カテゴリー: AI

AIを勉強する際によく目にするのは学習データです。学習データは、AIを実装するためには重要な役割を担っています。
※学習データとは、実用的なAIを作るために必要な訓練をするのに用いるデータです。

でも、学習データはどうやって用意すればいいのでしょうか。

AIには大量のデータが必要

AIを使用するとき最初に困るのが大量な学習データの用意です。AIはデータを学習しなければ何も分かりません。きちんと学習させることで役に立つ存在になります。
そのためには、質の良い大量の学習データが必要になります。

学習データを用意する方法は？

では、どうやって大量のデータを集めるのでしょうか。

1.自社のデータを使う

自社にデータがあればそれを使用してAIで何ができるかを考えることが基本になります。
例えば、3年間の売上データがあれば2年間を学習データとして使用し、残りの1年間で学習したデータとの近似性を確認します。公開されている気象庁などのデータと組み合わせることで気温や天候での需要が分かり、今後の需要予測に使用することができます。

2.地道に学習データを入力する

手動または自動で学習データを作成していく方法です。すぐに利用できるデータがない場合は、この方法を使用します。
例えば、問い合わせの回答を自動で返答するAIを作る際には、地道に応対の言葉、業界用語、自社製品などの言葉を教えます。何回も学習させることでより精度の高い応対ができるようになります。

3.世の中にある学習モデルを使う

画像認識や自然言語処理などでは、多様な学習済みモデルが用意されています。一から学習する場合でも、学習済みモデルを使用することで少ないデータで学習することができます。
例えば、学習済みデータを使用すればすぐに人物の検出や特定が可能になります。写真の顔写真を覚えさせることで、点呼や入退場などいちいち確認しなくても一瞬で記録することができます。

4.公開されているデータを使う

AIの活用方法のうち、予測(Prediction)では自分たちのデータではなく、過去の市場データや気象データを使用して学習します。
例えば、過去のイベント時の来場者データと気象データやSNSなどのデータと組み合わせることでどのような天候やどういった人が来場するかが分かるようになるので、今後のイベント開催時の来場者を予測できるようになります。

まとめ

今回は、AIを作るのに必要な学習データの用意の仕方をご紹介しました。自分でデータを用意できればいいですが、用意できない場合は、学習済みデータや公開されているデータをうまく利用してAIに学習させていきましょう。
次回は、学習データの精度を上げるデータクレンジングについてご紹介します。

異常検知は、データの中から異常な状態、正常な状態などデータマイニングを利用して識別することを指しています。また、異常検知のひとつに外れ値検知があります。外れ値検知は、正常な状態から外れた点を見つけ出す手法です。

異常検知の方法

異常検知の方法は、大きく以下に分けられます。
・統計モデルに基づくもの
・データ間の距離に基づくもの
この記事では、統計モデルに基づく方法をホテリング理論、データ間の距離に基づくものをk近傍法で紹介します。

ホテリング理論

ホテリング理論は、有名な手法のひとつです。統計モデルに基づくので人の主幹に左右されずに異常値を検知することができます。平均や分散など統計学における基本的なデータの分布情報をもとに、観測地から算出した異常度によって外れ値を検知します。なので、時系列データの異常検知には不向きです。

k近傍法

ｋ近傍法は、確率分布を明確に定めずに、あるデータからデータ間の距離が近いデータのうち、k番目まで近いものを計算して取得し、多数決によりクラスを判定して異常値を割り出す手法です。

まとめ

2つ紹介をしましたが、異常検知には様々な手法があり。状況に応じて最適な手段を使用しています。
弊社では、新規開発の依頼を承っております。「こんな製品出来ないかな」「こんな技術があるけど、コラボレーションできないかな」など何でもお気軽にお問い合わせください。

ディープラーニングは、工場や農業などで使われるとこが多くなっています。工場の不良品検知や病院での画像診断、野菜の自動収穫など様々な場面で使用されています。
異常検知もディープラーニングを使用している1つです。なので、今回はディープラーニングとは何か異常検知とどう関係しているのかをご紹介いたします。

