足が切り取られた状態に合わせたよい歩き方を考える
- GPU 1,024基搭載のスーパーコンピューター稼働
- Chainer V3/Cupy V2リリース
- 高階微分が可能
機械学習工学として体系化
- 再利用
- Neural Network Exchange Format(NNEF)
- KHRONOSグループが仕様検討中(12月にパブリックベータ予定)
- Open Neural Network Exchange
- MS,Facebook
- このようなものが整備されてくれば再利用が進む
- Neural Network Exchange Format(NNEF)
- 品質の担保
- 新しいタイプの脆弱性
- STOP標識に黒と白のテープを貼ると40Km制限の標識と見間違える
- DLはテストデータをうまく使って客観的に品質評価
- 新しいタイプの脆弱性
- 要求の厳密化
- 衝突のペナルティを無限大にすると車は動かない
- 効用と安全性のバランスを定量的に要件として書き出す必要がある
IJCAIにおける自律性に関する議論
- コーヒーを取ってきてと言うと列に並んでいる客を全員殺してコーヒーを取ってくる
⇒人の指示は不完全
機械学習とソフトウェア工学をどう結びつけるかの議論が盛り上がっている
深層学習の導入で抱える課題とユースケース実例
Ridge-i 柳原さん
NHKのモノクロ映像の彩色AI
AI導入の課題
相談検討開始⇒活用戦略⇒技術詳細⇒開発PoC⇒周辺開発、実業務にデプロイ⇒AI導入達成
あるべき姿
- この課題はAIなら解決できるのか
- インパクトは何か
- 必要なデータは何か
有りがちな問題
- とにかくAI入れたい
- 今あるデータから宝が見つからないか
⇒データが汚い状態でモデルを作ってもだめ
AIが意味することろは玉石混合
開発
- 汎用最強ではなくで課題毎に複数試す必要
- アンサンブル、ブースティングみたいに組み合わせも重要
ケース1:ビックデータ活用あるある
- データが不整形
- 教師データを抜き出すだけでも大変
- 入力データにモデル構築するのに必要な情報が入っていない
- 現状の誤った出力にモデルをあわせるという本末転倒な結果にも
いまあるデータに拘らない柔軟な姿勢
ケース2:多目的は無目的
- 白黒動画のカラー化⇒目的に特化すれば精度が上がる
- ビジネス要件を満たす条件の見極め
- 目的が定まれば技術の最適化が可能
ケース3:AIが理由を説明できないと問い合わせがあった時に困る
どのAI技術を使うのか見極めが重要
GPUディープラーニング最新情報
エヌビディア合同会社 佐々木さん
世代:Kepler⇒Maxwell⇒Pascal⇒Volta
Azureでは
NDはDeepLearningに特化している
Tesla V100
ChainerがどうすればTensorコアを使えるか
- Voltaが必要
- CUDA9,cuDNN7が必要
- モデルのFP16向けに書き換え
- ChainerとCuPyの最新のmasterブランチが必要
DGX Station
- パーソナルDGX
- Tesla V100 4基搭載
Deep Learning Institute
ハンズオントレーニング
QWIKLABS:クラウドベースのハンズオンラボ
エヌビディア DIGITS
自習ガイド公開
www.slideshare.net
PGU Technology Conf
DL ラボ コミュニティアップデート
日本マイクロソフト株式会社廣野さん