SIX dena uchida v1 公開用 · 燃料運⽤のスケジューリング作業の⾃動...
Transcript of SIX dena uchida v1 公開用 · 燃料運⽤のスケジューリング作業の⾃動...
DeNAにおける先端AI技術活用のチャレンジ内田祐介AIシステム部株式会社ディー・エヌ・エー
1
⾃⼰紹介• 内⽥祐介(株式会社ディー・エヌ・エー AIシステム部 副部⻑)• 〜2017年:通信キャリアの研究所で画像認識・検索の研究に従事• 2016年 :社会⼈学⽣として博⼠号を取得(情報理⼯学)• 2017年〜:DeNA中途⼊社、深層学習を中⼼とした
コンピュータビジョン技術の研究開発に従事• 電⼦情報通信学会学術奨励賞、FITヤングリサーチャー賞、
映像情報メディア学会技術振興賞受賞、PRMU研究会学術奨励賞、国際学術会議にてBest Paper Awardを2度受賞
2
Twitter: https://twitter.com/yu4uGitHub: https://github.com/yu4uQiita: https://qiita.com/yu4u
やっていること• メインプロジェクトでプレイヤー兼落ち穂拾い• 部としての研究開発計画⽅針検討• 新規案件の要件定義からPMまで• 中途・新卒採⽤活動• イベント企画、運営• 組織マネジメント• 学会活動• (Kaggle, SIGNATE)
3
アジェンダ• AI研究開発を⽀える組織体制と仕組み•技術蓄積のための取り組み•DeNAにおけるKagglerたち•DeNAにおけるAI活⽤事例紹介
4
5
AI研究開発を支える組織体制と仕組み
DeNA 事業ポートフォリオ• 多種多様な事業領域でのビジネス・サービス展開• パートナー企業と共に社会影響の⼤きなサービス創出• ⼤規模インターネットサービスプラットフォームの構築
6
ゲームエンターテイメント 新領域スポーツ ヘルスケア
オートモーティブ
eコマース・その他
ソーシャルLIVE
+他社IP利用のタイトル多数
DeNAのAI技術活⽤の考え⽅• 先端 AI 技術を活⽤し、価値あるサービスを提供・洗練する
7
大規模データ
サービス
AI技術最新研究をベースに研究開発
AI活用した新たな価値ある
サービス設計・実装
サービス・データのサイクルから生まれる強固なビジネス構造
価値あるサービス提供への継続的な挑戦
AI技術の蓄積と活⽤
8
実用系
実験系
スピード
パートナーシップ案件 自社サービス
基礎技術開発
実用価値提供
実証実験
実用価値提供
サービス内実験
最新論文の実装・実験研究成果の外部発信
最新研究を自社サービスデータを活用して実験
先端技術の適用実績をスピーディーに蓄積
確度の高い技術を活用した価値を提供
自社サービスでは獲得できないデータを活用した、実験的取組みによる技術力の向上と、新しい価値の探求
AI技術の蓄積と活⽤
9
実用系
実験系
スピード
パートナーシップ案件 自社サービス
基礎技術開発
実用価値提供
実証実験
実用価値提供
サービス内実験
最新論文の実装・実験研究成果の外部発信
最新研究を自社サービスデータを活用して実験
先端技術の適用実績をスピーディーに蓄積
確度の高い技術を活用した価値を提供
自社サービスでは獲得できないデータを活用した、実験的取組みによる技術力の向上と、新しい価値の探求• 多種多様な事業ドメインに対し
実サービスに直結した技術開発を様々なスピード感で⾏う必要がある
DeNAのAI組織体制• 全社横断部⾨であるAI システム部が、DeNAの全サービスを対象に先端AI技術を活⽤したサービス提供・改善を実現• ビジネス部隊(AI戦略推進室)と新規事業開拓も検討
10
ゲーム・エンタメ
AIシステム部(共通部⾨)
オートモーティブ ヘルスケア スポーツ
AI戦略推進室
BizDevAI研究開発エンジニア
データサイエンティストMLエンジニア
インフラエンジニア
…
AIサービス応⽤を実現するための組織体制• AI研究開発エンジニア
• コンピュータビジョン/⾳声/強化学習等の専⾨技術を保有• 先端研究を追いながら専⾨技術を活⽤して事業貢献
• データサイエンティスト• 事業の抱える分析課題を解くことに燃えるスペシャリスト集団• ⼿段を問わず最⾼の精度を出すことに泥臭くコミット
• MLエンジニア• AI技術をサービス上に実装して安定運⽤を実現• データの収集、前処理やAPIの提供
• インフラエンジニア• 膨⼤なデータを取り扱うためのインフラ基盤構築・セキュリティ整備• 各エンジニアの運⽤サポート・コスト管理 11
AIサービス応⽤を実現するための組織体制• AI研究開発エンジニア
• コンピュータビジョン/⾳声/強化学習等の専⾨技術を保有• 先端研究を追いながら専⾨技術を活⽤して事業貢献
• データサイエンティスト• 事業の抱える分析課題を解くことに燃えるスペシャリスト集団• ⼿段を問わず最⾼の精度を出すことに泥臭くコミット
• MLエンジニア• AI技術をサービス上に実装して安定運⽤を実現• データの収集、前処理やAPIの提供
• インフラエンジニア• 膨⼤なデータを取り扱うためのインフラ基盤構築・セキュリティ整備• 各エンジニアの運⽤サポート・コスト管理 12
• それぞれの専⾨性を相補的に⽣かし効率的な研究開発・実応⽤を⽬指す
• プロジェクトに応じて適切なメンバーアサイン
事業貢献のアプローチ• ⼤企業的な関係:
13
研究部⾨ 事業部⾨
こんな技術できましたけど…
じゃあまずはPoCから…
技術
DeNAのAIプロジェクト
• 研究エンジニアがプロジェクトの⽴ち上げ時期から参画• 想定される技術的課題・解決⽅針を洗い出し• データの取得⽅法等について企画段階から検討• プロジェクトの中で技術開発・技術確⽴を⾏う
14
AIシステム部(共通部⾨)
AI研究開発エンジニアデータサイエンティスト
MLエンジニアインフラエンジニア
事業部⾨
プロジェクト
Join!
