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!



15




事業部⾨

プロジェクト

Join!AI研究開発エンジニア



16




事業部⾨

プロジェクト

Join!データサイエンティスト



17




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


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


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×


• 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×


• 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


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

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...

Documents

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...