産業用AIはどこまで人間の眼に代われるか:株式外社ALBERTが画像認識による概念実証(PoC)支援サービス「タクミノメ」をリリース

課題

製造・建築・医療・小売流通といったシーンでは、視覚情報に基づいた検査や分類が欠かせません。こうした作業は単調に見える一方、職人的であり、機械に処理させることは技術的に困難でした。近年、Deep Learning技術、特にMarvinでも度々紹介しているConvolutional Neural Network(CNN)の発展により、画像ベースでの検査や分類の自動化が現実的なものとなってきています。一方で、CNNの学習には、職人的なパラメータチューニングや複雑なネットワーク構築に関する知識が必要であり、機械学習に精通している人間でないと、タスクの実現可能性を正しく判断することができない問題があります。

解決方法

株式会社ALBERT(以下、ALBERT)は、画像認識技術を活用したい企業向けの概念実証(Proof of Concept: PoC)支援サービス「タクミノメ」のサービスを2018年10月3日に開始しました。「タクミノメ」は大きく分けて「画像分類」、「物体検出」、「領域検出」の3つのタスクを行うことができます。具体的には、Marvinでも以前紹介したことのある製造業における異常検知医療における目視検査、製品画像へのタグ付け、監視システムなどを対象としています。

「タクミノメ」は日本マイクロソフトが提供するクラウドプラットフォーム「Microsoft Azure」を活用し、専門家によって用意された13種類のCNNモデル、最適なハイパーパラメータの設定、アノテーションツールなどを利用することで、短期間での発案したモデルの検証を支援します。

どうなったか

視覚情報に基づくタスクを機械によって自動化したいと考えている際に、「タクミノメ」はどの程度の精度で実現可能であるかを短期間で分析してくれます。特に、CNNは現在も研究開発が盛んに行われている領域であり、ALBERTでは「ニューラルネットの新しい正規化手法 Group Normalization の高速な実装と学習実験」のように、研究を実装に落とし込んでの比較検討を行なっているため、今後も最先端の技術に基づいたサービスを利用することができるでしょう。

まとめ

視覚情報に基づく単調で専門的なタスクをCNNによって自動化することが可能となってきている一方で、モデルの細かいチューニングは専門家の知識が必要不可欠です。ALBERTは画像認識技術を活用したい企業向けのPoC支援サービス「タクミノメ」のサービスを開始しました。これは、最先端の画像認識技術が企業の求めるタスクの自動化にどれだけ利用可能であるかを短期間で分析してくれるサービスです。

ALBERTは従来の人の「目」による判断をAIに置き換え、暗黙知等を含む職人的なスキル保有者の高齢化に伴う人手不足やスキル継承等の課題を解決することを目標として「タクミノメ」を発表しました。他にもALBERTは、以前Marvinで紹介した「子育ての疑問は人工知能に聞いてみよう:熊本県が子育て安心AI事業で取り組むチャットボットによる相談支援プログラム」などを開発しています。是非記事をご覧ください。

参考資料

(H.S)