Categoryページはアーカイブ作成中です。
{
  "id": 366275726,
  "slug": "ai",
  "name": "人工知能・AI",
  "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース",
  "posts": [
    {
      "postId": 478009,
      "categoryId": 366275726,
      "post": {
        "id": 478009,
        "slug": "xpression-camera",
        "createdAt": "2022-03-31T03:39:48.000Z",
        "updatedAt": "2022-03-31T03:39:48.000Z",
        "title": "Zoom・Teams・TikTok対応、AIで自分の外観をDXできる「xpression camera」正式版リリース―1.5億円の資金調達も",
        "content": "<p>「学習し模倣するAI」を「想像し創造するAI」へ進化させることをミッションに掲げるテック企業<a target=\"_blank\" href=\"https://embodyme.com/ja/\" rel=\"noopener\">EmbodyMe</a>(エンボディーミー)は、ビデオ会議などで自分の映像を別のものに置き換えられる「<a target=\"_blank\" href=\"https://xpressioncamera.com/\" rel=\"noopener\">xpression camera</a>」(エクスプレッションカメラ)の正式版をリリースした。WindowsとMacに対応し、無料で使うことができる。アプリは<a target=\"_blank\" href=\"https://xpressioncamera.com/\" rel=\"noopener\">こちらからダウンロード</a>できる。</p>\n<p>また同社は、FreakOut Shinsei Fund、DEEPCORE、キャナルベンチャーズ、山口キャピタルを引受先として、1億5000万円の資金調達を実施したことも発表した。</p>\n<p>xpression cameraは、使いたい画像が1枚あれば、それをAIにより自分の外観と置き換えて、リアルタイムでコミュニケーションができるようになるというツール。Zoomのほかに、Teams、YouTube、TikTokなどあらゆるビデオアプリで利用できる。たとえばパジャマ姿でも、スーツを着た自分の画像に置き換えてリモート会議に参加するということが可能になる。自分だけでなく、顔として認証されるものなら、絵画や動物の写真を使うこともできる。</p>\n<p>&nbsp;</p>\n<p><span class=\"embed-youtube\" style=\"text-align:center; display: block;\"><iframe loading=\"lazy\" class=\"youtube-player\" width=\"640\" height=\"360\" src=\"https://www.youtube.com/embed/EyAChGobtw0?version=3&#038;rel=1&#038;showsearch=0&#038;showinfo=1&#038;iv_load_policy=1&#038;fs=1&#038;hl=en-US&#038;autohide=2&#038;wmode=transparent\" allowfullscreen=\"true\" style=\"border:0;\" sandbox=\"allow-scripts allow-same-origin allow-popups allow-presentation\"></iframe></span></p>\n<p>2020年9月からベータ版を提供していたが、AIのコアエンジンを一新してクオリティーを高め、バーチャル背景などの機能も追加した。映像の録画・読み込み・画像検索・バーチャル背景の編集が可能な有料版の「Pro Plan」もある。さらに、企業向けの「Enterprise Plan」の提供も予定しており、現在はパイロットプログラムへの参加企業を募集している。</p>\n<p><img loading=\"lazy\" class=\"aligncenter wp-image-478016 size-large\" src=\"/wp-content/uploads/2022/03/sub1-8.png?w=597\" alt=\"\" width=\"597\" height=\"1024\" srcset=\"/wp-content/uploads/2022/03/sub1-8.png 1200w, /wp-content/uploads/2022/03/sub1-8.png?resize=175,300 175w, /wp-content/uploads/2022/03/sub1-8.png?resize=768,1316 768w, /wp-content/uploads/2022/03/sub1-8.png?resize=597,1024 597w, /wp-content/uploads/2022/03/sub1-8.png?resize=896,1536 896w, /wp-content/uploads/2022/03/sub1-8.png?resize=1195,2048 1195w, /wp-content/uploads/2022/03/sub1-8.png?resize=233,400 233w, /wp-content/uploads/2022/03/sub1-8.png?resize=400,686 400w, /wp-content/uploads/2022/03/sub1-8.png?resize=738,1265 738w, /wp-content/uploads/2022/03/sub1-8.png?resize=210,360 210w, /wp-content/uploads/2022/03/sub1-8.png?resize=128,220 128w, /wp-content/uploads/2022/03/sub1-8.png?resize=100,172 100w, /wp-content/uploads/2022/03/sub1-8.png?resize=73,125 73w, /wp-content/uploads/2022/03/sub1-8.png?resize=35,60 35w, /wp-content/uploads/2022/03/sub1-8.png?resize=322,552 322w, /wp-content/uploads/2022/03/sub1-8.png?resize=214,367 214w, /wp-content/uploads/2022/03/sub1-8.png?resize=29,50 29w\" sizes=\"(max-width: 597px) 100vw, 597px\" /></p>\n<p>EmbodyMeは、「最終的にはAIで目に見えるあらゆるものを誰もが自由自在に作り出せるツールになることを目標とし、今まで想像もできなかったようなまったく新しいメディア、業界をも創造していきます」と話している。</p>\n",
        "authorId": 136751393,
        "featuredMediaUrl": "/wp-content/uploads/2022/03/subagif_1a.gif",
        "author": {
          "id": 136751393,
          "slug": "tetsuokanai",
          "name": "tetsuokanai",
          "description": ""
        },
        "categories": [
          {
            "postId": 478009,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 478009,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 478009,
            "tagId": 24605,
            "tag": {
              "id": 24605,
              "slug": "zoom",
              "name": "Zoom(製品・サービス)",
              "description": "Zoomは、クラウドコンピューティングを使用したWeb会議サービス。"
            }
          },
          {
            "postId": 478009,
            "tagId": 5938293,
            "tag": {
              "id": 5938293,
              "slug": "tiktok",
              "name": "TikTok(製品・サービス)",
              "description": "TikTok は、中国のByteDanceが開発運営するモバイル向けショートビデオのプラットフォームである。"
            }
          },
          {
            "postId": 478009,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 478009,
            "tagId": 366273260,
            "tag": {
              "id": 366273260,
              "slug": "microsoft-teams",
              "name": "Microsoft Teams(製品・サービス)",
              "description": "Microsoft Teamsは、マイクロソフトがWindows、macOS、Linux、iOS及びAndroid向けに開発・提供するコラボレーションプラットフォーム。"
            }
          },
          {
            "postId": 478009,
            "tagId": 366273523,
            "tag": {
              "id": 366273523,
              "slug": "video-chat",
              "name": "ビデオ通話 / ビデオチャット / ビデオ会議 / オンライン会議(用語)",
              "description": "オンライン会議 / ビデオ通話(用語)に関連する記事一覧"
            }
          },
          {
            "postId": 478009,
            "tagId": 366273892,
            "tag": {
              "id": 366273892,
              "slug": "video",
              "name": "動画 / ビデオ(用語)",
              "description": "動画 / ビデオに関する記事一覧"
            }
          },
          {
            "postId": 478009,
            "tagId": 692510639,
            "tag": {
              "id": 692510639,
              "slug": "video-editing",
              "name": "動画(ビデオ)撮影 / 動画編集 / 動画制作(用語)",
              "description": "動画(ビデオ)撮影 / 動画編集 / 動画制作に関する記事一覧"
            }
          },
          {
            "postId": 478009,
            "tagId": 692512142,
            "tag": {
              "id": 692512142,
              "slug": "japan",
              "name": "日本(国・地域)",
              "description": ""
            }
          },
          {
            "postId": 478009,
            "tagId": 692513087,
            "tag": {
              "id": 692513087,
              "slug": "youtube",
              "name": "YouTube / ユーチューブ(製品・サービス)",
              "description": "YouTube / ユーチューブに関する記事一覧"
            }
          },
          {
            "postId": 478009,
            "tagId": 692517639,
            "tag": {
              "id": 692517639,
              "slug": "embodyme-2",
              "name": "EmbodyMe(企業)",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 477485,
      "categoryId": 366275726,
      "post": {
        "id": 477485,
        "slug": "2022-03-23-datagen-raises-50-million-series-b-to-empower-computer-vision-teams",
        "createdAt": "2022-03-29T00:00:17.000Z",
        "updatedAt": "2022-03-28T23:24:27.000Z",
        "title": "コンピュータビジョンチームに合成データを提供するDatagenが約61.7億円のシリーズB資金調達を実施",
        "content": "<p>イスラエルで設立された<a target=\"_blank\" href=\"https://datagen.tech/\" rel=\"noopener\">Datagen</a>(データジェン)は、コンピュータビジョン(CV)チームのために合成データソリューションを提供するスタートアップ企業だ。同社はその事業の成長を促進するため、5000万ドル(約61億7000万円)のシリーズBラウンドを実施し、これまでの資金調達総額が7000万ドル(約86億4000万円)を超えたと発表した。今回のラウンドは新たに投資家となった<a target=\"_blank\" href=\"http://www.scalevp.com/\" rel=\"noopener\">Scale Venture Partners</a>(スケール・ベンチャー・パートナーズ)が主導し、パートナーのAndy Vitus(アンディ・ヴィータス)氏がDatagenの取締役に就任した。</p>\n<p>テルアビブとニューヨークにオフィスを構えるDatagenは「実世界の環境をシミュレートすることによってわずかなコストで機械学習モデルを迅速に訓練し、AIの進歩を推進する完全なCVスタックを構築している」と、ヴィータス氏は述べている。このパロアルトに拠点を置くVCは「これはCVアプリケーションの開発とテストの方法を根本的に変えるだろう」と予測する。</p>\n<p>11カ月前にDatagenが<a target=\"_blank\" href=\"https://www.finsmes.com/2021/03/datagen-raises-18-5m-in-funding.html\" rel=\"noopener\">1850万ドル(約22億8000万円)を調達したシリーズAラウンド</a>を支援した投資家たちも、この新たなラウンドに参加した。その中にはVCの<a target=\"_blank\" href=\"https://www.tlv.partners/\" rel=\"noopener\">TLV Partners</a>(TLVパートナーズ)と<a target=\"_blank\" href=\"https://www.spidercapital.com/\" rel=\"noopener\">Spider Capital</a>(スパイダー・キャピタル)が含まれる。シリーズAを主導した<a target=\"_blank\" href=\"https://www.viola-group.com/\" rel=\"noopener\">Viola Ventures</a>(ヴィオラ・ベンチャーズ)も、今回はその成長部門である<a target=\"_blank\" href=\"https://www.viola-group.com/fund/violagrowth/\" rel=\"noopener\">Viola Growth</a>(ヴィオラ・グロース)を通じて参加した。さらに、コンピューター科学者のMichael J. Black(マイケル・J・ブラック)氏や、Trevor Darrell(トレバー・ダレル)氏、NVIDIA(エヌビディア)のAI担当ディレクターであるGal Chechik(ガル・チェチック)氏、Kaggle(カグル)のAnthony Goldbloom(アンソニー・ゴールドブルーム)CEOなど、AIやデータ分野の高名な人物も倍賭けを決めている。</p>\n<p>投資家の名簿はもっと長くなる可能性があると、Datagenの<a target=\"_blank\" href=\"https://www.linkedin.com/in/ofir-chakon/\" rel=\"noopener\">Ofir Zuk</a>(オフィール・ズク)CEOはTechCrunchに語った。このラウンドは数週間前に終了したが、同スタートアップは、確認が取れていない数名の名前とともに「クローズを延期した少しの余地」を残しているという。</p>\n<p>シリーズA以降のDatagenの主なマイルストーンの1つは、ターゲットユーザーが初期のフィードバックで要求した<a target=\"_blank\" href=\"https://www.linkedin.com/in/ofir-chakon/\" rel=\"noopener\">セルフサービス・プラットフォーム</a>の構築だったと、ズク氏は語る。これによってDatagenは、顧客がCVアプリケーションのトレーニングに必要なビジュアルデータを生成するための、より拡張性の高い方法を提供することができるようになった。</p>\n<p>Datagenのソリューションは、フォーチュン100社や「ビッグテック」企業を含む、さまざまな組織内のCVチームや機械学習エンジニアに使用されている。その用途は多岐にわたるが、中でも特に加速している分野が4つあるとズク氏はいう。AR/VR/メタバース、車内および自動車全般、スマート会議、ホームセキュリティだ。</p>\n<p>車内への応用は、Datagenが行っていることをより良く理解するための好例といえるだろう。これはつまり、乗員がシートベルトを着用しているかどうかなど、車内の状況を意味する。乗員やクルマの形状はさまざまであるため、そこでAIが活躍するわけだ。最初に現実世界から作成した3Dモーションキャプチャをベースに、Datagenの顧客は、例えばエアバッグの展開する位置を正確に決めるためなどに必要な膨大なデータを生成することができる。</p>\n<p>Datagenは、ビジュアルデータに特化しているものの、特定の分野に縛られているわけではない。もし、小売業やロボット工学のユースケースが軌道に乗れば、倉庫のモーションキャプチャなど、特定の現実世界のデータを収集するだけでよい。その上のアルゴリズムや技術は、分野にとらわれないとズク氏はいう。</p>\n<p><a target=\"_blank\" href=\"https://techcrunch.com/2018/07/10/scale-venture-partners-has-a-new-400-million-fund-to-invest-in-enterprise-companies/\" rel=\"noopener\">20年以上の歴史を持つ企業向けVC</a>のScale Venture Partnersは、すでに<a target=\"_blank\" href=\"https://techcrunch.com/2018/10/17/cognata-raises-18-5m-as-race-to-deploy-autonomous-vehicles-quickens/\" rel=\"noopener\">自動車運転シミュレーション・プラットフォームのCognata</a>(コグナタ)に投資しており、シミュレーションデータの分野に関しては強気だ。ズク氏も同様で「合成データは現実のデータを凌駕しつつある」という言葉でまとめた。</p>\n<p><small>画像クレジット:Andriy Onufriyenko / Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/03/23/datagen-raises-50-million-series-b-to-empower-computer-vision-teams/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Anna Heim、翻訳:Hirokazu Kusakabe)</p>\n",
        "authorId": 191889557,
        "featuredMediaUrl": "/wp-content/uploads/2022/03/GettyImages-1303435492.webp",
        "author": {
          "id": 191889557,
          "slug": "hkusakabe",
          "name": "Hirokazu Kusakabe",
          "description": ""
        },
        "categories": [
          {
            "postId": 477485,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 477485,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 477485,
            "tagId": 366271656,
            "tag": {
              "id": 366271656,
              "slug": "israel",
              "name": "イスラエル(国・地域)",
              "description": "イスラエルに関連する記事一覧"
            }
          },
          {
            "postId": 477485,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 477485,
            "tagId": 366274530,
            "tag": {
              "id": 366274530,
              "slug": "computer-vision",
              "name": "コンピュータービジョン(用語)",
              "description": "コンピュータビジョンに関連する記事一覧"
            }
          },
          {
            "postId": 477485,
            "tagId": 692515452,
            "tag": {
              "id": 692515452,
              "slug": "synthetic-data",
              "name": "合成データ / シンセティックデータ(用語)",
              "description": "合成データ / シンセティックデータに関する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 476784,
      "categoryId": 366275726,
      "post": {
        "id": 476784,
        "slug": "2022-03-22-microsoft-improves-its-ai-translations-with-z-code",
        "createdAt": "2022-03-23T02:30:35.000Z",
        "updatedAt": "2022-03-23T02:06:06.000Z",
        "title": "マイクロソフトがZ-Codeを使ってAI翻訳サービスを改善",
        "content": "<p>Microsoft(マイクロソフト)は米国時間3月22日、同社の翻訳サービスを改訂したことを<a target=\"_blank\" href=\"https://www.microsoft.com/en-us/research/blog/microsoft-translator-enhanced-with-z-code-mixture-of-experts-models/\" rel=\"noopener\">発表</a>した。新しい機械学習技法によって、多数の言語間における翻訳が著しく改善されるという。「spare Mixture of Expert(Mixture of Expertを出し惜しみする)」アプローチを使用するという同社の<a target=\"_blank\" href=\"https://www.microsoft.com/en-us/research/project/project-zcode/\" rel=\"noopener\">Project Z-Code</a>(プロジェクト・ズィー・コード)を基盤とする新モデルは、盲検法評価で同社の以前のモデルより3~15%高いスコアを記録した。Z-CodeはMicrosoftのXYZ-Codeイニシアチブの一環で、複数の言語を横断してテキスト、視覚、音声を組み合わせることによって、これまで以上に強力で有効なAIシステムを作る。</p>\n<p>「Mixture of Experts」はまったく新しい技法というわけではないが、翻訳の場面では特に有効だ。システムはまず、タスクを複数のサブタスクに分割し、それぞれを「expert(エキスパート)」と呼ばれるより小さい特化したモデルに委譲する。次に、どのタスクをどのexpertに委譲するかを、独自の予測に基づいてモデルが決定する。ごく簡単にいうなら、Mixture of Expertsは複数のより特化されたモデルを内包するモデルと考えることができる。</p>\n<div id=\"attachment_476786\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-476786\" loading=\"lazy\" class=\"wp-image-476786 size-large\" src=\"/wp-content/uploads/2022/03/Microsoft-Translator-Z-code-1.jpg?w=1024\" alt=\"\" width=\"1024\" height=\"575\" srcset=\"/wp-content/uploads/2022/03/Microsoft-Translator-Z-code-1.jpg 2000w, /wp-content/uploads/2022/03/Microsoft-Translator-Z-code-1.jpg?resize=300,168 300w, /wp-content/uploads/2022/03/Microsoft-Translator-Z-code-1.jpg?resize=768,431 768w, /wp-content/uploads/2022/03/Microsoft-Translator-Z-code-1.jpg?resize=1024,575 1024w, /wp-content/uploads/2022/03/Microsoft-Translator-Z-code-1.jpg?resize=1536,862 1536w, /wp-content/uploads/2022/03/Microsoft-Translator-Z-code-1.jpg?resize=712,400 712w, /wp-content/uploads/2022/03/Microsoft-Translator-Z-code-1.jpg?resize=400,225 400w, /wp-content/uploads/2022/03/Microsoft-Translator-Z-code-1.jpg?resize=738,414 738w, /wp-content/uploads/2022/03/Microsoft-Translator-Z-code-1.jpg?resize=640,360 640w, /wp-content/uploads/2022/03/Microsoft-Translator-Z-code-1.jpg?resize=220,124 220w, /wp-content/uploads/2022/03/Microsoft-Translator-Z-code-1.jpg?resize=281,158 281w, /wp-content/uploads/2022/03/Microsoft-Translator-Z-code-1.jpg?resize=223,125 223w, /wp-content/uploads/2022/03/Microsoft-Translator-Z-code-1.jpg?resize=125,70 125w, /wp-content/uploads/2022/03/Microsoft-Translator-Z-code-1.jpg?resize=107,60 107w, /wp-content/uploads/2022/03/Microsoft-Translator-Z-code-1.jpg?resize=983,552 983w, /wp-content/uploads/2022/03/Microsoft-Translator-Z-code-1.jpg?resize=600,337 600w, /wp-content/uploads/2022/03/Microsoft-Translator-Z-code-1.jpg?resize=50,28 50w, /wp-content/uploads/2022/03/Microsoft-Translator-Z-code-1.jpg?resize=250,141 250w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-476786\" class=\"wp-caption-text\">画像クレジット:Microsoft</p></div>\n<p>「Z-Codeを使うことで、驚くほどの進展が見られました。それは、単一言語と複数言語のデータに対して転移学習(transfer learning)とマルチタスク学習の両方を使って最先端の言語モデルを作ることができたからです。これで品質と性能と効率性の最善の組み合わせを顧客に届けることができます」とMicrosoftのテクニカルフェロー兼Azure(アジュール)AI最高技術責任者のXuedong Huang(シュードゥン・ホァン)氏はいう。</p>\n<p>この結果、例えば、10種類の言語間で直接翻訳することが可能になり、複数のシステムを使う必要がなくなる。すでにMicrosoftは固有表現抽出、文章要約、カスタム文章分類、キーワード抽出など、同社AIシステムの他の機能の改善にZ-Codeモデルを使い始めている。しかし、翻訳サービスにこのアプローチを利用したのはこれが初めてだ。</p>\n<p>翻訳モデルは伝統的に著しく巨大で、製品環境に持ち込むことは困難だった。しかしMicrosoftのチームはsparse(スパース)アプローチを採用し、タスクごとにシステム全体を動かす代わりに、少数のモデルパラメータのみを起動する方法を選んだ。「これによって大幅にコスト効率よく実行できるようになります。家の暖房を1日中全開されるのではなく、必要な部屋を必要な時だけ暖めるほうが安くて効率がよいのと同じことです」とチームがこの日の発表で説明した。</p>\n<p><small>画像クレジット:Keystone/Getty Images / Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/03/22/microsoft-improves-its-ai-translations-with-z-code/\" rel=\"noopener noreferrer\">原文へ</a>]</p>\n<p>(文:Frederic Lardinois、翻訳:Nob Takahashi / <a target=\"_blank\" href=\"https://www.facebook.com/nobuotakahashi\" rel=\"noopener\">facebook</a> )</p>\n",
        "authorId": 46898867,
        "featuredMediaUrl": "/wp-content/uploads/2022/03/GettyImages-3163483.jpg",
        "author": {
          "id": 46898867,
          "slug": "tcjpnobuo",
          "name": "Nobuo Takahashi",
          "description": ""
        },
        "categories": [
          {
            "postId": 476784,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 476784,
            "tagId": 637,
            "tag": {
              "id": 637,
              "slug": "microsoft",
              "name": "Microsoft / マイクロソフト(企業)",
              "description": "マイクロソフトは、アメリカ合衆国ワシントン州に本社を置く、ソフトウェアを開発、販売する企業。"
            }
          },
          {
            "postId": 476784,
            "tagId": 1934,
            "tag": {
              "id": 1934,
              "slug": "language",
              "name": "言語(用語)",
              "description": "言語に関する記事一覧"
            }
          },
          {
            "postId": 476784,
            "tagId": 8349,
            "tag": {
              "id": 8349,
              "slug": "translation",
              "name": "翻訳 / 通訳(用語)",
              "description": "翻訳 / 通訳に関する記事一覧"
            }
          },
          {
            "postId": 476784,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 476784,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          }
        ]
      }
    },
    {
      "postId": 475965,
      "categoryId": 366275726,
      "post": {
        "id": 475965,
        "slug": "chillstack",
        "createdAt": "2022-03-16T11:48:36.000Z",
        "updatedAt": "2022-03-16T11:48:36.000Z",
        "title": "不正経費自動検知クラウドStena Expense、飲食店の相場価格から会議費・交際費の異常利用を検知するAI機能を追加",
        "content": "<p>AI活用検知クラウドやサイバーセキュリティ技術を開発・提供する<a target=\"_blank\" href=\"https://chillstack.com/\" rel=\"noopener\">ChillStack</a>は3月15日、個人立替領域の不正経費自動検知クラウド「<a target=\"_blank\" href=\"https://expense.stena.chillstack.com/\" rel=\"noopener\">Stena Expense</a>」(ステナエクスペンス)において、飲食店で会議費・交際費として使用された経費が一般的な相場金額から大きく逸脱していないかを判定・抽出する新機能の実装と提供開始を発表した。</p>\n<p>今回の新機能では、外部APIとの連携により、飲食店で使用された経費(交際費・会議費に該当する明細)が、該当店舗の1人あたりの相場金額から大きく逸脱していないかを同社独自AIで識別・抽出する。飲食店データベースと連携したStena独自のAI識別エンジンが飲食店データベースを照合して金額の妥当性を判断するという。</p>\n<p><img loading=\"lazy\" class=\"img-full aligncenter wp-image-475968 size-large\" src=\"/wp-content/uploads/2022/03/02-16.jpg?w=1024\" alt=\"不正経費自動検知クラウドStena Expense、飲食店の相場価格から会議費・交際費の異常利用を検知するAI機能を追加\" width=\"1024\" height=\"635\" srcset=\"/wp-content/uploads/2022/03/02-16.jpg 1234w, /wp-content/uploads/2022/03/02-16.jpg?resize=300,186 300w, /wp-content/uploads/2022/03/02-16.jpg?resize=768,476 768w, /wp-content/uploads/2022/03/02-16.jpg?resize=1024,635 1024w, /wp-content/uploads/2022/03/02-16.jpg?resize=645,400 645w, /wp-content/uploads/2022/03/02-16.jpg?resize=400,248 400w, /wp-content/uploads/2022/03/02-16.jpg?resize=738,458 738w, /wp-content/uploads/2022/03/02-16.jpg?resize=145,90 145w, /wp-content/uploads/2022/03/02-16.jpg?resize=581,360 581w, /wp-content/uploads/2022/03/02-16.jpg?resize=220,136 220w, /wp-content/uploads/2022/03/02-16.jpg?resize=277,172 277w, /wp-content/uploads/2022/03/02-16.jpg?resize=202,125 202w, /wp-content/uploads/2022/03/02-16.jpg?resize=125,77 125w, /wp-content/uploads/2022/03/02-16.jpg?resize=97,60 97w, /wp-content/uploads/2022/03/02-16.jpg?resize=890,552 890w, /wp-content/uploads/2022/03/02-16.jpg?resize=592,367 592w, /wp-content/uploads/2022/03/02-16.jpg?resize=50,31 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /></p>\n<p>Stena Expenseは、企業における個人立替経費の申請・承認データを元に、AIが自動的に不正や不適切な経費利用を検知する。経費の重複申請や交通費の水増しといった不正検出に加えて、個々の従業員の申請履歴を踏まえて判断することで、「特定個人との多頻度利用」や「特定店舗での多頻度利用」といった不適切もしくは異常と推察される経費利用も検出できる。AI技術を活用することで、人の目では不可能な時系列的・網羅的に経費申請というビッグデータの解析を行い、間接部門の生産性とガバナンス向上を実現する。</p>\n<h3>主な特徴</h3>\n<ul>\n<li>経費の承認・チェック業務の負担を増やすことなく、全データの網羅的かつ時系列での精査が可能</li>\n<li>申請履歴・傾向を踏まえたチェックにより、経費利用の妥当性確認が可能</li>\n<li>不正・不適切・異常の根拠が表示されるため、原因・理由が明瞭</li>\n<li>経理部門・業務部門のどちらも使える分かりやすいウェブUI</li>\n</ul>\n<p>2018年11月設立のChillStackは、「AIで守り、AIを守る」というビジョンを掲げ、AIで進化させたサイバーセキュリティ技術、AI自身を守るセキュリティなどの技術開発・提供を行っている。Stena Expenseをはじめ、AI技術を活用した不正検知システム「Stena」シリーズを展開している。</p>\n",
        "authorId": 191889577,
        "featuredMediaUrl": "/wp-content/uploads/2022/03/01-18.jpg",
        "author": {
          "id": 191889577,
          "slug": "hisashishibata",
          "name": "Hisashi Shibata",
          "description": ""
        },
        "categories": [
          {
            "postId": 475965,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 475965,
            "tagId": 4236,
            "tag": {
              "id": 4236,
              "slug": "management",
              "name": "経営 / マネジメント(用語)",
              "description": "経営 / マネジメントに関する記事一覧"
            }
          },
          {
            "postId": 475965,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 475965,
            "tagId": 366271083,
            "tag": {
              "id": 366271083,
              "slug": "expenses",
              "name": "経費(用語)",
              "description": "経費に関する記事一覧"
            }
          },
          {
            "postId": 475965,
            "tagId": 692507633,
            "tag": {
              "id": 692507633,
              "slug": "chillstack",
              "name": "ChillStack(企業)",
              "description": ""
            }
          },
          {
            "postId": 475965,
            "tagId": 692508726,
            "tag": {
              "id": 692508726,
              "slug": "inshoku",
              "name": "飲食業界(用語)",
              "description": "飲食業界に関連する記事一覧"
            }
          },
          {
            "postId": 475965,
            "tagId": 692512142,
            "tag": {
              "id": 692512142,
              "slug": "japan",
              "name": "日本(国・地域)",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 475548,
      "categoryId": 366275726,
      "post": {
        "id": 475548,
        "slug": "high-throughput-field-phenotyping-rover",
        "createdAt": "2022-03-14T11:24:22.000Z",
        "updatedAt": "2022-03-14T11:24:22.000Z",
        "title": "農作物の生育状態を高速・定量的に測定するフェノタイピング用ローバー開発、設計などをオープンソースとして公開",
        "content": "<p><img loading=\"lazy\" class=\"aligncenter size-large wp-image-475613\" src=\"/wp-content/uploads/2022/03/2022-03-14-009-001.jpg?w=1024\" alt=\"農作物の生育状態を高速に定量的に測定するフェノタイピング用ローバー開発、設計とソフトをオープンソースとして公開\" width=\"1024\" height=\"576\" srcset=\"/wp-content/uploads/2022/03/2022-03-14-009-001.jpg 1200w, /wp-content/uploads/2022/03/2022-03-14-009-001.jpg?resize=300,169 300w, /wp-content/uploads/2022/03/2022-03-14-009-001.jpg?resize=768,432 768w, /wp-content/uploads/2022/03/2022-03-14-009-001.jpg?resize=1024,576 1024w, /wp-content/uploads/2022/03/2022-03-14-009-001.jpg?resize=711,400 711w, /wp-content/uploads/2022/03/2022-03-14-009-001.jpg?resize=400,225 400w, /wp-content/uploads/2022/03/2022-03-14-009-001.jpg?resize=738,415 738w, /wp-content/uploads/2022/03/2022-03-14-009-001.jpg?resize=640,360 640w, /wp-content/uploads/2022/03/2022-03-14-009-001.jpg?resize=220,124 220w, /wp-content/uploads/2022/03/2022-03-14-009-001.jpg?resize=281,158 281w, /wp-content/uploads/2022/03/2022-03-14-009-001.jpg?resize=222,125 222w, /wp-content/uploads/2022/03/2022-03-14-009-001.jpg?resize=125,70 125w, /wp-content/uploads/2022/03/2022-03-14-009-001.jpg?resize=107,60 107w, /wp-content/uploads/2022/03/2022-03-14-009-001.jpg?resize=981,552 981w, /wp-content/uploads/2022/03/2022-03-14-009-001.jpg?resize=600,338 600w, /wp-content/uploads/2022/03/2022-03-14-009-001.jpg?resize=50,28 50w, /wp-content/uploads/2022/03/2022-03-14-009-001.jpg?resize=250,141 250w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /></p>\n<p><a target=\"_blank\" href=\"https://www.u-tokyo.ac.jp/ja/index.html\" rel=\"noopener\">東京大学</a>などによる研究グループは3月10日、植物の形態的、生理的な性質(表現型:フェノタイプ)を観測する自走式装置「高速フェノタイピングローバー」を<a target=\"_blank\" href=\"https://www.jstage.jst.go.jp/article/jsbbs/72/1/72_21059/_article\" rel=\"noopener\">開発し</a>、その設計をオープンソース・ハードウェアとして公開したと発表した。</p>\n<p>近年、地球規模の気候変動や有機農法の拡大などを受け、作物の品種や栽培方法を改良するニーズが増えているという。そのためには、まず農作物などの植物の生育状態を精密・大量に測定する表現型測定(フェノタイピング)が必要となるのだが、これまで人の手と目で行われており、大変に非効率なために、IT技術を活用した効率化が求められてきた。</p>\n<p>またすでに、ドローンや大型クレーンを使って作物を撮影し測定を行うシステムは存在するものの、一般に広い農場を対象としており、日本の畑のように狭い場所での導入は難しい。そこで、<a target=\"_blank\" href=\"https://www.a.u-tokyo.ac.jp/\" rel=\"noopener\">東京大学大学院農学生命科学研究科附属生態調和農学機構</a>(郭威特任准教授)、<a target=\"_blank\" href=\"https://www.kyoto-u.ac.jp/ja\" rel=\"noopener\">京都大学</a>、<a target=\"_blank\" href=\"https://www.uzh.ch/en.html\" rel=\"noopener\">チューリッヒ大学</a>、<a target=\"_blank\" href=\"https://www.yokohama-cu.ac.jp/\" rel=\"noopener\">横浜市立大学</a>による共同研究グループは、場所や条件を選ばずに導入できる地上走行型のローバーを開発した。</p>\n<p>この「高速フェノタイピングローバー」は、四輪で走行しながら大量の写真を撮影する。その画像を解析することで、さまざまな表現型を取得でき、応用目的は多岐にわたるという。地上の近距離から撮影するため、ドローンの画像よりも細部まで確認できる。また、ドローンの風圧で果実が落下したり、植物があおられてしまうといった心配もない。ただ、起伏が激しい場所や水田などではドローンのほうが優れているため、このシステムとドローンを組み合わせてデータの質を最大化するのがよいとしている。</p>\n<p>また、リアルタイムで画像処理ができる小型コンピューターを搭載し、地上に設置した目印を頼りに畝に沿って移動できる走行アシスト機能も備わっているため、GPSに依存しない。建物に隣接していたり、電波が妨げられる場所でも問題なく使える。</p>\n<div id=\"attachment_475552\" style=\"width: 522px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-475552\" loading=\"lazy\" class=\"wp-image-475552 size-full\" src=\"/wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover2.jpg\" alt=\"試験運用で撮影した画像から、小麦の出穂の様子を測定\" width=\"512\" height=\"512\" srcset=\"/wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover2.jpg 512w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover2.jpg?resize=150,150 150w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover2.jpg?resize=300,300 300w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover2.jpg?resize=400,400 400w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover2.jpg?resize=360,360 360w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover2.jpg?resize=380,380 380w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover2.jpg?resize=220,220 220w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover2.jpg?resize=172,172 172w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover2.jpg?resize=125,125 125w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover2.jpg?resize=60,60 60w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover2.jpg?resize=367,367 367w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover2.jpg?resize=32,32 32w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover2.jpg?resize=50,50 50w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover2.jpg?resize=64,64 64w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover2.jpg?resize=96,96 96w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover2.jpg?resize=128,128 128w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover2.jpg?resize=80,80 80w\" sizes=\"(max-width: 512px) 100vw, 512px\" /><p id=\"caption-attachment-475552\" class=\"wp-caption-text\">試験運用で撮影した画像から、小麦の出穂の様子を測定</p></div>\n<p>研究グループは、京都大学の小麦の圃場で実験を行ったところ、多数の系統の生育状態を撮影し、深層学習モデルで画像を解析して、小麦が出穂する様子の定量的な測定に成功した。また、日本の畑でよく見られる、道路から水路などをまたいで畑に入るための持ち運び式のスロープでの移動が可能であることも確認できた。</p>\n<div id=\"attachment_475553\" style=\"width: 897px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-475553\" loading=\"lazy\" class=\"wp-image-475553 size-full\" src=\"/wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover3.jpg\" alt=\"開発した高速フェノタイピングローバーの3D図面。自由に回転や拡大、改変できるデータファイルを論文で公開した\" width=\"887\" height=\"762\" srcset=\"/wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover3.jpg 887w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover3.jpg?resize=300,258 300w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover3.jpg?resize=768,660 768w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover3.jpg?resize=466,400 466w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover3.jpg?resize=400,344 400w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover3.jpg?resize=738,634 738w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover3.jpg?resize=419,360 419w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover3.jpg?resize=220,189 220w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover3.jpg?resize=200,172 200w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover3.jpg?resize=146,125 146w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover3.jpg?resize=125,107 125w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover3.jpg?resize=70,60 70w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover3.jpg?resize=643,552 643w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover3.jpg?resize=427,367 427w, /wp-content/uploads/2022/03/phenotyping-roverphenotyping-rover3.jpg?resize=50,43 50w\" sizes=\"(max-width: 887px) 100vw, 887px\" /><p id=\"caption-attachment-475553\" class=\"wp-caption-text\">開発した高速フェノタイピングローバーの3D図面。自由に回転や拡大、改変できるデータファイルを論文で公開した</p></div>\n<p>この「高速フェノタイピングローバー」は、様々な条件や用途に合わせて組み立てたり改良したりできるように、市販のパーツのみで作られていて、3D図面、パーツリスト、ソフトウェアなどは<a target=\"_blank\" href=\"https://www.jstage.jst.go.jp/article/jsbbs/72/1/72_21059/_html/-char/ja\" rel=\"noopener\">論文中において</a>オープンソース・ハードウェアとして公開されている(<a target=\"_blank\" href=\"https://github.com/UTokyo-FieldPhenomics-Lab/UGVPP\" rel=\"noopener\">GitHub</a>)。</p>\n",