DeNAのAIプロジェクト
• 研究エンジニアがプロジェクトの⽴ち上げ時期から参画• 想定される技術的課題・解決⽅針を洗い出し• データの取得⽅法等について企画段階から検討• プロジェクトの中で技術開発・技術確⽴を⾏う
15
AIシステム部(共通部⾨)
AI研究開発エンジニアデータサイエンティスト
MLエンジニアインフラエンジニア
事業部⾨
プロジェクト
Join!AI研究開発エンジニア
DeNAのAIプロジェクト
• 研究エンジニアがプロジェクトの⽴ち上げ時期から参画• 想定される技術的課題・解決⽅針を洗い出し• データの取得⽅法等について企画段階から検討• プロジェクトの中で技術開発・技術確⽴を⾏う
16
AIシステム部(共通部⾨)
AI研究開発エンジニアデータサイエンティスト
MLエンジニアインフラエンジニア
事業部⾨
プロジェクト
Join!データサイエンティスト
DeNAのAIプロジェクト
• 研究エンジニアがプロジェクトの⽴ち上げ時期から参画• 想定される技術的課題・解決⽅針を洗い出し• データの取得⽅法等について企画段階から検討• プロジェクトの中で技術開発・技術確⽴を⾏う
17
AIシステム部(共通部⾨)
AI研究開発エンジニアデータサイエンティスト
MLエンジニアインフラエンジニア
事業部⾨
プロジェクト
Join!AI研究開発エンジニア
データサイエンティストMLエンジニア
インフラエンジニア
技術蓄積のための取り組み
18
社内勉強会の開催• 週次で技術トピック(40分x2本)を社内プレゼン• 社内プロジェクトの技術解説、論⽂紹介等持ち回り• 全員に技術発信の習慣を意識付け
• 秘匿プロジェクトで無ければ社外にも積極公開
19
社内勉強会の開催• 週次で技術トピック(40分x2本)を社内プレゼン• 社内プロジェクトの技術解説、論⽂紹介等持ち回り• 全員に技術発信の習慣を意識付け
• 秘匿プロジェクトで無ければ社外にも積極公開
20
• より深いディスカッションを⾏うため、コンピュータビジョン系とデータサイエンス系の輪講も隔週で開催
• Kaggle反省会とかもあります
国際学会派遣• 年1回、無条件で好きな国際学会に⾏って良い• 先端研究の動向把握• 優秀な研究者とのネットワークづくり
• 主な参加学会• CVPR, ICCV, ECCV, ICML, NIPS, ICLR, KDD,AAAI, ICASSP等
• AWS re:Invent、Google Cloud Next、NVIDIA GTC等も
21
勉強会主催・⽀援• NeurIPS2018読み会@PFN(共催)• ICML2018読み会@DeNA(PFN共催)• CV勉強会CVPR2018読み会@DeNA(会場提供)• ICLR2018読み会@PFN(共催)• Deep Learning Acceleration勉強会@DeNA(会場提供)• ICLR2017読み会@DeNA(主催)
22
OSS公開• PyTorch_YOLOv3• YOLOv3のPyTorch学習再現実装
https://github.com/DeNA/PyTorch_YOLOv3
• ChainerPruner• Chainer向けpruiningライブラリ
https://github.com/DeNA/ChainerPruner
• Chainer_Mask_R-CNN• Mask R-CNNのChainer実装
https://github.com/DeNA/Chainer_Mask_R-CNN
• Chainer_Realtime_Multi-Person_Pose_Estimation• OpenPoseのChainer実装
https://github.com/DeNA/Chainer_Realtime_Multi-Person_Pose_Estimation
23
24
DeNAにおけるKagglerたち
DeNAにおけるKagglerたち• AIシステム部データサイエンスグループに⽣息するデータサイエンティスト
• スキルセット:
25http://www.datascientist.or.jp/news/2014/pdf/1210.pdf
Kaggle• 機械学習モデルを構築するコンペティションのプラットフォーム
26
Kaggler
Kaggle⽀援• データサイエンティストは、社内⼿続きを経た上で、業務として会社のサーバ資源を使ってKaggleに取り組める• ⽬安として30%の⼯数はKaggleに取り組める負荷でアサイン• Kaggle実績は分析者としての実⼒の証明
• 会社としてのメリット• 社外の様々な分析問題と解法に対する知⾒を広げ
社内の分析問題にも展開可能とする• 著名なKaggle Masterを抱えることによるブランディング
27
Kaggler募集中です• ⽬指すはKagglerにとって世界で最⾼の職場!
