PowerPoint プレゼンテーション · 2019-06-28 · 機械学習による予測に独自の因果情報分析技術を組み合わせることで、データの背後にある

Copyright©2019 Koozyt, Inc. All Rights Reserved.

2019 Jun.


因果分析と未来予測で、課題を解決する

我々は、目に見えている実世界（識別可能な事象・「実」）と

目には見えないが本来あるべき姿（複雑系の世の中・「空」）を

AIデータ解析（因果分析と未来予測）という技術で、世界をひもとき

人々や企業、社会がかかえる課題解決に貢献したいと考えています。


ソニーコンピュータサイエンス研究所のベンチャー・アーム

創業12年（［空］と［実］をつなぐ技術で社会に貢献する）

位置情報・UXプロトタイピング → 昨年からAIに注力


商号：クウジット株式会社（Koozyt, Inc.）

本社所在地：東京都港区芝2-30-11 芝コトブキビル 3B

設立： 2007年7月3日資本金： 2億1,961万2,500円

役員：代表取締役社長末吉隆彦取締役塩野崎敦取締役（非常勤）暦本純一社外取締役森田浩史社外取締役夏目哲社外取締役中嶋淳監査役：酒井次郎技術顧問：暦本純一フェロー：村井純

北野宏明

主要株主：株式会社電通国際情報サービスソニーコンピュータサイエンス研究所アーキタイプ株式会社役員

Company Profile


AI PRODUCT

「慧 KEI」道理を見抜き疑いを解く力


慧 KEI道理を見抜き疑いを解く力

クウジットのAIプロダクト「慧 KEI」は、

さまざまな要因がからみあい人が容易に把握できないような複雑度の高いシステムにおいて

人が理解できるように課題解決の意思決定を支援する

AIデータ分析サービスです。

ビッグデータから、機械学習技術を用いた「未来予測」と因果情報分析技術を用いた「原因・要因分析」とを組み合わせた、独自のAIデータ解析商品です。

商品・サービスの販売売上や需要数顧客満足度や離脱率、製造業における不良率人事・組織開発における従業員満足度や離職率などさまざまな経営課題に対しての未来予測や原因・要因分析に適用可能です。


慧 KEI

ビッグデータをもとに

機械学習による予測モ

デルを作成

因果情報分析を行い、

データの背後にある因果関係、

メカニズムを可視化

施策後のデータをさら

に、機械学習に入れて

予測モデルを更新。

予測モデルの結果が悪い

方向に向かいそうなとき

に、因果情報分析の結果

から打ち手を判断、施策

を行う

道理を見抜き疑いを解く力

AI人工知能・機械学習はブラックボックスだと言われています。なぜそのような予測になるのかの説明が難しく、予測が悪い方向に行く場合、人が打ち手をうつことが困難だからです。現在 XAI (eXplainable AI) という説明できる AI に注目が集まっています。クウジットでは、機械学習による予測に独自の因果情報分析技術を組み合わせることで、データの背後にある因果関係を推定し、人が認知しやすいように整理し可視化します。そのため、機械学習の予測が悪い方向に傾いたときにでも、人が何をすればよいかの示唆を与えることができるのです。

慧(KEI)サイクルを繰り返すことで、課題を根本から改善し機械学習の予測モデルの精度も上がっていく

慧 KEIサイクル


慧 KEI Usecases

慧 KEI活用事例

■データ分類・回帰・検出領域アンケート結果を自動的に複数のグループに分類不動産物件価格予測食材画像から品質分類交通標識認識顔認識笑顔度認識音楽のジャンルやムードの推定リアルタイム人認識人物のポーズ、姿勢検出画像内の複数の物体の内容と位置を認識コンクリートのクラック検出製造時の音から異常検出製造時の各種センサデータから異常検出血液検査データと顕微鏡画像からの異常検出

■未来予測領域渋滞予測農作物収穫量予測売上予測株価予測ネットワークトラフィック予測商品の需要予測スポーツ観戦の観客数予測

■強化学習領域迷路からの脱出自動学習仮想空間内での自動飛行学習仮想空間内での自動運転学習コンピュータゲームの解法の自動学習ロボットアームの最適な制御方法の自動学習

■因果情報分析領域農作物の収穫量が増減する原因分析鋳造品の不良品が起きる原因分析電子機器の製造不良の原因分析工業部品の製造不良の原因分析自動車の故障原因の分析新商品の広告と購買の因果分析街の来街要因分析健康経営における課題とその原因分析従業員の退職要因分析ネットワークサービスの離脱要因分析ユーザがプレミアム有料サービスへ移行しない要因分析化学プラントの異常反応要因分析複雑なシミュレーションデータから数値的な関係構造の可視化自動車の顧客満足度と仕様の要因分析開発プロジェクトの成否の要因分析スクールの生徒離脱の要因分析

消費者属性

対象商品・ブランドの

印象

購入量・チャネル

各種広告の認識・印象

購入に至る消費者意識の

変化プロセスは？

売り上げ増大に直結する

マーケティング施策は？

購買・アンケートデータ

商品開発・企画担当マーケティング担当広告代理店


機械学習技術の強みについて

機械学習を利用したAIの開発は現在盛んに行われており、データさえ用意すれば半自動で予測／分類器を作成してくれるサービスやライブラリも登場し、誰でもAI開発ができるようになりつつあります。しかしながら、精度を上げようと思うと下図に示したようなポイントを考慮しながら学習プロセスを踏んでいく必要があります。

クウジットは、前処理やハイパーパラメータチューニングのノウハウと実運用での実績を持っているので、より高精度の予測ができます。また、機械学習による成果である、予測／分類モデルをアプリケーションやサービスに組み込むには別の実装技術が必要になります。クウジットでは、機械学習のモデル作成からアプリケーションやサービスへの組み込みまでフルスタック開発が可能です。