        "authorId": 136751393,
        "featuredMediaUrl": "/wp-content/uploads/2022/03/2022-03-14-009-index.jpg",
        "author": {
          "id": 136751393,
          "slug": "tetsuokanai",
          "name": "tetsuokanai",
          "description": ""
        },
        "categories": [
          {
            "postId": 475548,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 475548,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 475548,
            "tagId": 366270896,
            "tag": {
              "id": 366270896,
              "slug": "agriculture",
              "name": "農業 / アグリテック(用語)",
              "description": "農業 / アグリテックに関連する記事一覧"
            }
          },
          {
            "postId": 475548,
            "tagId": 366280267,
            "tag": {
              "id": 366280267,
              "slug": "university-of-zurich",
              "name": "チューリッヒ大学(組織)",
              "description": ""
            }
          },
          {
            "postId": 475548,
            "tagId": 674897098,
            "tag": {
              "id": 674897098,
              "slug": "kyoto-university",
              "name": "京都大学(組織)",
              "description": ""
            }
          },
          {
            "postId": 475548,
            "tagId": 692506731,
            "tag": {
              "id": 692506731,
              "slug": "rover-2",
              "name": "探査車 / ローバー(用語)",
              "description": "探査車 / ローバーに関する記事一覧"
            }
          },
          {
            "postId": 475548,
            "tagId": 692508534,
            "tag": {
              "id": 692508534,
              "slug": "tokyo-university",
              "name": "東京大学(組織)",
              "description": "東京大学に関連する記事一覧"
            }
          },
          {
            "postId": 475548,
            "tagId": 692511009,
            "tag": {
              "id": 692511009,
              "slug": "open-source-hardware",
              "name": "オープンソースハードウェア",
              "description": ""
            }
          },
          {
            "postId": 475548,
            "tagId": 692512439,
            "tag": {
              "id": 692512439,
              "slug": "yokohama-city-university",
              "name": "横浜市立大学(組織)",
              "description": ""
            }
          },
          {
            "postId": 475548,
            "tagId": 692517530,
            "tag": {
              "id": 692517530,
              "slug": "phenotyping",
              "name": "フェノタイピング(用語)",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 475221,
      "categoryId": 366275726,
      "post": {
        "id": 475221,
        "slug": "2022-03-09-ai-helps-historians-complete-ancient-greek-inscriptions-damaged-over-millennia",
        "createdAt": "2022-03-11T02:00:34.000Z",
        "updatedAt": "2022-03-11T02:07:25.000Z",
        "title": "AIが数千年にわたって損傷で失われていた古代ギリシャ碑文の文章復元を支援",
        "content": "<p>古代ギリシャ語の研究者にとって、頼りとする原文が数千年前のものという古さゆえに、修復不可能なほど損傷しているというようなことはよくある。DeepMind(ディープマインド)が開発した機械学習モデル「<a target=\"_blank\" href=\"https://deepmind.com/blog/article/Predicting-the-past-with-Ithaca\" rel=\"noopener\">Ithaca</a>(イサカ)」が、歴史家にとって新しい強力なツールになるかもしれない。失われた単語や文章の位置と書かれた年代を驚くほど正確に推測する。AIの珍しい応用例だが、その有用性が技術分野以外でも発揮されることを証明している。</p>\n<p>不完全な古文書は、劣化した物質に関するさまざまな分野の専門家が関わる問題だ。原文は石、粘土、パピルスに刻まれている。アッカド語、古代ギリシャ語、リニアA言語で、食料品店の請求書から英雄の旅まで、あらゆることが書かれている。いずれの文書にも共通するのは、数千年の間に蓄積された損傷だ。</p>\n<p>文字が磨り減ったり、ちぎれたりしてできた空白は「欠落」と呼ばれ、短いものでは1文字、長いものでは1章、あるいは1つの物語全体が欠落していることもある。欠落を埋めるのは簡単でも不可能でもないが、その間のどこからか始めなければならない。ここでIthacaの出番となる。</p>\n<p>Ithaca(オデュッセウスの故郷の島から名づけられた)は、古代ギリシャの膨大なテキストで訓練されており、不足している単語やフレーズが何であるかだけでなく、それがどのくらい古いものか、どこで書かれたかも推定できる。ただ、それだけで叙事詩の全巻を埋めることはできない。これは、この種のテキストを扱う人たちのためのツールであり、解決策ではない。</p>\n<p>「Nature(ネイチャー)」誌に掲載された論文では、ペリクレス時代のアテネの勅令を例にとって、その有効性を実証した。紀元前445年に書かれたと考えられているこの勅令は、Ithacaのテキスト分析によれば、実際には紀元前420年前後のものであり、より新しい証拠と一致している。大したことには聞こえないかもしれないが、もし権利章典が実際には20年後に書かれたとしたらと想像して欲しい。</p>\n<div id=\"attachment_475223\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-475223\" loading=\"lazy\" class=\"wp-image-475223 size-large\" src=\"/wp-content/uploads/2022/03/Ithaca2.webp?w=1024\" alt=\"\" width=\"1024\" height=\"882\" srcset=\"/wp-content/uploads/2022/03/Ithaca2.webp 1720w, /wp-content/uploads/2022/03/Ithaca2.webp?resize=300,258 300w, /wp-content/uploads/2022/03/Ithaca2.webp?resize=768,662 768w, /wp-content/uploads/2022/03/Ithaca2.webp?resize=1024,882 1024w, /wp-content/uploads/2022/03/Ithaca2.webp?resize=1536,1323 1536w, /wp-content/uploads/2022/03/Ithaca2.webp?resize=464,400 464w, /wp-content/uploads/2022/03/Ithaca2.webp?resize=400,345 400w, /wp-content/uploads/2022/03/Ithaca2.webp?resize=738,636 738w, /wp-content/uploads/2022/03/Ithaca2.webp?resize=418,360 418w, /wp-content/uploads/2022/03/Ithaca2.webp?resize=220,190 220w, /wp-content/uploads/2022/03/Ithaca2.webp?resize=200,172 200w, /wp-content/uploads/2022/03/Ithaca2.webp?resize=145,125 145w, /wp-content/uploads/2022/03/Ithaca2.webp?resize=125,108 125w, /wp-content/uploads/2022/03/Ithaca2.webp?resize=70,60 70w, /wp-content/uploads/2022/03/Ithaca2.webp?resize=641,552 641w, /wp-content/uploads/2022/03/Ithaca2.webp?resize=426,367 426w, /wp-content/uploads/2022/03/Ithaca2.webp?resize=50,43 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-475223\" class=\"wp-caption-text\">画像クレジット:DeepMind</p></div>\n<p>テキストそのものについては、専門家による1回目の結果は、正解が約25%だった。決して優秀とは言えない。もちろん、テキストの復元は午後のお遊びではなく、長期的なプロジェクトであることはいうまでもない。しかし、人間とIthacaの組み合わせでは、すぐに72%の精度を達成することができた。これは他のケースでもよく見られることだ。究極的には人間の精度の方が高いものの、行き詰まりをすばやく排除したり、出発点を示唆したりして、プロセスを加速できる。医療データの場合、AIがすぐに気づくような異常を人間は見落としがちだが、最終的に詳細に気づき、正しい答えを見つけるのは人間の専門知識だ。</p>\n<p>Ithacaは、手元に欠落の多い古代ギリシャ語のテキストがあれば、<a target=\"_blank\" href=\"https://ithaca.deepmind.com/\" rel=\"noopener\">このサイトで簡易版</a>を試せる。また、そこで提示されている複数の例から1つを使って、空白がどのように埋められるのかを見ることもできる。長い文章や、10文字以上欠けている場合は、この<a target=\"_blank\" href=\"https://colab.research.google.com/github/deepmind/ithaca/blob/master/colabs/ithaca_inference.ipynb\" rel=\"noopener\">Colabノートブック</a>で試してみて欲しい。コードは<a target=\"_blank\" href=\"https://github.com/deepmind/ithaca\" rel=\"noopener\">GitHubのこのページ</a>で公開されている。</p>\n<p>古代ギリシャ語はIthacaがはっきりと結果を出せる分野だが、チームはすでに他の言語についても懸命に取り組んでいる。アッカド語、デモティック語、ヘブライ語、マヤ語はすべてリストに載っており、今後さらに増えると期待される。</p>\n<p>「Ithacaは、人文科学における自然言語処理と機械学習の貢献の可能性を示しています」と、このプロジェクトに携わったアテネ大学のIon Androutsopoulos(イオン・アンドラウトソプロス)教授は話す。「この可能性をさらに実証するためにIthacaのようなプロジェクトがもっと必要ですが、それだけでなく、人文科学とAI手法の両方をよく理解している将来の研究者を育てる適切なコースや教材も求められます」。</p>\n<p><small>画像クレジット:Image Credits:<a target=\"_blank\" href=\"http://commons.wikimedia.org/wiki/Main_Page\" rel=\"noopener\">Wikimedia Commons </a>under a <a target=\"_blank\" href=\"http://creativecommons.org/licenses/by/2.0/\" rel=\"noopener\">CC BY 2.0</a> license.</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/03/09/ai-helps-historians-complete-ancient-greek-inscriptions-damaged-over-millennia/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Devin Coldewey、翻訳:<a target=\"_blank\" href=\"https://twitter.com/pressnote55\" rel=\"noopener\">Nariko Mizoguchi</a>)</p>\n",
        "authorId": 138115512,
        "featuredMediaUrl": "/wp-content/uploads/2022/03/Ithaca.gif",
        "author": {
          "id": 138115512,
          "slug": "nmizoguchi",
          "name": "Nariko Mizoguchi",
          "description": ""
        },
        "categories": [
          {
            "postId": 475221,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 475221,
            "tagId": 81,
            "tag": {
              "id": 81,
              "slug": "google",
              "name": "Google / グーグル(企業)",
              "description": "Googleは、インターネット関連のサービスと製品に特化した米国の企業。"
            }
          },
          {
            "postId": 475221,
            "tagId": 2756,
            "tag": {
              "id": 2756,
              "slug": "greece",
              "name": "ギリシャ(国・地域)",
              "description": "ギリシャに関する記事一覧"
            }
          },
          {
            "postId": 475221,
            "tagId": 210341831,
            "tag": {
              "id": 210341831,
              "slug": "deepmind",
              "name": "DeepMind(企業)",
              "description": "Googleの親会社Alphabetの傘下にある英国のAI技術企業。"
            }
          },
          {
            "postId": 475221,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          }
        ]
      }
    },
    {
      "postId": 475196,
      "categoryId": 366275726,
      "post": {
        "id": 475196,
        "slug": "2022-03-09-forrester-predicts-rpa-software-market-growth-will-begin-to-flatten-next-year",
        "createdAt": "2022-03-11T01:30:13.000Z",
        "updatedAt": "2022-03-11T01:29:38.000Z",
        "title": "RPAソフト市場の成長は2023年から横ばいになるとフォレスターが予測",
        "content": "<p>2021年、RPA(ロボティック・プロセス・オートメーション)は<a target=\"_blank\" href=\"https://techcrunch.com/2021/04/02/rpa-market-surges-investors-vendors-capitalize-pandemic-tech-shift/\" rel=\"noopener\">大人気</a>で、マーケットリーダーの<a target=\"_blank\" href=\"https://techcrunch.com/2021/04/21/as-uipath-closes-above-its-final-private-valuation-cfo-ashim-gupta-discusses-his-companys-path-to-market/\" rel=\"noopener\">UiPathが</a>大きな評価額で上場し、また大きな安定企業が小さなベンダーの買収を始めるなど、話題も多かった。しかしそれでも、RPAは以前から常によりインテリジェントでノーコードな方法へと移行していく前にレガシーのプロセスを扱う、過渡期的な自動化ソリューションと考えられてきた。</p>\n<p>Forrester Researchの<a target=\"_blank\" href=\"https://bit.ly/3I0MODY\" rel=\"noopener\">最新データ</a>もそんな説を支持し、RPAの市場は2025年に65億ドル(約7560億円)に達するが、しかしその頃から企業はAIを本格的に導入したオートメーションのソリューションへ移行していくため、RPAの成長は横ばいになると予想している。</p>\n<p>RPA市場に関する最新の報告で、同社は次のように述べている。「2021年のすごい成長は2022年も続くと予想される。それはパンデミックを契機とする自動化の需要や目下進行中のデジタルトランスフォーメーションの事業によるものだ。しかし2023年以降は、成長率は横ばいになっていくだろう」。</p>\n<p><a target=\"_blank\" href=\"https://www.forrester.com/report/the-rpa-services-market-will-grow-to-reach-12-billion-by-2023/RES156255\" rel=\"noopener\">2018年の報告書</a>は、2019年の市場を11億ドル(約1280億円)と予想しているため、2025年の65億ドルという予想は確かに大きいが、しかしSalesforce1社の直近の四半期の売上が<a target=\"_blank\" href=\"https://investor.salesforce.com/press-releases/press-release-details/2022/Salesforce-Announces-Record-Fourth-Quarter-and-Full-Year-Fiscal-2022-Results/default.aspx\" rel=\"noopener\">70億ドル</a>(約8143億円)であるため、それに比べればまだかなり小さい。</p>\n<p>複雑なソリューションの実装を助けるサービスの市場は、RPAのソフトウェアの売上に比べて相当堅調な成長が予想されている。Forresterによると、RPA関連のサービスの売上は2025年に160億ドル(約1兆8614億円)に達して、それらに実装を助けてもらうRPAソフトウェア本体の売上のほぼ3倍になる。サービスとソフトウェアを合わせれば、2025年は250億ドル(約2兆9085億円)という、はるかに大きな市場規模になる。</p>\n<div id=\"attachment_475198\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-475198\" loading=\"lazy\" class=\"wp-image-475198 size-large\" src=\"/wp-content/uploads/2022/03/rpa1.jpg?w=1024\" alt=\"\" width=\"1024\" height=\"857\" srcset=\"/wp-content/uploads/2022/03/rpa1.jpg 1536w, /wp-content/uploads/2022/03/rpa1.jpg?resize=300,251 300w, /wp-content/uploads/2022/03/rpa1.jpg?resize=768,643 768w, /wp-content/uploads/2022/03/rpa1.jpg?resize=1024,857 1024w, /wp-content/uploads/2022/03/rpa1.jpg?resize=478,400 478w, /wp-content/uploads/2022/03/rpa1.jpg?resize=400,335 400w, /wp-content/uploads/2022/03/rpa1.jpg?resize=738,617 738w, /wp-content/uploads/2022/03/rpa1.jpg?resize=430,360 430w, /wp-content/uploads/2022/03/rpa1.jpg?resize=220,184 220w, /wp-content/uploads/2022/03/rpa1.jpg?resize=206,172 206w, /wp-content/uploads/2022/03/rpa1.jpg?resize=149,125 149w, /wp-content/uploads/2022/03/rpa1.jpg?resize=125,105 125w, /wp-content/uploads/2022/03/rpa1.jpg?resize=72,60 72w, /wp-content/uploads/2022/03/rpa1.jpg?resize=660,552 660w, /wp-content/uploads/2022/03/rpa1.jpg?resize=439,367 439w, /wp-content/uploads/2022/03/rpa1.jpg?resize=50,42 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-475198\" class=\"wp-caption-text\">画像クレジット:Forrester Research</p></div>\n<p>ForresterのアナリストであるLeslie Joseph(レスリー・ジョセフ)氏による、サービスの売上の定義は「サービスのベンダーが、プロダクトに関するコンサルティングや開発、実装、メンテナンス、サポートなどのサービスを提供して得る売上」だ。サービスベンダーとは、AccentureやIBMやEYのような、システムインテグレーターやコンサルティングやアドバイスを提供する企業だ。彼らが、RPAソフトウェアのパートナーやリセラーのこともある。</p>\n<p>Forresterの予想では、これまでRPAソフトウェアへ行っていたお金の一部が広義のAIオートメーションソリューションへ行くようになる。なお、RPAの「R」はロボティクスだが、それは本当の意味のAIではない。この場合のロボットとは、一連の高度な手作業に多くを依存していたタスクをを完遂する、スクリプトのようなものだ。それと比較するとノーコードのオートメーションによるソリューションは、ワークフローを容易に作れて、おそらくコンサルティングの助けが要らないものだ。AIがタスクをインテリジェントに実装する方法を提供し、これまでのように本格的で高度なコーディングによって定義された一連のワークを次々こなしていくのではなく、データに基づくステップを踏んでいく。</p>\n<p><a target=\"_blank\" href=\"/2021/03/29/2021-03-26-uipaths-meteoric-rise-from-unknown-startup-to-35b-rpa-juggernaut/#:~:text=the%20fastest-growing%20area\" rel=\"noopener\">UiPathが2021年に350億ドル(約4兆707億円)の評価額</a>で、IPOの前の最後のプライベートな資金調達として<a target=\"_blank\" href=\"https://techcrunch.com/2021/02/01/robotic-process-automation-platform-uipath-raises-750m-at-35b-valuation/\" rel=\"noopener\">7億5000万ドル(約872億円)を調達</a>したとき、投資家たちは熱狂したが、しかしそれでもこの下落が起こっている。米国時間3月9日の同社の時価総額は150億ドル(約1兆7438億円)ほどで、2021年は年間を通してソフトウェア企業が株式市場で不振だったことを考慮に入れたとしても、確かに急落だといえる。</p>\n<p>一方、<a target=\"_blank\" href=\"/2021/01/29/2021-01-27-sap-is-buying-berlin-business-process-automation-startup-signavio/\" rel=\"noopener\">SAPがSignavioを買収し</a>、ServiceNowが<a target=\"_blank\" href=\"/2021/03/24/2021-03-23-servicenow-takes-rpa-plunge-by-acquiring-india-based-startup-intellibot/\" rel=\"noopener\">Intellibotを買収</a>、そして<a target=\"_blank\" href=\"/2021/08/03/2021-08-02-salesforce-steps-into-rpa-buying-servicetrace-and-teaming-it-with-mulesoft/\" rel=\"noopener\">SalesforceがServicetraceを</a>持っていくといった重要な整理統合もあった。RPA専業ベンダーのトップスリーの1つであるBlue Prismは、<a target=\"_blank\" href=\"/2021/09/29/2021-09-28-rpa-industry-consolidation-continues-with-sale-of-blue-prism-to-vista-for-1-095b/\" rel=\"noopener\">Vista Equityのパートナーたちからの申し出</a>を断った後で、SS&amp;Cからの<a target=\"_blank\" href=\"https://otp.tools.investis.com/clients/uk/blue_prism1/rns/regulatory-story.aspx?cid=2517&amp;newsid=1532233\" rel=\"noopener\">16億ドル(約1860億円)を受け入れた</a>。この取引は今月後半に完了すると予想されている。</p>\n<p>RPA市場について2021年に<a target=\"_blank\" href=\"https://techcrunch.com/2021/05/07/5-investors-discuss-the-future-of-rpa-after-uipaths-ipo/\" rel=\"noopener\">5社の投資家にアンケートした</a>際、特にRPAという技術の有意性が長期的にはいかにして担保されるかを聞いた。投資家たちの答えは、市場が今後も継続的に大きくなる、というものだったが、Forresterが正しければ、顧客が最新のAIによるオートメーションサービスを求めるにともなって、市場は変わっていくかもしれない。</p>\n<p><small>画像クレジット:Sean Gladwell/Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/03/09/forrester-predicts-rpa-software-market-growth-will-begin-to-flatten-next-year/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Ron Miller、翻訳:Hiroshi Iwatani)</p>\n",
        "authorId": 46898863,
        "featuredMediaUrl": "/wp-content/uploads/2022/03/rpa0.jpg",
        "author": {
          "id": 46898863,
          "slug": "tcjpiwatani",
          "name": "Hiroshi Iwatani",
          "description": ""
        },
        "categories": [
          {
            "postId": 475196,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 475196,
            "tagId": 366277507,
            "tag": {
              "id": 366277507,
              "slug": "rpa",
              "name": "RPA / ロボティック・プロセス・オートメーション(用語)",
              "description": "RPAに関連する記事一覧"
            }
          },
          {
            "postId": 475196,
            "tagId": 692509750,
            "tag": {
              "id": 692509750,
              "slug": "no-code",
              "name": "ノーコード(用語)",
              "description": "ノーコード開発に関連する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 475246,
      "categoryId": 366275726,
      "post": {
        "id": 475246,
        "slug": "2022-03-09-strong-compute-wants-speed-up-your-ml-model-training",
        "createdAt": "2022-03-11T00:45:15.000Z",
        "updatedAt": "2022-03-11T00:33:26.000Z",
        "title": "Strong Computeは機械学習モデルのトレーニングを「100倍以上高速化」できると主張する",
        "content": "<p>ニューラルネットワークのトレーニングには、市場で最も高速で高価なアクセラレータを使ってさえも、多大な時間がかかる。だから、多くのスタートアップ企業が、ソフトウェアレベルでプロセスを高速化し、学習プロセスにおける現在のボトルネックをいくつか取り除く方法を検討していることも、不思議ではないだろう。オーストラリアのシドニーに拠点を置くスタートアップで、最近Y Combinator(Yコンビネーター)の22年冬クラスに選抜された<a target=\"_blank\" href=\"https://strongcompute.com/\" rel=\"noopener\">Strong Compute</a>(ストロング・コンピュート)は、学習プロセスにおけるこのような非効率性を取り除くことによって、学習プロセスを100倍以上高速化することができると主張している。</p>\n<p>「PyTorch(パイトーチ)は美しいし、TensorFlow(テンソルフロー)もそうです。これらのツールキットはすばらしいものですが、そのシンプルさ、そして実装の容易さは、内部において非効率的であるという代償をもたらします」と、Strong ComputeのCEO兼創設者である<a target=\"_blank\" href=\"https://www.linkedin.com/in/bensandcastle/?originalSubdomain=au\" rel=\"noopener\">Ben Sand</a>(ベン・サンド)氏は語る。同氏は以前、AR企業の<a target=\"_blank\" href=\"https://www.bensand.com/augmented-reality\" rel=\"noopener\">Meta</a>(メタ)を共同設立した人物だ。もちろん、Facebook(フェイスブック)がその名前を使う前のことである。</p>\n<p>一方では、モデル自体を最適化することに注力する企業もあり、Strong Computeも顧客から要望があればそれを行うが、これは「妥協を生む可能性がある」とサンド氏は指摘する。代わりに同氏のチームが重視するのは、モデルの周辺にあるものすべてだ。それは長い時間をかけたデータパイプラインだったり、学習開始前に多くの値を事前計算しておくことだったりする。サンド氏は、同社が<a target=\"_blank\" href=\"https://nanonets.com/blog/data-augmentation-how-to-use-deep-learning-when-you-have-limited-data-part-2/\" rel=\"noopener\">データ拡張</a>のためによく使われるライブラリのいくつかを最適化したことも指摘した。</p>\n<p>また、Strong Computeは最近、元Cisco(シスコ)のプリンシパルエンジニアだったRichard Pruss(リチャード・プルス)氏を雇用し、すぐに多くの遅延が発生してしまう学習パイプラインのネットワークボトルネックを除去することに力を注いでいる。もちろん、ハードウェアによって大きく違うので、同社は顧客と協力して、適切なプラットフォームでモデルを実行できるようにもしている。</p>\n<p>「Strong Computeは、当社のコアアルゴリズムの訓練を30時間から5分に短縮し、数百テラバイトのデータを訓練しました」と、オンライン顧客向けにカスタム服の作成を専門とする<a target=\"_blank\" href=\"https://www.mtailor.com/\" rel=\"noopener\">MTailor</a>(Mテイラー)のMiles Penn(マイルス・ペン)CEOは語っている。「ディープラーニングエンジニアは、おそらくこの地球上で最も貴重なリソースです。Strong Computeのおかげで、当社の生産性を10倍以上に向上させることができました。イテレーション(繰り返し)とエクスペリメンテーション(実験)の時間はMLの生産性にとって最も重要な手段であり、私たちはStrong Computeがいなかったらどうしようもありませんでした」。</p>\n<p>サンド氏は、大手クラウドプロバイダーのビジネスモデルでは、人々ができるだけ長くマシンを使用することに依存しているため、彼の会社のようなことをする動機は一切ないと主張しており、Y Combinatorのマネージングディレクターを務めるMichael Seibel(マイケル・サイベル)氏も、この意見に同意している。「Strong Computeの狙いは、クラウドコンピューティングにおける深刻な動機の不均衡です。より早く結果を出すことは、クライアントから評価されても、プロバイダーにとっては利益が減ることになってしまうのです」と、サイベル氏は述べている。</p>\n<div id=\"attachment_475247\" style=\"width: 310px\" class=\"wp-caption alignright\"><img aria-describedby=\"caption-attachment-475247\" loading=\"lazy\" class=\"wp-image-475247 size-medium\" src=\"/wp-content/uploads/2022/03/strong_compute.jpg?w=300\" alt=\"\" width=\"300\" height=\"202\" srcset=\"/wp-content/uploads/2022/03/strong_compute.jpg 680w, /wp-content/uploads/2022/03/strong_compute.jpg?resize=300,202 300w, /wp-content/uploads/2022/03/strong_compute.jpg?resize=595,400 595w, /wp-content/uploads/2022/03/strong_compute.jpg?resize=400,269 400w, /wp-content/uploads/2022/03/strong_compute.jpg?resize=536,360 536w, /wp-content/uploads/2022/03/strong_compute.jpg?resize=220,148 220w, /wp-content/uploads/2022/03/strong_compute.jpg?resize=256,172 256w, /wp-content/uploads/2022/03/strong_compute.jpg?resize=186,125 186w, /wp-content/uploads/2022/03/strong_compute.jpg?resize=125,84 125w, /wp-content/uploads/2022/03/strong_compute.jpg?resize=89,60 89w, /wp-content/uploads/2022/03/strong_compute.jpg?resize=546,367 546w, /wp-content/uploads/2022/03/strong_compute.jpg?resize=50,34 50w\" sizes=\"(max-width: 300px) 100vw, 300px\" /><p id=\"caption-attachment-475247\" class=\"wp-caption-text\">Strong Computeのベン・サンド氏(左)とリチャード・プルス氏(右)</p></div>\n<p>Strong Computeのチームは現在、依然として顧客に最高のサービスを提供しているが、その最適化を統合してもワークフローはあまり変わらないので、開発者はそれほど大きな違いを感じないはずだ。Strong Computeの公約は「開発サイクルを10倍にする」ことであり、将来的には、できる限り多くのプロセスを自動化したいと考えている。</p>\n<p>「AI企業は、自社のコアIPと価値がある、顧客、データ、コアアルゴリズムに集中することができ、設定や運用の作業はすべてStrong Computeに任せることができます」と、サンド氏は語る。「これにより、成功に必要な迅速なイテレーションが可能になるだけでなく、確実に開発者が企業にとって付加価値のある仕事だけに集中できるようになります。現在、開発者は複雑なシステム管理作業のML Opsに、最大で作業時間の3分の2も費やしています。これはAI企業では一般的なことですが、開発者にとって専門外であることが多く、社内で行うのは合理的ではありません」。</p>\n<p>おまけ:下掲の動画は、TechCrunchのLucas Matney(ルーカス・マトニー)が、サンド氏の以前の会社が開発したMeta 2 ARヘッドセットを2016年に試した時のもの。</p>\n<p><span class=\"embed-youtube\" style=\"text-align:center; display: block;\"><iframe loading=\"lazy\" class=\"youtube-player\" width=\"640\" height=\"360\" src=\"https://www.youtube.com/embed/TyXePLD54uU?version=3&#038;rel=1&#038;showsearch=0&#038;showinfo=1&#038;iv_load_policy=1&#038;fs=1&#038;hl=en-US&#038;autohide=2&#038;wmode=transparent\" allowfullscreen=\"true\" style=\"border:0;\" sandbox=\"allow-scripts allow-same-origin allow-popups allow-presentation\"></iframe></span></p>\n<p><small>画像クレジット:Viaframe / Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/03/09/strong-compute-wants-speed-up-your-ml-model-training/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Frederic Lardinois、翻訳:Hirokazu Kusakabe)</p>\n",
        "authorId": 191889557,
        "featuredMediaUrl": "/wp-content/uploads/2022/03/GettyImages-814346208.jpg",
        "author": {
          "id": 191889557,
          "slug": "hkusakabe",
          "name": "Hirokazu Kusakabe",
          "description": ""
        },
        "categories": [
          {
            "postId": 475246,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 475246,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 475246,
            "tagId": 366187520,
            "tag": {
              "id": 366187520,
              "slug": "neural-network",
              "name": "ニューラルネットワーク(用語)",
              "description": "ニューラルネットワークに関する記事一覧"
            }
          },
          {
            "postId": 475246,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 475246,
            "tagId": 366272174,
            "tag": {
              "id": 366272174,
              "slug": "deeplearning",
              "name": "ディープラーニング / 深層学習(用語)",
              "description": "ディープラーニングに関連する記事一覧"
            }
          },
          {
            "postId": 475246,
            "tagId": 366273888,
            "tag": {
              "id": 366273888,
              "slug": "cloud-computing",
              "name": "クラウドコンピューティング(用語)",
              "description": "クラウドコンピューティングに関連する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 474617,
      "categoryId": 366275726,
      "post": {
        "id": 474617,
        "slug": "2022-03-04-in-the-metaverse-responsible-ai-must-be-a-priority",
        "createdAt": "2022-03-07T23:45:17.000Z",
        "updatedAt": "2022-03-07T22:24:35.000Z",
        "title": "【コラム】メタバースで優先されるべき課題は「責任あるAI」",