• Kaggleで圧倒的な成果を出し続ける• データサイエンス案件でスピード感を持って
質の⾼いアウトプットを出す
28
Kagglerのこれまでの実績
29
DeNAのKagglerである⼩野寺和樹と加納⿓⼀を含むチームが、過去最⼤のKaggleコンペである"Home Credit Default Risk"にて、7198チーム(参加者数8572名)中2位に⼊賞しました。今年4⽉からのKaggle社内ランク制度開始以来の、⼤きな成果となりました!
Kagglerが関わった案件例• 関⻄電⼒とDeNAが、⽯炭⽕⼒発電所の燃料運⽤最適化を⾏うAIソリューションの共同開発等に関して基本合意
30
(プレスリリースより)関⻄電⼒とDeNAは、熟練技術者による燃料運⽤のスケジューリング作業の⾃動化を⽬指し、関⻄電⼒が設定した課題や運⽤条件に基づいて、DeNAが⼀般的にゲームAIに⽤いられる、膨⼤な組合せの中から最適なものを探索する技術を導⼊し、アルゴリズムを構築しました。
Kaggleと実業務(個⼈の感想です)• 1つの案件を擬似的に体験することができる• 探索的データ解析 (EDA) からチューニングまで• DiscussionとKernelの存在• 失敗しても⼤丈夫!
• つよいKagglerは1つのコンペでその分野の専⾨家になる
31
32
DeNAにおけるAI活用事例紹介
DeNAのAI活⽤• 多種多様な事業を展開しているDeNAでは、実活⽤前提での多種多様なAI応⽤のチャレンジをしています
33
ゲームエンターテイメント 新領域スポーツ ヘルスケア
オートモーティブ
eコマース・その他
ソーシャルLIVE
+他社IP利用のタイトル多数
34
交通事故低減に向けたAI技術活⽤の取り組み
オートモーティブ
コンピュータビジョンデータサイエンス×
• 講演では下記の内容のショートバージョンを紹介しました是⾮下記のフルバージョンをご参照ください
• 深層学習を⽤いたコンピュータビジョン技術と運転⾏動モニタリングへの応⽤https://www.slideshare.net/ren4yu/ss-87520443AI/
• MLシステムにおけるビッグデータとの付き合い⽅https://www.slideshare.net/ShotaSuzuki2/aiml-133183890
35
36
⾞載カメラからの⾼精度地図作成技術オート
モーティブ
コンピュータビジョン×
• 講演では下記の内容のショートバージョンを紹介しました是⾮下記のフルバージョンをご参照ください
• Building HD maps with dashcamshttps://www.slideshare.net/KousukeKuzuoka/building-hd-maps-with-dashcams
37
38
ゲーム事業におけるAI技術の取り組みゲーム
データサイエンスゲームAI×
• 講演では下記の内容のショートバージョンを紹介しました是⾮下記のフルバージョンをご参照ください
• 運⽤中のゲームにAIを導⼊するには〜プロジェクト推進・ユースケース・運⽤〜https://www.slideshare.net/dena_tech/ai-dena-techcon-2019
39
40
アニメ⽣成技術への取り組み
Structure-aware Generative Learning×
エンターテイメント
• 講演では下記の内容のショートバージョンを紹介しました是⾮下記のフルバージョンをご参照ください
41
• 技術詳細
https://www.slideshare.net/hamadakoichi/anime-generation
生成アニメ
https://youtu.be/tOZW_KWb8b0
AIによるアニメ生成の挑戦 AIによるアニメ中割生成結果
まとめ• AI研究開発を⽀える組織体制と仕組み• 実サービス中で技術確⽴
•技術蓄積のための取り組み•DeNAにおけるKagglerたち•DeNAにおけるAI活⽤事例紹介
42
43