フォーカスイシュー

AI/IoTビジネスデザイン&ディベロップメント支援

ディープラーニング(深層学習)は、三つの成果を挙げたと言われています。

一つ目は既存技術を凌駕したこと。これによって認識や予測の精度は人間の能力を越えるようになりました。※1
二つ目は「60年の歴史を持つAIの50年来のブレークスルー※2 」と言われている、特徴表現抽出※3 という長年のAIのボトルネックを克服したこと。最後は、大脳新皮質のモデル化に貢献したことです。

一つ目の成果は、様々な企業が自社の製品・サービスやそれらを生み出す現場に適用し、価値を生み出し始めています。一方で、中期的な時間軸を見据えて、二つ目の成果である特徴表現抽出を自社内に取り込み、長年の経営課題を解決できないか、と考える企業も徐々に出始めてきています。例えば、日本企業が長期間に渡って培ってきた「目に見えない資産」は、エキスパートたちの引退により失われつつあります。一方で、グローバル市場の競争は加速し、かつてのように時間を掛けて人材を育成する余裕はありません。

「特徴表現抽出」は全ての日本企業が抱えているであろう、このような経営課題を解決するための強力な武器になると我々は考えています。

EYACCのイノベーションチームは、コンサルティング業界トップクラスのAIの知見※4を持ち、また機械学習(深層学習)に精通した経営コンサルタントをチームメンバーに抱えており、クライアント様のAI/IoTビジネスデザイン&ディベロップメントにおける様々な課題をご支援しています。特に深層学習を使ったプロジェクトやPoCを数多く扱ってきていることが、我々の強みです。

例えばこんなニーズにお応えします。

  • AI/IoTを使ったPoC※5を進めているが、カスタマーへの価値を定量化できず、課金モデルが構築できない。
  • 深層学習の特徴表現抽出を自社の経営に取り入れたいが、どこから何に手をつければよいか、分からない。
  • 尖ったAI/IoT技術を持つテックベンチャーを早期に取り込み、AI/IoTによるビジネスディベロップメントを加速させたい。

事例紹介


サービスの資料・詳細等ご希望の方は、下記お問い合わせフォームよりご連絡ください。


  1. 2015年、画像認識コンテスト ILSVRC(ImageNet Large Scale Visual Recognition Challenge)において、Microsoft Researchが開発したディープラーニングの一種であるResidual Networksが、エラー率3.57%を叩き出し、優勝を飾った。競技に用いられる同じ画像データを人間(米Stanford大学の研究者Andrej Karpathy氏)が見て認識した場合のエラー率は5.1%である。
  2. 松尾豊. 「人工知能は人間を超えるか ディープラーニングの先にあるもの」角川PUB選書. 2015/3/11.
  3. 特徴表現とはAIや人が「何か」を認識する際に、「何か」の認識の判断基準とする特徴のこと。これまでのAIは「何か」の特徴を人が手動で設計する必要があったが、ディープラーニングによってAIが自力で抽出して獲得できるようになった。2012年にGoogleのディープラーニングアルゴリズムが、猫の画像を「猫」だと認識できるようになった。つまり、AIが人類史上初めて、人間から猫の特徴を与えられることなく、多数の猫の画像から自分で猫の特徴を抽出し、猫の画像を認識できるようになった。
  4. 例えば、EYイノベーションチームは、日経BP社から「人工知能の未来2017-2022」「自動運転の未来2016-2021」「自動運転ビジネス2017」「ロボットの未来2017-2026」「文系でもわかるAIビジネス(日本・韓国・台湾)」「世界トップ企業のAI戦略(日本・韓国・台湾)」「VR・AR・MRビジネス最前線」などの書籍を出版している。
  5. Proof of Concept(概念実証)の略。新たなコンセプトやアイデアの実現可能性を検証するための簡易な実証のこと。