        "content": "<p>最近の<a target=\"_blank\" href=\"https://www.bloomberg.com/professional/blog/metaverse-may-be-800-billion-market-next-tech-platform/\" rel=\"noopener\">Bloomberg Intelligence</a>(ブルームバーグ・インテリジェンス)の調査によると、メタバースには8000億ドル(約92兆円)の市場規模があるそうだ。実際にメタバースとは何なのか、ということについては、多くの人が議論しているところではあるが、これだけの金と好奇心に取り巻かれているものだから、誰もが話題にしたがるのも当然だろう。</p>\n<p>メタバースではAIが、特に私たちが他者とコミュニケーションを取る際に、重要な役割を果たすことは間違いない。私たちはこれまで以上に他者とつながりを持つようになるだろうが、政府や規範、倫理規定に縛られないAIは、邪悪な影響をもたらす可能性がある。<a target=\"_blank\" href=\"https://www.nytimes.com/2021/10/30/opinion/eric-schmidt-ai.html\" rel=\"noopener\">元Google(グーグル)CEOのEric Schmidt(エリック・シュミット)氏</a>が最近問いかけたように「誰がルールを決めるのか?」ということだ。</p>\n<h2>AIの影響を理解する</h2>\n<p>AIアルゴリズムは、偏向のある人間によって作られるため、作成者の思考パターンや偏見に従うように作られることがあり、しかも、それが増殖していくことがある。<a target=\"_blank\" href=\"https://venturebeat.com/2020/12/06/we-can-reduce-gender-bias-in-natural-language-ai-but-it-will-take-a-lot-more-work/\" rel=\"noopener\">AIが性差別を生み出す</a>、例えば、<a target=\"_blank\" href=\"https://www.wired.com/story/the-apple-card-didnt-see-genderand-thats-the-problem/\" rel=\"noopener\">女性よりも男性に大きなクレジットカードの限度額が与えられたり</a>、<a target=\"_blank\" href=\"https://www.vox.com/future-perfect/22672414/ai-artificial-intelligence-gpt-3-bias-muslim\" rel=\"noopener\">特定の民族がより不当な差別を受ける</a>傾向にあることは、我々がこれまで見てきたとおりだ。より公平な、繁栄するメタバースを作るためには、偏向を生み出し、それを永続させるダークなAIのパターンに対処する必要がある。しかし、誰がそれを決定するのだろう? そして、人間はどうやって偏向を回避できるのだろうか?</p>\n<p>この「野放しのAI」を緩和するための解決策は、すべての組織で倫理基準を策定することだ。私たちの見解では、ダークAIのパターンは侵略的になる可能性が高い。ほとんどのAIは倫理的な監視なしに開発されているが、メタバースではこれを変えなければならない。</p>\n<h2>AIをメタバースにおけるメッセージの翻訳に活用する</h2>\n<p>私は、1人の熱心な語学学習者として、また、AIと人間を使って人々をグローバルにつなぐ会社の創設者として、誰もが複数の言語を話すスーパーポリグロットになれるという可能性に胸を踊らせている。だが、さらに興味があるのは、そのAIがどのように機能するかを理解することだ。</p>\n<p>メタバースでは、多くのユーザーが各々の言語でコミュニケーションすることになるだろうが、AIによる言語翻訳が利用できる可能性もある。しかし、AIを使った言語テクノロジーは、我々が注意しなければ、偏向を永続させてしまうおそれがある。その言語AIが、倫理的であるようにきちんと訓練されていることも、確認する必要がある。</p>\n<p>例えば、ジョーのアバターがミゲルのアバターと話したがっているが、ジョーとミゲルは同じ言語を話さないという状況を想像してみよう。AIは彼らのメッセージをどのように翻訳するのだろうか? そのまま言葉を直訳するのだろうか? それとも、文字通りに訳すのではなく、メッセージを受け取った人が理解できるように、その人の意図に沿った翻訳をするのだろうか?</p>\n<h2>人間と機械の境界線を曖昧にする</h2>\n<p>メタバースでは、いかに私たちが「人間的」かということが重要になるだろう。企業は言語テクノロジーを使って、会話を異なる言語にすばやく翻訳することで、オンラインコミュニティ、信頼、インクルージョンの創出に役立つことができる。</p>\n<p>しかし、私たちが選ぶ言葉に気をつけなければ、テクノロジーは偏見を生み、不作法な行動を許すことにもなりかねない。どのようにかって?あなたは3歳児がAlexa(アレクサ)に話しかけているのを聞いたことがあるだろうか?それはとても「感じが良い」とは言えない。人は、自分がやり取りしている相手が本物の人間ではなくテクノロジーであるとわかると、礼儀正しくする必要を感じなくなる。だから顧客は、チャットボットやAmazon(アマゾン)のAlexa、電話の自動応答などに対して失礼な態度を取るのだ。それはさらにエスカレートしてしまう可能性がある。理想とする世界は、言語のためのAIが、人間を正確に表現するために必要なニュアンスや共感を捉えるようになり、それによってメタバースが人間とテクノロジーがともに栄える場所となることだ。</p>\n<p>メタバースの非人間的なAIは、ネガティブにもなりかねない。適切な言語は、リアルで感情的なつながりと理解を生み出すことができる。AIを活用した言語運用によって、適切なメッセージはブランドを人間的に感じさせるために役立つ。ブランドが瞬時に多言語でコミュニケーションできるようにするための技術は、極めて重要なものになるだろう。顧客の信頼は母国語によって築かれると、私たちは考えている。しかし、ボーダーレスでバーチャルな社会は、どうやって母国語を持つことができるだろうか? そして、そんな環境は、どうやって信頼を生み出すことができるのだろうか?</p>\n<p>先述したとおり、メタバースは企業にとって、バーチャルな世界で露出を増やすことができる大きな可能性を秘めている。人々はすでにバーチャル・ファッションにかなりの大金を投じるようになっており、この傾向は間違いなく続くだろう。ブランドは、実際に会って交流するよりも本物らしい、あるいはそれ以上に魅力を感じられるような、オンライン体験を作り出す方法を見つける必要がある。これは越えるのが大変な高いハードルだ。スマートな言語コミュニケーションは、そのために欠かせないものとなるだろう。</p>\n<p>メタバースが最終的にどのようなものになるかは、誰にもわからない。しかし、AIがある集団に他より過度な影響を与えたり、AIが自社製品の人間性を失わせた、なんてことで記憶される企業には誰もなりたくないはずだ。AIは良い意味でパターンを予測する能力がどんどん向上するだろう。しかし、野放しにしておくと、AIはメタバースにおける私たちの「生き方」に深刻な影響を与える可能性がある。だからこそ、責任あるAI、倫理的なAIのための倫理が必要なのだ。</p>\n<p>AIが、言語やチャットボット、あるいはブランドの仮想現実に多用されていくと、それによって顧客が信頼や人間らしさの感情を失う機会も増えるのだ。私たちがメタバースで平和に「生きる」ことができるように、AIの研究者や専門家が企業と協力して、責任あるAIの枠組みに解決を見出すことが求められている。</p>\n<p>編集部注:本稿を執筆者Vasco Pedro(ヴァスコ・ペドロ)氏はAIを利用して人間が編集を行う翻訳プラットフォーム「Unbabel(アンバベル)」のCEO。</p>\n<p><small>画像クレジット:<a target=\"_blank\" href=\"https://www.gettyimages.com/search/photographer?family=creative&amp;photographer=japatino\" rel=\"noopener\">japatino </a>/ Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/03/04/in-the-metaverse-responsible-ai-must-be-a-priority/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Vasco Pedro、翻訳:Hirokazu Kusakabe)</p>\n",
        "authorId": 191889557,
        "featuredMediaUrl": "/wp-content/uploads/2022/03/GettyImages-1351539611.jpg",
        "author": {
          "id": 191889557,
          "slug": "hkusakabe",
          "name": "Hirokazu Kusakabe",
          "description": ""
        },
        "categories": [
          {
            "postId": 474617,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 474617,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 474617,
            "tagId": 366273574,
            "tag": {
              "id": 366273574,
              "slug": "virtual-space",
              "name": "仮想空間 / バーチャルスペース(用語)",
              "description": "仮想空間 / バーチャルスペースに関する記事一覧"
            }
          },
          {
            "postId": 474617,
            "tagId": 366273907,
            "tag": {
              "id": 366273907,
              "slug": "column",
              "name": "コラム(用語)",
              "description": "コラム記事一覧"
            }
          },
          {
            "postId": 474617,
            "tagId": 366274048,
            "tag": {
              "id": 366274048,
              "slug": "ethics",
              "name": "倫理(用語)",
              "description": "倫理に関連する記事一覧"
            }
          },
          {
            "postId": 474617,
            "tagId": 681520128,
            "tag": {
              "id": 681520128,
              "slug": "prejudice",
              "name": "偏見(用語)",
              "description": "偏見に関する記事一覧"
            }
          },
          {
            "postId": 474617,
            "tagId": 692507344,
            "tag": {
              "id": 692507344,
              "slug": "metaverse",
              "name": "メタバース(用語)",
              "description": "メタバースに関する記事一覧"
            }
          },
          {
            "postId": 474617,
            "tagId": 692508836,
            "tag": {
              "id": 692508836,
              "slug": "vr",
              "name": "仮想現実 / VR(用語)",
              "description": "Virtual Reality。VRに関する記事一覧。"
            }
          }
        ]
      }
    },
    {
      "postId": 474286,
      "categoryId": 366275726,
      "post": {
        "id": 474286,
        "slug": "2022-03-03-myheritage-and-d-id-partner-to-bring-photos-to-life-with-both-animations-and-voice",
        "createdAt": "2022-03-04T06:00:34.000Z",
        "updatedAt": "2022-03-04T05:51:56.000Z",
        "title": "アニメーションと音声で写真に生命を吹き込む、MyHeritageとD-IDが提携し故人が話す動画が作成可能に",
        "content": "<p>2021年、家系調査サービスのMyHeritageが、故人の顔写真を動画化できる斬新な<a target=\"_blank\" href=\"/2021/02/27/2021-02-26-myheritage-now-lets-you-animate-old-family-photos-using-deepfakery/\" rel=\"noopener\">「ディープフェイク」機能</a>を導入して<a target=\"_blank\" href=\"https://blog.myheritage.com/2021/02/deep-nostalgia-goes-viral/\" rel=\"noopener\">話題になった</a>。TikTokのユーザーたちはいち早くその技術に反応して、動画を投稿し、自分が会ったこともない親戚やまだその死を悲しんでいる故人を蘇らせて、「ディープノスタルジア」と呼んだ。今日まで、1億枚以上の写真がこの機能で動画になった。そしてその機能が進化した。米国時間3月3日、MyHeritageはパートナーの<a target=\"_blank\" href=\"http://www.d-id.com/\" rel=\"noopener\">D-ID</a>とともに「ディープノスタルジア」を拡張した<a target=\"_blank\" href=\"http://www.myheritage.com/livestory\" rel=\"noopener\">「ライブストーリー」機能をローンチした</a>。写真の人物を生き返らせるだけでなく、彼らに話をさせるのだ。</p>\n<p>MyHeritageが技術をライセンスした<a target=\"_blank\" href=\"http://www.d-id.com/\" rel=\"noopener\">D-ID</a>はテルアビブのスタートアップで、AIとディープラーニング利用した再現動画の技術で特許を取得している。</p>\n<p>D-IDの技術は、APIを通じて開発者に提供され、メディア、教育、マーケティングなど、さまざまなライセンシーに利用されています。例えばWarner Bros.(ワーナー・ブラザーズ)は、D-IDを利用して、ユーザーが<a target=\"_blank\" href=\"https://www.prnewswire.com/news-releases/warner-bros-partners-with-d-id-to-create-next-generation-film-promotion-301367183.html\" rel=\"noopener\">映画の予告編をアニメーション写真でパーソナライズ</a>できるようにしたり、<a target=\"_blank\" href=\"https://www.d-id.com/warner-bros-brings-harry-potter-magic-to-life-via-cutting-edge-tech/\" rel=\"noopener\">ハリー・ポッター展</a>のために協力した。Mondelēz International、広告代理店のPublicis、Digitas Vietnamは、地元の祭りのマーケティング活動でD-IDと提携している。インドの短編動画アプリJoshは、<a target=\"_blank\" href=\"https://www.prnewswire.com/news-releases/josh-collaborates-with-d-id-to-bring-facial-animation-tech-to-indias-short-video-app-users-301349751.html\" rel=\"noopener\">顔アニメーション</a>の技術をクリエイティブツールとして統合した。また、非営利団体や政府も、さまざまな<a target=\"_blank\" href=\"https://www.d-id.com/listen-to-my-voice/\" rel=\"noopener\">啓発キャンペーン</a>にこの技術を利用している。</p>\n<p>MyHeritageは、こライブストーリーでD-IDの最新AI技術をユーザー向けに利用している。この機能を使うためには、ユーザーはまず無料でMyHeritageのアカウントを無料で作成することができ、その技術を何度か無料で試用できる。その後は、<a target=\"_blank\" href=\"https://www.myheritage.com/pricing\" rel=\"noopener\">有料のサブスクリプション</a>でライブストーリーを無制限に利用できる。</p>\n<p>本技術で先祖の人生を物語にしたり、それを本人に語らせることもできる。それを可能にするのが、D-IDの特許取得技術<a target=\"_blank\" href=\"https://www.d-id.com/speaking-portrait/\" rel=\"noopener\">Speaking Portrait Technology</a>(肖像発話技術)だ。アップロードされた写真をもとにナレーション入りの動画を作り、それを合成音声生成装置にかける。語られるストーリーは、ユーザーが提供したテキストだ。</p>\n<p><span class=\"embed-youtube\" style=\"text-align:center; display: block;\"><iframe loading=\"lazy\" class=\"youtube-player\" width=\"640\" height=\"360\" src=\"https://www.youtube.com/embed/EJimyBGJ8FE?version=3&#038;rel=1&#038;showsearch=0&#038;showinfo=1&#038;iv_load_policy=1&#038;fs=1&#038;hl=en-US&#038;autohide=2&#038;wmode=transparent\" allowfullscreen=\"true\" style=\"border:0;\" sandbox=\"allow-scripts allow-same-origin allow-popups allow-presentation\"></iframe></span></p>\n<p>&nbsp;</p>\n<p>言葉と唇の動きが同期するためにD-IDは、人が話している動画のデータベースでニューラルネットワークを訓練した。言語は、どんな言語でもよいというが、MyHeritageは10種ほどの方言や、性による声の違いを含む31言語をサポートしている。</p>\n<p>D-IDの共同創業者でCEOのGil Perry(ギル・ペリー)氏によると「優秀な技術であるためドライバービデオは不要です」という。つまり、本物の人物の動きを動画で撮影し、それを静止画像にマップする処理は不要だ。「テキストと写真があれば、その人が話している動画ができ上がります」という。「ただし、まだ完璧な技術ではありません。現状は、本当に良質なリップシンクらしいものを作ったにすぎません」とのこと。</p>\n<p>そうやって作成されたライブストーリーは、それを見たり、友だちと共有したり、ソーシャルメディアに投稿することができる。テキストを編集し、さらに話をカスタマイズし、別の声を選んだり、自分が録音したオーディオをアップロードしてもいい。</p>\n<div id=\"attachment_474289\" style=\"width: 690px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-474289\" loading=\"lazy\" class=\"wp-image-474289 size-large\" src=\"/wp-content/uploads/2022/03/did1.jpg?w=680\" alt=\"\" width=\"680\" height=\"382\" srcset=\"/wp-content/uploads/2022/03/did1.jpg 680w, /wp-content/uploads/2022/03/did1.jpg?resize=300,169 300w, /wp-content/uploads/2022/03/did1.jpg?resize=400,225 400w, /wp-content/uploads/2022/03/did1.jpg?resize=640,360 640w, /wp-content/uploads/2022/03/did1.jpg?resize=220,124 220w, /wp-content/uploads/2022/03/did1.jpg?resize=281,158 281w, /wp-content/uploads/2022/03/did1.jpg?resize=223,125 223w, /wp-content/uploads/2022/03/did1.jpg?resize=125,70 125w, /wp-content/uploads/2022/03/did1.jpg?resize=107,60 107w, /wp-content/uploads/2022/03/did1.jpg?resize=600,337 600w, /wp-content/uploads/2022/03/did1.jpg?resize=50,28 50w, /wp-content/uploads/2022/03/did1.jpg?resize=250,141 250w\" sizes=\"(max-width: 680px) 100vw, 680px\" /><p id=\"caption-attachment-474289\" class=\"wp-caption-text\">画像クレジット:D-ID</p></div>\n<p>D-IDの長期的な展望は、この技術をメタバースの環境で使うことだ。メタバースであれば顔だけでなく、デジタルアバターを動画にできるし、体全体の動きを3Dで表現できる。ペリー氏はユーザーが自分の幼児期や家族、歴史的人物の写真をアップロードして、それらをメタバースで動かし、会話をさせることもできると考えている。</p>\n<p>「子どもたちがAlbert Einstein(アインシュタイン)と会話して、彼の話を聞いたり、彼に質問したりすることもできるでしょう。しかも彼は疑問に答えてくれます。さらにユニバーサル翻訳であれば、アインシュタインはユーザーの母国語で会話することもできるはずです」。</p>\n<p>もちろんそんな技術は何年も先のことだが、実現するとすれば、それらはディープノスタルジーやライブストーリーのような、今日開発したコンセプトに基づいて作られることとなる。</p>\n<p>MyHeritageとD-IDはそれぞれ、この技術を別々のやり方でデモする独自のアプリを世に送り出す。D-IDによると、それは数週間後だという。</p>\n<p>MyHeritageのライブストーリー機能は本日、米国時間3月3日、家族史テクノロジーのカンファレンスRootsTechで発表された。デスクトップとモバイルウェブ、MyHeritageのモバイルアプリで利用できる。</p>\n<p>MyHeritageの創業者でCEOのGilad Japhet(ギラッド・ジャフェ)氏は、ライブストーリーのローンチに関する声明で次のように述べている。「最新機能で、MyHeritageは今後もオンライン家族史の世界をビジョンとイノベーションの両方でリードし続けることになります。AIを利用して歴史的な写真に新しい命を吹き込むことはユニークな機能であり、何百万もの人が先祖や愛する故人との感情的な結びつきを掘り起こし一新することができます。家系の本質は家族史の表現と保存にあり、私たちは世界に向けて家系の楽しさと魅力を伝えていきたい」。</p>\n<p>D-IDは、Sella Blondheim(セラ・ブロンドハイム)氏とEliran Kuta(エリラン・クタ)氏が創業。現在、チームは32名で今後は米国や英国、シンガポール、そしてイスラエルでそれぞれ現地の<a target=\"_blank\" href=\"https://www.d-id.com/positions/\" rel=\"noopener\">人数を増やし</a>、社員数を倍増したいと考えている。</p>\n<p><small>画像クレジット:D-ID</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/03/03/myheritage-and-d-id-partner-to-bring-photos-to-life-with-both-animations-and-voice/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Sarah Perez、翻訳:Hiroshi Iwatani)</p>\n",
        "authorId": 46898863,
        "featuredMediaUrl": "/wp-content/uploads/2022/03/did0.jpg",
        "author": {
          "id": 46898863,
          "slug": "tcjpiwatani",
          "name": "Hiroshi Iwatani",
          "description": ""
        },
        "categories": [
          {
            "postId": 474286,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 474286,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 474286,
            "tagId": 221076,
            "tag": {
              "id": 221076,
              "slug": "tel-aviv",
              "name": "テルアビブ(国・地域)",
              "description": "テルアビブに関する記事一覧"
            }
          },
          {
            "postId": 474286,
            "tagId": 618878,
            "tag": {
              "id": 618878,
              "slug": "myheritage",
              "name": "MyHeritage(企業)",
              "description": "家系図サービスを提供する企業。"
            }
          },
          {
            "postId": 474286,
            "tagId": 366272174,
            "tag": {
              "id": 366272174,
              "slug": "deeplearning",
              "name": "ディープラーニング / 深層学習(用語)",
              "description": "ディープラーニングに関連する記事一覧"
            }
          },
          {
            "postId": 474286,
            "tagId": 674897335,
            "tag": {
              "id": 674897335,
              "slug": "deepfakes",
              "name": "ディープフェイク(用語)",
              "description": "ディープフェイクに関連する記事一覧"
            }
          },
          {
            "postId": 474286,
            "tagId": 692507344,
            "tag": {
              "id": 692507344,
              "slug": "metaverse",
              "name": "メタバース(用語)",
              "description": "メタバースに関する記事一覧"
            }
          },
          {
            "postId": 474286,
            "tagId": 692508482,
            "tag": {
              "id": 692508482,
              "slug": "synthetic-speech",
              "name": "合成音声(用語)",
              "description": "合成音声に関する記事一覧"
            }
          },
          {
            "postId": 474286,
            "tagId": 692508696,
            "tag": {
              "id": 692508696,
              "slug": "d-id",
              "name": "D-ID(企業)",
              "description": "D-IDは、一見すると単純明快だが実はきわめて複雑高度な技術を使ってデジタル画像にぼかしを入れて、画像内の人物を特定できないようにする技術を開発する企業。"
            }
          },
          {
            "postId": 474286,
            "tagId": 692514192,
            "tag": {
              "id": 692514192,
              "slug": "family",
              "name": "家族 / ファミリー(用語)",
              "description": "家族 / ファミリーに関する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 473910,
      "categoryId": 366275726,
      "post": {
        "id": 473910,
        "slug": "cropping-prediction-monitoring-system",
        "createdAt": "2022-03-03T09:21:56.000Z",
        "updatedAt": "2022-03-03T10:00:30.000Z",
        "title": "農研機構、栽培施設内を無人走行し果実の収穫量をAIで予測する「着果モニタリングシステム」",
        "content": "<p><img loading=\"lazy\" class=\"aligncenter size-large wp-image-474161\" src=\"/wp-content/uploads/2022/03/2022-03-03-006-001.jpg?w=1024\" alt=\"\" width=\"1024\" height=\"768\" srcset=\"/wp-content/uploads/2022/03/2022-03-03-006-001.jpg 2000w, /wp-content/uploads/2022/03/2022-03-03-006-001.jpg?resize=300,225 300w, /wp-content/uploads/2022/03/2022-03-03-006-001.jpg?resize=768,576 768w, /wp-content/uploads/2022/03/2022-03-03-006-001.jpg?resize=1024,768 1024w, /wp-content/uploads/2022/03/2022-03-03-006-001.jpg?resize=1536,1152 1536w, /wp-content/uploads/2022/03/2022-03-03-006-001.jpg?resize=533,400 533w, /wp-content/uploads/2022/03/2022-03-03-006-001.jpg?resize=400,300 400w, /wp-content/uploads/2022/03/2022-03-03-006-001.jpg?resize=738,554 738w, /wp-content/uploads/2022/03/2022-03-03-006-001.jpg?resize=210,158 210w, /wp-content/uploads/2022/03/2022-03-03-006-001.jpg?resize=220,165 220w, /wp-content/uploads/2022/03/2022-03-03-006-001.jpg?resize=480,360 480w, /wp-content/uploads/2022/03/2022-03-03-006-001.jpg?resize=80,60 80w, /wp-content/uploads/2022/03/2022-03-03-006-001.jpg?resize=229,172 229w, /wp-content/uploads/2022/03/2022-03-03-006-001.jpg?resize=167,125 167w, /wp-content/uploads/2022/03/2022-03-03-006-001.jpg?resize=125,94 125w, /wp-content/uploads/2022/03/2022-03-03-006-001.jpg?resize=736,552 736w, /wp-content/uploads/2022/03/2022-03-03-006-001.jpg?resize=489,367 489w, /wp-content/uploads/2022/03/2022-03-03-006-001.jpg?resize=50,38 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><a target=\"_blank\" href=\"https://www.naro.go.jp/\" rel=\"noopener\">農業・食品産業技術総合研究機構</a>(農研機構)は施設栽培向けに、着果を監視し収穫量を予測するAIシステム「着果モニタリングシステム」を開発。従来対象のトマトに加え、パプリカにおいて実用化の目途がたったと3月1日に発表した。モニタリング装置を施設内で無人走行させ、収穫可能な果実数を推定することで、管理や収穫に必要な人員を効率的に配置できるようになる。</p>\n<p>施設園芸の大規模化が進んでいるが、大規模生産法人では生産コストの約3割が人件費とされている。特に収穫には多くの時間がかかるため、収穫作業の効率化が経営改善に大きく影響する。だが作業を効率化するためには、収穫に必要な人員の数や配置を適切に計画する必要があり、それには収穫できる果実の位置や数を適切に予測することが重要となる。</p>\n<p>農研機構が開発したこのシステムは、着果モニタリング装置を搭載した高所作業車を施設内で無人走行させながら植物を撮影し、その画像をつなげた展開画像をAIで分析することで、収穫可能な果実を自動検出するというものだ。深層学習により構築した果実検出モデルにより、画像から果実を検出。画像の色から果実の成熟度を評価し、成熟順に分類。そこから収穫可能な果実の数と位置を割り出し、管理や収穫に必要な人員の効率的な配置を策定できるようにする。</p>\n<p>この技術はトマトを対象に開発されてきたが、パプリカでも実用化の目途がついた。大規模パプリカ生産法人で試験を行ったところ、同システムが収穫可能と判断した果実の数と、翌週の実際の収穫量とがほぼ一致した。そこで農研機構は、3月9日から12日まで東京ビッグサイトで開催される「国際ロボット展2022」にこのシステムを出展することにした。</p>\n<p><img loading=\"lazy\" class=\"aligncenter wp-image-473913 size-large\" src=\"/wp-content/uploads/2022/03/iampr20220301_2.png?w=887\" alt=\"\" width=\"887\" height=\"1024\" srcset=\"/wp-content/uploads/2022/03/iampr20220301_2.png 1535w, /wp-content/uploads/2022/03/iampr20220301_2.png?resize=260,300 260w, /wp-content/uploads/2022/03/iampr20220301_2.png?resize=768,887 768w, /wp-content/uploads/2022/03/iampr20220301_2.png?resize=887,1024 887w, /wp-content/uploads/2022/03/iampr20220301_2.png?resize=1331,1536 1331w, /wp-content/uploads/2022/03/iampr20220301_2.png?resize=347,400 347w, /wp-content/uploads/2022/03/iampr20220301_2.png?resize=400,462 400w, /wp-content/uploads/2022/03/iampr20220301_2.png?resize=738,852 738w, /wp-content/uploads/2022/03/iampr20220301_2.png?resize=312,360 312w, /wp-content/uploads/2022/03/iampr20220301_2.png?resize=191,220 191w, /wp-content/uploads/2022/03/iampr20220301_2.png?resize=149,172 149w, /wp-content/uploads/2022/03/iampr20220301_2.png?resize=108,125 108w, /wp-content/uploads/2022/03/iampr20220301_2.png?resize=52,60 52w, /wp-content/uploads/2022/03/iampr20220301_2.png?resize=478,552 478w, /wp-content/uploads/2022/03/iampr20220301_2.png?resize=318,367 318w, /wp-content/uploads/2022/03/iampr20220301_2.png?resize=43,50 43w\" sizes=\"(max-width: 887px) 100vw, 887px\" /></p>\n<p>同開発機は、2022年度以降の実用化を目指すという。また今後は、作業者の違いによって生じる収穫作業時間の予測誤差の低減、予測適応時間の拡大を図り、トマトとパプリカ以外の作物の適用可能性、着花計測、病害虫や整理障害株の検出、葉面積計測など、汎用的な画像収集装置としての利用も検討する予定。</p>\n",
        "authorId": 136751393,
        "featuredMediaUrl": "/wp-content/uploads/2022/03/2022-03-03-006-index.jpg",
        "author": {
          "id": 136751393,
          "slug": "tetsuokanai",
          "name": "tetsuokanai",
          "description": ""
        },
        "categories": [
          {
            "postId": 473910,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 473910,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 473910,
            "tagId": 90436,
            "tag": {
              "id": 90436,
              "slug": "robot",
              "name": "ロボット(用語)",
              "description": "ロボットに関する記事一覧"
            }
          },
          {
            "postId": 473910,
            "tagId": 366270896,
            "tag": {
              "id": 366270896,
              "slug": "agriculture",
              "name": "農業 / アグリテック(用語)",
              "description": "農業 / アグリテックに関連する記事一覧"
            }
          },
          {
            "postId": 473910,
            "tagId": 366272174,
            "tag": {
              "id": 366272174,
              "slug": "deeplearning",
              "name": "ディープラーニング / 深層学習(用語)",
              "description": "ディープラーニングに関連する記事一覧"
            }
          },
          {
            "postId": 473910,
            "tagId": 366280851,
            "tag": {
              "id": 366280851,
              "slug": "image-analysis",
              "name": "画像解析(用語)",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 474092,
      "categoryId": 366275726,
      "post": {
        "id": 474092,
        "slug": "2022-03-02-food-companies-tastewise",
        "createdAt": "2022-03-03T03:30:08.000Z",
        "updatedAt": "2022-03-03T02:24:03.000Z",
        "title": "世界最大級の食品会社が新製品を開発するとき、まず相談するAIデータ分析「Tastewise」",
        "content": "<div id=\"attachment_474093\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-474093\" loading=\"lazy\" class=\"wp-image-474093 size-large\" src=\"/wp-content/uploads/2022/03/Tastewise-Founders-2-Alon-Chen-right-and-Eyal-Gaon-left-Photographer-Hadar-Berl.jpg.jpeg?w=1024\" alt=\"\" width=\"1024\" height=\"575\" srcset=\"/wp-content/uploads/2022/03/Tastewise-Founders-2-Alon-Chen-right-and-Eyal-Gaon-left-Photographer-Hadar-Berl.jpg.jpeg 1390w, /wp-content/uploads/2022/03/Tastewise-Founders-2-Alon-Chen-right-and-Eyal-Gaon-left-Photographer-Hadar-Berl.jpg.jpeg?resize=300,169 300w, /wp-content/uploads/2022/03/Tastewise-Founders-2-Alon-Chen-right-and-Eyal-Gaon-left-Photographer-Hadar-Berl.jpg.jpeg?resize=768,432 768w, /wp-content/uploads/2022/03/Tastewise-Founders-2-Alon-Chen-right-and-Eyal-Gaon-left-Photographer-Hadar-Berl.jpg.jpeg?resize=1024,575 1024w, /wp-content/uploads/2022/03/Tastewise-Founders-2-Alon-Chen-right-and-Eyal-Gaon-left-Photographer-Hadar-Berl.jpg.jpeg?resize=712,400 712w, /wp-content/uploads/2022/03/Tastewise-Founders-2-Alon-Chen-right-and-Eyal-Gaon-left-Photographer-Hadar-Berl.jpg.jpeg?resize=400,225 400w, /wp-content/uploads/2022/03/Tastewise-Founders-2-Alon-Chen-right-and-Eyal-Gaon-left-Photographer-Hadar-Berl.jpg.jpeg?resize=738,415 738w, /wp-content/uploads/2022/03/Tastewise-Founders-2-Alon-Chen-right-and-Eyal-Gaon-left-Photographer-Hadar-Berl.jpg.jpeg?resize=640,360 640w, /wp-content/uploads/2022/03/Tastewise-Founders-2-Alon-Chen-right-and-Eyal-Gaon-left-Photographer-Hadar-Berl.jpg.jpeg?resize=220,124 220w, /wp-content/uploads/2022/03/Tastewise-Founders-2-Alon-Chen-right-and-Eyal-Gaon-left-Photographer-Hadar-Berl.jpg.jpeg?resize=281,158 281w, /wp-content/uploads/2022/03/Tastewise-Founders-2-Alon-Chen-right-and-Eyal-Gaon-left-Photographer-Hadar-Berl.jpg.jpeg?resize=222,125 222w, /wp-content/uploads/2022/03/Tastewise-Founders-2-Alon-Chen-right-and-Eyal-Gaon-left-Photographer-Hadar-Berl.jpg.jpeg?resize=125,70 125w, /wp-content/uploads/2022/03/Tastewise-Founders-2-Alon-Chen-right-and-Eyal-Gaon-left-Photographer-Hadar-Berl.jpg.jpeg?resize=107,60 107w, /wp-content/uploads/2022/03/Tastewise-Founders-2-Alon-Chen-right-and-Eyal-Gaon-left-Photographer-Hadar-Berl.jpg.jpeg?resize=982,552 982w, /wp-content/uploads/2022/03/Tastewise-Founders-2-Alon-Chen-right-and-Eyal-Gaon-left-Photographer-Hadar-Berl.jpg.jpeg?resize=600,337 600w, /wp-content/uploads/2022/03/Tastewise-Founders-2-Alon-Chen-right-and-Eyal-Gaon-left-Photographer-Hadar-Berl.jpg.jpeg?resize=50,28 50w, /wp-content/uploads/2022/03/Tastewise-Founders-2-Alon-Chen-right-and-Eyal-Gaon-left-Photographer-Hadar-Berl.jpg.jpeg?resize=250,141 250w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-474093\" class=\"wp-caption-text\">Tastewiseの共同設立者アロン・チェン氏とエイエル・ガオン氏(画像クレジット:Hadar Berl)</p></div>\n<p>食品を市場に出す適切な時期を調査することは、従来はアンケートやフォーカスグループを通じて行われてきたが、<a target=\"_blank\" href=\"https://tastewise.io/\" rel=\"noopener\">Tastewise</a>(テイストワイズ)はこれをテクノロジーでより良く実現できると考えている。</p>\n<p>イスラエルに拠点を置く同社は、人工知能(AI)によるデータ分析を開発し、食品ブランドが次のヘルシー、持続可能でおいしい製品について、製品開発、マーケティング、小売販売に関するよりスマートな意思決定を行えるよう支援している。また、世界中の100万以上のレストランをモニタリングし、食品ブランドとその食品を試したがっている人々を結びつけている。</p>\n<p>Tastewiseは過去5年間で、Nestlé(ネスレ)、PepsiCo(ペプシコ)、Kraft Heinz(クラフトハインツ)、Campbell&#8217;s(キャンベル)、JustEgg(ジャストエッグ)など、トップクラスの食品・飲料メーカーや新進気鋭のフードテック系スタートアップからなる顧客ベースを持つまでに成長した。</p>\n<p>そしてこのたび同社は、新たにシリーズAで1700万ドル(約19億6400万円)の資金を確保した。Disruptiveがこのラウンドをリードし、既存投資家であるPeakBridgeとPICO Venture Partnersに加わった。今回の資金調達により、Tastewiseの累計調達額は2150万ドル(約24億8400万円)に達した。</p>\n<p>Tastewiseの共同創業者兼CEOであるAlon Chen(アロン・チェン)氏は、12歳のときから独学でコードを書き始めたエンジニアで、5年前に母親のシャバット(安息日)のディナーから会社のアイデアを得た後、Google(グーグル)でのキャリアを捨てたという。</p>\n<p>「母はすばらしいシャバットディナーを作るのですが、私たち家族にその週の食事のニーズ(好みやアレルギー、栄養ニーズなど)を聞いてくるようになったのです」とチェン氏。「共同創業者のEyal Gaon(エイエル・ガオン)とともに、消費者の食生活のニーズが以前よりとても早く変化していることに気づかされました。21世紀になっても、毎年発売される3万個の新商品のうち、9割が失敗しているのです。画一的なアプローチは、もはや不可能なのです」。</p>\n<p>同氏は、最も革新的なフードテック企業でさえ、いまだに時代遅れの小売データに頼って商品戦略を考えており、正しいデータから始めなければ、間違った答えが返ってくることを説明した。</p>\n<p>そこでチェン氏とガオン氏は、食品・飲料企業がより健康的な食品、新しいフレーバー、植物由来のバリエーションなどで10兆ドル(約1155兆円)規模の業界をディスラプトし、新製品の販売と採用を加速させる方法でそれを実現できるよう、データ専用のプラットフォーム構築に乗り出した。</p>\n<p>2017年にスタートして以来、2020年と2021年に増資を行ったTastewiseは無駄のない運営を行っているとチェン氏はいう。同社は2020年から2021年にかけて売上を3倍に拡大し、現在は米国やイギリスだけでなく、インド、オーストラリア、ドイツ、カナダ、フランスへとデータと人材の拡充を進めている。</p>\n<p>米国とイスラエルではすでに従業員数を2倍に増やし、食品・飲料ブランド上位100社のうち15%近くと、数十社のフードテックスタートアップと協業しているという。</p>\n<p>「Tastewiseを始めた当初、フードテックはまだ存在しておらず、食品・飲料の予測分析について投資家と話を始めたとき、これが未来だと話していました」とチェン氏は語る。「私たちは、世界がデータを取得し、食品業界を改善し、よりヘルシーでおいしいものを作る手助けをしなければなりません」。</p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/03/02/food-companies-tastewise/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Christine Hall、翻訳:Den Nakano)</p>\n",
        "authorId": 176261049,
        "featuredMediaUrl": "/wp-content/uploads/2022/03/Tastewise-Founders-2-Alon-Chen-right-and-Eyal-Gaon-left-Photographer-Hadar-Berl.jpg.jpeg",
        "author": {
          "id": 176261049,
          "slug": "katsuyukiyasui",
          "name": "katsuyukiyasui",
          "description": ""
        },
        "categories": [
          {
            "postId": 474092,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 474092,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 474092,
            "tagId": 366271656,
            "tag": {
              "id": 366271656,
              "slug": "israel",
              "name": "イスラエル(国・地域)",
              "description": "イスラエルに関連する記事一覧"
            }
          },
          {
