BLOG

AI基盤技術とIoTデータ解析クラウドAI「SkyAI」の活用事例紹介 [7/24 イベントレポート]

  • 2017/07/25
    • IoT技術

こんにちは。スカイディスク東京オフィスのたかいです。
スカイディスクが7月24日に開催したイベント、「IoTデータ解析クラウドAI「SkyAI」の活用事例紹介とAI基盤技術」の様子を一部スライドを交えてレポートとしてお送りします。

 

今回のイベント企画の経緯

4月13日に発表したIoTデータ(時系列データ)解析に特化したクラウド型AI、「SkyAI(スカイエーアイ)」に関して、おかげさまで多くの反響をいただいております。

このニュースを見たお客様から、

・IoT時系列データに特化している、とはどういうことか?
・具体的な事例がないと、イメージがつかない・・・
・統計との違いは何なのか?なぜAIじゃなくてはならないのか?

というご質問をいただいておりました。そんな声にお応えしまして、

「アルファ碁やチャットボットなどが注目されがちなAI業界において、
IoTワンストップサービスを手がけてきたスカイディスクだからこそ提供できるAI解析の全貌を伝えたい」
と、
SkyAIについて、事例を中心にわかりやすくお伝えするイベントを企画し開催しました。

当日は平日の夕方にも関わらず、遠くはなんと大阪からお越しいただいたお客様もいらっしゃいました。

当日の様子(弊社COO 金田による会社紹介の様子)

 

会場提供パートナー・DG Lab宮島様、下田様によるイントロダクション

会場は恵比寿にある株式会社デジタルガレージの一室をお借りしました。

イントロダクションとして、DG Lab CTOの宮島様より、DG Labが重点分野として選定している5つの分野、「ブロックチェーン」「人工知能」「VR/AR」「セキュリティ」「バイオテクノロジー」に関してご説明をいただきました。

DG Labは、インターネットを取り巻く技術の多様な変化に柔軟に対応し、最先端の技術を取り込みながら事業を成長させるために、デジタルガレージ、カカクコム、クレディセゾンの3社で発足した研究開発組織。

各分野で高いレベルの技術を持つ国内外の投資先企業と連携し、新たな事業の柱となるプロダクトやサービスを生み出すことを目的としています。

 

今回は会場提供パートナーとしてのご紹介になりましたが、今後は事業面でもDG Labとのパートナーシップを推進してまいりたいと思いますので、乞うご期待ください!

DG Lab CTO / カカクコム 執行役員 宮島様

 

また、DG LabのMachine Learning Engineerの下野様からは、「企業DBに眠るデータを把握するには??」というタイトルで、専門分野である量子コンピューターに関するスライドのご紹介。

DG Lab Machine Learning Engineer 博士(情報理工学) 下野様

 

DBにある膨大なデータをどのように解析していくのか、具体的なステップをお話いただきました。

会場からは、データベースのバージョンはどのように把握するのか、というご質問もあり、「select@version宛にメールをして初めてどのバージョンかがわかるので、企業によっては20年前からアップデートしていないこともある」というリアルな現場の実情を理解することができました。

 

 

CTO大谷より「IoTを支えるプラットフォームとデータ分析基盤」 

スカイディスクCTOの大谷より、昨今様々な企業が提供し始めているIoTプラットフォームのうち、弊社のカバー領域について、なぜその領域でサービスを提供しているのか、実際にどのような技術を弊社が採用しているのかを、「ハードウェア」、「通信方式」、「クラウドサービス」、「AI分析基盤」の4つに分けて説明いたしました。

スカイディスクCTO 大谷祐司

 

もともとサイバーエージェント、リクルート、インテリジェンスにて、広告や人材領域のWebサービスを得意としていた大谷。「誰でも簡単にメーカーになれる」「ラズパイで簡単IoT」という昨今のニュースを見て、入社以前は「ハードは簡単にできるもの」という先入観があったとのこと。

