#bv2018 BIT VALLEY 2018 TensorFlowとCloudMLで広がる、現場で使える機械学習 に参加してきたまとめ

渋谷に拠点を構える4社が開催したテックカンファレンス BIT VALLEY 2018に参加してきたのでそのまとめです。

本記事はSUB TRACK1で行われた「TensorFlowとCloudMLで広がる、現場で使える機械学習」のまとめになります。

佐藤 一慶氏

バズワードの整理

• 人工知能
  • 賢いを作る技術
• 機械学習
  • ITシステム作る際にはエンジニアがコードを作るが、ロジックはデータから作る
  • パターンや特徴を捉えさせる
• ニューラルネットワーク
  • 機械学習アルゴリズムの一つ
  • Deep learningなど
• どうやって識別するか
  • 例えばりんごとみかんを識別するときや、モップとシープドッグの識別など
  • Cloud vision apiを使うと分けてくれる
  • 機械学習は絶対間違えるので、間違えてもいい分野に使う
• ニューラルネットワークは学習できる関数
  • 単純な関数に過ぎない
  • データを入れるとデータを出力する変換式にすぎない
  • 空間から空間の変換を行う
  • 2種類のデータをプロットすると、青とオレンジの二重らせんを識別するデモ
    • インプットするデータを与えて何度も試行錯誤すると判定できるようになる
  • クレジットカードの不正利用や、お客が買ってくれそうだななど
• いくらでも多次元のデータから認識ができる
• ディープラーニング
  • 物体の輪郭やパターンを最初は認識していき、目や鼻を判定して、そのうち犬の側面、猫の足と理解して、最終的にラブラドールレトリバーとタイガーキャットがいるというのがわかったりする

Googleの機械学習

• 検索、Gmail, chromeなどのたくさんのプロダクションとして使われている
• Googleアシスタントの例
  • アシスタントにレストラン予約してというと、勝手に予約してくれる
  • Ah やohなどの雰囲気の声も再現している
• Googleフォト
  • フォルダやラベル付をしてくれる
• inbox
  • スレッドの返信を自動生成する
  • ビジネスの相手か、友達が相手かを認識して返信をしてくれる
  • SmartComposeという英文を候補で出してくれる機能もある
• Googleデータセンター
  • IoTの消費電力温度計、天気、発電施設などの数百種類のデータを分析して、エアコンをコントロールをしたら40%安くなった

Google Cloudの機械学習サービス

Cloud ML APIs

• 学習が終わった一般的な機能を提供する
  • 音声、翻訳、検索など
• Vision apiに画像を投げると認識をしてくれます
• 音声認識も80カ国語で認識してくれる
  • 訳したものをML APIになげると文章の意味をより深く理解できる
  • 場所の名前や会社、感情認識をスコア判定したり、形態素解析でできたりする
• これらのデメリットはカスタマイズができない
  • がんの写真がんはどこだ、とか、服の画像をみせたら型番がわかったりなど。

Cloud AutoML

• 機械学習してモデルを作る際、データを集めてラベル付をするのが大変だが、Cloud AutoML Visionを使うと、モデルを簡単にカスタマイズできる。
• とりあえず画像を数百枚、ちゃんとした精度であれば数千枚、あとはラベルをアップロードするだけで勝手に作ってくれる
• 自分用にREST APIも公開されるので開発もできる
• 裏側ではニューラルネットワークの設計を自動でやっている
• ラーメン二郎の店舗判断をやってみたところ、95%の精度で判断できるようになった
• メルカリでもブランド品の識別もauto mlでやったら95%でできた
• translate
• 自然言語処理用と翻訳に使うものもある
  • google翻訳を特定の用途向けに翻訳できる

TensorFlow

• パイソンを使ってニューラルネットワークを設計する
  • 様々なモデルをカバーしている
• 自分のコンピュータで動かすことができる。
  • 学習が終わった学習モデルを推論させていろんなところで使うこともできる
• 世界で一番使われているフレームワーク
• 静岡県のきゅうり農家で、とったきゅうりの仕分けが大変
  • きゅうりの形を見て9段階にわけないといけない
  • Tensor Flowを使ってきゅうりの仕分けマシーンを作った
  • 実用品として売っている
• 福岡県のクリーニングチェーン店での例
  • TensorFlowを使って、セルフレジシステムを作った
  • カウンターの上にカメラをおいてシャツやズボンなどを識別する
• いろいろなデータセットの準備などが大事。

機械学習の課題

• 前処理としてデータを集めて適切なモデルを設定するのが大変
• TensorProcessingUnitという機械学習専用チップを作っている
  • ムーアの法則の終了が迎えている

事例

• 船の動きをGPSでトラッキングしてデータを集めて、動きのパターンを抽出して漁船なのか、漁船でもなんの漁業をしているのかがわかる
• タクシー会社でも天気や人口統計などを用いてタクシーが必要な予測情報で駆けつけたりした
• キューピーではざく切りポテトの不良品検出をしたりする
• ドローンを使って土木検知のブルーシートの傷をみつけたりする

まとめ

• GoogleCloudでは様々な形で機械学習サービスを提供している
• 特徴としては使っている人が多い
• TensorFlowのサンプルを使うだけで簡単にできる

@mogmetの所感

Cloud ML APIを使うだけでも機械学習を使った簡単なサービスが作れてしまいそうな素晴らしいサービスというのがわかりました。
服を画像認識させて町通りで歩いている人の服がどこのブランドなのかまでわかるようなサービスが作れればいいなと思いました。