            "postId": 474092,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 474092,
            "tagId": 692508691,
            "tag": {
              "id": 692508691,
              "slug": "foods",
              "name": "食品 / 食料品 / 食材 / 食品加工(用語)",
              "description": "食品に関連する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 473380,
      "categoryId": 366275726,
      "post": {
        "id": 473380,
        "slug": "2022-01-19-ambient-ai-security-without-facial-recognition",
        "createdAt": "2022-02-28T00:45:25.000Z",
        "updatedAt": "2022-02-28T00:28:48.000Z",
        "title": "Ambient.aiはAIを活用したビルセキュリティで偏見やプライバシーによる落とし穴をふさぐ",
        "content": "<p>「ちょっと、そこは入れませんよ」。建物とカメラをいくつか通過すると、セキュリティの仕事はすぐに複雑で途方もない状況になる。誰が一度にすべての場所を見張り、間に合うように人を送って問題を防ぐことができるだろうか。<a target=\"_blank\" href=\"https://ambient.ai/\" rel=\"noopener\">Ambient.ai</a>はAIでそうできると最初に主張したわけではないが、最初に実際に大きな規模でそうしたのかもしれない。そして、成長を続けるために5200万ドル(約59億1000万円)を調達した。</p>\n<p>昨今の業務処理問題は、誰でも指摘できる種類のものである。現代の会社や学校にある幾十幾百ものカメラからは膨大な量の映像やデータが生み出され、専門のセキュリティチームでもすべてを把握するのは困難だろう。結果として、重要な事象が発生してもそれを見逃すだけでなく、間違ったアラームや音に耳を向けてしまう可能性もある。</p>\n<p>「犠牲者はいつも、誰かが助けに来てくれることを期待してカメラを見るが、実情はそうではない」と、Ambient.ai(アンビエント.ai)のCEO兼共同創業者、Shikhar Shrestha(シカー・シュレスタ)氏はTechCrunchに語った。「ベストの状態でも、インシデントが起きるのを待っていて、ビデオを見て、そこで仕事をするわけです。カメラはあり、センサーはあり、警備員もいる。欠けているのは、仲立ちをする頭脳です」。</p>\n<p>明らかに、シュレスタ氏の会社は頭脳の提供を目指している。セキュリティのライブ映像の中央処理装置によって、問題が発生したら即座に適切な担当者に通知できる。そうした努力を危険にさらす先入観はない。顔認識もしない。</p>\n<p>以前にもこの特定のアイデアに取り組む例はあったが、これまでのところ本気で採用した例はない。シュレスタ氏によれば、第1世代の自動画像認識は単純な動作検出で、画面上の画素に動きがあるかどうかを確認するにすぎず、木なのか家宅侵入者なのかも見分けられなかった。次に来たのが、深層学習を使用した物体認識だった。手に銃を持っているのか、窓が割れているのか識別できた。これは役に立つことがわかったが、限界があり、維持に少々手がかかった。状況や物に対して特別なトレーニングがたくさん必要だった。</p>\n<p>「ビデオを理解するために人が行うことを見て、他の情報も大量に取り入れることにしました。座っているのか、立っているのか、ドアを開けているのか、歩いているのか、走っているのか、屋内にいるのか、屋外にいるのか、昼間か夜間か、といったことです。私たちは、そうしたことをすべて一緒にして状況を総合的に理解します」と、シュレスタ氏は説明した。「私たちは、コンピューターの映像インテリジェンスを使って映像の事象全体をマイニングします。あらゆるタスクを分解してそれをプリミティブと呼びます。相互作用や物体などです。その後、それらの構成要素を結びつけて「シグネチャ」を作成します」。</p>\n<div id=\"attachment_473383\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-473383\" loading=\"lazy\" class=\"wp-image-473383 size-large\" src=\"/wp-content/uploads/2022/02/ambientai-shot.png?w=1024\" alt=\"\" width=\"1024\" height=\"728\" srcset=\"/wp-content/uploads/2022/02/ambientai-shot.png 1440w, /wp-content/uploads/2022/02/ambientai-shot.png?resize=300,213 300w, /wp-content/uploads/2022/02/ambientai-shot.png?resize=768,546 768w, /wp-content/uploads/2022/02/ambientai-shot.png?resize=1024,728 1024w, /wp-content/uploads/2022/02/ambientai-shot.png?resize=563,400 563w, /wp-content/uploads/2022/02/ambientai-shot.png?resize=100,70 100w, /wp-content/uploads/2022/02/ambientai-shot.png?resize=400,284 400w, /wp-content/uploads/2022/02/ambientai-shot.png?resize=738,525 738w, /wp-content/uploads/2022/02/ambientai-shot.png?resize=506,360 506w, /wp-content/uploads/2022/02/ambientai-shot.png?resize=220,156 220w, /wp-content/uploads/2022/02/ambientai-shot.png?resize=242,172 242w, /wp-content/uploads/2022/02/ambientai-shot.png?resize=176,125 176w, /wp-content/uploads/2022/02/ambientai-shot.png?resize=125,89 125w, /wp-content/uploads/2022/02/ambientai-shot.png?resize=84,60 84w, /wp-content/uploads/2022/02/ambientai-shot.png?resize=776,552 776w, /wp-content/uploads/2022/02/ambientai-shot.png?resize=516,367 516w, /wp-content/uploads/2022/02/ambientai-shot.png?resize=50,36 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-473383\" class=\"wp-caption-text\">Ambient.aiのシステムでは、行動の要素を使用し、それらの要素を相互に結びつけて、それが問題になるかどうか示す(画像クレジット:Ambient.ai)</p></div>\n<p>シグネチャは「夜間に長時間車内で座っている人物」や、誰ともやり取りせずにセキュリティチェックポイントの傍らに立っている人物」のようなもので、数は任意である。チームによって調整・追加されたものや、モデルによって独自に追加されたものがある。シュレスタ氏は「管理された半教師あり手法の一種」と説明した。</p>\n<p>AIを使用して一度に100のビデオストリームをモニタリングすることのメリットは明らかだ。何か悪いことが起きる見当をつける点でAIの出来がたとえ人間の80%だとしてもである。注意散漫、疲労、目が2つしかないといった弱点がないAIは、時間やフィード数の制限なしに成功のレベルを上げることができる。これは、成功の機会が実際にかなり大きいということだ。</p>\n<p>銃だけを探す初期のAIシステムでも数年前から同じことが言われていたかもしれないが、Ambient.aiが目指しているのはもっと総合的なものである。</p>\n<p>「私たちは意図的に、プライバシーの考えを中心にしてプラットフォームを構築しました」と、シュレスタ氏は述べた。AIを活用したセキュリティというと「人はすぐに顔認識が含まれているものと考えるが、私たちの手法ではこの大量のシグネチャイベントがあり、顔認識を必要としないリスク指標を利用できます。何が起きるかを示す画像やモデルは1つだけではありません。これらのさまざまな要素をすべて活用して、システムの記述レベルを上げることができます」。</p>\n<p>基本的にこれは、各個人の認識活動を最初から先入観のないものに保つことによって行われる。例えば誰かが座っているか立っているか、どれくらい長くドアの外で待っているか、といった行動をそれぞれ監査し、発見して、構成やグループ全体で検出できた場合、そうした推測の総和も同様に先入観のないものになる。このように、システムの構造上、先入観は削減される。</p>\n<p>しかし、先入観は潜行的で複雑であると言わなければならず、先入観を認識して軽減する能力は最先端には後れを取っている。それでも、直感的に言って、シュレスタ氏が述べたように「先入観で見られるものに関する推測のカテゴリーがない場合、そのようにして先入観が入り込むことはない」というのは本当のように思える。そうであることを望む。</p>\n<div id=\"attachment_473382\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-473382\" loading=\"lazy\" class=\"wp-image-473382 size-large\" src=\"/wp-content/uploads/2022/02/ambientai-Founders.jpeg?w=1024\" alt=\"\" width=\"1024\" height=\"683\" srcset=\"/wp-content/uploads/2022/02/ambientai-Founders.jpeg 2880w, /wp-content/uploads/2022/02/ambientai-Founders.jpeg?resize=300,200 300w, /wp-content/uploads/2022/02/ambientai-Founders.jpeg?resize=768,512 768w, /wp-content/uploads/2022/02/ambientai-Founders.jpeg?resize=1024,683 1024w, /wp-content/uploads/2022/02/ambientai-Founders.jpeg?resize=1536,1024 1536w, /wp-content/uploads/2022/02/ambientai-Founders.jpeg?resize=2048,1365 2048w, /wp-content/uploads/2022/02/ambientai-Founders.jpeg?resize=600,400 600w, /wp-content/uploads/2022/02/ambientai-Founders.jpeg?resize=400,267 400w, /wp-content/uploads/2022/02/ambientai-Founders.jpeg?resize=738,492 738w, /wp-content/uploads/2022/02/ambientai-Founders.jpeg?resize=540,360 540w, /wp-content/uploads/2022/02/ambientai-Founders.jpeg?resize=220,147 220w, /wp-content/uploads/2022/02/ambientai-Founders.jpeg?resize=258,172 258w, /wp-content/uploads/2022/02/ambientai-Founders.jpeg?resize=188,125 188w, /wp-content/uploads/2022/02/ambientai-Founders.jpeg?resize=125,83 125w, /wp-content/uploads/2022/02/ambientai-Founders.jpeg?resize=90,60 90w, /wp-content/uploads/2022/02/ambientai-Founders.jpeg?resize=828,552 828w, /wp-content/uploads/2022/02/ambientai-Founders.jpeg?resize=551,367 551w, /wp-content/uploads/2022/02/ambientai-Founders.jpeg?resize=50,33 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-473382\" class=\"wp-caption-text\">Ambient.ai共同創業者。左はCTOのVikesh Khanna(ビケシュ・カナ)氏、右はCEOのシカー・シュレスタ氏(画像クレジット:Ambient.ai)</p></div>\n<p>いくつかのスタートアップが同じように登場しては消えていったのを見てきたので、こうしたアイデアを記録で実証することは重要だ。Ambient.aiは比較的静かにしてきたにもかかわらず、製品に関するその仮説の証明に役立ってきた活発な顧客が多数いる。もちろん、過去2年間は厳密には通常の業務ではなかったが、効果がないのであれば「時価総額で米国最大級のテック企業の5社」が顧客になるというのは考えにくい(しかし現にそうである)。</p>\n<p>名前の挙げられていない「Fortune(フォーチュン)500テクノロジー企業」のテストで、認証を受けた人のすぐ後からセキュリティで保護されたエリアに入る「共連れ」を減らすことを目指していた。そんなことをする人はいないと思うだろうか。何と、最初の週に2000のインシデントが特定された。しかし、事象のGIFをほぼリアルタイムでセキュリティ担当者に送信し、セキュリティ担当者はおそらく違反者に警告したのだろう。数字は週に200まで減少した。今は週に10である。おそらく私のような人間によるのであろう。</p>\n<div id=\"attachment_473385\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-473385\" loading=\"lazy\" class=\"wp-image-473385 size-large\" src=\"/wp-content/uploads/2022/02/problems-ambientai.jpeg?w=1024\" alt=\"\" width=\"1024\" height=\"728\" srcset=\"/wp-content/uploads/2022/02/problems-ambientai.jpeg 1440w, /wp-content/uploads/2022/02/problems-ambientai.jpeg?resize=300,213 300w, /wp-content/uploads/2022/02/problems-ambientai.jpeg?resize=768,546 768w, /wp-content/uploads/2022/02/problems-ambientai.jpeg?resize=1024,728 1024w, /wp-content/uploads/2022/02/problems-ambientai.jpeg?resize=563,400 563w, /wp-content/uploads/2022/02/problems-ambientai.jpeg?resize=100,70 100w, /wp-content/uploads/2022/02/problems-ambientai.jpeg?resize=400,284 400w, /wp-content/uploads/2022/02/problems-ambientai.jpeg?resize=738,525 738w, /wp-content/uploads/2022/02/problems-ambientai.jpeg?resize=506,360 506w, /wp-content/uploads/2022/02/problems-ambientai.jpeg?resize=220,156 220w, /wp-content/uploads/2022/02/problems-ambientai.jpeg?resize=242,172 242w, /wp-content/uploads/2022/02/problems-ambientai.jpeg?resize=176,125 176w, /wp-content/uploads/2022/02/problems-ambientai.jpeg?resize=125,89 125w, /wp-content/uploads/2022/02/problems-ambientai.jpeg?resize=84,60 84w, /wp-content/uploads/2022/02/problems-ambientai.jpeg?resize=776,552 776w, /wp-content/uploads/2022/02/problems-ambientai.jpeg?resize=516,367 516w, /wp-content/uploads/2022/02/problems-ambientai.jpeg?resize=50,36 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-473385\" class=\"wp-caption-text\">画像クレジット:Ambient.ai</p></div>\n<p>Ambient.aiがドキュメント化した別のテストケースでは、学校のセキュリティカメラが、放課後に誰かがフェンスによじ登っている様子を捉えた。即座に映像が警備責任者に送信され、警察に通報された。その男には前科があることが判明した。ここで強調したいのは、学校を封鎖する必要があるということではなく(これはそうするのに役立つだろう)、そのドキュメントの中で述べられている別のことである。それは、システムが「誰かがフェンスによじ登っている」という認識と「これは8:45の少し前によく起きる」というような他のことを結びつけることができるということだ。だから、子どもが近道しても警察に通報されることはない。またAIは、よじ登ることと、落ちることと、ぶらつくこととを区別することもできる。こうしたことは、状況によって問題になったり、ならなかったりする。</p>\n<p>Ambient.aiの主張では、システムの柔軟性は一部こうした「プリミティブ」による。プリミティブは現場の必要に応じて簡単に再調整が可能で、例えば誰かがフェンスによじ登っても、落ちない限りかまわない。また「あっ、これは誰かがフェンスを切断しているようだ」といった新しい状況を学習することもできる。チームは現在、約100の疑わしい行動の「シグネチャ」を持っており、今後1年でそれを倍に増やすつもりだ。</p>\n<p>既存の警備人員の電話や無線機の呼び出しが鳴る機会を制御することで、既存の警備人員の効率が向上すれば、時間の節約になり、結果も良くなる(Ambient.aiは、日常的なアラームの数が概して85~90パーセント削減されると述べている)。また、AIを活用した映像のカテゴリー分類は記録やアーカイブにも役立つ。「夜間にフェンスによじ登る人の映像をすべてダウンロードしなさい」と命令する方が、5000時間手作業でスクラブするよりずっと簡単だ。</p>\n<p>5200万ドル(約59億1000万円)のラウンドはa16z(アンドリーセン・ホロウィッツ)が取りまとめたが、Ron Conway(ロン・コンウェイ)氏、Y Combinator(Yコンビネーター)のAli Rowghani(アリ・ローガニ)氏、Okta(オクタ)共同創業者のFrederic Kerrest(フレデリック・ケレスト)氏、CrowdStrike(クラウドストライク)CEOのGeorge Kurtz(ジョージ・カーツ)氏、Microsoft(マイクロソフト)CVPのCharles Dietrich(チャールズ・ディードリッヒ)氏、その他数名の自分が何に投資しているかわかっている個人投資家の名前もあった。</p>\n<p>「今は異色の時代です。セキュリティに携わる者はもっと多くのことを行うように期待されています。誰かがすべてのフィードを見守っている必要はないという基本的な提案は普遍的なものになりました」と、シュレスタ氏は述べた。「私たちは1200億ドル(約13兆6000億円)という多額のお金をセキュリティに費やしています。そこに結果が出ていないのはまともではありません。私たちはインシデントを防ぐことができていません。すべての道が一点に収束しているように感じます。組織が採用できる、将来も有効に使い続けられるセキュリティを提供できるプラットフォームになりたいと思っています」。</p>\n<p><small>画像クレジット:Ambient.ai</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/01/19/ambient-ai-security-without-facial-recognition/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Devin Coldewey、翻訳:Dragonfly)</p>\n",
        "authorId": 176261049,
        "featuredMediaUrl": "/wp-content/uploads/2022/02/ambient-ai-header.jpeg",
        "author": {
          "id": 176261049,
          "slug": "katsuyukiyasui",
          "name": "katsuyukiyasui",
          "description": ""
        },
        "categories": [
          {
            "postId": 473380,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 473380,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 473380,
            "tagId": 366277260,
            "tag": {
              "id": 366277260,
              "slug": "building",
              "name": "ビル / ビル管理(用語)",
              "description": "ビル / ビル管理に関する記事一覧"
            }
          },
          {
            "postId": 473380,
            "tagId": 692514169,
            "tag": {
              "id": 692514169,
              "slug": "cctv",
              "name": "監視カメラ / CCTV / 防犯カメラ(用語)",
              "description": "Closed-Circuit Television。監視カメラ / CCTV / 防犯カメラに関する記事一覧"
            }
          },
          {
            "postId": 473380,
            "tagId": 692515205,
            "tag": {
              "id": 692515205,
              "slug": "security",
              "name": "セキュリティ(用語)",
              "description": "セキュリティに関する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 473151,
      "categoryId": 366275726,
      "post": {
        "id": 473151,
        "slug": "2022-02-24-i-need-evidence-yesterday-gesund-raises-2-million-provide-algorithm-validating-data",
        "createdAt": "2022-02-25T06:00:33.000Z",
        "updatedAt": "2022-02-25T05:50:02.000Z",
        "title": "「もっと早く知りたかった」、Gesundが医療アルゴリズム検証データを提供するために2.3億円を調達",
        "content": "<p>医療アルゴリズムを開発することと、それが本当に機能することを証明することは、まったく別の話だ。そのためには、入手しにくいある重要なものが必要だ。医療データである。現在、とあるスタートアップ企業が、そのようなデータを、検証研究を容易にするツールとともに提供する準備を整えている。</p>\n<p>今週、2021年に創業されたGesund(ゲズンド)が、500 Globalが主導する200万ドル(約2億3000万円)のシードラウンドでステルスから浮上した。CEOで創業者のEnes Hosgor(エネス・ホスゴー)氏はTechCrunchに対して、同社はすでに多くの実績を残していて、実行可能なプラットフォーム、30社の見込み顧客との取引、今四半期の売上見込みなどを見込んでいると語る。</p>\n<p>基本的にGesundは、医療アルゴリズムを開発するAI企業や、自身のモデルをテストするアカデミアのためのCRO(Contract Research Organization、医薬品開発業務受託機関)なのだ。一般のCROが医薬品や医療機器企業向けの臨床試験をデザインするのと同じように、Gesundのプラットフォームは、AI企業が自社の製品をテストするためのデータをキュレーションし、その比較をスムーズに行うためのITインフラを構築する。</p>\n<p>ホスゴー氏は「私たちは、自分たちを機械学習運用企業だと考えています」という。「私たち自身はアルゴリズムを手がけません」。</p>\n<p>医療アルゴリズムは、学習させるデータがあってこそ役に立つが、多様で有用なデータセットの入手は困難であることが知られている。例えば、2020年にJAMAで発表された<a target=\"_blank\" href=\"https://jamanetwork.com/journals/jama/article-abstract/2770833\" rel=\"noopener\">研究では</a>、放射線科、眼科、皮膚科、病理科、消化器科などの分野にわたる深層学習アルゴリズムを説明した74の科学論文を分析し、これらの研究で使われたデータの71%がニューヨーク州、カリフォルニア州、マサチューセッツ州からもたらされたものだということを報告している。</p>\n<p>実際、米国の34の州は、これらのアルゴリズムの学習に使用したデータを提供しておらず、より広い母集団に対する一般化の可能性が疑問視されている。</p>\n<p>また、この問題は医療機関の種類を越えて存在している。大規模かつ権威ある大学病院で収集されたデータを使ってアルゴリズムを<a target=\"_blank\" href=\"https://www.pewtrusts.org/en/research-and-analysis/issue-briefs/2021/08/how-fda-regulates-artificial-intelligence-in-medical-products\" rel=\"noopener\">学習させることは可能だ</a>。しかし、それを地域の小さな病院に導入しようと思っても、そうしたまったく異なる環境ではうまくいく保証はない。</p>\n<p><a target=\"_blank\" href=\"https://www.bmj.com/content/375/bmj.n2281\" rel=\"noopener\">BMJ</a>に発表された152件の研究のメタレビューによれば、アルゴリズムを訓練するために使用されるデータセットは、一般的に、必要とされるものよりも小さいという。当然ながら、<a target=\"_blank\" href=\"https://www.wired.com/story/using-ai-to-help-stroke-victims-when-time-is-brain/\" rel=\"noopener\">アルゴリズムの成功例</a>もあるものの、これは業界全体の問題なのだ。</p>\n<p>テクノロジーだけでこれらの問題を解決することはできない。そもそも、そこにないデータを分類したり、提供したりすることはできないのだ。ヨーロッパ人以外の祖先を持つ人々の遺伝子研究が、<a target=\"_blank\" href=\"https://scholar.harvard.edu/files/davidrwilliams/files/landry_latrice_et_al._genetics_diversity_health_affairs_2018.pdf\" rel=\"noopener\">非常に不足して</a>いることを考えてみて欲しい。しかしGesundは、既存のデータへのアクセスを容易にし、データ共有の新たな道を開くパートナーシップを構築するという、テクノロジーを役立てられる可能性のある問題に焦点を絞っている。</p>\n<div id=\"attachment_473153\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-473153\" loading=\"lazy\" class=\"wp-image-473153 size-large\" src=\"/wp-content/uploads/2022/02/2022-02-25-13-46-30.jpg?w=1024\" alt=\"\" width=\"1024\" height=\"672\" srcset=\"/wp-content/uploads/2022/02/2022-02-25-13-46-30.jpg 2500w, /wp-content/uploads/2022/02/2022-02-25-13-46-30.jpg?resize=300,197 300w, /wp-content/uploads/2022/02/2022-02-25-13-46-30.jpg?resize=768,504 768w, /wp-content/uploads/2022/02/2022-02-25-13-46-30.jpg?resize=1024,672 1024w, /wp-content/uploads/2022/02/2022-02-25-13-46-30.jpg?resize=1536,1008 1536w, /wp-content/uploads/2022/02/2022-02-25-13-46-30.jpg?resize=2048,1344 2048w, /wp-content/uploads/2022/02/2022-02-25-13-46-30.jpg?resize=609,400 609w, /wp-content/uploads/2022/02/2022-02-25-13-46-30.jpg?resize=400,263 400w, /wp-content/uploads/2022/02/2022-02-25-13-46-30.jpg?resize=738,484 738w, /wp-content/uploads/2022/02/2022-02-25-13-46-30.jpg?resize=548,360 548w, /wp-content/uploads/2022/02/2022-02-25-13-46-30.jpg?resize=220,144 220w, /wp-content/uploads/2022/02/2022-02-25-13-46-30.jpg?resize=262,172 262w, /wp-content/uploads/2022/02/2022-02-25-13-46-30.jpg?resize=190,125 190w, /wp-content/uploads/2022/02/2022-02-25-13-46-30.jpg?resize=125,82 125w, /wp-content/uploads/2022/02/2022-02-25-13-46-30.jpg?resize=91,60 91w, /wp-content/uploads/2022/02/2022-02-25-13-46-30.jpg?resize=841,552 841w, /wp-content/uploads/2022/02/2022-02-25-13-46-30.jpg?resize=559,367 559w, /wp-content/uploads/2022/02/2022-02-25-13-46-30.jpg?resize=50,33 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-473153\" class=\"wp-caption-text\">Gesundの検証プラットフォームの画面</p></div>\n<p>Gesundのデータパイプラインは「各臨床施設と締結している、データ共有契約」に基づいているとホスゴー氏はいう。現在、Gesundはシカゴ大学医療センター、マサチューセッツ総合病院、ベルリンのシャリテ大学で収集された画像データにフォーカスしている(同社は今後、放射線医学以外の分野にも拡大する計画だ)。</p>\n<p>機械学習アプリケーションで使用するためのデータの集約と配信は、<a target=\"_blank\" href=\"https://docs.nightingalescience.org/\" rel=\"noopener\">Nightingale Open Science Project</a>(ナイチンゲール・オープンソースプロジェクト)のような、研究者に臨床データセットを無料で提供する他の企業によっても行われている(<a target=\"_blank\" href=\"https://www.wsj.com/articles/google-s-secret-project-nightingale-gathers-personal-health-data-on-millions-of-americans-11573496790\" rel=\"noopener\">物議を醸しているGoogleの「Project Nightingale」</a>[プロジェクト・ナイチンゲール]とは提携していない)。だが、データそのものも重要な要素だが、実はホスゴー氏が秘密兵器と見ているのは、同社のテクノロジー・スタックなのだ。</p>\n<p>「誰もがクラウドでML(機械学習)をやっています。ですが、一般的な医療機関はクラウドを持っていないので、すべてが失われてしまうのです」とホスゴー氏はいう。「そこで私たちは、病院のファイアウォール内に設置できる技術スタックを構築しました。これは機械学習にはつきもののサードパーティのマネージドサービスには一切依存していません」。</p>\n<p>そこを起点として、プラットフォームには「ローコード」のインターフェイスが搭載されている。つまり、医師や医療機関は、基本的に必要なデータセットをドラッグ&amp;ドロップし、そのデータに対して自身のアルゴリズムをテストすることができるのだ。</p>\n<p>ホスゴー氏は「創業して約6カ月ですが、すでに本格的に走っています。私たちは開発した最初の製品は、クラウドリソースにアクセスできない高度なコンプライアンス環境において、モデルの所有者がデータに対して自身のアルゴリズムを実行し、正確なメトリクスをその場で生成できるようにするものです。それが私たちの強みなのです」と説明する。</p>\n<p>現時点では、GesundはNightingaleと同様に、一部のサービスを無料で提供している。同社のCommunity Edition(コミュニティエディション)では、手持ちのアルゴリズムがある研究者たちが、自分たちのアルゴリズムを無料でテストできる(ただし、自分たちのデータセットをアップロードする必要がある)。</p>\n<p>一方、同社の「プレミアム」版の費用を払うのは、AI企業だ。これによって、お金を払っている顧客は、独自のデータセットにアクセスできるようになるとホスゴー氏はいう。そして、必要なデータにはお金を払うという実績もある。現在、Gesundは30の潜在顧客との交渉中だとしていて、今期中に収益を上げる予定だという。</p>\n<p>「私たちは2021年11月にシカゴで開催されたRSNAに出席しましたが、話を聞いたあらゆるAI企業から『ああ、もっと早く知りたかったです』という発言を聴きました」。</p>\n<p>現在Gesundが調達した資金は今回の200万ドル(約2億3000万円)のプレシードラウンドだけだが、ホスゴー氏は2022年中に再び資金調達を行えることを期待している。近い将来、同社は研究開発に注力しつつ、米国および欧州における臨床提携を拡大する予定だ。</p>\n<p><small>画像クレジット:Gesund</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/02/24/i-need-evidence-yesterday-gesund-raises-2-million-provide-algorithm-validating-data/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Emma Betuel、翻訳:sako)</p>\n",
        "authorId": 10108719,
        "featuredMediaUrl": "/wp-content/uploads/2022/02/gesund-header.jpg",
        "author": {
          "id": 10108719,
          "slug": "ardbeg1958",
          "name": "sako",
          "description": "Software Engineering Consultant, Technical Translator, and Whisky Lover."
        },
        "categories": [
          {
            "postId": 473151,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 473151,
            "tagId": 3659,
            "tag": {
              "id": 3659,
              "slug": "medicine",
              "name": "薬 / 医薬品 / 投薬(用語)",
              "description": "薬 / 医薬品 / 投薬に関する記事一覧"
            }
          },
          {
            "postId": 473151,
            "tagId": 352777,
            "tag": {
              "id": 352777,
              "slug": "data-sets",
              "name": "データセット(用語)",
              "description": "データセットに関する記事一覧"
            }
          },
          {
            "postId": 473151,
            "tagId": 366270781,
            "tag": {
              "id": 366270781,
              "slug": "medical",
              "name": "医療 / 治療 / MedTech / メドテック(用語)",
              "description": "医療 / 治療 / MedTech / メドテックに関連する記事一覧"
            }
          },
          {
            "postId": 473151,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 473151,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 473151,
            "tagId": 692509876,
            "tag": {
              "id": 692509876,
              "slug": "low-code",
              "name": "ローコード(用語)",
              "description": "ローコード開発に関する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 473070,
      "categoryId": 366275726,
      "post": {
        "id": 473070,
        "slug": "2022-02-23-aporia-raises-25m-series-a-for-its-ml-observability-platform",
        "createdAt": "2022-02-24T23:45:34.000Z",
        "updatedAt": "2022-02-24T23:01:38.000Z",
        "title": "ML可観測性プラットフォームのAporiaが約28.8億円のシリーズA資金を調達",
        "content": "<p>テルアビブに拠点を置く<a target=\"_blank\" href=\"https://www.aporia.com/\" rel=\"noopener\">Aporia</a>(アポリア)は、企業がAIベースのサービスを監視・説明できるように支援するスタートアップ企業だ。同社は米国時間2月23日、Tiger Global(タイガー・グローバル)が主導する2500万ドル(約28億8000万円)のシリーズA資金調達ラウンドを実施したことを発表した。このラウンドには、新たに投資に加わったSamsung Next(サムスン・ネクスト)の他、<a target=\"_blank\" href=\"/2021/04/08/2021-04-06-aporia-raises-5m-for-its-ai-observability-platform/\" rel=\"noopener\">以前の投資家</a>であるTLV Partners(TLVパートナーズ)とVertex Ventures(ヴァーテックス・ベンチャーズ)も参加、同社の調達資金総額は3000万ドル(約34億6000万円)に達した。</p>\n<p>2021年サービスを開始した当初は、オブザーバビリティ(可観測性)プラットフォームであることに正面から取り組んでいた同社だが、それからチームはその網を少し広げ、フルスタックのML(機械学習)モニタリング・プラットフォームとなっていった。</p>\n<p>「今のところ、私たちのソリューションには4つの柱があります」と、Aporiaの共同創業者兼CEOであるLiran Hason(リラン・ハソン)氏は説明する。「1つ目の柱は可視性、つまりダッシュボード機能のようなもので、予測値などを見ることができます。2つ目は、かなり新しいものですが、説明可能性です。すでに何人かのユーザーには使っていただいています。3つ目がモニタリング、そして4つ目が自動化ですが、これも新しいものです」。</p>\n<p>自動化は、もちろん、どのような監視サービスにとっても、明白な次のステップである。ユーザーは普通、受け取ったアラートに対して、何らかのアクションを起こしたいと思うからだ。Aporiaは、すでにその監視サービスにドラッグアンドドロップツールを取り入れていたので、この機能もすぐに追加できた。この自動化機能を拡張して、より複雑なユーザーケースに対応できるようにしたいと、ハソン氏は言及している。</p>\n<p>また、説明可能性も、顧客からのフィードバックを基に追加した機能だ。企業には規制当局から、自社のAIモデルが何を行っているかを説明できるように求める圧力が増している。Aporiaは、モデルがなぜそのような予測をするのか、また、さまざまな入力パラメータがどのように予測に寄与しているのかを、ユーザーが理解できるように支援する。</p>\n<p>フルスタックなML可観測性プラットフォームになるというミッションは、顧客の心に響いているようだ。Aporiaによると、同社のサービスを利用する顧客の数は、直近の半年間だけで600%増加したという。現在はその顧客に、Lemonade(レモネード)やArmis(アーミス)などの企業が含まれている。</p>\n<p>「Aporiaは起ち上げ以来、信じられないような成長を見せ、驚くべき勢いで、急速にMLの可観測性の分野におけるリーダーとなっています」と、Tiger GlobalのパートナーであるJohn Curtius(ジョン・クルティウス)氏は述べている。「グローバル企業の経営幹部は、人工知能のメリットと、それが事実上すべての産業にどれほど影響を与えているかを理解していますが、リスクによって夜も眠れない状態になっています。Aporiaは、すべての組織が、AIの責任ある利用を保証するために求めるソリューションになると位置付けられます」。</p>\n<p><small>画像クレジット:Aporia</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/02/23/aporia-raises-25m-series-a-for-its-ml-observability-platform/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Frederic Lardinois、翻訳:Hirokazu Kusakabe)</p>\n",
        "authorId": 191889557,
        "featuredMediaUrl": "/wp-content/uploads/2022/02/035A9260.jpg",
        "author": {
          "id": 191889557,
          "slug": "hkusakabe",
          "name": "Hirokazu Kusakabe",
          "description": ""
        },
        "categories": [
          {
            "postId": 473070,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 473070,
            "tagId": 221076,
            "tag": {
              "id": 221076,
              "slug": "tel-aviv",
              "name": "テルアビブ(国・地域)",
              "description": "テルアビブに関する記事一覧"
            }
          },
          {
            "postId": 473070,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 473070,
            "tagId": 366271656,
            "tag": {
              "id": 366271656,
              "slug": "israel",
              "name": "イスラエル(国・地域)",
              "description": "イスラエルに関連する記事一覧"
            }
          },
          {
            "postId": 473070,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 473070,
            "tagId": 692512931,
            "tag": {
              "id": 692512931,
              "slug": "aporia",
              "name": "Aporia(企業)",
              "description": "MLモデル監視プラットフォームを開発、提供するイスラエル・テルアビブの企業。"
            }
          }
        ]
      }
    },
    {
      "postId": 473001,
      "categoryId": 366275726,
      "post": {
        "id": 473001,
        "slug": "rinna",
        "createdAt": "2022-02-24T12:01:23.000Z",
        "updatedAt": "2022-02-24T12:01:23.000Z",
        "title": "AIチャットボット「りんな」を手がけるrinnaの対話エンジン搭載キャラがDMM GAMESで配信中の恋愛ゲームに登場",
        "content": "<p>AIチャットボット「りんな」を提供する<a target=\"_blank\" href=\"https://rinna.co.jp/\" rel=\"noopener\">rinna</a>は2月22日、EXNOA運営・DMM GAMES配信のリアルチャット恋愛ブラウザゲーム「<a target=\"_blank\" href=\"https://plus-links.jp/\" rel=\"noopener\">プラスリンクス ~キミと繋がる想い~</a>」において、rinnaが開発した対話エンジンを搭載したAIキャラクター「足繋逢」(あししげく あい)が実装されたと発表した。</p>\n<p>プラスリンクス ~キミと繋がる想い~は、街で出会ったヒロイン達とチャットによる自由な会話を通して関係を深めるという恋愛ゲーム。今回追加の足繋逢もそのヒロインの1人となる。彼女は自分の声では話せず、AI登載犬型ロボット「真希奈」を介してコミュニケーションを取るというキャラクター。会話は基本的にAI任せにしており、本人ががんばることもあるとのこと。</p>\n<p>rinnaによると、足繋逢は、プラスリンクスが培ったノウハウをAIが学習し生まれたものという。会話のベースは、rinnaが提供するSTC(Style Transfer Conversation)モデルにより即時応答する。STCモデルとは、大規模データから構築した事前学習済みのモデルに、キャラクターの性格や口調を反映した学習データを追加学習させたモデル。</p>\n<p>このSTCモデルによる応答文の出力後、表情、記号、ボイス、スタンプなど応答文内容に最適な表現をClassifierモデルが出力する。Classifierモデルとは、ゲーム内のグラフィック表現の演出に関する法則性を学習させた分類モデルとなっている。今回の場合は、STCモデルによるテキストに応じて、AIキャラクターとしての最適な表現を出力する。表情の変化や各種演出は、キャラクターに合わせてカスタマイズ可能で、足繫 逢の性格を再現するのに最適なカスタマイズを実装しているそうだ。</p>\n<p>STCモデルとClassifierモデルはRCP(Rinna Character Platform)上で連携しており、AIがプレイヤーの入力に対して即時応答するテキストチャットを可能にしている。これによりプレイヤーは、ゲーム内のキャラクターとリアルタイムでやり取りしているかのような体験を楽しめるという。</p>\n<p><img loading=\"lazy\" class=\"alignnone size-full wp-image-473004 img-full\" src=\"/wp-content/uploads/2022/02/03-13.jpg\" alt=\"\" width=\"884\" height=\"642\" srcset=\"/wp-content/uploads/2022/02/03-13.jpg 884w, /wp-content/uploads/2022/02/03-13.jpg?resize=300,218 300w, /wp-content/uploads/2022/02/03-13.jpg?resize=768,558 768w, /wp-content/uploads/2022/02/03-13.jpg?resize=551,400 551w, /wp-content/uploads/2022/02/03-13.jpg?resize=400,290 400w, /wp-content/uploads/2022/02/03-13.jpg?resize=738,536 738w, /wp-content/uploads/2022/02/03-13.jpg?resize=496,360 496w, /wp-content/uploads/2022/02/03-13.jpg?resize=220,160 220w, /wp-content/uploads/2022/02/03-13.jpg?resize=141,102 141w, /wp-content/uploads/2022/02/03-13.jpg?resize=237,172 237w, /wp-content/uploads/2022/02/03-13.jpg?resize=172,125 172w, /wp-content/uploads/2022/02/03-13.jpg?resize=125,91 125w, /wp-content/uploads/2022/02/03-13.jpg?resize=83,60 83w, /wp-content/uploads/2022/02/03-13.jpg?resize=760,552 760w, /wp-content/uploads/2022/02/03-13.jpg?resize=505,367 505w, /wp-content/uploads/2022/02/03-13.jpg?resize=50,36 50w\" sizes=\"(max-width: 884px) 100vw, 884px\" /></p>\n<p>今後の展開として、現在rinnaが研究開発中の新しいAIモデルとの併用準備を進めているとのこと。この実装によって、より多彩なチャットのやり取りが可能になるという。単一のキャラクターとチャットを継続していくことで変化するAIモデルの開発も検討しているそうだ。</p>\n",
        "authorId": 191889577,
        "featuredMediaUrl": "/wp-content/uploads/2022/02/2022-02-24-012-index.jpg",
        "author": {
          "id": 191889577,
          "slug": "hisashishibata",
          "name": "Hisashi Shibata",