ディープラーニングとは

ディープラーニングとは、私たちが行っているタスクをコンピュータに学習させる機械学習の一つです。
このディープラーニングを用いた異常検知は、データセットの中のデータから他のデータと違う振る舞いをしているデータを検知、識別するための技術です。例えば工場のシステムの故障検知、スーパーなどでの異常行動の検知など私たちが認識するのが難しい些細な変化を機械が検知してお知らせしてくれます。

異常検知の仕組み

異常検知には、外れ値検知・異常部位検出・変化点検知という3つの手法があります。

外れ値検知

普段では考えられないデータを検知したときに用いられる手法です。例えば、株価が急激に下落したり、上昇したりを検知しアラートを発生さるのに役に立ちます。また機会のモータ音に異常がある場合も外れ値検知によって検知する場合も役に立ちます。

異常部位検出

これまでと違う動きが発生したときに、異常が起きた部分時系列を検出する手法です。例えば、心電図のデータの急激な変化や工場設備の故障などを検知するときに使用します。

変化点検知

時系列データのパターンが急激に変化した箇所を検知する手法です。例えば、Webサイトのアクセスなどが普段よりも急激に上昇・減少した時期を検知するのに役に立ちます。


上記の3つの手法を紹介しましたが、実現するには理論や方法がいくつかあるので適切に選択しないといけません。よく使用されるのは、ホテリング理論とk近傍法の２つですが、次回紹介いたします。

ディープラーニングで異常検知する際に気を付けること

異常検知がすごい技術でも使用する際に気を付けなければいけないことがあります。

高精度なデータ収集

異常検知だけではなく、ディープラーニングはデータを有効に活用する技術です。なので、高精度かつ十分なデータが重要になります。高精度ではないデータや十分な量のデータが用意できないと期待した結果にならないかもしれないので、データ計測できる環境をしっかりと整えましょう。

システムへの理解

データが記録をする際に、タイムラグが起きることがあります、そのラグをしっかりと考慮してシステムを扱うことが大切です。また、経年劣化などにより継続使用が難しい場合もあるので、モデルを更新する必要があることも考慮しなければいけません。

教師無し学習には注意が必要

ディープラーニングは私たちが正解を設定しなければいけません。しかし、正解を設定せずに学習させる教師なし学習では、教師あり学習とは異なり、異常である確立が出てこないため異常かどうかの判断基準を用意する必要があります。

まとめ

異常検知は、これから活躍する場所を増やしていきます。課題の多い異常検知ですが、今後どのように活躍していくのか楽しみですね。
弊社では、新規開発の依頼を承っております。「こんな製品出来ないかな」「こんな技術があるけど、コラボレーションできないかな」など何でもお気軽にお問い合わせください。

化粧品を買いに行くとき口コミや店員さんと話をして買いませんか？でも、口コミではいいと書いてあっても自分には合わなかったり、店員さんと話すのが苦手で好みの化粧品を買えなかったりするかもしれません。
そんな悩みを解消するバーチャルメイクが登場しています。

様々な化粧品ブランドから出ているバーチャルメイク

バーチャルメイクを試すことができるブランドが増えてきています。

ロレアルの化粧品を試せるアプリ

化粧品会社ロレアルの化粧品を試すことができるアプリ「Make Up Genius」が全世界1千万以上のダウンロードを達成しました。
新商品が出たら試してみたいですが、お店に行ってたくさんの種類を試すのは大変ですよね。でも、このアプリを使用すれば自宅にいながら商品を試すことができ、さらに気に入った化粧品があれば買うことができます。

Amazonでリップが試せるバーチャルメイク

Amazonがロレアルグループ傘下のモディフェイスのAI(人工知能)とAR(拡張現実)を活用した新機能「バーチャルメイク」を導入しました。
計18ブランド、890点以上のリップアイテムがあり、今後さらにカテゴリーやブランドを拡大していきます。