独自の因果情報分析技術について

数多くの因子から因果関

係にある関係のみを抽出

これまでの相関分析では大量の因子同士が相関をもち、結局人の勘だのみで重要な因子を抽出

因果関係が分かることで

メカニズムを理解できる

機械学習は予測は得意だ

がどこに介入すると将来

結果が改善するのかまで

は分からない

＊「慧(KEI)」は、因果情報分析CALC技術を利用しています。＊ CALCはソニー株式会社の登録商標です。＊ CALCは株式会社ソニーコンピュータサイエンス研究所が開発した技術です。

データを投入すると、データ間の関係から因果関係を推定因果の強さや関係性を可視化


11

“Legit”

【英・俗】ホンモノ、ガチ・すごい、かっこいい、いい感じ

AI

Legit

Koozyt


Why we’re legit – And different from others


01

02

03

Academic Excellence

Industry-backedTechnologies

Full Coverage,Full Stack

世界基準での学術的な卓越性

産業界に保証された高い技術力

ワンストップで提供できる技術範囲の広さ


Academic Excellence

クウジットは、ソニー・コンピュータサイエンス研究所から、

その研究成果を社会実装するために飛び出した、ベンチャーアームです。

磯崎隆司

ソニーCSL 研究員兼クウジット

因果情報分析 CALC 発明者データサイエンス

統計的推定オープンシステム

暦本純一

東大情報学環教授ソニーCSL 副所長

兼クウジット技術顧問

インタラクションデザインユーザインタフェース

IoA / 人間拡張拡張現実 /ジャックイン

塩野崎敦

宮島靖

クウジットChief AI Officer

機械学習因果情報分析元ソニー

元ソニーCSL研究者

塩野崎敦

クウジットChief Technology Officer

位置情報技術ネットワーク技術

アプリケーション技術元ソニーCSL研究者


Industry-backed Technologies

クウジットは、株式会社電通国際情

報サービス（ISID)の持分法適用関連

会社です。2011年資本業務提携以来、

ISID オープンイノベーションラボ

（通称:イノラボ）と第3社大手企業

との共同プロジェクトを数多く実践

してきました。

クウジットは、ソニーコンピュータ

サイエンス株式会社(ソニーCSL)の持

分法適用関連会社です。2007年設立

以来、ソニー(株）とのR&D領域で

の研究開発プロジェクトや、ソニー

CSL発の研究シーズを利活用し、第3

社大手企業とのプロジェクトを数多

く実践してきました。

株式会社東急総合研究所様に、まちの因果関係分析にて、弊社ソリューションをご活用いただきました。株式会社ビゼル様（NPO法人健康経営研究会様との連携のもと）に、健康経営実践支援ソリューション「組織活き生きチェック」にて、弊社ソリューションをご活用いただきました。大手電機メーカー、重工・化学メーカー、コールセンター、教育関係、モビリティ領域、企業コンサル、ほか数多くの業種において、弊社ソリューションをご活用いただいた実績があります。


Full Coverage, Full Stack

知識/ノウハウ: 大域最適解, 局所最適解, 誤

差逆伝播法, weight, bias, logits, 勾配消失

問題, 勾配降下法, 交差検証, ホールドアウ

ト検証, 汎化性能, 条件付き確率, ベイズの

定理学習曲線(アンダーフィッティング,

オーバーフィッテイング)

評価指標: 損失最小化, 最小二乗誤差, クロスエントロピー, 報酬最大化

次元圧縮: PCA, オートエンコーダ

前処理： Data Augmentation, 画像処理, 特徴量抽出, 標準化. 正規化

課題に適した手法選択: アプローチ: 教師あり学習, 教師なし学習, 半教師あり学習, アンサンブル学習, 強化学習, 転移学習, 事前学習, 制限ボルツマンマシン, 生成, 因果情報分析(CALC)

モデル: 決定木（Boosting, XGBoost, ランダムフォレスト), SVM, ロジスティック回帰, Lasso, 自己組織化マップ, CNN(畳込み, プーリング, VGG16, Dilated CNN), SSD, YOLO, RNN, LSTM, GRU, R-CNN, ResNet, sequence2sequence, WaveNet, VAE, Word Embedding(word2vec), GAN, K-NN, K-means

課題: 回帰問題, 分類問題, 画像認識, イメージ

セグメンテーション, 一般物体認識, 自然言語

処理., 時系列予測, 音声認識, 異常検知, 画像

生成, フォント生成, 音声合成. 因果分析

フレームワーク: Python, Numpy, Pandas, Keras, Scikit-learn, TensorFlow, ChainerOptimizer: SGD, モーメンタム, AdaGrad, RMSprop, AdaDelta, Adam活性化関数: sigmoid, ReLU, softmax, tanh

ハイパーパラメータチューニング: 手法: グリッドサーチ, ランダムサーチ, ベイズ最適化

対象パラメータ: バッチサイズ, レイヤ数, ユニット数, Drop Out, 学習率, 活性化関数, Optimizer, 正則化

AI倫理: 匿名化, GDPR, 人権・差別. データ収集と利用範囲, インフォームド・コンセント

※ AIのアプリケーション・サービス化は、AIとは別の実装技術です。クウジットは、AI学習モデルの開発のみならず、アプリケーション化技術の開発実績、ノウハウも保有しています。

AIとは、さまざまな先端技術、ノウハウの塊です


Documents

PowerPoint プレゼンテーション · 2019-06-28 · 機械学習による予測に独自の因果情報分析技術を組み合わせることで、データの背後にある