          "description": ""
        },
        "categories": [
          {
            "postId": 473001,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 473001,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 473001,
            "tagId": 366273897,
            "tag": {
              "id": 366273897,
              "slug": "gaming",
              "name": "ゲーム(用語)",
              "description": "ゲームに関する記事一覧"
            }
          },
          {
            "postId": 473001,
            "tagId": 366276146,
            "tag": {
              "id": 366276146,
              "slug": "chatbot",
              "name": "チャットボット(用語)",
              "description": "チャットボットに関する記事一覧"
            }
          },
          {
            "postId": 473001,
            "tagId": 692513746,
            "tag": {
              "id": 692513746,
              "slug": "rinna",
              "name": "rinna(企業・サービス)",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 472863,
      "categoryId": 366275726,
      "post": {
        "id": 472863,
        "slug": "us-officials-say-art-created-by-ai-cannot-be-copyrighted",
        "createdAt": "2022-02-24T02:00:53.000Z",
        "updatedAt": "2022-02-23T22:00:14.000Z",
        "title": "米著作権局、AIが生成したアート作品に対する著作権取得の申請を2019年に続き却下―「人間が作った作品」要件を満たさず",
        "content": "<div id=\"attachment_472865\" style=\"width: 810px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-472865\" loading=\"lazy\" class=\"size-large wp-image-472865\" src=\"/wp-content/uploads/2022/02/2022-02-24-001-001.jpg?w=800\" alt=\"米著作権局、AIが生成したアート作品に対する著作権取得の申請を2019年に続き却下―「人間が作ったもの」要件を満たさず\" width=\"800\" height=\"600\" srcset=\"/wp-content/uploads/2022/02/2022-02-24-001-001.jpg 800w, /wp-content/uploads/2022/02/2022-02-24-001-001.jpg?resize=300,225 300w, /wp-content/uploads/2022/02/2022-02-24-001-001.jpg?resize=768,576 768w, /wp-content/uploads/2022/02/2022-02-24-001-001.jpg?resize=533,400 533w, /wp-content/uploads/2022/02/2022-02-24-001-001.jpg?resize=400,300 400w, /wp-content/uploads/2022/02/2022-02-24-001-001.jpg?resize=738,554 738w, /wp-content/uploads/2022/02/2022-02-24-001-001.jpg?resize=210,158 210w, /wp-content/uploads/2022/02/2022-02-24-001-001.jpg?resize=220,165 220w, /wp-content/uploads/2022/02/2022-02-24-001-001.jpg?resize=480,360 480w, /wp-content/uploads/2022/02/2022-02-24-001-001.jpg?resize=80,60 80w, /wp-content/uploads/2022/02/2022-02-24-001-001.jpg?resize=229,172 229w, /wp-content/uploads/2022/02/2022-02-24-001-001.jpg?resize=167,125 167w, /wp-content/uploads/2022/02/2022-02-24-001-001.jpg?resize=125,94 125w, /wp-content/uploads/2022/02/2022-02-24-001-001.jpg?resize=736,552 736w, /wp-content/uploads/2022/02/2022-02-24-001-001.jpg?resize=489,367 489w, /wp-content/uploads/2022/02/2022-02-24-001-001.jpg?resize=50,38 50w\" sizes=\"(max-width: 800px) 100vw, 800px\" /><p id=\"caption-attachment-472865\" class=\"wp-caption-text\">Stephen Thaler/Creativity Machine</p></div>\n<p>米著作権局(USCO)は、人工知能が生み出した芸術作品に対する著作権取得の申請を2019年につづいて再び却下しました。これは自らが開発した人工知能(AI)が生み出した&#8221;アート作品&#8221;に関して、各国での著作権取得を試みている<a target=\"_blank\" href=\"https://www.engadget.com/us-patent-office-artificial-intelligence-inventor-patent-221309654.html\" rel=\"noopener\">Imagination EnginesのCEO、スティーブン・タラー博士</a>による最新の試みでしたが、USCOは前回と同様「著作権は人間によって作られた作品でなければ認められない」としています。</p>\n<p>今回、タラー博士はAIによって作成された「A Recent Entrance to Paradise」と題した芸術作品の著作権取得を目指していました。今回の&#8221;アート作品&#8221;は「Creativity Machine」と呼ばれるAIによって生み出されたものですが、これをCreativity Machineの所有者に雇用されて生み出された作品として登録申請していました。また、2019年の裁定に対しても、「人間の著作物」という要件は憲法違反ではないかと主張しています。</p>\n<p>しかし、USCOの見解としては「人間の心と創造的な表現の結びつき」が著作権の重要な要素であり、また過去の同種の裁判、たとえば猿がシャッターボタンを押して撮られた写真についての裁判でも「人間以外による表現物は著作権保護対象外」だとする判断が一貫して下されて来たとしました。</p>\n<p>ただ、芸術作品ではないもののタラー博士による「AIの権利取得の試み」が認められた例も、いくつか存在します。博士は昨年、<a target=\"_blank\" href=\"https://japanese.engadget.com/ai-cant-be-legally-credited-as-an-inventor-in-the-uk-100023221.html\" rel=\"noopener\">世界各国で「DABUS」と名付けられたAIによって考案されたいくつかの発明に関して特許出願を行いました</a>。これに対し、米国特許商標庁、英国知的財産庁、欧州特許庁などはやはり発明者が人間でないことから出願を却下する判断を下していました。しかしオーストラリアでは、AIが考案した発明に関する特許申請においてAIを発明者と認めることができる可能性があると裁判所が判断し、<a target=\"_blank\" href=\"https://www.businessinsider.co.za/south-africa-first-in-the-world-to-award-an-ai-patent-2021-8\" rel=\"noopener\">南アフリカでは実際に特許も認められたことが伝えられました</a>。</p>\n<p>とはいえ、なにかの製品の動作や仕組みを定義する発明とは異なり、芸術作品は創作者のユニークな発想や才能によって生み出されるものとの考え方が強く、やはり人間ではないものに著作権を与えることは難しそうです。</p>\n<p>(Source:<a target=\"_blank\" href=\"https://www.copyright.gov/rulings-filings/review-board/docs/a-recent-entrance-to-paradise.pdf\" rel=\"noopener\">United States Copyright Office(PDF)</a>。Via <a target=\"_blank\" href=\"https://www.theverge.com/2022/2/21/22944335/us-copyright-office-reject-ai-generated-art-recent-entrance-to-paradise\" rel=\"noopener\">the Verge</a>。<a target=\"_blank\" href=\"https://japanese.engadget.com/us-officials-say-art-created-by-ai-cannot-be-copyrighted-032008499.html\" rel=\"noopener\">Engadget日本版</a>より転載)</p>\n",
        "authorId": 188033725,
        "featuredMediaUrl": "/wp-content/uploads/2022/02/2022-02-24-001-index.jpg",
        "author": {
          "id": 188033725,
          "slug": "takashihiga",
          "name": "Takashi Higa",
          "description": ""
        },
        "categories": [
          {
            "postId": 472863,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 472863,
            "tagId": 9386,
            "tag": {
              "id": 9386,
              "slug": "copyright",
              "name": "著作権 / 著作隣接権(用語)",
              "description": "著作権 / 著作隣接権 / コピーライトに関する記事一覧"
            }
          },
          {
            "postId": 472863,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 472863,
            "tagId": 366271853,
            "tag": {
              "id": 366271853,
              "slug": "%e7%b5%b5%e7%94%bb",
              "name": "絵画",
              "description": ""
            }
          },
          {
            "postId": 472863,
            "tagId": 366272853,
            "tag": {
              "id": 366272853,
              "slug": "art",
              "name": "アート / 美術(用語)",
              "description": "アート / 美術に関する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 472884,
      "categoryId": 366275726,
      "post": {
        "id": 472884,
        "slug": "supwat",
        "createdAt": "2022-02-24T00:01:27.000Z",
        "updatedAt": "2022-02-23T23:56:01.000Z",
        "title": "製造業の研究開発・生産技術領域での課題解決をAI・機械学習で支援するSUPWATが1.5億円調達",
        "content": "<p>製造業の研究開発・生産技術領域においてAI・機械学習などを活用し研究開発現場の課題解決に向けた事業を展開する<a target=\"_blank\" href=\"https://www.supwat.com/\" rel=\"noopener\">SUPWAT</a>(スプワット)は、2月24日、シードラウンドで総額約1億5000万円の資金調達を行った。引受先はScrum Ventures、DEEPCOREとなる。</p>\n<p>現在、SUPWATは製造業への深い知見を活用しながら、製造領域に対して機械学習などの技術を適用する「メカニカル・インフォマティクス技術」で研究開発現場の課題解決に向けた事業を展開。製造業の研究開発領域において誰でも簡単に定量的な判断ができるようになるサービスであるAIや機械学習を活用したSaaS型プラットフォーム「<a target=\"_blank\" href=\"https://www.supwat.com/solution/\" rel=\"noopener\">WALL</a>」などを提供している。さらに同社は、受託研究開発としてNEDO/東京大学生産技術研究所と共同で「水素タンク」最適設計の研究にも採択され、、機械学習・AI技術を用いた最適設計技術を提供している。</p>\n<p>調達した資金で、既存のサプライチェーンマネジメントの概念を変え、SUPWATが掲げるビジョンである「知的製造業の時代を創る」のために、エンジニアを中心とした採用を強化していくとのこと。</p>\n<p>また、今回の発表に合わせてコンピュータービジョン・機械学習の応用研究やプロダクト開発、組織マネジメント、技術ブランディングなどを行うABEJAの共同創業者でCTOを務めた緒方貴紀氏が、SUPWATの技術顧問に就任する。</p>\n<p>スクラムベンチャーズのプリンシパル黒田健介氏はリリースで「研究開発の現場では日々、担当者の勘と経験をもとにした仮説構築、それに基づいたマニュアルでの実験作業、実験データのCSVでのローカル管理・分析が行われており、クラウドや機械学習等 を用いた高度化・効率化の余地がいまだに大きく残されています。【略】高い技術力と現場への深い理解を併せ持つSUPWAT創業チームに、緒方さんという心強い味方も加わり、日本が誇る製造業という巨大産業のアップデートに挑みます」と述べている。</p>\n",
        "authorId": 176261049,
        "featuredMediaUrl": "/wp-content/uploads/2022/02/wall01.jpg",
        "author": {
          "id": 176261049,
          "slug": "katsuyukiyasui",
          "name": "katsuyukiyasui",
          "description": ""
        },
        "categories": [
          {
            "postId": 472884,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 472884,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 472884,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 472884,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 472884,
            "tagId": 692512142,
            "tag": {
              "id": 692512142,
              "slug": "japan",
              "name": "日本(国・地域)",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 472788,
      "categoryId": 366275726,
      "post": {
        "id": 472788,
        "slug": "2022-02-22-neosapience-raises-21-5m-to-use-ai-powered-synthetic-avatars-for-creators",
        "createdAt": "2022-02-23T02:15:55.000Z",
        "updatedAt": "2022-02-23T02:01:15.000Z",
        "title": "BTS所属のHYBEも注目、AI使った合成アバターをクリエイター向けに提供する韓国Neosapience",
        "content": "<p>人工知能(AI)を活用した音声・映像技術は、近年、着実に人気を集めている。韓国のスタートアップ、<a target=\"_blank\" href=\"https://neosapience.com/\" rel=\"noopener\">Neosapience</a>(ネオサピエンス)は、ユーザーがスタジオで録音や編集をすることなく、テキストを動画に変換できる合成音声・動画プラットフォーム「<a target=\"_blank\" href=\"https://typecast.ai/en\" rel=\"noopener\">Typecast</a>」を開発した。</p>\n<p>Neosapienceは米国時間2月22日、成長を加速させ、新たな地域(特に米国)での事業を拡大するために、シリーズBラウンドで2150万ドル(約24億7400万円)を調達したと発表した。<a target=\"_blank\" href=\"http://www.brvcap.com/\" rel=\"noopener\">BRV Capital Management</a>が主導した今回の資金調達により、同社の累計調達額は約2670万ドル(約30億7200万円)に達した。本ラウンドには他にも、Stic Ventures、Quantum Venturesが参加した。既存投資家であるCompany K Partners、Albatross Investment Capital、Daekyo Investment、TimeWorks investmentsも参加した。</p>\n<p>Neosapienceの共同創業者兼CEOであるTaesu Kim(キム・テス)氏はこう述べている。「今回の資金調達により、リーチを拡大し、限界をさらに押し広げることができます。より少ない労力でコンテンツを作ることを可能にするだけでなく、AIを使ったバーチャルアクターを誰もが利用できるようになるという我々のビジョンを実行することが可能になります」。</p>\n<p>元Qualcomm(クアルコム)のエンジニアが集まって2017年に設立した同社は、韓国語と英語の170人のバーチャル声優を提供するAIボイスサービスプロバイダーとしてスタートした。2022年1月には、実在の人物のように見えるAIを活用した合成動画(アバター)機能を追加した。日本語やスペイン語など、他の言語も追加していく予定だという。</p>\n<div id=\"attachment_472790\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-472790\" loading=\"lazy\" class=\"wp-image-472790 size-large\" src=\"/wp-content/uploads/2022/02/Screen-Shot-2022-02-21-at-11.01.02-AM.png?w=1024\" alt=\"\" width=\"1024\" height=\"557\" srcset=\"/wp-content/uploads/2022/02/Screen-Shot-2022-02-21-at-11.01.02-AM.png 1320w, /wp-content/uploads/2022/02/Screen-Shot-2022-02-21-at-11.01.02-AM.png?resize=300,163 300w, /wp-content/uploads/2022/02/Screen-Shot-2022-02-21-at-11.01.02-AM.png?resize=768,418 768w, /wp-content/uploads/2022/02/Screen-Shot-2022-02-21-at-11.01.02-AM.png?resize=1024,557 1024w, /wp-content/uploads/2022/02/Screen-Shot-2022-02-21-at-11.01.02-AM.png?resize=735,400 735w, /wp-content/uploads/2022/02/Screen-Shot-2022-02-21-at-11.01.02-AM.png?resize=400,218 400w, /wp-content/uploads/2022/02/Screen-Shot-2022-02-21-at-11.01.02-AM.png?resize=738,401 738w, /wp-content/uploads/2022/02/Screen-Shot-2022-02-21-at-11.01.02-AM.png?resize=640,348 640w, /wp-content/uploads/2022/02/Screen-Shot-2022-02-21-at-11.01.02-AM.png?resize=220,120 220w, /wp-content/uploads/2022/02/Screen-Shot-2022-02-21-at-11.01.02-AM.png?resize=281,153 281w, /wp-content/uploads/2022/02/Screen-Shot-2022-02-21-at-11.01.02-AM.png?resize=230,125 230w, /wp-content/uploads/2022/02/Screen-Shot-2022-02-21-at-11.01.02-AM.png?resize=125,68 125w, /wp-content/uploads/2022/02/Screen-Shot-2022-02-21-at-11.01.02-AM.png?resize=110,60 110w, /wp-content/uploads/2022/02/Screen-Shot-2022-02-21-at-11.01.02-AM.png?resize=1015,552 1015w, /wp-content/uploads/2022/02/Screen-Shot-2022-02-21-at-11.01.02-AM.png?resize=600,326 600w, /wp-content/uploads/2022/02/Screen-Shot-2022-02-21-at-11.01.02-AM.png?resize=50,27 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-472790\" class=\"wp-caption-text\">画像クレジット:Neosapience</p></div>\n<p>同社のユーザーの大多数は主にクリエイターや企業のクライアントで、ビジネスやVlog、ゲームなどの個人的なチャンネルのためにビデオやオーディオコンテンツを作成するためにこのツールを使用していると、キム氏はTechCrunchに語った。企業クライアントには、韓国のボーイズグループBTSの声を作りたいと考えている、同グループが所属するHYBE Entertainmentの子会社HYBE EDUのようなメディアやエンターテインメント企業の他、オーバーザトップ(OTT)プラットフォームも含まれている。また、複数の電子書籍プラットフォームがTypecastを利用して、同社のAI声優が作成したさまざまなオーディオブックを提供していると、同氏は説明してくれた。ユーザーは、実際の俳優を雇う代わりにTypecastのアバターを使用することで、音声品質を維持しながらコストと時間を削減できるという。</p>\n<p>「クリエイターが当社のサービスを使って、より多くの、より良いコンテンツを作ることを支援したいと考えています。クリエイターエコノミー全体が我々にとっては対応可能な市場であり、その規模は1040億ドル(約11兆9700億円)と推定されています」とキム氏はいう。</p>\n<div id=\"attachment_472791\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-472791\" loading=\"lazy\" class=\"wp-image-472791 size-large\" src=\"/wp-content/uploads/2022/02/Techcrunch_typecast2.png?w=1024\" alt=\"\" width=\"1024\" height=\"580\" srcset=\"/wp-content/uploads/2022/02/Techcrunch_typecast2.png 1616w, /wp-content/uploads/2022/02/Techcrunch_typecast2.png?resize=300,170 300w, /wp-content/uploads/2022/02/Techcrunch_typecast2.png?resize=768,435 768w, /wp-content/uploads/2022/02/Techcrunch_typecast2.png?resize=1024,580 1024w, /wp-content/uploads/2022/02/Techcrunch_typecast2.png?resize=1536,871 1536w, /wp-content/uploads/2022/02/Techcrunch_typecast2.png?resize=706,400 706w, /wp-content/uploads/2022/02/Techcrunch_typecast2.png?resize=400,227 400w, /wp-content/uploads/2022/02/Techcrunch_typecast2.png?resize=738,418 738w, /wp-content/uploads/2022/02/Techcrunch_typecast2.png?resize=635,360 635w, /wp-content/uploads/2022/02/Techcrunch_typecast2.png?resize=220,125 220w, /wp-content/uploads/2022/02/Techcrunch_typecast2.png?resize=281,159 281w, /wp-content/uploads/2022/02/Techcrunch_typecast2.png?resize=221,125 221w, /wp-content/uploads/2022/02/Techcrunch_typecast2.png?resize=125,71 125w, /wp-content/uploads/2022/02/Techcrunch_typecast2.png?resize=106,60 106w, /wp-content/uploads/2022/02/Techcrunch_typecast2.png?resize=974,552 974w, /wp-content/uploads/2022/02/Techcrunch_typecast2.png?resize=600,340 600w, /wp-content/uploads/2022/02/Techcrunch_typecast2.png?resize=50,28 50w, /wp-content/uploads/2022/02/Techcrunch_typecast2.png?resize=250,141 250w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-472791\" class=\"wp-caption-text\">画像クレジット:Neosapience</p></div>\n<p>競合他社との違いの1つは、人間のような感情の表現、話し方、韻律制御、ボーカル、ラップボイス技術など、Typecastの高度な技術にあるとキム氏は語る。</p>\n<p>BRV Capital ManagementのマネージングディレクターであるYeemin Chung(チョン・イェミン)氏は、声明で次のように述べている。「人間の感情をテクノロジーによって表現することは、これまで非常に難しいことでした。「Neosapienceは、音声・映像合成の分野で先頭を走り続け、個人のクリエイターやエンターテインメントのための商業インフラの構築に成功しました。世界中のメディア企業は、デジタルコンテンツやバーチャルコンテンツの制作に感情を組み込む方法を革新するために、(この技術に)簡単にアクセスすることができます」。</p>\n<p>Neosapienceのユーザーは現在、100万人以上いるという。過去2年間、2019年11月のローンチ以来、その収益は毎月約18%の成長を遂げている。同社の従業員は1月時点で41人。</p>\n<p>「この1年で急速に成長しましたが、AIを活用したバーチャルヒューマンと、その合成メディアやインタラクティブコンテンツへの応用において、誰もが認めるグローバルリーダーになるために、さらに邁進する機会があると考えています」とキム氏は語った。</p>\n<p>関連記事:<a target=\"_blank\" href=\"/2021/12/10/2021-12-08-synthesia-raises-50m-to-leverage-synthetic-avatars-for-corporate-training-and-more/\" rel=\"noopener\">実在しているような合成アバターがしゃべるプレゼン動画を簡単に作れるSynthesiaの技術</a></p>\n<p><small>画像クレジット:Neosapience</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/02/22/neosapience-raises-21-5m-to-use-ai-powered-synthetic-avatars-for-creators/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Mike Butcher、翻訳:Den Nakano)</p>\n",
        "authorId": 176261049,
        "featuredMediaUrl": "/wp-content/uploads/2022/02/Screen-Shot-2022-02-21-at-11.10.27-AM.png",
        "author": {
          "id": 176261049,
          "slug": "katsuyukiyasui",
          "name": "katsuyukiyasui",
          "description": ""
        },
        "categories": [
          {
            "postId": 472788,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 472788,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 472788,
            "tagId": 126376,
            "tag": {
              "id": 126376,
              "slug": "avatar",
              "name": "アバター(用語)",
              "description": "アバターに関する記事一覧"
            }
          },
          {
            "postId": 472788,
            "tagId": 366271514,
            "tag": {
              "id": 366271514,
              "slug": "korea",
              "name": "韓国(国・地域)",
              "description": "韓国に関連する記事一覧"
            }
          },
          {
            "postId": 472788,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 472788,
            "tagId": 366272768,
            "tag": {
              "id": 366272768,
              "slug": "video-streaming",
              "name": "動画配信 / 動画ストリーミング(用語)",
              "description": "動画配信 / 動画ストリーミングに関連する記事一覧"
            }
          },
          {
            "postId": 472788,
            "tagId": 366278632,
            "tag": {
              "id": 366278632,
              "slug": "creator",
              "name": "クリエイター(用語)",
              "description": "クリエイターに関する記事一覧"
            }
          },
          {
            "postId": 472788,
            "tagId": 366280829,
            "tag": {
              "id": 366280829,
              "slug": "entertainment",
              "name": "エンターテインメント(用語)",
              "description": "エンターテイメントに関連する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 472708,
      "categoryId": 366275726,
      "post": {
        "id": 472708,
        "slug": "2022-02-22-voximplants-service-to-build-voice-and-video-comms-into-apps-comes-out-of-beta",
        "createdAt": "2022-02-23T01:15:09.000Z",
        "updatedAt": "2022-02-23T00:54:37.000Z",
        "title": "アプリに音声と動画によるコミュニケーション機能を組み込むVoximplantがベータ版をリリース",
        "content": "<p>ここ数年、音声やビデオのコミュニケーション機能をアプリやサービスに統合するためのサービスが急増している。Twilioや、Googleが開発する自然言語処理(NLP)プラットフォームのDialogflowなどだ。</p>\n<p>サンフランシスコを拠点とする<a target=\"_blank\" href=\"https://voximplant.com/\" rel=\"noopener\">Voximplant</a>も同様のサービスを開発し、Avatarプロダクトのベータ版を公開した。同社はこれまでにBaring Vostok Capital Partners、RTP Ventures、Google Launchpad Acceleratorから1010万ドル(約11億6200万円)を調達した。</p>\n<p>同社はすぐに使える自然言語処理サービスを提供しており、開発者はこれを利用してアプリに自然言語処理機能を組み込んでスマートIVR(自動音声応答システム)や音声ボット、チャットボットの機能を追加し、インバウンド通話の自動化、FAQ、インタラクティブなアンケート、NPS(ネットプロモータースコア)、コンタクトセンターの自動化などに活用できる。</p>\n<p>Voximplantによれば、同社のサービスでは開発者が複雑なバックエンドのロジックを構築する必要はなく、ノーコードのエディターと会話型AIにより、AI搭載ボットを開発してチャットや電話と簡単に統合できるという。</p>\n<p>同社はさらに、機械学習に関する部分はすべてプラットフォームが処理するため、開発者は基本的なJavaScriptの知識があれば十分だと説明している。</p>\n<p>Voximplantの共同創業者でCEOのAlexey Aylarov(アレクセイ・アイラロフ)氏は発表の中で「次世代のCPaaS(Communications Platform as a Service)はインテリジェントなサービスとプログラミングが簡単なオムニチャネルのコミュニケーション機能を融合したものであり、これを実現することで現在と将来の当社顧客に最大の価値をもたらすと確信しています」と述べている。</p>\n<p><small>画像クレジット:<a target=\"_blank\" href=\"https://www.gettyimages.com/search/photographer?family=creative&amp;photographer=Flashpop\" rel=\"noopener\">Flashpop</a> / Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/02/22/voximplants-service-to-build-voice-and-video-comms-into-apps-comes-out-of-beta/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Mike Butcher、翻訳:Kaori Koyama)</p>\n",
        "authorId": 152198896,
        "featuredMediaUrl": "/wp-content/uploads/2022/02/GettyImages-525848879.jpeg",
        "author": {
          "id": 152198896,
          "slug": "kkoyama2012",
          "name": "kkoyama2012",
          "description": ""
        },
        "categories": [
          {
            "postId": 472708,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 472708,
            "tagId": 2355,
            "tag": {
              "id": 2355,
              "slug": "voice",
              "name": "音声(用語)",
              "description": ""
            }
          },
          {
            "postId": 472708,
            "tagId": 93925,
            "tag": {
              "id": 93925,
              "slug": "bot",
              "name": "bot / ボット(用語)",
              "description": "bot / ボットに関する記事一覧"
            }
          },
          {
            "postId": 472708,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 472708,
            "tagId": 366272533,
            "tag": {
              "id": 366272533,
              "slug": "natural-language-processing",
              "name": "自然言語処理 / NLP(用語)",
              "description": "自然言語処理に関連する記事一覧"
            }
          },
          {
            "postId": 472708,
            "tagId": 366276146,
            "tag": {
              "id": 366276146,
              "slug": "chatbot",
              "name": "チャットボット(用語)",
              "description": "チャットボットに関する記事一覧"
            }
          },
          {
            "postId": 472708,
            "tagId": 692509750,
            "tag": {
              "id": 692509750,
              "slug": "no-code",
              "name": "ノーコード(用語)",
              "description": "ノーコード開発に関連する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 472014,
      "categoryId": 366275726,
      "post": {
        "id": 472014,
        "slug": "2022-02-16-ai-acquires-the-power-to-manipulate-fusion-but-wait-its-actually-good-news",
        "createdAt": "2022-02-17T23:30:23.000Z",
        "updatedAt": "2022-02-18T02:57:56.000Z",
        "title": "AIが核融合を操る力を獲得した。でも大丈夫、これは朗報だ",
        "content": "<p>とある研究グループが、核融合研究に使用される高出力のプラズマ流を磁気的に扱う方法をAIに教えた……おっと、慌てないで欲しい。慌てて手にした電磁パルス砲やドライバーはしまい込んでも大丈夫だ。これは間違いなく良い成果で、来るべきロボカリプスで人類に対して使用される恐ろしい武器ではない。</p>\n<p>このプロジェクトは、Google(グーグル)のDeepMind(ディープマインド)とローザンヌ工科大学(EPFL)の共同プロジェクトであり、数年前に前者のAI研究者と後者の融合研究者がロンドンのハッカソンで出会ったときに始まった。そのときEPFLのFederico Felici(フェデリコ・フェリーシ)氏は、彼の研究室がトカマクのプラズマ維持に関して抱えていた問題について説明した。</p>\n<p>何気ない日常的な愚痴に過ぎない。しかし、それがDeepMindの琴線に触れて、両者は仕事を始めた。</p>\n<p>核融合の研究にはさまざまな方法があるが、いずれも数億度という非常に高い温度で形成されるプラズマを利用している。危険そうに聞こえるし、実際にもそうなのだが、トカマクはそれを制御し、内部で起こっている核融合活動の詳細な観察を可能にする1つの方法なのだ。トカマクは基本的にはトーラス(ドーナツ)のような形をしていて、その中を加熱したプラズマが円を描くように移動するが、その経路は磁場によって慎重に制限されている。</p>\n<p>誤解のないように言っておくと、これはクリーンなエネルギーを無限に供給するという噂の核融合炉ではない。エネルギーを生産するわけでもないし、もし突然起動したら近くにいてはいけない。これは、不安定だが将来性のあるこれらのプロセスがどのように制御でき、有用な目的にどのように利用できるのかを、テストし観察するための研究ツールなのだ。</p>\n<p>特に、スイスプラズマセンターの「可変構成型」トカマクは、単にリング状にプラズマを閉じ込めるだけでなく、研究者がその形状や経路を制御することができる。1秒間に磁気パラメータを何千回も調整して、リングの幅を広げたり、薄くしたり、高密度にしたり、希薄化させたりと、リングの品質に影響を与えるあらゆる要素を調整できる。</p>\n<div id=\"attachment_472055\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-472055\" loading=\"lazy\" class=\"wp-image-472055 size-large\" src=\"/wp-content/uploads/2022/02/blog-3up.jpeg?w=1024\" alt=\"\" width=\"1024\" height=\"431\" srcset=\"/wp-content/uploads/2022/02/blog-3up.jpeg 1720w, /wp-content/uploads/2022/02/blog-3up.jpeg?resize=300,126 300w, /wp-content/uploads/2022/02/blog-3up.jpeg?resize=768,323 768w, /wp-content/uploads/2022/02/blog-3up.jpeg?resize=1024,431 1024w, /wp-content/uploads/2022/02/blog-3up.jpeg?resize=1536,647 1536w, /wp-content/uploads/2022/02/blog-3up.jpeg?resize=950,400 950w, /wp-content/uploads/2022/02/blog-3up.jpeg?resize=400,168 400w, /wp-content/uploads/2022/02/blog-3up.jpeg?resize=738,311 738w, /wp-content/uploads/2022/02/blog-3up.jpeg?resize=640,269 640w, /wp-content/uploads/2022/02/blog-3up.jpeg?resize=220,93 220w, /wp-content/uploads/2022/02/blog-3up.jpeg?resize=281,118 281w, /wp-content/uploads/2022/02/blog-3up.jpeg?resize=250,105 250w, /wp-content/uploads/2022/02/blog-3up.jpeg?resize=125,53 125w, /wp-content/uploads/2022/02/blog-3up.jpeg?resize=1311,552 1311w, /wp-content/uploads/2022/02/blog-3up.jpeg?resize=600,253 600w, /wp-content/uploads/2022/02/blog-3up.jpeg?resize=50,21 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-472055\" class=\"wp-caption-text\">画像クレジット:DeepMind &amp; SPC/EPFL</p></div>\n<p>機械の磁場の詳細な設定は、当然ながら事前に決めておかなければならない。設定方法を間違った場合には、大きな損害を被る可能性があるからだ。この設定は、チームが長年にわたって改良してきたトカマクとプラズマの強力なシミュレーターを使って行われる。<a target=\"_blank\" href=\"https://actu.epfl.ch/news/epfl-and-deepmind-use-ai-to-control-plasmas-for-nu/\" rel=\"noopener\">しかし、フェリーシ氏はEPFLのニュースリリースでこう説明している</a>。「制御システムの各変数の正しい値を決定するには、今でも長時間の計算が必要です。それこそが、DeepMindとの共同研究プロジェクトの出番となる場所なのです」。</p>\n<p>このチームは、まず機械学習システムに、ある設定がどのようなプラズマパターンを生み出すかを予測するように学習させ、次に望ましいプラズマパターンから逆算して、それを生み出す設定を特定した(と簡単そうに書いたが、このようなAIアプリケーションにありがちなこととして、実際の実現は相当大変だった)。</p>\n<p>米国時間2月16日発行の<a target=\"_blank\" href=\"https://www.nature.com/articles/s41586-021-04301-9\" rel=\"noopener\">Nature(ネイチャー)に掲載された</a>論文によれば、このアプローチは大成功を収めたという。</p>\n<blockquote><p>今回のアーキテクチャは、高いレベルで指定された制御目標を満たすと同時に、物理的および運用上の制約を満たしているのだ。このアプローチは、問題の仕様記述に対してこれまでにない柔軟性と汎用性があり、新しいプラズマ設定を生み出すための設計工数を大幅に削減できるという:私たちはこのTokamak à Configuration Variable(構成可変型トカマク)を使うことで、従来の細長い形状に加えて、負三角(negative triangularity)や「スノーフレーク」(snowflake)などの高度な形状を含む、多様なプラズマ形状の生成と制御に成功している。</p></blockquote>\n<p>以下にこのモデルが作り出せたさまざまな形状や構成の例を紹介する。</p>\n<div id=\"attachment_472016\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-472016\" loading=\"lazy\" class=\"wp-image-472016 size-large\" src=\"/wp-content/uploads/2022/02/2022-02-17-19-53-21.gif?w=1024\" alt=\"\" width=\"1024\" height=\"564\" /><p id=\"caption-attachment-472016\" class=\"wp-caption-text\">トカマクの「ドーナツ」をスライスした、内部とビームの断面図(画像クレジット:DeepMind &amp; SPC/EPFL)</p></div>\n<p>これは重要な研究だ、なぜならこのようなプラズマを使って実験するには、電力が必要なのはもちろん、非常に多く(数百万単位だと考えて欲しい)の微調整が必要であり 、すべてを手動で構成することはできないからだ。例えばある理論が2つのストリームを必要とし、一方が他方より22%大きい場合、それを生成するための理論的な設定を「従来の」手法(ご想像の通り、これもすでに非常に複雑なデジタルシミュレーションだ)を利用して案出するには、数週間または数カ月かかることがある。しかし、AIはそれに比べるとほんのわずかな時間で良い組み合わせを見つけ出し、その場で解決策を生み出したり、人間の監査役に有力な作業の出発点を与えたりすることができる。</p>\n<p>また、安全面でも重要な意味を持つ。というのも、人間は1~2秒の間に異常を封じ込められるような設定を、即興では行えないからだ。しかし、AIならばリアルタイムに設定を変更して損傷を防ぐことができるかもしれない。</p>\n<p>DeepMindの研究者であるMartin Riedmiller(マーティン・リードミラー)氏は、これが「初期の段階」であることを認めているが、もちろんそれは科学におけるほぼすべてのAIアプリケーション全体に言えることだ。機械学習は、数え切れないほどの学問分野で、強力で汎用性のあるツールであることが証明されつつある。しかし、優れた科学者のように、彼らはすべての成功を鵜呑みにせず、その先のより自信を持てる結果を待ち望んでいるのだ。</p>\n<p><small>画像クレジット:DeepMind &amp; SPC/EPFL</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/02/16/ai-acquires-the-power-to-manipulate-fusion-but-wait-its-actually-good-news/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Devin Coldewey、翻訳:sako)</p>\n",
        "authorId": 10108719,
        "featuredMediaUrl": "/wp-content/uploads/2022/02/tokamak-plasma.jpg",
        "author": {
          "id": 10108719,
          "slug": "ardbeg1958",
          "name": "sako",
          "description": "Software Engineering Consultant, Technical Translator, and Whisky Lover."