上記で紹介した以外にも「YouCamメイク」というアプリもあります。百貨店で試せるので行って試してみるのも楽しそうですね。

授業の準備、宿題の確認、テストの作成、事務作業、部活の顧問……。先生はやることがたくさんあります。生徒一人ひとりを指導するのは大変です。そんな忙しい先生をAIが補助してくれます。

何故教育現場で活躍するのか

生徒によって理解度や弱点は違います。どこで間違えたのか・どこが分からないのか・解答にどれくらい時間がかかったのか、などAIならデータ分析をすることができます。その分析をもとに生徒にあった出題や授業内容を提示してくれます。
AIが教育現場で活躍する例をご紹介いたします。

一人ひとりにあった教育

最近は、タブレットを導入する学校が増えてきていると思います。しかし、一人一台タブレットを導入している学校はまだ少ないです。
生徒専用のタブレットにすることによって、間違えたデータを蓄積したり、解答にかかった時間を計ったりでき、そのデータを基に宿題や問題を出題することが可能になります。

どこで悩んでいるのか

どの生徒が理解していないのかを判断するのは難しいです。でも、AIは画像認識が得意なので理解していない生徒を判断することができます。
例えば、教室にカメラを設置し生徒の表情をモニタリングし、理解できていない生徒や居眠りしている生徒がいたら先生にお知らせをします。
先生はお知らせをもとに授業の内容を変更したり、休憩を促したり授業改善に取り組むことができます。

採点の自動化

手書きで記入された解答が正解かどうかを判断するのは大変です。部分点が必要な場合は、採点基準に合わせて判断・採点していかなければいけません。採点作業は思っている以上に大変で忙しい先生にとっては大きな負担になります。
AIの文字認識技術を使用して採点を行うサービスが登場しています。これにより正確に採点を行うだけではなく、先生の負担も減らすことができます。


AIを導入することによって先生の負担を減らすことができたり、生徒自身も分かっていなかった苦手箇所を学習出来たり、先生と生徒に大きなメリットがあります。

皆さんは最近本を読んでいますか？本屋さんに行くとたくさんの本があり、どれを選べばいいか分からなくなりますよね。そんな人のために、AIが本をおすすめしてくれるサービスがあるんです。

表情から本をおすすめしてくれるAI

表情を読み取っておすすめの本を紹介してくれる「ミームさん」は、株式会社トーハンと株式会社sMedioが協力して開発しました。
どうやって表情を読み取っているのでしょうか。ディスプレイの前に立った人物をWebカメラで撮影し、AIが利用者の表情を瞬時に判断しています。ディープラーニングによる顔認識技術で性別、年代、だけではなく「普通」「うれしい」「悲しい」など表情を分析していきます。特徴や表情などに独自のランダム要素を掛け合わせた70種類上のパターンに合わせたおすすめの本を「ミームさん」が紹介してくれます。それだけではなく、「ミームさん」はおすすめした理由も教えてくれます。

AIと書店員の対決

本屋さんに行くと「感動する本」「今月のおすすめ本」「思わず笑ってしまう本」などポップと一緒に、選ばれた本が並んでいますよね。これは、書店員さんが客層やコンセプトなどから選んだ本ですが、AIが選んだ本も書店に並ぶ時代が来ました。
書店員とAIによる選書フェアが東京都にある本屋で行われました。テーマは、「大人の青春」。
今回の対決に使用されたAIは、自動で選書を行うSeleBoo(セレブー)で富士通と日販が共同で開発しました。任意のテーマや売り場のコンセプト、客層にあわせたラインナップを国内で流通する約60万点の本からビッグデータ解析により導き出すというものです。
気になる対決の結果ですが、65冊対32冊で書店員チームが倍以上の冊数を売り上げ、勝利を収めました。

まとめ

自分で探すと同じ作者、ジャンルになり代わり映えのしない本を選んでしまいます。でもAIに選んでもらうと意外性のある本でも読んでみようと思ってしまいます。しかも、自分の表情から選ばれたら読まずにはいられないですよね。
今まで本を読んでいなかった方も、この機会にAIにおすすめされた本を読んでみたらいかがでしょう。