しかし、実際にハードウェアを開発してみると、農業用のハードウェア1つ作るにしても、農薬を散布されたり、激しい気候変動に耐えられるような要件に耐えうるレベルのものを作るのに一苦労…

現場での愚直なトライアンドエラーを経て、宮古島のマンゴーハウスなど、過酷な環境にも欠損なくデータを取得できるようなデバイス、通信、クラウドの仕組みを作り上げることができました。

ポイントとなる通信は、LoRaだけにとらわれず、用途に合わせて最適な規格を提案できるようにしています

 

AIでの解析に必要な波形データを取得するために、デバイスからゲートウェイに情報を吸い上げるセンシング頻度や、ゲートウェイに集約したデータをクラウドにあげる通信頻度も考慮しなければなりません。特に、LPWAは通信速度が遅いため、データの取得には高度な技術が必要です。

また、AIに関して、分析や機械学習にはpython、Webサービス開発にはGOなど、様々なものを組み合わせて提供しているという、まさに基盤を支える「裏側の技術」を、包み隠さず公開いたしました。

スカイディスクは自分たちの手で市場を作り、「IoTが当たり前の豊かな社会」を実現するために、これからも挑戦し続けます。

 

 

 CIO 伊藤より「SkyAI活用事例」の紹介

最後に、スカイディスクCIOの伊藤より、今回のメインであるSkyAIでできる5つのことと、3つの事例についてご紹介いたしました。

CIO 伊藤 俊介

 

SkyAIでは下記5つのことができます。

1 パターン認識(SVMモデル)
2 予測分析(回帰モデル)
3 画像認識(ディープラーニングモデル
4 特徴量分析(ランダムフォレストモデル)
5 クラスタ分析(k-meansモデル)

 

それぞれについて、下記のような特徴があることを解説しました。

1 波形のパターンを読み取ることでの異常を検知できること


2 波形データを読み取ることで20分先の状態を予測できること


3 監視カメラが撮影した水位計などのメーターの映像を、静止画に変換して画像データを認識、学習させること


4 ロマネコンティが美味しい理由は、どんな特徴量がどのくらい寄与しているのかがわかること


5 答えはわからないけれど、いろいろなブランドのコーヒーの特徴を分類してくれること

これらの要素を組み合わせて、下記3つの事例についてお話しました。

・機械の異常検知
・いちご糖度予測AIモデル
・がん遺伝子情報解析

 

質疑応答

会場からもたくさんの質問をいただきましたので、その中から3件のQ&Aをご紹介します。

Q1. 300件ほどデータがあればAIで判定できるということだが、300あればある程度の精度が出せる、という意味なのか?
A1. 300件あれば、80%ほどの精度は出せます。最低30件はないと一定の精度が出せないので、お断りをすることもあります。データの数よりも重要なのは、「データをもとにしてできたAIモデルがどのくらい賢くなれる伸び代があるか」、ということが重要です。

それを判断するノウハウがスカイディスクにはあります。

なので、必ずしもデータの数が多ければいいというわけではありませんが、あくまで目安として300件、とお伝えしています。

Q2. 事例のがんの遺伝子情報解析については、どのくらいのデータ量で、どのくらいの期間をかけてAIモデルを作成したのか?
A2. 100~200件ほどで、2ヶ月間かかりました。

 

Q3. 医療分野で、波形データを解析した実績はあるか?
A3. 心臓の疾患がある患者の、心電図の波形をとったことがあります。期間は1分間でした。

 

 

第2回も開催予定!

今回は機械の故障予知(保全)、農業、医療(DNAからの発ガンの予測)という3つの事例をもとに、AIの解説をさせていただきましたが、5つのできることを組み合わせると、まだまだあらゆる分野への応用ができると考えております。

第2回では、また新たな事例を皆様にお伝えできるよう、このブログを読んでくださった皆様からのお問い合わせ、お待ちしております!

お問い合わせはこちら→https://skydisc.jp/contact/

ではまた!

Pocket