        },
        "categories": [
          {
            "postId": 472014,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 472014,
            "tagId": 81,
            "tag": {
              "id": 81,
              "slug": "google",
              "name": "Google / グーグル(企業)",
              "description": "Googleは、インターネット関連のサービスと製品に特化した米国の企業。"
            }
          },
          {
            "postId": 472014,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 472014,
            "tagId": 210341831,
            "tag": {
              "id": 210341831,
              "slug": "deepmind",
              "name": "DeepMind(企業)",
              "description": "Googleの親会社Alphabetの傘下にある英国のAI技術企業。"
            }
          },
          {
            "postId": 472014,
            "tagId": 363454603,
            "tag": {
              "id": 363454603,
              "slug": "nuclear-power",
              "name": "原子力 / 核(用語)",
              "description": "原子力 / 核に関する記事一覧"
            }
          },
          {
            "postId": 472014,
            "tagId": 366272012,
            "tag": {
              "id": 366272012,
              "slug": "epfl",
              "name": "EPFL",
              "description": ""
            }
          },
          {
            "postId": 472014,
            "tagId": 681519722,
            "tag": {
              "id": 681519722,
              "slug": "nuclear-fusion",
              "name": "核融合(用語)",
              "description": "核融合に関する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 471290,
      "categoryId": 366275726,
      "post": {
        "id": 471290,
        "slug": "ai-avaluation-of-citrus-peelability-and-toughness",
        "createdAt": "2022-02-14T07:25:11.000Z",
        "updatedAt": "2022-02-14T07:25:11.000Z",
        "title": "東京大学と農研機構が作物の品種改良を行う育種家の感性を解明、柑橘類の皮の剥きやすさと実の硬さを深層学習で定量化",
        "content": "<div id=\"attachment_471349\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-471349\" loading=\"lazy\" class=\"size-large wp-image-471349\" src=\"/wp-content/uploads/2022/02/2022-02-14-006-001.jpg?w=1024\" alt=\"Pythonを用いることで、カンキツの果実断面の画像から、果実のさまざまな形態的特徴を定量的かつ自動的に評価する技術を開発\" width=\"1024\" height=\"768\" srcset=\"/wp-content/uploads/2022/02/2022-02-14-006-001.jpg 1600w, /wp-content/uploads/2022/02/2022-02-14-006-001.jpg?resize=300,225 300w, /wp-content/uploads/2022/02/2022-02-14-006-001.jpg?resize=768,576 768w, /wp-content/uploads/2022/02/2022-02-14-006-001.jpg?resize=1024,768 1024w, /wp-content/uploads/2022/02/2022-02-14-006-001.jpg?resize=1536,1152 1536w, /wp-content/uploads/2022/02/2022-02-14-006-001.jpg?resize=533,400 533w, /wp-content/uploads/2022/02/2022-02-14-006-001.jpg?resize=400,300 400w, /wp-content/uploads/2022/02/2022-02-14-006-001.jpg?resize=738,554 738w, /wp-content/uploads/2022/02/2022-02-14-006-001.jpg?resize=210,158 210w, /wp-content/uploads/2022/02/2022-02-14-006-001.jpg?resize=220,165 220w, /wp-content/uploads/2022/02/2022-02-14-006-001.jpg?resize=480,360 480w, /wp-content/uploads/2022/02/2022-02-14-006-001.jpg?resize=80,60 80w, /wp-content/uploads/2022/02/2022-02-14-006-001.jpg?resize=229,172 229w, /wp-content/uploads/2022/02/2022-02-14-006-001.jpg?resize=167,125 167w, /wp-content/uploads/2022/02/2022-02-14-006-001.jpg?resize=125,94 125w, /wp-content/uploads/2022/02/2022-02-14-006-001.jpg?resize=736,552 736w, /wp-content/uploads/2022/02/2022-02-14-006-001.jpg?resize=489,367 489w, /wp-content/uploads/2022/02/2022-02-14-006-001.jpg?resize=50,38 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-471349\" class=\"wp-caption-text\">Pythonを用いることで、カンキツの果実断面の画像から、果実のさまざまな形態的特徴を定量的かつ自動的に評価する技術を開発</p></div>\n<p><a target=\"_blank\" href=\"https://www.u-tokyo.ac.jp/ja/index.html\" rel=\"noopener\">東京大学</a>と<a target=\"_blank\" href=\"https://www.naro.go.jp/\" rel=\"noopener\">農研機構</a>は2月10日、育種家(作物の品種改良を行う人)が独自の感性でもって評価してきた柑橘類の剥皮性(皮の剥きやすさ)と果実の硬度を、AIによる画像解析などにより定量化することに<a target=\"_blank\" href=\"https://www.frontiersin.org/articles/10.3389/fpls.2022.832749/full\" rel=\"noopener\">成功した</a>と発表した。これにより、効率的な品種改良が可能になるという。</p>\n<p><a target=\"_blank\" href=\"https://www.a.u-tokyo.ac.jp/\" rel=\"noopener\">東京大学大学院農学生命科学研究科</a>(南川舞氏・日本学術振興会 特別研究員、岩田洋佳 准教授)と農研機構(野中圭介氏、浜田宏子氏、清水徳朗氏)からなる研究グループは、柑橘類の果実の剥皮性と硬度を、果実断面のAIの深層学習を用いた画像解析などから、自動的に、定量的に評価する技術を開発した。そうした評価は、これまで育種家の感性に頼ってきたものであり、何を持って評価を行っているかは当事者にしかわからない「ブラックボックス」状態だった。</p>\n<div id=\"attachment_471292\" style=\"width: 849px\" class=\"wp-caption alignnone\"><img aria-describedby=\"caption-attachment-471292\" loading=\"lazy\" class=\"wp-image-471292 size-large\" src=\"/wp-content/uploads/2022/02/20220210-1.jpeg?w=839\" alt=\"育種家の感性による達観的評価の方法\" width=\"839\" height=\"265\" srcset=\"/wp-content/uploads/2022/02/20220210-1.jpeg 839w, /wp-content/uploads/2022/02/20220210-1.jpeg?resize=300,95 300w, /wp-content/uploads/2022/02/20220210-1.jpeg?resize=768,243 768w, /wp-content/uploads/2022/02/20220210-1.jpeg?resize=400,126 400w, /wp-content/uploads/2022/02/20220210-1.jpeg?resize=738,233 738w, /wp-content/uploads/2022/02/20220210-1.jpeg?resize=640,202 640w, /wp-content/uploads/2022/02/20220210-1.jpeg?resize=220,69 220w, /wp-content/uploads/2022/02/20220210-1.jpeg?resize=281,89 281w, /wp-content/uploads/2022/02/20220210-1.jpeg?resize=250,79 250w, /wp-content/uploads/2022/02/20220210-1.jpeg?resize=125,39 125w, /wp-content/uploads/2022/02/20220210-1.jpeg?resize=600,190 600w, /wp-content/uploads/2022/02/20220210-1.jpeg?resize=50,16 50w\" sizes=\"(max-width: 839px) 100vw, 839px\" /><p id=\"caption-attachment-471292\" class=\"wp-caption-text\">育種家の感性による達観的評価の方法</p></div>\n<div id=\"attachment_471295\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-471295\" loading=\"lazy\" class=\"wp-image-471295 size-large\" src=\"/wp-content/uploads/2022/02/20220210-4.jpeg?w=1024\" alt=\"深層学習による剥皮の難易もしくは果実の硬軟の分類と、分類に寄与した特徴の可視化\" width=\"1024\" height=\"387\" srcset=\"/wp-content/uploads/2022/02/20220210-4.jpeg 1200w, /wp-content/uploads/2022/02/20220210-4.jpeg?resize=300,113 300w, /wp-content/uploads/2022/02/20220210-4.jpeg?resize=768,290 768w, /wp-content/uploads/2022/02/20220210-4.jpeg?resize=1024,387 1024w, /wp-content/uploads/2022/02/20220210-4.jpeg?resize=1060,400 1060w, /wp-content/uploads/2022/02/20220210-4.jpeg?resize=400,151 400w, /wp-content/uploads/2022/02/20220210-4.jpeg?resize=738,279 738w, /wp-content/uploads/2022/02/20220210-4.jpeg?resize=640,242 640w, /wp-content/uploads/2022/02/20220210-4.jpeg?resize=220,83 220w, /wp-content/uploads/2022/02/20220210-4.jpeg?resize=281,106 281w, /wp-content/uploads/2022/02/20220210-4.jpeg?resize=250,94 250w, /wp-content/uploads/2022/02/20220210-4.jpeg?resize=125,47 125w, /wp-content/uploads/2022/02/20220210-4.jpeg?resize=600,227 600w, /wp-content/uploads/2022/02/20220210-4.jpeg?resize=50,19 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-471295\" class=\"wp-caption-text\">深層学習による剥皮の難易もしくは果実の硬軟の分類と、分類に寄与した特徴の可視化</p></div>\n<p>柑橘類の果実は、外皮(フラベド)、中果皮(アルベド)、じょうのう(袋)、果肉、種子、果芯(中心部)で構成されている。その断面画像を解析したところ、果芯の崩壊(空間ができること)が進んだ果実ほど皮が剥きやすく実が柔らかいという関係性がわかった。このほか、種子の面積と硬度の関係、アルベドの崩壊の状態も剥きやすさと柔らかさに寄与することもわかった。こうした関係性の推定には、変数間の因果関係を推定するベイジアンネットワークが用いられている。</p>\n<div id=\"attachment_471294\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-471294\" loading=\"lazy\" class=\"wp-image-471294 size-large\" src=\"/wp-content/uploads/2022/02/20220210-3.jpeg?w=1024\" alt=\"ベイジアンネットワークにより推定された、カンキツ果実の形態的な特徴と剥皮性・果実硬度との関係\" width=\"1024\" height=\"277\" srcset=\"/wp-content/uploads/2022/02/20220210-3.jpeg 1200w, /wp-content/uploads/2022/02/20220210-3.jpeg?resize=300,81 300w, /wp-content/uploads/2022/02/20220210-3.jpeg?resize=768,208 768w, /wp-content/uploads/2022/02/20220210-3.jpeg?resize=1024,277 1024w, /wp-content/uploads/2022/02/20220210-3.jpeg?resize=400,108 400w, /wp-content/uploads/2022/02/20220210-3.jpeg?resize=738,200 738w, /wp-content/uploads/2022/02/20220210-3.jpeg?resize=640,173 640w, /wp-content/uploads/2022/02/20220210-3.jpeg?resize=220,60 220w, /wp-content/uploads/2022/02/20220210-3.jpeg?resize=281,76 281w, /wp-content/uploads/2022/02/20220210-3.jpeg?resize=250,68 250w, /wp-content/uploads/2022/02/20220210-3.jpeg?resize=125,34 125w, /wp-content/uploads/2022/02/20220210-3.jpeg?resize=600,163 600w, /wp-content/uploads/2022/02/20220210-3.jpeg?resize=50,14 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-471294\" class=\"wp-caption-text\">ベイジアンネットワークにより推定された、カンキツ果実の形態的な特徴と剥皮性・果実硬度との関係</p></div>\n<p>この技術により果実の形態的な特徴のデータを自動的に大量に収集できるようになれば、ゲノム情報を活用した効率的な品種改良が可能となる。また、「果芯の崩壊程度や種子面積を改良することで、望ましい剥皮性や果実硬度を有する新品種」の開発も可能になるという。今後は、剥皮性と果実硬度の総合的な遺伝システムの解明を目指すとのことだ。</p>\n",
        "authorId": 136751393,
        "featuredMediaUrl": "/wp-content/uploads/2022/02/2022-02-14-006-index.jpg",
        "author": {
          "id": 136751393,
          "slug": "tetsuokanai",
          "name": "tetsuokanai",
          "description": ""
        },
        "categories": [
          {
            "postId": 471290,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 471290,
            "tagId": 832,
            "tag": {
              "id": 832,
              "slug": "python",
              "name": "Python(製品・サービス)",
              "description": "グイド・ヴァン・ロッサム氏が開発したプログラミング言語。"
            }
          },
          {
            "postId": 471290,
            "tagId": 366270896,
            "tag": {
              "id": 366270896,
              "slug": "agriculture",
              "name": "農業 / アグリテック(用語)",
              "description": "農業 / アグリテックに関連する記事一覧"
            }
          },
          {
            "postId": 471290,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 471290,
            "tagId": 366280851,
            "tag": {
              "id": 366280851,
              "slug": "image-analysis",
              "name": "画像解析(用語)",
              "description": ""
            }
          },
          {
            "postId": 471290,
            "tagId": 692508534,
            "tag": {
              "id": 692508534,
              "slug": "tokyo-university",
              "name": "東京大学(組織)",
              "description": "東京大学に関連する記事一覧"
            }
          },
          {
            "postId": 471290,
            "tagId": 692516329,
            "tag": {
              "id": 692516329,
              "slug": "naro",
              "name": "農業・食品産業技術総合研究機構 / 農研機構(組織)",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 471326,
      "categoryId": 366275726,
      "post": {
        "id": 471326,
        "slug": "2022-01-28-causalens-gets-45m-for-no-code-technology-that-introduces-cause-and-effect-into-ai-decision-making",
        "createdAt": "2022-02-14T06:30:44.000Z",
        "updatedAt": "2022-03-22T05:41:14.000Z",
        "title": "人が世界を理解するように因果関係をAIの意思決定に導入するノーコード技術のcausaLensが51.8億円調達",
        "content": "<p>今日までの人工知能の最も一般的なアプリケーションの1つは、過去のデータで訓練されたアルゴリズムを使って予測を行い、将来の結果を判断するというものである。しかし、普及が必ずしも成功を意味するわけではない。予測AIは、結果につながる多くのニュアンス、コンテキスト、因果関係の推論を除外する。<a target=\"_blank\" href=\"https://www.wired.com/story/ai-smart-cant-grasp-cause-effect/\" rel=\"noopener\">一部の人たち</a>が<a target=\"_blank\" href=\"https://ssir.org/articles/entry/the_case_for_causal_ai\" rel=\"noopener\">指摘している</a>ように(そして私たちが<a target=\"_blank\" href=\"https://techcrunch.com/2016/03/24/microsoft-silences-its-new-a-i-bot-tay-after-twitter-users-teach-it-racism/\" rel=\"noopener\">見てきた</a>ように)、これは予測AIが生み出す「論理的な」答えがときとして悲惨なものになることを意味している。<a target=\"_blank\" href=\"https://www.causalens.com/\" rel=\"noopener\">causaLens</a>(コーザレンズ)というスタートアップは、因果推論(causal inference)技術の開発を行っている。この技術は、AIベースのシステムにニュアンス、推論、因果関係の知覚能力を導入する上でデータサイエンティストを必要としない、ノーコードのツールとして提供されており、この問題を解決できると同社は考えている。</p>\n<p>causaLensのCEOで共同創業者のDarko Matovski(ダーコ・マトフスキー)氏は、AIが「人間が世界を理解するように世界を理解し始める」ことを目指していると語る。</p>\n<p>同社は米国時間1月28日、このアプローチが初期にある程度成功し、1年前にステルス状態から脱して以来収益が500%成長したことを受けて、4500万ドル(約51億8000万円)の資金調達を行ったことを発表した。これはラウンドの「最初のクロージング」と表現されており、引き続きオープンで、規模拡大のポテンシャルを秘めていることを示唆している。</p>\n<p>Dorilton Ventures(ドリルトン・ベンチャーズ)とMolten Ventures(モルテン・ベンチャーズ、Draper Esprit[ドレイパー・エスプリ]からブランド名を変更したVC)がこのラウンドをリードし、以前からの支援者であるGeneration Ventures(ジェネレーション・ベンチャーズ)とIQ Capital(IQキャピタル)、そして新たな支援者としてGP Bullhound(GPブルハウンド)も参加した。情報筋によると、ロンドンに拠点を置くcausaLensは、同ラウンドで約2億5000万ドル(約287億8000万円)と評価された。</p>\n<p>causaLensの現在の顧客やパートナーには、ヘルスケア、金融サービス、政府機関の他、多岐にわたる業界の組織が名を連ねている。こうした組織は、成果に到達する過程において、AIベースの意思決定だけではなく、より多くの因果関係のニュアンスを取り入れる目的で、同社の技術を活用している。</p>\n<p>この仕組みの実例を挙げると、同スタートアップのパートナーの1社であるMayo Clinic(メイヨー・クリニック)は、causaLensを使って癌のバイオマーカーを同定している。</p>\n<p>「人間の身体は複雑なシステムであり、基本的なAIパラダイムを適用することで望みどおりのパターンや相関関係を見つけることは可能ですが、成果を得ることはできません」と、同スタートアップのCEOで創業者のDarko Matovski(ダルコ・マトフスキー)氏はインタビューで語っている。「ですが、因果関係の手法を応用して、相違する身体がどのように機能するのかを理解すれば、ある組織が別の組織にどのような影響を与えるのか、その本質をより深く理解することができます」。</p>\n<p>関連するすべての変数を考慮すると、それは人間にとって、あるいは人間のチームにとっても、計算することはほぼ不可能なビッグデータの問題である。しかしコンピューターにおいては、対処すべき必要最低限のものと位置づけられる。これは癌の治療法ではないが、この種の研究は、関与する多くの組み合わせに応じた多様な治療法を検討する上で、意義のある一歩である。</p>\n<p>causaLensの技術は、ヘルスケア分野でも、あまり臨床的ではない形で応用されている。世界有数の経済大国に属する公衆衛生機関(causaLensはそれについて公表を控えている)は、同社のCausal AIエンジンを使用して、特定の成人が新型コロナウイルスのワクチン接種を躊躇している理由を特定し、その人たちを参加させるためのより良い戦略を考案した(ここでは複数の「戦略」が運用上の細目となっている。対象者によってさまざまな理由を含む複雑な問題であるということに要点がある)。</p>\n<p>金融サービスのような領域の他の顧客は、causaLensを使って、ローン評価などの分野における自動化された意思決定アルゴリズムに情報を与えている。従来のAIシステムは、過去のデータのみを使って意思決定にバイアスを導入するものであった。一方ヘッジファンドでは、causaLensの活用により、市場のトレンドがどのように発展して投資戦略に反映されるかについてより深い洞察を得ている。</p>\n<p>そして興味深いことに、自動運転輸送の世界に新たな顧客の波が現れているかもしれない。これは、人間の推論の欠如によって分野の進歩が妨げられてきた領域の1つである。</p>\n<p>「どれほど多くのデータが自律システムに送られても、それは歴史的な相関関係にすぎません」とマトフスキー氏はこの課題について語っている。同氏によると、causaLensは現在、2つの大手自動車会社と同社の技術の「数多くのユースケース」について協議を進めているが、その中でも特定のユースケースとして「世界がどのように機能するかをシステムが理解する」ような自動運転に注目しているという。「それは、赤信号や停車中の車に関連する相関ピクセルだけではなく、その車が赤信号で減速することでどのような結果が生じるのかも考慮したものです。私たちはAIに推論を導入しています。自動運転において、Causal AIは唯一無二の希望です」。</p>\n<p>AIを仕事で使用している人たちが、システムをできる限り正確にしたいと考えるのは当然のことのように思える。それは、そもそもなぜCausal AIによる優れた改善がAIアルゴリズムや機械学習に組み込まれていないのかという疑問を抱かせる。</p>\n<p>初期の段階において、推論や「なぜ」と返答することの追求を優先していなかったわけではないとマトフスキー氏は説明する。「人々は長い間、科学の中で因果関係を探求してきました。ニュートンの方程式は因果を示すものであると主張することもできます。それは科学において極めて基本的なことです」。しかしAIの専門家たちは、機械にそれを教える方法を解明できなかったのである。「それは難しすぎました」と同氏は語る。「アルゴリズムとテクノロジーが存在していませんでした」。</p>\n<p>同氏によると、その状況は2017年あたりから変化し始めたという。それは研究者らが、AIにおける「推論」や因果関係の表現方法について、既存の成果への貢献を示す信号を発見する(過去のデータを使って成果を決定するのではなく)ことに基づいて検討し、それに立脚したモデルを構築するという初期アプローチを発表し始めた時期である。興味深いことに、これはマトフスキー氏が言及している、仕事をするために大量のトレーニングデータを取り込む必要がないアプローチである。causaLensのチームは、博士号にかなりの比重が置かれている(同スタートアップはここで本格的にドッグフーディング[事前に自身で有用性を確かめる]を実践したといえるかもしれない。チームを編成する際に5万人の履歴書を検討している)。そしてこのチームは、そのバトンを受け取って、それで走り続けてきた。「以来、指数関数的な成長曲線を描いています」と同氏は語っている(その詳細は<a target=\"_blank\" href=\"https://www.causalens.com/white-paper/how-can-ai-discover-cause-and-effect/\" rel=\"noopener\">こちら</a>で確認できる)。</p>\n<p>AIに依存する大規模プロジェクトで因果推論の進歩を活用する方法を検討しているのは、causaLensだけではない。Microsoft(マイクロソフト)、Facebook(フェイスブック)、Amazon(アマゾン)、Google(グーグル)など、AIに多額の投資をしている大手テック企業もこの分野に取り組んでいる。スタートアップの中では、<a target=\"_blank\" href=\"https://causalis.ai/\" rel=\"noopener\">Causalis</a>(コーザリス)も特に医薬とヘルスケアでCausal AIを使う機会に焦点を当てており、<a target=\"_blank\" href=\"https://www.oogway.ai/\" rel=\"noopener\">Oogway</a>(ウーグウェイ)は消費者向けのCausal AIプラットフォームを構築しているようである。これらはすべて、特定の商用、そしてより一般的なユースケースの両方をカバーする、より広範で大規模な当該技術市場が開拓される機会を示している。</p>\n<p>「AIは、現実世界におけるポテンシャルを実現するために、因果推論に向けた次のステップを踏み出さなければなりません。causaLensは、Causal AIを活用して介入をモデル化し、機械駆動型の内省を可能にした最初の企業です」とDorilton VenturesのDaniel Freeman(ダニエル・フリーマン)氏は声明で述べている。「このワールドクラスのチームは、本格的なデータサイエンティストの心を掴む洗練性と、ビジネスリーダーに力を与えるユーザビリティを備えたソフトウェアを開発しました。Dorilton Venturesは、次のステージでcausaLensをサポートすることに大きな喜びを感じています」。</p>\n<p>「どの企業もAIを採用するようになるでしょう。単に採用できるからではなく、採用する必要があるからです」とMolten Venturesの投資ディレクターであるChristoph Hornung(クリストフ・ホルヌング)氏は付け加えた。「私たちMoltenは、因果性がAIのポテンシャルを引き出すために必要となる重要な要素であると確信しています。causaLensは、最適なビジネス上の意思決定へとデータを変換する能力が証明されている、世界初のCausal AIプラットフォームです」。</p>\n<p><small>画像クレジット:Andriy Onufriyenko / Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/01/28/causalens-gets-45m-for-no-code-technology-that-introduces-cause-and-effect-into-ai-decision-making/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Ingrid Lunden、翻訳:Dragonfly)</p>\n",
        "authorId": 176261049,
        "featuredMediaUrl": "/wp-content/uploads/2022/02/GettyImages-1079012838.jpeg",
        "author": {
          "id": 176261049,
          "slug": "katsuyukiyasui",
          "name": "katsuyukiyasui",
          "description": ""
        },
        "categories": [
          {
            "postId": 471326,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 471326,
            "tagId": 1618,
            "tag": {
              "id": 1618,
              "slug": "london",
              "name": "ロンドン(国・地域)",
              "description": "ロンドンに関する記事一覧"
            }
          },
          {
            "postId": 471326,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 471326,
            "tagId": 366271425,
            "tag": {
              "id": 366271425,
              "slug": "data-science",
              "name": "データサイエンス / データサイエンティスト(用語)",
              "description": "データサイエンス / データサイエンティストに関連する記事一覧"
            }
          },
          {
            "postId": 471326,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 471326,
            "tagId": 692509750,
            "tag": {
              "id": 692509750,
              "slug": "no-code",
              "name": "ノーコード(用語)",
              "description": "ノーコード開発に関連する記事一覧"
            }
          },
          {
            "postId": 471326,
            "tagId": 692517306,
            "tag": {
              "id": 692517306,
              "slug": "causal-inference",
              "name": "因果推論(用語)",
              "description": "因果推論に関する記事一覧"
            }
          },
          {
            "postId": 471326,
            "tagId": 692517307,
            "tag": {
              "id": 692517307,
              "slug": "causal-relationship",
              "name": "因果関係(用語)",
              "description": "因果関係に関する記事一覧"
            }
          },
          {
            "postId": 471326,
            "tagId": 692517308,
            "tag": {
              "id": 692517308,
              "slug": "causalens",
              "name": "causaLens(企業)",
              "description": "因果推論(causal inference)技術を開発。AIベースのシステムにニュアンス、推論、因果関係の知覚能力を導入する上でデータサイエンティストを必要としない、ノーコードのツールを提供する企業。"
            }
          }
        ]
      }
    },
    {
      "postId": 471194,
      "categoryId": 366275726,
      "post": {
        "id": 471194,
        "slug": "2022-02-11-agot-ai-gives-restaurants-computer-vision-to-see-where-food-orders-go-wrong",
        "createdAt": "2022-02-12T03:15:49.000Z",
        "updatedAt": "2022-02-12T03:13:08.000Z",
        "title": "コンピュータービジョンでレストランのオーダーエラーを解消するAgot AI",
        "content": "<div id=\"attachment_471195\" style=\"width: 740px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-471195\" loading=\"lazy\" class=\"wp-image-471195 size-large\" src=\"/wp-content/uploads/2022/02/agt0.jpg?w=730\" alt=\"\" width=\"730\" height=\"410\" srcset=\"/wp-content/uploads/2022/02/agt0.jpg 730w, /wp-content/uploads/2022/02/agt0.jpg?resize=300,168 300w, /wp-content/uploads/2022/02/agt0.jpg?resize=712,400 712w, /wp-content/uploads/2022/02/agt0.jpg?resize=400,225 400w, /wp-content/uploads/2022/02/agt0.jpg?resize=640,360 640w, /wp-content/uploads/2022/02/agt0.jpg?resize=220,124 220w, /wp-content/uploads/2022/02/agt0.jpg?resize=281,158 281w, /wp-content/uploads/2022/02/agt0.jpg?resize=223,125 223w, /wp-content/uploads/2022/02/agt0.jpg?resize=125,70 125w, /wp-content/uploads/2022/02/agt0.jpg?resize=107,60 107w, /wp-content/uploads/2022/02/agt0.jpg?resize=600,337 600w, /wp-content/uploads/2022/02/agt0.jpg?resize=50,28 50w, /wp-content/uploads/2022/02/agt0.jpg?resize=250,141 250w\" sizes=\"(max-width: 730px) 100vw, 730px\" /><p id=\"caption-attachment-471195\" class=\"wp-caption-text\">Agot AIの共同創業者エヴァン・デサントラ氏とアレックス・リッツエンバーガー氏(画像クレジット:Agot AI)</p></div>\n<p>人工知能はいろいろな業界に浸透してきたが、レストランはその中でも後発となり、その主な導入動機はパンデミックとオンラインオーダーの導入となる。</p>\n<p>レストランのAI導入は今後も増えるだろう。2021年には米国人の60%が週に1度以上<a target=\"_blank\" href=\"https://www.fundera.com/resources/food-delivery-statistics\" rel=\"noopener\">テイクアウトまたはデリバリーを注文し、31%がデリバリーサービスを利用した</a>。<a target=\"_blank\" href=\"https://www.marketwatch.com/press-release/at-1489-cagr-restaurant-management-software-market-size-will-reach-695-billion-usd-by-2025-2022-01-19\" rel=\"noopener\">Market Study Report</a><a target=\"_blank\" href=\"https://www.fundera.com/resources/food-delivery-statistics\" rel=\"noopener\">の予想によると、世界のレストラン管理ソフトウェアの市場は年率25%で伸び、2025年には69億5000万ドル(約8034億円)に達する</a>。</p>\n<p>しかしながら私たちはみな、フードデリバリーが持ってきたものが注文と違うという経験をしている。そこで<a target=\"_blank\" href=\"https://www.agot.ai/\" rel=\"noopener\">Agot AI</a>は、機械学習を利用するコンピュータービジョンの技術を開発し、最初はファストフード業界を対象にして、そのようなエラーが起きないようにした。</p>\n<p>同社は3年前にEvan DeSantola(エヴァン・デサントラ)氏とAlex Litzenberger(アレックス・リッツエンバーガー)氏が創業し、レストランテクノロジーのオペレーションの側面や、従業員の成功報酬、レストランの顧客満足度の向上などの問題解決を目指した。</p>\n<div id=\"attachment_471196\" style=\"width: 310px\" class=\"wp-caption alignright\"><img aria-describedby=\"caption-attachment-471196\" loading=\"lazy\" class=\"wp-image-471196 size-medium\" src=\"/wp-content/uploads/2022/02/agt1.jpg?w=300\" alt=\"\" width=\"300\" height=\"296\" srcset=\"/wp-content/uploads/2022/02/agt1.jpg 300w, /wp-content/uploads/2022/02/agt1.jpg?resize=220,217 220w, /wp-content/uploads/2022/02/agt1.jpg?resize=174,172 174w, /wp-content/uploads/2022/02/agt1.jpg?resize=127,125 127w, /wp-content/uploads/2022/02/agt1.jpg?resize=125,123 125w, /wp-content/uploads/2022/02/agt1.jpg?resize=61,60 61w, /wp-content/uploads/2022/02/agt1.jpg?resize=32,32 32w, /wp-content/uploads/2022/02/agt1.jpg?resize=50,50 50w, /wp-content/uploads/2022/02/agt1.jpg?resize=64,64 64w, /wp-content/uploads/2022/02/agt1.jpg?resize=96,96 96w, /wp-content/uploads/2022/02/agt1.jpg?resize=80,80 80w\" sizes=\"(max-width: 300px) 100vw, 300px\" /><p id=\"caption-attachment-471196\" class=\"wp-caption-text\">画像クレジット:Agot AI</p></div>\n<p>同社のプロダクトは、オンラインからのオーダーに対する正しさをリアルタイムで確認し、修正が必要なら従業員に告げる。たとえば彼らは、チーズとケチャップを加えるのを忘れていたかもしれない。</p>\n<p>同社はその技術を発表して以来、Yum! Brandsなどの大手サービスの協力のもとに、展開を進めてきた。Yumの場合、Agotは同社とのパートナーシップにより、その20のレストランでパイロット事業を行った。パイロットの結果が良ければ、Yumの100のレストランで実装する、とAgotのCEOデサントラ氏はいう。</p>\n<p>Yum! BrandsのチーフストラテジーオフィサーであるGavin Felder(ギャビン・フェルダー)氏は声明で次のように述べている。「同社は常に、テクノロジーを利用する革新的な方法でチームのメンバーの能力を高め、私たちのレストランにおいて彼らと顧客の両方の体験を向上させようとしてきた」。そしてパイロット事業の初期的な結果は「私たちが料理を届けているすべてのチャンネルで、顧客にオーダーに忠実で正確なメニューを届けることができるという将来的に有望な可能性を示唆している」。</p>\n<p>Yum! Brandsは、Agotの顧客であるだけでなく投資家でもある。以前の1200万ドル(約13億9000万円)のラウンドでは、Continental Grain Co.の戦略的投資部門であるConti VenturesやKitchen Fund、そしてGrit Venturesらとともに投資に参加した。これでAgotの総調達額は1600万ドル(約18億5000万円)に達した。</p>\n<p>Agotは新たな資金を、技術チームの拡大と、その他のファストフードブランドとのパイロット事業、およびプロダクトの機能拡張に充てたいとしている。また、機能拡張により、デリバリーだけでなく、ドライブスルーや店内での顧客体験も改善していきたい。</p>\n<p>同社は、小規模な概念実証レベルの展開で、オペレーションの能力を示してきたため、今後はより大きな市場とオーディエンスにその技術をスケールしたいという。</p>\n<p>Agotは成長率などを明かさないが、同社のチーフビジネスオフィサーのMike Regan(マイク・リーガン)氏によると、彼がデサントラ氏と出会ったとき、彼自身は投資家だったが、オーダーの正確さチェックが今後大きなビジネスになることをすぐに理解し、またAgotがそれに対して総合的な視野で臨んでいることを知った。「それはまさにデジタルトランスフォーメーションそのものだった」とリーガン氏は言っている。</p>\n<p><a target=\"_blank\" href=\"https://techcrunch.com/2019/03/29/toast-the-restaurant-management-platform-has-raised-250m-at-a-2-7b-valuation/\" rel=\"noopener\">Toast</a>のようなレストラン管理のパイオニアや、その他のスタートアップも、2年前ほど前からこのニーズに対応するようになり、それぞれ独自のアプローチを採っているだけでなく、ベンチャー資本も獲得している。</p>\n<p>たとえば最近の数カ月では<a target=\"_blank\" href=\"https://techcrunch.com/2022/02/01/coatue-lunchbox-ghost-kitchen-restaurant-tech/\" rel=\"noopener\">Lunchbox</a>や<a target=\"_blank\" href=\"https://techcrunch.com/2022/01/24/deliverect-raises-150m-at-a-1-4b-valuation-to-streamline-online-and-offline-food-orders/\" rel=\"noopener\">Deliverect</a>、<a target=\"_blank\" href=\"https://techcrunch.com/2022/01/17/nigerian-restaurant-management-platform-orda-gets-1-1m-wants-to-be-the-toast-of-africa/\" rel=\"noopener\">Orda</a>、<a target=\"_blank\" href=\"https://techcrunch.com/2021/11/10/digital-restaurant-startup-zak-orders-up-new-capital-on-mission-to-be-toast-of-latam/\" rel=\"noopener\">Zak</a>、<a target=\"_blank\" href=\"https://techcrunch.com/2021/09/22/sunday-raises-100-million-for-its-fast-restaurant-checkout-flow/\" rel=\"noopener\">Sunday</a>、そして<a target=\"_blank\" href=\"https://techcrunch.com/2021/09/13/marginedge-a-restaurant-management-software-company-raises-18m/\" rel=\"noopener\">Margin Edge</a>などが新たなラウンドを発表し、レストランを新しいオーダー方式に適応させていくことに向けて大金が流れ始めたことを示唆している。</p>\n<p>リーガン氏によると、レストラン業界の現状は「厳しい」けれども、Agotは「社歴3年のスタートアップよりもずっと先を行っている」やめ、事業の成功という点でも、また今後の2年間で大多数のファストフード企業を顧客にしていける能力でも傑出しているという。</p>\n<p>そしてデサントラ氏は「新たな資本がAgotを次のレベルのビジネスに押し上げる」と感じている。</p>\n<p>「初期のパイロットでは成功を証明したし、現在および将来のパートナーを相手にスケールしていけることにもエキサイトしています。新たな資金はプロダクトの機能拡張と、顧客とそのオペレーションの分析、そしてドライブスルー向けの技術開発に充てたい」とデサントラ氏はいう。</p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/02/11/agot-ai-gives-restaurants-computer-vision-to-see-where-food-orders-go-wrong/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Christine Hall、翻訳:Hiroshi Iwatani)</p>\n",
        "authorId": 46898863,
        "featuredMediaUrl": "/wp-content/uploads/2022/02/agt0.jpg",
        "author": {
          "id": 46898863,
          "slug": "tcjpiwatani",
          "name": "Hiroshi Iwatani",
          "description": ""
        },
        "categories": [
          {
            "postId": 471194,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 471194,
            "tagId": 1662,
            "tag": {
              "id": 1662,
              "slug": "restaurant",
              "name": "レストラン(用語)",
              "description": "レストランに関する記事一覧"
            }
          },
          {
            "postId": 471194,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 471194,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 471194,
            "tagId": 366274530,
            "tag": {
              "id": 366274530,
              "slug": "computer-vision",
              "name": "コンピュータービジョン(用語)",
              "description": "コンピュータビジョンに関連する記事一覧"
            }
          },
          {
            "postId": 471194,
            "tagId": 366276584,
            "tag": {
              "id": 366276584,
              "slug": "dx",
              "name": "DX / デジタルトランスフォーメーション(用語)",
              "description": "DX / デジタルトランスフォーメーションに関する記事一覧"
            }
          },
          {
            "postId": 471194,
            "tagId": 692514084,
            "tag": {
              "id": 692514084,
              "slug": "fast-food",
              "name": "ファストフード(用語)",
              "description": "ファストフードに関する記事一覧"
            }
          },
          {
            "postId": 471194,
            "tagId": 692517294,
            "tag": {
              "id": 692517294,
              "slug": "agot-ai",
              "name": "Agot AI(企業)",
              "description": "機械学習を利用するコンピュータービジョンの技術を開発し、レストランテクノロジーのオペレーションの側面や、従業員の成功報酬、レストランの顧客満足度の向上などの問題解決を目指す企業。"
            }
          }
        ]
      }
    },
    {
      "postId": 471034,
      "categoryId": 366275726,
      "post": {
        "id": 471034,
        "slug": "02-10-odaia-raises-13-8m-for-its-ai-powered-commercial-insights-platform-for-pharma-companies",
        "createdAt": "2022-02-11T05:00:40.000Z",
        "updatedAt": "2022-02-11T04:52:24.000Z",
        "title": "AIを活用した製薬会社向け商業インサイトプラットフォームのODAIAが約16億円を調達",
        "content": "<p>トロントに拠点を置く、AIを活用した製薬会社向け商業インサイトプラットフォームの<a target=\"_blank\" href=\"https://odaia.ai/?utm_term=odaia&amp;utm_campaign=Brand+Awareness+Campaign+-+ODAIA/MAPTUAL&amp;utm_source=adwords&amp;utm_medium=ppc&amp;hsa_acc=2770786613&amp;hsa_cam=16131649380&amp;hsa_grp=132517413985&amp;hsa_ad=580979269841&amp;hsa_src=g&amp;hsa_tgt=kwd-1168017726&amp;hsa_kw=odaia&amp;hsa_mt=b&amp;hsa_net=adwords&amp;hsa_ver=3&amp;gclid=CjwKCAiA6Y2QBhAtEiwAGHybPbmbEowFLgzokpcDclQI8D-ppYrd__uBFC-DAtYLyPfU4A33uEMvahoCnyEQAvD_BwE\" rel=\"noopener\">ODAIA(オダイア)</a>は、Flint Capital(フリント・キャピタル)が主導するシリーズA資金調達で1380万ドル(約16億円)を調達した。このプラットフォームは、データ分析、プロセスマイニング、AIを組み合わせ、製薬およびライフサイエンスの商業チームに予測分析を提供するものだ。この資金調達ラウンドは、同社が過去1年間でチームの規模を倍増させたことを受けて行われた。</p>\n<p>このスタートアップは、製薬会社のコマーシャルチームが彼らの処方者について何を知る必要があるか判断するのを手助けし、最適なチャネルを通じて正しいメッセージを伝え、最終的には、治療薬を必要とする患者に届けることができるようにすることを目的としている。同社は、プロセスマイニング、カスタマージャーニーマッピング、AIの分野における長年の研究開発の後、2018年にトロント大学で設立された。</p>\n<p>「初期の研究作業のいくつかは、ペイシェントジャーニーを分析し、AIと機械学習を使ってそれらのジャーニーを最適化することを中心としていました」とODAIA共同創設者兼CEOのPhilip Poulidis(フィリップ・プーリディス)氏は、電子メールでTechCrunchに語った。「それは、処方者の取引、匿名化された患者の医療請求データ、人口統計学的および社会経済学的データ、匿名化されたラボデータなど、多くの異なるが関連するデータソースの分析を含むために、時間をかけて進化しました。MAPTUALは、上記のデータセットを分析し、予測的洞察を提供するSaaSプラットフォームで、標的治療薬の理想的な候補となる患者を治療している医師の優先順位付けと動的なセグメント化を行うもので、こうした研究・技術開発の積み重ねが、MAPTUALの誕生につながったのです」と述べる。</p>\n<p>米国時間2月10日に発表された資金調達ラウンドには、Innospark Ventures(イノスパーク・ベンチャーズ)、Alumni Ventures(アルミナイ・ベンチャーズ)、Graphite Ventures(グラファイト・ベンチャーズ)の他、BDC Capital(BDCキャピタル)、MaRS IAF(マーズIAF)、StandUp Ventures(スタンドアップ・ベンチャーズ)、Panache Ventures(パナッシュ・ベンチャーズ)などODAIAの現在の投資家が参加している。同社によると、新たな資金調達は、プラットフォームの機能強化や、市場拡大をサポートするための営業、マーケティング、カスタマーサクセスチームの拡充に充てられるという。</p>\n<div id=\"attachment_471038\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-471038\" loading=\"lazy\" class=\"wp-image-471038 size-large\" src=\"/wp-content/uploads/2022/02/MAPTUAL-Mock-Volume-Details.png?w=1024\" alt=\"\" width=\"1024\" height=\"712\" srcset=\"/wp-content/uploads/2022/02/MAPTUAL-Mock-Volume-Details.png 1306w, /wp-content/uploads/2022/02/MAPTUAL-Mock-Volume-Details.png?resize=300,209 300w, /wp-content/uploads/2022/02/MAPTUAL-Mock-Volume-Details.png?resize=768,534 768w, /wp-content/uploads/2022/02/MAPTUAL-Mock-Volume-Details.png?resize=1024,712 1024w, /wp-content/uploads/2022/02/MAPTUAL-Mock-Volume-Details.png?resize=575,400 575w, /wp-content/uploads/2022/02/MAPTUAL-Mock-Volume-Details.png?resize=100,70 100w, /wp-content/uploads/2022/02/MAPTUAL-Mock-Volume-Details.png?resize=400,278 400w, /wp-content/uploads/2022/02/MAPTUAL-Mock-Volume-Details.png?resize=738,513 738w, /wp-content/uploads/2022/02/MAPTUAL-Mock-Volume-Details.png?resize=518,360 518w, /wp-content/uploads/2022/02/MAPTUAL-Mock-Volume-Details.png?resize=220,153 220w, /wp-content/uploads/2022/02/MAPTUAL-Mock-Volume-Details.png?resize=247,172 247w, /wp-content/uploads/2022/02/MAPTUAL-Mock-Volume-Details.png?resize=180,125 180w, /wp-content/uploads/2022/02/MAPTUAL-Mock-Volume-Details.png?resize=125,87 125w, /wp-content/uploads/2022/02/MAPTUAL-Mock-Volume-Details.png?resize=86,60 86w, /wp-content/uploads/2022/02/MAPTUAL-Mock-Volume-Details.png?resize=794,552 794w, /wp-content/uploads/2022/02/MAPTUAL-Mock-Volume-Details.png?resize=528,367 528w, /wp-content/uploads/2022/02/MAPTUAL-Mock-Volume-Details.png?resize=50,35 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-471038\" class=\"wp-caption-text\">画像クレジット:ODAIA</p></div>\n<p>プーリディス氏は「今回の資金調達により、製品およびソフトウェアエンジニアリングチームの拡大、商業チームの拡大、プラットフォーム統合パートナーシップの拡大により、製品ロードマップの開発を加速させます」と述べている。</p>\n<p>同社は、パンデミックによって顧客向け医薬品ビジネスが変化し、現在はDXが主な優先事項であると述べている。将来についてプーリディス氏は、同スタートアップの目標は、ライフサイエンスデータの多変量データ解析と予測的洞察を1つのプラットフォームで提供することであると述べている。このプラットフォームには、ライフサイエンス企業が処方者とペイシェント・ジャーニーをよりよく理解し、データとAIを活用してリアルタイムに対応できるような機能と能力が含まれると概説した。</p>\n<p>同社のシリーズAラウンドは、2019年に発表された160万ドル(約1億8600万円)のシード投資に続くものだ。このラウンドは、Panache VenturesとStandUp Venturesが共同主導し、BDC CapitalのWomen in Technology Venture Fund(ウーマン・イン・テクノロジー・ベンチャー・ファンド)、Inovia Capital(イノヴィア・キャピタル)、MaRS IAFが参加した。この投資家グループは、Toronto Innovation Acceleration Partners(トロント・イノベーション・アクセレーション・パートナー)、トロント大学のUTEST(ユーテスト)、N49P、Ontario Centres of Excellence(オンタリオ・センター・オブ・エクセレンス、OCE)、Autonomic.ai(オートノミック・ドット・エーアイ、Fordが買収)の共同創業者であるAmar Varma(アマール・ヴァルマ)氏などのプレシード投資家に参加した。</p>\n<p><small>画像クレジット:ODAIA</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/02/10/odaia-raises-13-8m-for-its-ai-powered-commercial-insights-platform-for-pharma-companies/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Aisha Malik、翻訳:Akihito Mizukoshi)</p>\n",
        "authorId": 191889571,
        "featuredMediaUrl": "/wp-content/uploads/2022/02/Holding-tablet-with-Maptual-App.png",
        "author": {
          "id": 191889571,
          "slug": "akihito-mizukoshi",
          "name": "Akihito Mizukoshi",
          "description": ""
        },
        "categories": [
          {
            "postId": 471034,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 471034,
            "tagId": 3659,
            "tag": {
              "id": 3659,
              "slug": "medicine",
              "name": "薬 / 医薬品 / 投薬(用語)",
              "description": "薬 / 医薬品 / 投薬に関する記事一覧"
            }
          },
          {
            "postId": 471034,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 471034,
            "tagId": 364488835,
            "tag": {
              "id": 364488835,
              "slug": "hospital",
              "name": "病院 / 医療機関(用語)",
              "description": "病院に関する記事一覧"
            }
          },
          {
            "postId": 471034,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 471034,
            "tagId": 366275485,
            "tag": {
              "id": 366275485,
              "slug": "canada",
              "name": "カナダ(国・地域)",
              "description": "カナダに関連する記事一覧"
            }
          },
          {
            "postId": 471034,
            "tagId": 366276584,
            "tag": {
              "id": 366276584,
              "slug": "dx",
              "name": "DX / デジタルトランスフォーメーション(用語)",
              "description": "DX / デジタルトランスフォーメーションに関する記事一覧"
            }
          },
          {
            "postId": 471034,
            "tagId": 366276946,
            "tag": {
              "id": 366276946,
              "slug": "toronto",
              "name": "トロント(国・地域)",
              "description": "トロントに関する記事一覧"
            }
          },
          {
            "postId": 471034,
            "tagId": 692517289,
            "tag": {
              "id": 692517289,
              "slug": "odaia",
              "name": "ODAIA(企業・サービス)",
              "description": "データ分析、プロセスマイニング、AIを組み合わせ、製薬およびライフサイエンスの商業チームに予測分析を提供する製薬会社向け商業インサイトプラットフォーム、それを提供するトロント拠点の企業。"
            }
          }
        ]
      }
    },
    {
      "postId": 470083,
      "categoryId": 366275726,
      "post": {
        "id": 470083,
        "slug": "2022-01-24-spectrum-labs-b",
        "createdAt": "2022-02-05T04:00:20.000Z",
        "updatedAt": "2022-02-05T02:24:18.000Z",
        "title": "AIを使ってオンライン上の有害なやりとりを検出するSpectrum Labsが約37億円調達",
        "content": "<p>パンデミックから2年経った今も、多くの人にとってはオンライン上での会話が日々の主要な交流手段となっている。そのためオンライン上で交わされる会話の数は計り知れない量となっているが、ご存じの通りそれらすべてがクリーンでポジティブなものではない。米国現地時間1月24日、プラットフォームプロバイダーに人工知能技術を提供し、有害なやり取りをリアルタイム(20ミリ秒以下)で検出してシャットダウンするという<a target=\"_blank\" href=\"https://www.spectrumlabsai.com/\" rel=\"noopener\">Spectrum Labs(スペクトラム・ラブス)</a>と呼ばれるスタートアップが3200万ドル(約37億円)の資金を調達したと発表した。この資金は、成長中の消費者向けビジネスをさらに強化するための技術に投入される他、社内および顧客との会話のための企業向けサービスを提供するという新たな分野への進出に向けて使用され、会話中の有害性を検知するだけでなく、監査トレイルを提供することでより高い信頼性と安全性を届ける計画である。</p>\n<p>「思いやりを重んじる言語界のリーダーになることを目指しています」とCEOのJustin Davis(ジャスティン・デイビス)氏はインタビュー中で話している。</p>\n<p>今回のラウンドはIntel Capital(インテルキャピタル)がリードし、Munich Re Ventures(ミューニック・リー・ベンチャーズ)、Gaingels(ガインゲル)、OurCrowd(アワクラウド)、Harris Barton(ハリス・バートン)の他、前回からの支援者であるWing Venture Capital(ウィング・ベンチャー・キャピタル)、Greycroft(グレークロフト)、Ridge Ventures(リッジ・ベンチャーズ)、Super{set}(スーパーセット)、Global Founders Capital(グローバル・ファンダーズ・キャピタル)も参加している。Greycroftは<a target=\"_blank\" href=\"/2020/09/25/2020-09-24-spectrum-labs-raises-10m-for-its-ai-based-platform-to-combat-online-toxicity/\" rel=\"noopener\">2020年9月にSpectrumの前回ラウンドの1000万ドル(約11億5400万円)</a>を主導しており、Spectrumはこれで現在合計4600万ドル(約53億円)を調達したことになる。</p>\n<p>関連記事:<a target=\"_blank\" href=\"/2020/09/25/2020-09-24-spectrum-labs-raises-10m-for-its-ai-based-platform-to-combat-online-toxicity/\" rel=\"noopener\">有害コンテンツと戦うAIプラットフォーム開発のSpectrum Labsが1000億円超を調達</a></p>\n<p>CTOのJosh Newman(ジョシュ・ニューマン)氏と共同で同社を設立したデイビス氏によると、Spectrum Labsは評価額を公開していないというが、同社の事業規模がその様子を物語っている。</p>\n<p>現在Spectrum Labsは、ソーシャルネットワーキング企業のPinterest(ピンタレスト)やThe Meet Group(ザ・ミート・グループ)、出会い系サイトのGrindr(グリンダー)、Jimmy Wales(ジミー・ウェールズ)氏が運営するエンターテインメントWikiのFandom(ファンダム)、Riot Games(ライアットゲームズ)、eラーニングプラットフォームのUdemy(ユーデミー)など20以上の大手プラットフォームと提携しており、これらのプラットフォームでは、何百万人もの顧客が毎日オープンなチャットルームやよりプライベートな会話の中で、何十億ものメッセージを送り合っている。</p>\n<p>同社のテクノロジーは自然言語に基づいており、テキストベースの会話と音声の会話の両方をリアルタイムで検出するというものだ。</p>\n<p>Spectrumでは音声がテキストに書き起こされるのではなく、音声として「読まれる」のだとデイビス氏は説明する。これによりSpectrumの顧客は有害なやり取りへの対応を大幅に早めることができ、デイビス氏が「ワイルドウェスト特有の言語」と呼ぶ有害な言葉を妨げることが可能になる。Spectrumの技術を使用していない一般的な企業の対応では、ユーザーが問題のあるコンテンツを通報した後、書き起こされた音声の中からその音声を見つけなければならなず、対応にかなりの時間を要してしまう。</p>\n<p>ポッドキャスティングだけでなく、Clubhouse(クラブハウス)やTwitter(ツイッター)のSpaces(スペース)のような音声ベースのサービスが人気を博していることから、このテクノロジーはよりいっそう重要なものとなるだろう。</p>\n<p>テキストであれオーディオであれ、Spectrumはこれらのやり取りをスキャンし、40以上の行動プロファイルにまたがるあらゆる有害コンテンツを検出するのである。この技術は世界中の研究者や学者と相談しながら構築されたもので、増え続けるウェブ上のデータを取り込みながらさらに改良が重ねられている。プロファイルにはハラスメント、ヘイトスピーチ、暴力的過激主義、詐欺、グルーミング、違法な勧誘、ドキシングなどが含まれており、また現在約40の言語でのスキャンに対応しているという。言語の制限はなく、どんな言語でも機能するとデイビス氏は話している。</p>\n<p>「技術的にはどんな言語でも数週間で対応することができます」と同氏。</p>\n<p>オンライン上で最も有害性の高い領域はやはり消費者分野である。オープンフォーラムやよりプライベートな空間でのいじめやヘイトスピーチ、その他の違法行為が日々繰り広げられている。Spectrum Labsでは、これまで以上に複雑になった悪質な行為者の手法を検出するための技術への投資をこれからも継続していく予定だ。同社ではプラットフォームの信頼性・安全性チーム向けの管理機能やツールに加えて、ユーザー自身が晒されても良いもの、絶対に晒されたくないものを決定できるようにする方法を改善するため注力していく予定だという。しかしこれはとても微妙な領域である。プラットフォームは一般的に、言論の自由に配慮してユーザー同士の会話に干渉しないことを望んできたため、それが原因で有害性が暴走したとも言えるのだが、プラットフォームの善意が検閲していると見なされ非難される可能性もあるため、この議論は現在も未解決である。</p>\n<p>「ポリシーの実施と、ユーザーが望んで受け入れられるかどうかという問題の間には、緊張関係が存在します」とデイビス氏は説明する。プラットフォームの仕事は「最悪の事態を回避しつつ、消費者が見たいものを選択できるようなコントロールを提供することである」と同社は考えている。</p>\n<p>また同社は企業向けサービスへの進出も計画している。</p>\n<p>企業向けサービスとは興味深い。企業内の人々が互いに会話する方法(Spectrum Labsがすでに提供している消費者向けサービスと同様の形態をとるのだろう)だけでなく、営業、カスタマーサービス、マーケティングなどのエリアで企業が外部の世界とどのように接しているかを見ることができ、そしてSpectrum Labsが収集した情報を分析に活用して、これらの分野でのその後の運営方法を検討することができるのである。</p>\n<p>ただし、これは何も新しいサービスではない。例えばSpectrumの競合他社には会話モニタリング分野のスタートアップである<a target=\"_blank\" href=\"https://techcrunch.com/2021/10/13/aware-raises-60m-for-tech-that-monitors-internal-messaging-platforms-for-legal-compliance-sentiment-analysis-and-more/\" rel=\"noopener\">Aware(アウェア)</a>がいる。同社は企業向けに特化したサービスである(<a target=\"_blank\" href=\"https://l1ght.com/\" rel=\"noopener\">L1ght</a>は消費者分野での競合だ)。</p>\n<p>まだ他にもある。前回、Spectrum Labsについて書いた際、創業者と創業チームがSalesforce(セールスフォース)に買収されたマーケティングテクノロジー企業Krux(クラックス)の出身であることを指摘した(Spectrum Labsを設立する前に働いていた)。SalesforceはCRMに限らず、企業がより効率的にビジネスを行うための幅広いツールセットを構築しており、また、かつて別のソーシャルネットワークを設立し、FacebookのCTOを務めたこともあるBret Taylor(ブレット・テイラー)氏が現在トップに立っていることもあり、今後Salesforceがこの分野にもっと関心を持って取り組んでもまったく不思議ではない。コミュニケーションフォーラムがどのように利用され、悪用されるかについて詳しい情報を得ることができるのである。</p>\n<p>消費者と企業の両方の課題に対処するために、今回のラウンドではIntelが戦略的投資家として参加することになったとデイビス氏は話している。Spectrum Labの技術をIntelのチップ設計とより密接に連携させることで動作速度をさらに向上させる計画で、またIntelにとって、これは信頼性と安全性の問題を重視する同社のハードウェア顧客に対するユニークなセールスポイントにもなる。</p>\n<p>「Spectrum Labsの自然言語理解技術は、信頼性の課題に取り組む世界中の企業を強化する、コアプラットフォームとなる可能性を秘めていると確信しています」とIntel Capitalの副社長兼シニアMDであるMark Rostick(マーク・ロスティック)氏は声明の中で伝えている。「デジタルトラストと道徳的な運用が、組織の差別化を図るための重要な要素として考えられている今、トラスト&セーフティー技術を企業運営に構築するということに、大きなチャンスがあると考えています」。</p>\n<p><small>画像クレジット:David Woodfall / Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/01/24/spectrum-labs-b/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Ingrid Lunden、翻訳:Dragonfly)</p>\n",
        "authorId": 176261049,
        "featuredMediaUrl": "/wp-content/uploads/2022/02/gettyimages-309903-007.jpeg",
        "author": {
          "id": 176261049,
          "slug": "katsuyukiyasui",
          "name": "katsuyukiyasui",
          "description": ""
        },
        "categories": [
          {
            "postId": 470083,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 470083,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 470083,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 470083,
            "tagId": 366273706,
            "tag": {
              "id": 366273706,
              "slug": "fake-news",
              "name": "フェイクニュース / 偽情報 / 誤情報(用語)",
              "description": "フェイクニュース / 偽情報 / 誤情報に関連する記事一覧"
            }
          },
          {
            "postId": 470083,
            "tagId": 366275333,
            "tag": {
              "id": 366275333,
              "slug": "moderation",
              "name": "モデレーション / モデレーター(用語)",
              "description": "モデレーション / モデレーターに関する記事一覧"
            }
          },
          {
            "postId": 470083,
            "tagId": 692510182,
            "tag": {
              "id": 692510182,
              "slug": "spectrum-labs",
              "name": "Spectrum Labs(企業・サービス)",
              "description": "コンテンツのモデレーション、追跡、警告を行い、さらには、嫌がらせ、ヘイトスピーチ、暴力の扇動、その他40種類の有害行為を、英語の他数カ国語で阻止するためのアルゴリズムと一連のAPIを開発、提供する企業。"
            }
          },
          {
            "postId": 470083,
            "tagId": 692517193,
            "tag": {
              "id": 692517193,
              "slug": "harmful-content",
              "name": "有害コンテンツ(用語)",
              "description": "有害コンテンツに関する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 469770,
      "categoryId": 366275726,
      "post": {
        "id": 469770,
        "slug": "2022-02-02-scale-ai-gets-into-the-synthetic-data-game",
        "createdAt": "2022-02-04T01:00:01.000Z",
        "updatedAt": "2022-02-05T02:47:02.000Z",
        "title": "Scale AIが人工知能関連で最もホットで新しい合成データゲームに参入",
        "content": "<p>Scale AI(スケールAI)が73億ドル(約8400億円)企業になるまでの道には、画像、テキスト、音声、動画などのリアルデータが敷き詰められていた。現在、その基盤を利用し、AIで最もホットで新しいカテゴリーの1つであるシンセティック(合成)データゲームに参入する。</p>\n<p>同社は米国時間2月2日に、機械学習エンジニアが既存の実世界のデータセットを強化するために使える製品「<a target=\"_blank\" href=\"https://scale.com/blog/scale-synthetic-ea\" rel=\"noopener\">Scale Synthetic</a>」の早期アクセスプログラムを発表した。同社は、この新しい部門を立ち上げるために2人の幹部を採用した。Nines(ナインズ)で機械学習の責任者を務め、Apple(アップル)で3Dマッピングのコンピュータビジョンエンジニアを務めたJoel Kronander(ジョエル・クロナンダー)氏をシンセティックデータ部門の新責任者として、また、Vivek Raju Muppalla(ビベク・ラジュ・ムッパラ)氏をシンセティックサービス部門のディレクターとして採用した。ムッパラ氏は、Unity Technologies(ユニティ・テクノロジーズ)でAIとシミュレーションのエンジニアリングディレクターを務めた人物だ。</p>\n<p>シンセティックデータとは、その名の通り、現実世界の情報を使わず、機械学習アルゴリズムによって作成された偽のデータのことだ。医療用画像など、プライバシーが重視されるデータを作成する際に、強力で便利なツールになり得る。開発者はシンセティックデータを使って学習モデルをより複雑にし、収集された実世界のデータセットに散見されるバイアスを取り除くことができる。</p>\n<p>Scaleは当初、人がラベル付けした実際の画像、テキスト、音声、動画データとソフトウェアを組み合わせ、自動運転車メーカーに機械学習モデルの学習に必要なラベル付きデータを提供していた。機械学習モデルは、ロボタクシー、自動運転トラック、倉庫やオンデマンド配送に使われる自動ボットの開発と配備に使われる。その後、このスタートアップは、政府、金融、eコマース、自動運転車とエンタープライズ産業などを顧客とするデータ管理プラットフォーム企業へと変貌を遂げた。</p>\n<p>創業者でCEOのAlexandr Wang(アレクサンドル・ワン)氏は、この新しいサービスをデータへのハイブリッドアプローチだと表現し、実験室で育てられた肉にたとえた。</p>\n<p>「研究室で育てられた肉が本物の動物の細胞から始まるように、私たちは本物のデータから始まり、そこから製品を育て、開発・構築していきます」と同氏はTechCrunchに語った。実世界のデータをベースにしてシンセティックデータを作成することで、実にユニークで強力なサービスを顧客に提供することができると同氏は述べ、同社は市場にそうしたギャップがあると見ていると付け加えた。</p>\n<p>Scaleの顧客も、そのギャップを感じていたようだ。同社がシンセティックデータに力を入れたのは、顧客からの需要に応えるためだったとワン氏はTechCrunchに語った。この製品の開発を始めてから、まだ1年経たないという。自動運転車技術開発企業のKodiak Robotics、Tractable AI、米国防総省はいずれも、Scaleの新しいシンセティックデータ製品を採用していると同氏は述べた。</p>\n<p>現在、約450人の従業員を抱えるScaleは、シンセティックデータを2022年の最優先事項として捉えており、製品ラインを充実させるために投資を続ける分野だとしている。しかし、それはリアルデータ事業を引き継ぐことを意味するものではない。ワン氏はシンセティックデータを、開発者が「アルゴリズムなどのAIや、特にエッジケースでより多くの利益を得られるようにするための補完的なツール」と考えている。</p>\n<p>例えば、自動運転車の会社は通常、シミュレーションを使って現実世界のシナリオを再現し、その環境で自動運転システムがどのように対処するかを確認する。現実世界のデータでは、彼らが求めているシナリオは得られないかもしれない。</p>\n<p>「例えば、100台の自転車が一度に横断するようなシナリオは、現実世界ではあまり遭遇しません」とワン氏は説明する。「現実世界のデータから出発して、すべての自転車や人を合成的に追加することで、アルゴリズムを適切に訓練することができるのです」。</p>\n<p><small>画像クレジット:Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/02/02/scale-ai-gets-into-the-synthetic-data-game/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Kirsten Korosec、翻訳:<a target=\"_blank\" href=\"https://twitter.com/pressnote55\" rel=\"noopener\">Nariko Mizoguchi</a>)</p>\n",
        "authorId": 138115512,
        "featuredMediaUrl": "/wp-content/uploads/2022/02/Scale-AI.jpeg",
        "author": {
          "id": 138115512,
          "slug": "nmizoguchi",
          "name": "Nariko Mizoguchi",
          "description": ""
        },
        "categories": [
          {
            "postId": 469770,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 469770,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 469770,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 469770,
            "tagId": 692508676,
            "tag": {
              "id": 692508676,
              "slug": "scale-ai",
              "name": "Scale AI(企業)",
              "description": "Scale AIは、ソフトウェアと人間の力をあわせて、機械学習アルゴリズムを開発する企業向けに画像、LIDAR(光を用いる距離測定方法または装置)、地図データを処理し、ラベルを付けるスタートアップだ。"
            }
          },
          {
            "postId": 469770,
            "tagId": 692515452,
            "tag": {
              "id": 692515452,
              "slug": "synthetic-data",
              "name": "合成データ / シンセティックデータ(用語)",
              "description": "合成データ / シンセティックデータに関する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 469683,
      "categoryId": 366275726,
      "post": {
        "id": 469683,
        "slug": "ai-mouse-grooming-detection",
        "createdAt": "2022-02-03T10:08:05.000Z",
        "updatedAt": "2022-02-03T10:08:05.000Z",
        "title": "AIでマウスのグルーミング(毛づくろい)を高精度で検出、動物の心と体の変化の把握が人の中枢性疾患の治療に貢献",
        "content": "<p>東京大学は2月2日、マウスの動画からAIを用いてグルーミング(毛づくろい)行動を検出する方法を開発したと<a target=\"_blank\" href=\"https://www.frontiersin.org/articles/10.3389/fnbeh.2022.797860/full\" rel=\"noopener\">発表した</a>。グルーミングは動物の心と体の状態を理解するうえでの重要な指標であるため、低コスト、長時間の自動判定が可能になれば、動物実験の効率が大幅に向上するという。</p>\n<p><a target=\"_blank\" href=\"https://www.a.u-tokyo.ac.jp/\" rel=\"noopener\">東京大学大学院農学生命科学研究科</a>の坂本直観学部生らによる研究グループは、ケージの上部に設置したカメラで撮影したマウスの動画から、その行動を「グルーミングなし」「顔のグルーミング」「体のグルーミング」に分類してラベル付けを行った。そしてこれを脳の神経回路を模した数理モデルである折り畳みニューラルネットワークに学習させた。そして、折り畳みニューラルネットワークが間違えた画像パターンを解析し改善を試みたところ、かなりの高確率での識別が可能となった。また、グルーミング回数の評価では、人の観測と畳み込みニューラルネットワークの予測は同等だった。</p>\n<p>健康な動物に比べて不健康な動物の毛並みが悪いのは、健康状態によってグルーミングの頻度や長さが変わるためだという。動物の心身の状態を詳しく観察することが動物実験では大切なのだが、そこでグルーミングが重要な指標となる。だが、目視による観察は研究者の負担が大きく、また観察者や環境によって判断が変わるといった客観性に欠ける部分もある。そこでこの方法が開発された。</p>\n<p>現在、その治療法が強く求められている自閉症、認知症、統合失調症といった中枢性疾患には「ヒトの疾患の病態を適切に反映できる動物モデル」が必要なのだが、それが不足しているために治療法の開発が進んでいないと研究グループは言う。しかし今回確立された技術を用いて「動物の心の機微と体の変化を捉えることが可能となれば、ヒトの中枢性疾患の病態解明や治療方法の開発にも大いに役立つことが期待される」とのことだ。</p>\n",
        "authorId": 136751393,
        "featuredMediaUrl": "/wp-content/uploads/2022/02/2022-02-03-010-index.jpg",
        "author": {
          "id": 136751393,
          "slug": "tetsuokanai",
          "name": "tetsuokanai",
          "description": ""
        },
        "categories": [
          {
            "postId": 469683,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 469683,
            "tagId": 490,
            "tag": {
              "id": 490,
              "slug": "animal",
              "name": "動物(用語)",
              "description": "動物に関する記事一覧"
            }
          },
          {
            "postId": 469683,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 469683,
            "tagId": 366187520,
            "tag": {
              "id": 366187520,
              "slug": "neural-network",
              "name": "ニューラルネットワーク(用語)",
              "description": "ニューラルネットワークに関する記事一覧"
            }
          },
          {
            "postId": 469683,
            "tagId": 366270781,
            "tag": {
              "id": 366270781,
              "slug": "medical",
              "name": "医療 / 治療 / MedTech / メドテック(用語)",
              "description": "医療 / 治療 / MedTech / メドテックに関連する記事一覧"
            }
          },
          {
            "postId": 469683,
            "tagId": 692508534,
            "tag": {
              "id": 692508534,
              "slug": "tokyo-university",
              "name": "東京大学(組織)",
              "description": "東京大学に関連する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 469630,
      "categoryId": 366275726,
      "post": {
        "id": 469630,
        "slug": "2022-02-02-deepminds-alphacode-ai-writes-code-at-a-competitive-level",
        "createdAt": "2022-02-03T02:00:23.000Z",
        "updatedAt": "2022-02-03T06:15:30.000Z",
        "title": "DeepMindのAI「AlphaCode」は競技プログラミングレベルのコードを書ける",
        "content": "<p>DeepMind(ディープマインド)は、任意の問題を解決するためにコードを書くことができるAIを開発した。このAIは<a target=\"_blank\" href=\"https://deepmind.com/blog/article/Competitive-programming-with-AlphaCode\" rel=\"noopener\">コーディングチャレンジに参加</a>し、中間あたりの成績を収めたことで実証されている。まだソフトウェアエンジニアの仕事を奪うまでには至っていないが、基本的な作業の自動化に役立つ可能性がある。</p>\n<p>Alphabet(アルファベット)の子会社であるDeepMindのチームは、できる限り多くの形で知能を創造することを目指しており、最近ではもちろん、多くの優秀な頭脳が取り組んでいる作業としてコーディングが挙げられる。コードは、言語、論理、問題解決の融合であり、コンピュータの能力に自然に適合すると同時に、難題でもある。</p>\n<p>もちろん、このような試みは初めてではない。OpenAIには独自の<a target=\"_blank\" href=\"/2021/08/11/2021-08-10-openai-upgrades-its-natural-language-ai-coder-codex-and-kicks-off-private-beta/\" rel=\"noopener\">自然言語コーディングプロジェクト「Codex」</a>があり、<a target=\"_blank\" href=\"/2021/06/30/2021-06-29-github-previews-new-ai-tool-that-makes-coding-suggestions/\" rel=\"noopener\">GitHub Copilot</a>と、Microsoftが提供する、<a target=\"_blank\" href=\"/2021/05/26/2021-05-25-microsoft-uses-gpt-3-to-let-you-code-in-natural-language/\" rel=\"noopener\">GPT-3にコードを完成させるテスト</a>の両方を支えている。</p>\n<p>関連記事:<a target=\"_blank\" href=\"/2021/08/11/2021-08-10-openai-upgrades-its-natural-language-ai-coder-codex-and-kicks-off-private-beta/\" rel=\"noopener\">OpenAIが自然言語AIコーダーのCodexをアップグレード、プライベートベータを開始</a></p>\n<p>DeepMindの論文では、競技プログラミングを狙う理由を説明する中で、フレンドリーながらも競争相手を遠回しに侮辱している。</p>\n<blockquote><p>近年の大規模な言語モデルは、コード生成能力に優れており、簡単なプログラミングタスクをこなすことができるようになってきた。しかし、これらのモデルは、単に命令をコードに変換するだけでなく、問題解決能力を必要とする、より複雑で見たことがない問題で評価すると、いまだに性能が低い。</p></blockquote>\n<p>それについてOpenAIは言いたいことがあるかもしれないが(そして、同社の次の論文ではこの点についての反論が期待できるだろう)、研究者たちが指摘するように、競技プログラミングの問題は一般的に、既存のコードAIには見られないレベルの解釈と創意工夫の組み合わせを必要とする。</p>\n<p>DeepMindは、この分野に挑戦するために、GitHubの厳選されたライブラリと、コーディング問題とその解決策のコレクションを使って、新しいモデルをトレーニングした。言葉にすると簡単に聞こえるが、些細なことではない。完成したモデルを、この種のコンテストを主催するCodeforcesが最近開催した(言うまでもなく、AIはそれ以前に見ていない)10のコンテストに投入した。</p>\n<p>その結果、50パーセンタイルを少し超える中位の成績を収めた。人間であれば中途半端な成績かもしれないが(決して簡単ではない)、機械学習(ML)モデルの最初の試みとしては、かなり注目に値する。</p>\n<p>CodeforcesのMike Mirzayanov(マイク・ミルザヤノフ)CEOはこう述べている。「AlphaCodeの成績は、私の期待を超えていたと断言できます。なぜなら、競技プログラミングでは単純な問題であっても、アルゴリズムを実装するだけでなく、それを発明することも求められることが多いので(これが一番難しい)、半信半疑でした。AlphaCodeは、新人の有望なコンペティターと同レベルの性能を発揮してのけました」。</p>\n<p>AlphaCodeが解決した課題とそのソリューションの一例は以下の通り。</p>\n<p><img loading=\"lazy\" class=\"aligncenter wp-image-469633 size-large\" src=\"/wp-content/uploads/2022/02/alphacode-problem.png?w=1024\" alt=\"\" width=\"1024\" height=\"660\" srcset=\"/wp-content/uploads/2022/02/alphacode-problem.png 1703w, /wp-content/uploads/2022/02/alphacode-problem.png?resize=300,193 300w, /wp-content/uploads/2022/02/alphacode-problem.png?resize=768,495 768w, /wp-content/uploads/2022/02/alphacode-problem.png?resize=1024,660 1024w, /wp-content/uploads/2022/02/alphacode-problem.png?resize=1536,990 1536w, /wp-content/uploads/2022/02/alphacode-problem.png?resize=620,400 620w, /wp-content/uploads/2022/02/alphacode-problem.png?resize=400,258 400w, /wp-content/uploads/2022/02/alphacode-problem.png?resize=738,476 738w, /wp-content/uploads/2022/02/alphacode-problem.png?resize=558,360 558w, /wp-content/uploads/2022/02/alphacode-problem.png?resize=220,142 220w, /wp-content/uploads/2022/02/alphacode-problem.png?resize=267,172 267w, /wp-content/uploads/2022/02/alphacode-problem.png?resize=194,125 194w, /wp-content/uploads/2022/02/alphacode-problem.png?resize=125,81 125w, /wp-content/uploads/2022/02/alphacode-problem.png?resize=93,60 93w, /wp-content/uploads/2022/02/alphacode-problem.png?resize=856,552 856w, /wp-content/uploads/2022/02/alphacode-problem.png?resize=569,367 569w, /wp-content/uploads/2022/02/alphacode-problem.png?resize=50,32 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /></p>\n<div id=\"attachment_469632\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-469632\" loading=\"lazy\" class=\"wp-image-469632 size-large\" src=\"/wp-content/uploads/2022/02/alphacode-solution.png?w=1024\" alt=\"\" width=\"1024\" height=\"786\" srcset=\"/wp-content/uploads/2022/02/alphacode-solution.png 1693w, /wp-content/uploads/2022/02/alphacode-solution.png?resize=300,230 300w, /wp-content/uploads/2022/02/alphacode-solution.png?resize=768,590 768w, /wp-content/uploads/2022/02/alphacode-solution.png?resize=1024,786 1024w, /wp-content/uploads/2022/02/alphacode-solution.png?resize=1536,1179 1536w, /wp-content/uploads/2022/02/alphacode-solution.png?resize=521,400 521w, /wp-content/uploads/2022/02/alphacode-solution.png?resize=400,307 400w, /wp-content/uploads/2022/02/alphacode-solution.png?resize=738,567 738w, /wp-content/uploads/2022/02/alphacode-solution.png?resize=469,360 469w, /wp-content/uploads/2022/02/alphacode-solution.png?resize=80,60 80w, /wp-content/uploads/2022/02/alphacode-solution.png?resize=220,169 220w, /wp-content/uploads/2022/02/alphacode-solution.png?resize=224,172 224w, /wp-content/uploads/2022/02/alphacode-solution.png?resize=163,125 163w, /wp-content/uploads/2022/02/alphacode-solution.png?resize=125,96 125w, /wp-content/uploads/2022/02/alphacode-solution.png?resize=78,60 78w, /wp-content/uploads/2022/02/alphacode-solution.png?resize=719,552 719w, /wp-content/uploads/2022/02/alphacode-solution.png?resize=478,367 478w, /wp-content/uploads/2022/02/alphacode-solution.png?resize=50,38 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-469632\" class=\"wp-caption-text\">画像クレジット:DeepMind</p></div>\n<p>(DeepMindへのメモ:SVGはこのような図には厄介なフォーマットだ。)</p>\n<p>ご覧のとおり、これは賢いソリューションだが、エンタープライズ向けSaaS級のものではない。心配無用、それはもっと先の話だ。今は、このモデルが複雑に書かれた課題を一度に解析して理解し、ほとんどの場合、首尾一貫した実行可能な回答を生み出すことができると示すだけで十分だ。</p>\n<p>DeepMindチームはこう書いている。「コード生成に関する私たちの探求には改善の余地が大きく残されており、将来はプログラマーの生産性を向上させ、現在コードを書いていない人々にもこの分野を開くことができるような、よりエキサイティングなアイデアを示唆しています」。最後の部分は、筆者に当てはまる。もしAlphaCodeがCSSでレスポンシブレイアウトを変更できるなら、私よりもよほど優れている。</p>\n<p>こちらの<a target=\"_blank\" href=\"https://alphacode.deepmind.com/\" rel=\"noopener\">デモサイト</a>では、AlphaCodeがどのように構築されたのか、また、さまざまな問題に対するAlphaCodeの解決策をより詳しく見ることができる。</p>\n<p><small>画像クレジット:<a target=\"_blank\" href=\"https://www.gettyimages.com/search/photographer?family=editorial&amp;photographer=Bloomberg\" rel=\"noopener\">Krisztian Bocsi/Bloomberg</a> / Getty Images</small></p>\n<p>[原文へ]</p>\n<p>(文:Devin Coldewey、翻訳:Aya Nakazato)</p>\n",
        "authorId": 176261049,
        "featuredMediaUrl": "/wp-content/uploads/2022/02/gettyimages-655977302.jpeg",
        "author": {
          "id": 176261049,
          "slug": "katsuyukiyasui",
          "name": "katsuyukiyasui",
          "description": ""
        },
        "categories": [
          {
            "postId": 469630,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 469630,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 469630,
            "tagId": 210341831,
            "tag": {
              "id": 210341831,
              "slug": "deepmind",
              "name": "DeepMind(企業)",
              "description": "Googleの親会社Alphabetの傘下にある英国のAI技術企業。"
            }
          },
          {
            "postId": 469630,
            "tagId": 362823203,
            "tag": {
              "id": 362823203,
              "slug": "alphabet",
              "name": "Alphabet / アルファベット(企業)",
              "description": "Alphabetは、2015年にGoogleおよびグループ企業の持株会社として設立された企業。"
            }
          },
          {
            "postId": 469630,
            "tagId": 366270974,
            "tag": {
              "id": 366270974,
              "slug": "programming",
              "name": "プログラミング(用語)",
              "description": "プログラミングに関連する記事一覧"
            }
          },
          {
            "postId": 469630,
            "tagId": 692512009,
            "tag": {
              "id": 692512009,
              "slug": "competitive-programming",
              "name": "競技プログラミング / 競プロ",
              "description": ""
            }
          },
          {
            "postId": 469630,
            "tagId": 692517143,
            "tag": {
              "id": 692517143,
              "slug": "alphacode",
              "name": "AlphaCode(製品・サービス)",
              "description": "任意の問題を解決するためにコードを書くことができるDeepMindのAI。"
            }
          }
        ]
      }
    },
    {
      "postId": 469256,
      "categoryId": 366275726,
      "post": {
        "id": 469256,
        "slug": "leapmind-edge-ai-image-processing",
        "createdAt": "2022-02-01T05:47:59.000Z",
        "updatedAt": "2022-02-01T05:47:59.000Z",
        "title": "LeapMind、エッジデバイス上でのリアルタイム動作と高画質を両立させた高精細AI画像処理モデル発表",
        "content": "<p>ハードウェアとソフトウェアの両面で機械学習技術の開発を行う<a target=\"_blank\" href=\"https://leapmind.io/\" rel=\"noopener\">LeapMind</a>(リープマインド)は1月31日、エッジデバイス上でリアルタイムで動作し、ノイズ除去によりスマートフォンレベルの高画質を実現したAI画像処理モデルを発表した。これまでエッジデバイスで挙げられてきた性能面と画質面の課題を同時に解決し、高性能・高画質・軽量化を実現するものとなった。</p>\n<p>エッジデバイスでは、計算コストの高いAIによる画像処理は、リアルタイム動作が困難であるとされてきた。またAI画像処理においては、アナログ信号をデジタル化する際の精度を示す量子ビット数を小さくすると画質が低下するとされてきた。しかしLeapMindは、同社独自の「極小量子化」技術と、超低消費電力AI推論アクセラレータIP「<a target=\"_blank\" href=\"https://leapmind.io/business/ip/\" rel=\"noopener\">Efficiera</a>」(エフィシエラ)を組み合わせることで、動画カメラのリアルタイム動作を可能にし、「Pixel embedding」(ピクセル・エンベッディング)技術で高画質化を実現させた。</p>\n<p><span class=\"embed-youtube\" style=\"text-align:center; display: block;\"><iframe loading=\"lazy\" class=\"youtube-player\" width=\"640\" height=\"360\" src=\"https://www.youtube.com/embed/udliNii-FxI?version=3&#038;rel=1&#038;showsearch=0&#038;showinfo=1&#038;iv_load_policy=1&#038;fs=1&#038;hl=en-US&#038;autohide=2&#038;wmode=transparent\" allowfullscreen=\"true\" style=\"border:0;\" sandbox=\"allow-scripts allow-same-origin allow-popups allow-presentation\"></iframe></span></p>\n<p>これにより、高価な高感度センサーや大型レンズを使わずとも、32bit浮動小数点モデルと同等の画質が得られるようになった。監視カメラや検査用カメラなど産業用カメラを高画質化できるため、物体認識や検査の精度が向上する。LeapMind取締役CTOの徳永拓之氏は、「低ビット量子化モデルによるAI画像処理技術の製品化は我々が調べる限りでは世界初です」と話す。</p>\n<p><img loading=\"lazy\" class=\"aligncenter size-full wp-image-469261\" src=\"/wp-content/uploads/2022/02/sub3.png\" alt=\"\" width=\"512\" height=\"114\" srcset=\"/wp-content/uploads/2022/02/sub3.png 512w, /wp-content/uploads/2022/02/sub3.png?resize=300,67 300w, /wp-content/uploads/2022/02/sub3.png?resize=400,89 400w, /wp-content/uploads/2022/02/sub3.png?resize=220,49 220w, /wp-content/uploads/2022/02/sub3.png?resize=281,63 281w, /wp-content/uploads/2022/02/sub3.png?resize=250,56 250w, /wp-content/uploads/2022/02/sub3.png?resize=125,28 125w, /wp-content/uploads/2022/02/sub3.png?resize=50,11 50w\" sizes=\"(max-width: 512px) 100vw, 512px\" /></p>\n<p>LeapMindはこのモデルの特徴を、Raw-to-rawによるノイズの低減と既存画像処理パイプラインへの影響の最小化、ディープラーニングベースのノイズ低減処理、センサー固有のノイズ再学習で最適化が行える学習済みモデルの提供、リアルタイム動作可能な軽量処理としている。</p>\n<div id=\"attachment_469259\" style=\"width: 810px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-469259\" loading=\"lazy\" class=\"wp-image-469259 size-full\" src=\"/wp-content/uploads/2022/02/sub1.png\" alt=\"入力画像。左:ISO51200、1/800sec, F4.0で撮影。右:ISO102400、1/320sec、F8.0で撮影\" width=\"800\" height=\"320\" srcset=\"/wp-content/uploads/2022/02/sub1.png 800w, /wp-content/uploads/2022/02/sub1.png?resize=300,120 300w, /wp-content/uploads/2022/02/sub1.png?resize=768,307 768w, /wp-content/uploads/2022/02/sub1.png?resize=400,160 400w, /wp-content/uploads/2022/02/sub1.png?resize=738,295 738w, /wp-content/uploads/2022/02/sub1.png?resize=640,256 640w, /wp-content/uploads/2022/02/sub1.png?resize=220,88 220w, /wp-content/uploads/2022/02/sub1.png?resize=281,112 281w, /wp-content/uploads/2022/02/sub1.png?resize=250,100 250w, /wp-content/uploads/2022/02/sub1.png?resize=125,50 125w, /wp-content/uploads/2022/02/sub1.png?resize=600,240 600w, /wp-content/uploads/2022/02/sub1.png?resize=50,20 50w\" sizes=\"(max-width: 800px) 100vw, 800px\" /><p id=\"caption-attachment-469259\" class=\"wp-caption-text\">入力画像。左:ISO51200、1/800sec, F4.0で撮影。右:ISO102400、1/320sec、F8.0で撮影</p></div>\n<div id=\"attachment_469260\" style=\"width: 810px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-469260\" loading=\"lazy\" class=\"wp-image-469260 size-full\" src=\"/wp-content/uploads/2022/02/sub2.png\" alt=\"出力画像:32bit浮動小数点モデルの出力\" width=\"800\" height=\"320\" srcset=\"/wp-content/uploads/2022/02/sub2.png 800w, /wp-content/uploads/2022/02/sub2.png?resize=300,120 300w, /wp-content/uploads/2022/02/sub2.png?resize=768,307 768w, /wp-content/uploads/2022/02/sub2.png?resize=400,160 400w, /wp-content/uploads/2022/02/sub2.png?resize=738,295 738w, /wp-content/uploads/2022/02/sub2.png?resize=640,256 640w, /wp-content/uploads/2022/02/sub2.png?resize=220,88 220w, /wp-content/uploads/2022/02/sub2.png?resize=281,112 281w, /wp-content/uploads/2022/02/sub2.png?resize=250,100 250w, /wp-content/uploads/2022/02/sub2.png?resize=125,50 125w, /wp-content/uploads/2022/02/sub2.png?resize=600,240 600w, /wp-content/uploads/2022/02/sub2.png?resize=50,20 50w\" sizes=\"(max-width: 800px) 100vw, 800px\" /><p id=\"caption-attachment-469260\" class=\"wp-caption-text\">出力画像:32bit浮動小数点モデルの出力</p></div>\n<div id=\"attachment_469258\" style=\"width: 810px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-469258\" loading=\"lazy\" class=\"wp-image-469258 size-full\" src=\"/wp-content/uploads/2022/02/main.png\" alt=\"出力画像:LeapMindの極小量子化モデルの出力\" width=\"800\" height=\"320\" srcset=\"/wp-content/uploads/2022/02/main.png 800w, /wp-content/uploads/2022/02/main.png?resize=300,120 300w, /wp-content/uploads/2022/02/main.png?resize=768,307 768w, /wp-content/uploads/2022/02/main.png?resize=400,160 400w, /wp-content/uploads/2022/02/main.png?resize=738,295 738w, /wp-content/uploads/2022/02/main.png?resize=640,256 640w, /wp-content/uploads/2022/02/main.png?resize=220,88 220w, /wp-content/uploads/2022/02/main.png?resize=281,112 281w, /wp-content/uploads/2022/02/main.png?resize=250,100 250w, /wp-content/uploads/2022/02/main.png?resize=125,50 125w, /wp-content/uploads/2022/02/main.png?resize=600,240 600w, /wp-content/uploads/2022/02/main.png?resize=50,20 50w\" sizes=\"(max-width: 800px) 100vw, 800px\" /><p id=\"caption-attachment-469258\" class=\"wp-caption-text\">出力画像:LeapMindの極小量子化モデルの出力</p></div>\n<p>&nbsp;</p>\n",
        "authorId": 136751393,
        "featuredMediaUrl": "/wp-content/uploads/2022/02/2022-02-01-007-index.jpg",
        "author": {
          "id": 136751393,
          "slug": "tetsuokanai",
          "name": "tetsuokanai",
          "description": ""
        },
        "categories": [
          {
            "postId": 469256,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 469256,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 469256,
            "tagId": 366272173,
            "tag": {
              "id": 366272173,
              "slug": "leapmind",
              "name": "LeapMind(企業)",
              "description": ""
            }
          },
          {
            "postId": 469256,
            "tagId": 366273763,
            "tag": {
              "id": 366273763,
              "slug": "mage-processing",
              "name": "画像処理(用語)",
              "description": "画像処理に関する記事一覧"
            }
          },
          {
            "postId": 469256,
            "tagId": 366278457,
            "tag": {
              "id": 366278457,
              "slug": "edge-computing",
              "name": "エッジコンピューティング(用語)",
              "description": "利用者やデバイスと物理的に近い場所に処理装置を配置し、ネットワークの端点でデータ処理を行う技術。"
            }
          }
        ]
      }
    },
    {
      "postId": 469051,
      "categoryId": 366275726,
      "post": {
        "id": 469051,
        "slug": "2022-01-11-mostly-ai-raises-25-million-to-further-commercialize-synthetic-data-in-europe-and-the-u-s",
        "createdAt": "2022-01-31T02:45:49.000Z",
        "updatedAt": "2022-01-31T02:30:00.000Z",
        "title": "分析や開発にも使えるリアルさを持つ合成データをAIで作り出すMOSTLY AIが約28.6億円調達",
        "content": "<p>オーストリアの合成データデータスタートアップである<a target=\"_blank\" href=\"https://mostly.ai/\" rel=\"noopener\">MOSTLY AI</a>(モーストリー・エーアイ)は米国時間1月11日、シリーズBラウンドで2500万ドル(約28億6000万円)を調達したことを発表した。英国のVCファーム<a target=\"_blank\" href=\"https://www.moltenventures.com/\" rel=\"noopener\">Molten Ventures</a>(モルテン・ベンチャーズ)がこのオペレーションを主導し、<a target=\"_blank\" href=\"https://www.citi.com/ventures/\" rel=\"noopener\">新たな投資家であるCiti Ventures</a>(シティ・ベンチャーズ)が参加した。既存の投資家には、ミュンヘンの<a target=\"_blank\" href=\"https://www.42cap.com/\" rel=\"noopener\">42CAP</a>(42キャップ)と、MOSTLY AIの2020年の<a target=\"_blank\" href=\"https://www.finsmes.com/2020/03/mostly-ai-raises-5m-in-series-a-funding.html\" rel=\"noopener\">500万ドル(約5億2700万円)のシリーズAラウンド</a>を主導したベルリンの<a target=\"_blank\" href=\"https://earlybird.com/\" rel=\"noopener\">Earlybird</a>(アーリーバード)が名を連ねている。</p>\n<p>合成データ(シンセティックデータ)はフェイクデータであるが、ランダムではない。MOSTLY AIは人工知能を利用して、顧客のデータベースに対する高い忠実度を達成する。同社によると、そのデータセットは「企業の元の顧客データと同じくらいリアルに見え、そこには多くの詳細情報が含まれているが、元の個人データポイントは存在しない」という。</p>\n<p>MOSTLY AIのCEOである<a target=\"_blank\" href=\"https://www.linkedin.com/in/tobiashann/\" rel=\"noopener\">Tobias Hann</a>(トビアス・ハン)氏はTechCrunchに対して、調達した資金について、プロダクトの限界の拡張、チームの成長、そして欧州と米国での顧客獲得に活用する計画であると語った。米国ではすでにニューヨーク市にオフィスを構えている。</p>\n<p>MOSTLY AIは2017年にウィーンで設立され、その1年後にEU全域で一般データ保護規則(GDPR)が施行された。プライバシー保護ソリューションに対するこうした需要と、それに付随する機械学習の台頭は、合成データに向けて大きな勢いを生み出している。<a target=\"_blank\" href=\"https://blogs.gartner.com/andrew_white/2021/07/24/by-2024-60-of-the-data-used-for-the-development-of-ai-and-analytics-projects-will-be-synthetically-generated/\" rel=\"noopener\">Gartner</a>(ガートナー)の予測では、2024年までに、AIおよびアナリティクスプロジェクトの開発に使用されるデータの60%が合成的に生成されるようになるという。</p>\n<p>MOSTLY AIの主な顧客は、Fortune 100(フォーチュン100)に名を連ねる銀行や保険会社、通信事業者などである。これら3つの高度に規制されたセクターは、ヘルスケアと並んで、シンセティック表形式データに対する需要の大部分を牽引している。</p>\n<p>競合他社とは異なり、MOSTLY AIはこれまでヘルスケアに主力を置いていなかったが、それも変わる可能性がある。「ヘルスケアは確かに私たちが注視しているものです。実際、2022年はいくつかのパイロットプロジェクトの開始を予定しています」とCEOは話す。</p>\n<p>AIの民主化は、合成データがいずれはFortune 100企業の枠を超えて使われるようになることを意味する、とハン氏はTechCrunchに語っている。したがって、同氏の会社は今後、より小規模な組織や、さらに幅広いセクターに向けてサービスを提供する計画である。だがこれまでの取り組みにおいて、MOSTLY AIがエンタープライズレベルのクライアントに注力することは理にかなうものであった。</p>\n<p>現在のところ、合成データを扱うための予算、ニーズ、高度な技術を有しているのはエンタープライズ企業であるとハン氏は語る。その期待に適合するために、MOSTLY AIは<a target=\"_blank\" href=\"https://mostly.ai/news/first-synthetic-data-company-with-iso-certification/\" rel=\"noopener\">ISO認証</a>を取得した。</p>\n<p>ハン氏と話をする中で、明確になったことが1つある。同スタートアップは確かな技術的基盤を備える一方で、その技術の商業化と、自社がクライアントに提供し得る付加的なビジネス価値にも等しく労力を注ぎ込んでいる。「MOSTLY AIは、顧客デプロイメントと専門知識の両面で、この新興の急成長領域をリードしています」とMolten Venturesの投資ディレクターであるChristoph Hornung(クリストフ・ホルヌング)氏は述べている。</p>\n<p>GDPRやCCPA(カリフォルニア州消費者プライバシー法)などのプライバシー法を遵守する必要性は、明らかに合成データに対する需要を促進するが、それだけが効果を現す要因ではない。例えば、欧州の需要は、より広い文化的コンテクストによっても牽引される。一方、米国では、それはイノベーションの追求からも生じる。そのユースケースとして、アドバンストアナリティクス、予測アルゴリズム、不正検出、プライシングモデルなどが挙げられるが、そこには特定のユーザーに遡ることのできるデータを含まない、という要素が求められる。</p>\n<p>「多くの企業がこの領域に積極的にアプローチしているのは、顧客のプライバシー重視を理解しているからです」とハン氏。「これらの企業は、プライバシーを保護する方法でデータの処理と取り扱いを行う場合、競争上の優位性も得られることを認識しています」。</p>\n<p>より多くの米国企業が革新的な手法における合成データの採用を求めている様相は、MOSTLY AIが米国でのチームの成長を目指す主要な理由となっている。一方で、同社はウィーン勤務とリモート採用の両方でより一般的な人材開拓も進めている。年末までに人員を35人から65人に増やす計画である。</p>\n<p>ハン氏は、2022年は「合成データが軌道に乗る年」であり、その先は「合成データにとって実に堅調な10年」になると予想している。これは、AIの公平性や説明可能性といった重要な概念を中心に、責任あるAIに対する需要が高まっていることに支えられるであろう。合成データはこれらの課題の解決に貢献する。「合成データは、エンタープライズが自らのデータセットを増強し、バイアスを取り除くことを可能にします」とハン氏は語る。</p>\n<p>機械学習を別にして、合成データはソフトウェアテストに活用されるポテンシャルが十分にあるとMOSTLY AIは考えている。これらのユースケースのサポートには、データサイエンティストだけではなく、ソフトウェアエンジニアや品質テスターも合成データにアクセスできるようにする必要がある。MOSTLY AIが数カ月前に同社のプラットフォームのバージョン2.0をリリースしたことは、彼らのことを考慮したものである。「MOSTLY AI 2.0はオンプレミスでもプライベートクラウドでも実装でき、それを使用する企業のさまざまなデータ構造に適応できる」と同社は当時<a target=\"_blank\" href=\"https://www.globenewswire.com/news-release/2021/11/02/2325471/0/en/MOSTLY-AI-First-to-Bring-Synthetic-Data-to-Software-Testing.html\" rel=\"noopener\">記している</a>。</p>\n<p>「当社は明らかにB2Bソフトウェアインフラ企業です」とハン氏は語る。シリーズAとBの両ラウンドで、同社はそのアプローチを理解する投資家を探し求めた。</p>\n<p>筆者の質問に対してハン氏は、<a target=\"_blank\" href=\"https://techcrunch.com/2021/08/03/why-draper-esprit-doubled-down-on-its-status-as-a-publicly-listed-vc/\" rel=\"noopener\">Molten Venturesは上場しているVCであり、通常の資金調達サイクルに縛られない</a>こともかなりの重みがあることを認めている。「パートナーからこのような長期的なコミットメントを得られることは、私たちにとって非常に魅力的でした」。</p>\n<p>Citi VenturesはCitigroup(シティグループ)のベンチャー部門であり、米国に本部を置いている。「当社は米国内のチームを大幅に拡大しており、米国内のネットワークや関係を支援可能な米国拠点の投資家を持つことは、あらゆる側面で大きな意義があります」とハン氏は語っている。</p>\n<p>新たに2500万ドルの資金を調達し、米国でのプレゼンスを強化することで、MOSTLY AIは今後、合成データ領域の自社のセグメントで他の企業と競争するためのより多くのリソースを手にすることになる。そうした企業には、<a target=\"_blank\" href=\"/2021/10/01/2021-09-29-tonic-ai-raises-35m-series-b-to-help-engineers-create-synthetic-data-sets/\" rel=\"noopener\">2021年9月にシリーズBで3500万ドル</a>(約40億1000万円)を調達した<a target=\"_blank\" href=\"https://www.tonic.ai/\" rel=\"noopener\">Tonic.ai</a>(トニック・エーアイ)、同年10月に<a target=\"_blank\" href=\"https://techcrunch.com/2021/10/07/gretel-ai-raises-50m-for-a-platform-that-lets-engineers-build-and-use-synthetic-datasets-to-ensure-the-privacy-of-their-actual-data/\" rel=\"noopener\">シリーズBで5000万ドル</a>(約57億3000万円)を集めた<a target=\"_blank\" href=\"https://gretel.ai/\" rel=\"noopener\">Gretel AI</a>(グレテル・エーアイ)、<a target=\"_blank\" href=\"https://hazy.com/blog/2020/01/27/hazy-seed-plus-raise\" rel=\"noopener\">シードラウンドを行った英国のスタートアップHazy</a>(ヘイジー)の他、特定の垂直市場に特化したプレイヤーたちが含まれている。</p>\n<p>「私たちはこの領域、そして市場全般でますます多くのプレイヤーが出現しているのを目にしており、そこに多くの関心があることが確実に示されています」とハン氏は語った。</p>\n<p><small>画像クレジット:yucelyilmaz / Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/01/11/mostly-ai-raises-25-million-to-further-commercialize-synthetic-data-in-europe-and-the-u-s/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Anna Heim、翻訳:Dragonfly)</p>\n",
        "authorId": 176261049,
        "featuredMediaUrl": "/wp-content/uploads/2022/01/GettyImages-1343238867.jpeg",
        "author": {
          "id": 176261049,
          "slug": "katsuyukiyasui",
          "name": "katsuyukiyasui",
          "description": ""
        },
        "categories": [
          {
            "postId": 469051,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 469051,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 469051,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 469051,
            "tagId": 366272222,
            "tag": {
              "id": 366272222,
              "slug": "privacy",
              "name": "プライバシー(用語)",
              "description": "プライバシーに関連する記事一覧"
            }
          },
          {
            "postId": 469051,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 469051,
            "tagId": 366273099,
            "tag": {
              "id": 366273099,
              "slug": "austria",
              "name": "オーストリア(国・地域)",
              "description": "オーストリアに関する記事一覧"
            }
          },
          {
            "postId": 469051,
            "tagId": 366277846,
            "tag": {
              "id": 366277846,
              "slug": "gdpr",
              "name": "欧州一般データ保護規制 / GDPR(用語)",
              "description": "欧州一般データ保護規制 / GDPRに関する記事一覧"
            }
          },
          {
            "postId": 469051,
            "tagId": 681521971,
            "tag": {
              "id": 681521971,
              "slug": "ccpa",
              "name": "CCPA / カリフォルニア州消費者プライバシー法(用語)",
              "description": ""
            }
          },
          {
            "postId": 469051,
            "tagId": 692517081,
            "tag": {
              "id": 692517081,
              "slug": "mostly-ai",
              "name": "MOSTLY AI(企業)",
              "description": "人工知能を利用して、顧客のデータベースに対する高い忠実度を達成した合成データ(シンセティックデータ)を作成するオーストリアの企業。"
            }
          }
        ]
      }
    },
    {
      "postId": 469047,
      "categoryId": 366275726,
      "post": {
        "id": 469047,
        "slug": "2022-01-19-turing-labs-which-uses-ai-to-help-formulate-cpg-products-raises-16-5m",
        "createdAt": "2022-01-31T02:15:25.000Z",
        "updatedAt": "2022-01-31T02:05:45.000Z",
        "title": "AIでホームケア製品、食品・飲料、化粧品といった消費財の研究開発を支援するTuring Labsが約18.8億円調達",
        "content": "<p>デスクワークの従業員にとってリモートワークはいまやニューノーマルとなり、これまでに多くのテック企業がこの変化に対応した事業を急ピッチで拡大させてきた。しかしご紹介する<a target=\"_blank\" href=\"https://www.turingsaas.com/\" rel=\"noopener\">Turing Labs(チューリング・ラボ)</a>というスタートアップは、同様の課題に対応しているものの、デスクワークではなく研究所で働く人々のために取り組むという異質なものである。同社は成長にともない、今回1650万ドル(約18億8000万円)の資金調達を達成した。</p>\n<p>今回のシリーズAラウンドはInsight Partners(インサイト・パートナーズ)が主導し、これまでの支援者であるMoment Ventures(モーメント・ベンチャーズ)、Y Combinator(Turing Labsは<a target=\"_blank\" href=\"https://techcrunch.com/2020/03/05/turing-cpg-ai/\" rel=\"noopener\">2020年のコホート</a>に参加)、そして新たな個人投資家であるMedialia(メディアリア)のCEO兼共同設立者のBorge Hald(ボルヘイ・ハルド)氏も参加している。今回の調達資金は研究開発の加速、エンジニアリングチームの拡大、事業の拡大、さらなる市場開拓を図るために活用される予定だ。</p>\n<p>Turing Labsのプラットフォームは、研究所が新製品を作るプロセスを高速化するのを支援するというものである。消費財メーカーと協力し、ホームケア製品、食品・飲料、化粧品などのための新製法を考案するために、同社の技術が活用されている。AIを用いて新製品のためのさまざまな成分の組み合わせをシミュレーションし、実際の技術者が組み立てるより小さなサブセットを決定するのだが、今回の投資は採用や事業開発の他、同社独自の研究開発の継続のため活用される予定だという(プラットフォームにより多くの機能を追加することで、例えばパッケージや加工食品の代替材料などにも拡張していく予定)。</p>\n<p>Turing LabsをAjith Govind(アジト・ゴビンド)氏と共同で設立したCEOのManmit Shrimali(マンミット・シュリマーリ)氏は「当初は製法に重点を置いていましたが、現在は成分やパッケージなどデジタルでシミュレーションや最適化が可能なものであれば何でも対象としています」とインタビューの中で話しており、また研究開発のあり方の変化にもチャンスが潜んでいると伝えている。「以前はプロセスの90%が手作業でしたが、現在は90%がデジタル化されています」。</p>\n<p>また、新たなカテゴリーに進出する機会も増えているとシュリマーリ氏は話している。例えば、肉や乳製品に代わる植物由来の食品が増えていることから、まったく新しい食品をAIを活用して開発するという道が開かれているのである。</p>\n<p>Turing Labsはすでに誰もがよく知る世界最大級の消費財メーカー数社と提携しているが、その企業名は公表されていない。今後はこのリストを拡大するとともに、すでにTuringを利用している企業との連携も進めていく予定だという。</p>\n<p><a target=\"_blank\" href=\"https://techcrunch.com/2020/03/05/turing-cpg-ai/\" rel=\"noopener\">以前Turingを紹介したときにも述べた</a>のだが、CPG(消費者向け包装品)の世界において研究開発室は非常に重要な役割を果たしている。</p>\n<p>製品が最終的に生産に移されるまでに、研究室では製品が開発され、テストされ、顧客、マーケティング、予算および製造部門などからの意見を受けて調整されて、その後またテストや調整が行われ、という具合に気の遠くなるような過程がある。同社が提携している大手クライアントの1社では、テストだけで4億ドル(約455億円)近くを費やしているという。</p>\n<p>新型コロナウイルスが出現する以前から研究開発部門は大きなプレッシャーにさらされていた。予算が削減される一方で、責任を負わなければならない要求や変数の数は増えるばかりである。研究開発部門は、消費者に興味を持ってもらえるような新製品(または多くの場合、製品の増強)をスケジュール通りに生産することが求められている。膨大な量の意味不明な成分を含んだ商品については、環境や健康に関する新たな懸念から、大衆向け商品の成分をいかに簡素化し、改善するかを考えなければならなくなった。また、小規模な消費者直販ブランドが消費者の新たなテイストに合った競争力のある製品をいち早く市場に投入し、大手の競合他社を打ち負かしているのも事実である。製法の組み合わせを検討するというのは、他のすべての変数を含めて時間とコストのかかるプロセスなのである。</p>\n<p>パンデミックがこの問題をさらに複雑にし、企業は研究所などの物理的環境で過ごす時間を減らすための方法を考えなければならなくなった。</p>\n<p>こうしたさまざまな課題をAIで解決しようというのがTuring Labのアプローチである。複雑な計算を機械が代わりに行い、人間のチームが行うよりも速く処理するというようなよくあるアプローチとは異なり、同社はそのコンセプトを製品の製造や改良面に適用してステップを削減することにより、技術者が行うべきことを最小限にしようとしているのだ。理論的には、これによって人間が新しいイノベーションに集中することができるようになるのだが、他のAIイノベーションと同様、Turing Labsのプラットフォームが最終的にどの程度賢くなり、技術者を全プロセスから完全に切り離すことができるようになるか否かはまだ誰も知る由もない。</p>\n<p>Insight PartnersのマネージングディレクターであるJosh Fredberg(ジョシュ・フレッドバーグ)氏は「原材料の内容を含む消費者の嗜好が急速に変化していることに加え、競争力のある独立系ブランドが多く出現していることから、CPG企業は新製品をより早く開発し、既存のポートフォリオを進化させる必要に迫られています」と声明中で伝えている。「Turing Labsは開発プロセスを自動化して結果を予測することを可能にし、CPG企業が革新的な製品をより早く市場に投入できるよう支援します。Turing LabsはCPGの組織全体で市場発見と製品開発をシステム化、高速化する能力を持っており、その能力は業界でも傑出しています。Turing Labsのチームが成長を続ける中で、ともに協力していけることを楽しみにしています」。</p>\n<p><small>画像クレジット:Luis Ascui / Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/01/19/turing-labs-which-uses-ai-to-help-formulate-cpg-products-raises-16-5m/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Ingrid Lunden、翻訳:Dragonfly)</p>\n",
        "authorId": 176261049,
        "featuredMediaUrl": "/wp-content/uploads/2022/01/GettyImages-519742134.jpeg",
        "author": {
          "id": 176261049,
          "slug": "katsuyukiyasui",
          "name": "katsuyukiyasui",
          "description": ""
        },
        "categories": [
          {
            "postId": 469047,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 469047,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 469047,
            "tagId": 26024,
            "tag": {
              "id": 26024,
              "slug": "rd",
              "name": "研究開発 / R&amp;D(用語)",
              "description": "研究開発 / R&amp;Dに関する記事一覧"
            }
          },
          {
            "postId": 469047,
            "tagId": 33663,
            "tag": {
              "id": 33663,
              "slug": "consumer",
              "name": "コンシューマー / コンシューマープロダクト / 消費財(用語)",
              "description": "コンシューマー / コンシューマープロダクト / 消費財に関する記事一覧"
            }
          },
          {
            "postId": 469047,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 469047,
            "tagId": 692517080,
            "tag": {
              "id": 692517080,
              "slug": "turing-labs",
              "name": "Turing Labs(企業・サービス)",
              "description": "消費財メーカーと協力し、ホームケア製品、食品・飲料、化粧品などのための新製法を考案、研究所が新製品を作るプロセスを高速化するのを支援するプラットフォーム、それを提供する企業。"
            }
          }
        ]
      }
    },
    {
      "postId": 468822,
      "categoryId": 366275726,
      "post": {
        "id": 468822,
        "slug": "2022-01-27-atlassian-acquires-percept-ai",
        "createdAt": "2022-01-28T06:30:17.000Z",
        "updatedAt": "2022-01-28T06:14:25.000Z",
        "title": "アトラシアンが自然言語理解のための独自のAIエンジンを開発するPercept.AIを買収",
        "content": "<p>Atlassian(アトラシアン)は米国時間1月27日、<a target=\"_blank\" href=\"https://percept.ai/product\" rel=\"noopener\">Percept.AI</a>(パーセプトエーアイ)を買収したことを発表した。Percept.AIはY Combinator(ワイ・コンビネーター)の2017年夏のバッチに参加したAI企業で、自然言語理解のための独自のAIエンジンをベースに、自動化されたバーチャルエージェントサポートソリューション(基本的にはチャットボット)を提供する。Atlassianはこのバーチャルエージェント技術を、ITチームが従業員や顧客に対してより良いサービスを提供するためのツールである<a target=\"_blank\" href=\"https://www.atlassian.com/software/jira/service-management\" rel=\"noopener\">Jira Service Management</a>(ジラ・サービス・マネジメント)に統合する予定だ。</p>\n<p><a target=\"_blank\" href=\"https://www.crunchbase.com/organization/buddy-ai/company_overview/overview_timeline\" rel=\"noopener\">Crunchbase</a>(クランチベース)によれば、Perceptは今回の買収に先立ちシードラウンドを実施し、Hike Ventures、Builders VC、Cherubic Ventures、Amino Captial、Tribe Capital、Y Combinatorなどから金額非公開の資金を得ていた。両社は、今回の買収の金額的詳細については明らかにしていない。</p>\n<div id=\"attachment_468826\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-468826\" loading=\"lazy\" class=\"wp-image-468826 size-large\" src=\"/wp-content/uploads/2022/01/2022-01-28-14-42-30.png?w=1024\" alt=\"\" width=\"1024\" height=\"555\" srcset=\"/wp-content/uploads/2022/01/2022-01-28-14-42-30.png 3840w, /wp-content/uploads/2022/01/2022-01-28-14-42-30.png?resize=300,163 300w, /wp-content/uploads/2022/01/2022-01-28-14-42-30.png?resize=768,416 768w, /wp-content/uploads/2022/01/2022-01-28-14-42-30.png?resize=1024,555 1024w, /wp-content/uploads/2022/01/2022-01-28-14-42-30.png?resize=1536,833 1536w, /wp-content/uploads/2022/01/2022-01-28-14-42-30.png?resize=2048,1110 2048w, /wp-content/uploads/2022/01/2022-01-28-14-42-30.png?resize=738,400 738w, /wp-content/uploads/2022/01/2022-01-28-14-42-30.png?resize=400,217 400w, /wp-content/uploads/2022/01/2022-01-28-14-42-30.png?resize=640,347 640w, /wp-content/uploads/2022/01/2022-01-28-14-42-30.png?resize=220,119 220w, /wp-content/uploads/2022/01/2022-01-28-14-42-30.png?resize=281,152 281w, /wp-content/uploads/2022/01/2022-01-28-14-42-30.png?resize=231,125 231w, /wp-content/uploads/2022/01/2022-01-28-14-42-30.png?resize=125,68 125w, /wp-content/uploads/2022/01/2022-01-28-14-42-30.png?resize=111,60 111w, /wp-content/uploads/2022/01/2022-01-28-14-42-30.png?resize=1018,552 1018w, /wp-content/uploads/2022/01/2022-01-28-14-42-30.png?resize=600,325 600w, /wp-content/uploads/2022/01/2022-01-28-14-42-30.png?resize=50,27 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-468826\" class=\"wp-caption-text\">画像クレジット:Atlassian</p></div>\n<p>AtlassianがJira Service Managementに多大な投資をしていることは間違いない。2020年には、企業のアセット管理を行う<a target=\"_blank\" href=\"/2020/08/01/2020-07-30-atlassian-acquires-asset-management-company-mindville/\" rel=\"noopener\">Mindville</a>(マインドビル)に加えて、Slack(スラック)ファーストのヘルプデスクチケッティングサービスを提供する<a target=\"_blank\" href=\"/2020/05/15/2020-05-12-atlassian-acquires-halp-to-bring-slack-integration-to-the-forefront/\" rel=\"noopener\">Halp(ヘルプ)を買収した</a>。また2021年にはAtlassianは、Jira Service Managementを強化するために、ノーコード / ローコードのフォームビルダーである<a target=\"_blank\" href=\"https://techcrunch.com/2021/04/19/atlassian-acquires-thinktilt/\" rel=\"noopener\">ThinkTilt(シンクティルト)を買収した</a>(これは、近年のJiraエコシステムに関する数多くの買収に続くものだ)。</p>\n<p>AtlassianのIT ソリューション製品責任者である Edwin Wong(エドウィン・ウォン)氏は、サービスを拡大するためには買収だけに賭けているわけではないと語った。</p>\n<p>「無機質な投資を行うだけではありません。私たちが行ってきたことは有機的に統合されているのです」とウォン氏はいう。「何かを買ってきて接続するだけではなく、もっと考え抜かれた戦略が必要です。何がフィットするかを考え、これまでに作られたものの上に構築して、1つの製品として統一された体験を生み出すのです。ですから『6つの異なるものを用意しました』と差し出して、お客様に『これらをまとめるには何が必要なのだろうか?』と考えていただく必要はありません。私たちが目指しているのは統合された体験を生み出すことなのです」。</p>\n<div id=\"attachment_468828\" style=\"width: 309px\" class=\"wp-caption alignright\"><img aria-describedby=\"caption-attachment-468828\" loading=\"lazy\" class=\"wp-image-468828 size-large\" src=\"/wp-content/uploads/2022/01/2022-01-28-14-42-34.png?w=299\" alt=\"\" width=\"299\" height=\"160\" srcset=\"/wp-content/uploads/2022/01/2022-01-28-14-42-34.png 299w, /wp-content/uploads/2022/01/2022-01-28-14-42-34.png?resize=220,118 220w, /wp-content/uploads/2022/01/2022-01-28-14-42-34.png?resize=281,150 281w, /wp-content/uploads/2022/01/2022-01-28-14-42-34.png?resize=234,125 234w, /wp-content/uploads/2022/01/2022-01-28-14-42-34.png?resize=125,67 125w, /wp-content/uploads/2022/01/2022-01-28-14-42-34.png?resize=112,60 112w, /wp-content/uploads/2022/01/2022-01-28-14-42-34.png?resize=50,27 50w\" sizes=\"(max-width: 299px) 100vw, 299px\" /><p id=\"caption-attachment-468828\" class=\"wp-caption-text\">画像クレジット:Atlassian</p></div>\n<p>しかし、ITチームは、パンデミックの厳しい影響下でも、これまで以上に優れた顧客サービスを提供しなければならないというプレッシャーにさらされていることは間違いない。いまや企業顧客であっても一般消費者のような体験を求めているからだ。理想的にいけは、Percept.aiのような製品は、サポート質問の大部分を処理しつつユーザーにすばらしい体験を提供し、ITチームがより複雑なタスクに集中できるようにすることができるだろう。</p>\n<p>それがJira Service Managementのような製品の目標であり、ウォン氏が述べたように、このサービスは現在、ほぼすべての業界から3万5000以上の顧客を集めている。</p>\n<p>ウォン氏は、チームがPerceptに惹かれた理由として、サポートクエリの背後にある多くの文脈を理解できるエンジンの能力を挙げている。エンジンは内容、意図、感情を分析し、ユーザーのプロファイルと組み合わせて、パーソナライズされた応答を提供することができる。バーチャルエージェントが応答の限界に達すると、自動的に人間にインタラクションを移行する。チームは、ノーコードツールを使ってサービスの設定や調整を行うことができるが、これもPerceptがアトラシアンにとって魅力的である機能の1つだ。</p>\n<p>今後その技術を、Jira Service Managementの中にネイティブに統合していく予定だ。一方、Atlassianはこのサービスの機能を拡張することも計画している。</p>\n<p>「もう少し先を見据えた私たちのより広いビジョンは、あらゆる形態のサポートやサービスデスクのための統一プラットフォームを作ることです。それが私たちの究極の目標なのです」とウォン氏は説明する。「私たちは、そうした拡張が本当にさまざまな種類の製品、さまざまな機能をカバーすると信じています。例えばConfluence(コンフルエンス、JiraのWiki)スペースやそこに書かれた記事の知識を利用して、さまざまな質問に答えることはできないでしょうか?例えばTrello(トレロ、タスク管理)ボードなどの情報を利用することはできないのでしょうか?今回の買収はもちろん、お客様に優れたエクスペリエンスを提供するという、Atlassian全体のより広範な長期的ビジョンの一環なのです」。</p>\n<p>今回の買収は短期間で行われたため(ウォン氏によると、両社は2021年末に話を始めたとのこと)、Percept.AIの既存顧客が今後どうなるかはまだわかっていない。</p>\n<p>関連記事:<a target=\"_blank\" href=\"/2020/05/15/2020-05-12-atlassian-acquires-halp-to-bring-slack-integration-to-the-forefront/\" rel=\"noopener\">AtlassianがHalpを買収、JiraやConfluenceとの統合を進める</a></p>\n<p><small>画像クレジット:Peter Dazeley/Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/01/27/atlassian-acquires-percept-ai/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Frederic Lardinois、翻訳:sako)</p>\n",
        "authorId": 10108719,
        "featuredMediaUrl": "/wp-content/uploads/2022/01/GettyImages-156727869.jpg",
        "author": {
          "id": 10108719,
          "slug": "ardbeg1958",
          "name": "sako",
          "description": "Software Engineering Consultant, Technical Translator, and Whisky Lover."
        },
        "categories": [
          {
            "postId": 468822,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 468822,
            "tagId": 250223,
            "tag": {
              "id": 250223,
              "slug": "jira",
              "name": "Jira(製品・サービス)",
              "description": "Atlassianが提供するディベロッパー向けの課題管理サービス。"
            }
          },
          {
            "postId": 468822,
            "tagId": 445398,
            "tag": {
              "id": 445398,
              "slug": "atlassian",
              "name": "Atlassian / アトラシアン(企業)",
              "description": "シドニーに本社を置くソフトウェア企業。課題管理システムの「JIRA」などソフトウェア開発者を対象とした法人向けソフトウェアを開発する。2017年1月にはタスク管理サービスの「Trello」を買収した。"
            }
          },
          {
            "postId": 468822,
            "tagId": 10731863,
            "tag": {
              "id": 10731863,
              "slug": "merger-and-acquisition",
              "name": "買収 / 合併 / M&A(用語)",
              "description": "買収と合併(M&amp;A)に関連する記事一覧"
            }
          },
          {
            "postId": 468822,
            "tagId": 366272533,
            "tag": {
              "id": 366272533,
              "slug": "natural-language-processing",
              "name": "自然言語処理 / NLP(用語)",
              "description": "自然言語処理に関連する記事一覧"
            }
          },
          {
            "postId": 468822,
            "tagId": 366276146,
            "tag": {
              "id": 366276146,
              "slug": "chatbot",
              "name": "チャットボット(用語)",
              "description": "チャットボットに関する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 468707,
      "categoryId": 366275726,
      "post": {
        "id": 468707,
        "slug": "2022-01-26-pimoc-seed-expansion",
        "createdAt": "2022-01-28T02:00:27.000Z",
        "updatedAt": "2022-01-28T01:27:01.000Z",
        "title": "AIが自動で動画内の顔やナンバープレートにぼかし加工し匿名化、プライバシーを保護するビデオツールのPimlocが約8.7億円調達",
        "content": "<p>英国のコンピュータービジョン関連のスタートアップである<a target=\"_blank\" href=\"https://www.pimloc.com/\" rel=\"noopener\">Pimloc</a>(ピムロク)は、動画の匿名化を迅速に行うAIサービスを販売するために、顔やナンバープレートのぼかしを自動化したり、その他の一連のビジュアル検索サービスを提供したりするなど、事業内容を強化してきた。同社は今回、新たに750万ドル(約8億7000万円)のシード資金を調達したと発表。このラウンドはZetta Venture Partners(ゼッタ・ベンチャー・パートナーズ)が主導し、既存投資家のAmadeus Capital Partners(アマデウス・キャピタル・パートナーズ)とSpeedinvest(スピードインベスト)が参加した。</p>\n<p>このスタートアップ企業は、<a target=\"_blank\" href=\"https://techcrunch.com/2020/10/19/pimloc-gets-1-8m-for-its-ai-based-visual-search-and-redaction-tool/\" rel=\"noopener\">2020年10月</a>にも180万ドル(約2億1000万円)のシード資金を調達しているが、今回の資金は欧州と米国での事業拡大と、データ法制の広がりや生体認証のプライバシーリスクに関する世論の高まりへの対応に使用されるという。後者に関しては、一例として顔認識技術の<a target=\"_blank\" href=\"/2021/02/04/2021-02-03-clearview-ai-ruled-illegal-by-canadian-privacy-authorities/\" rel=\"noopener\">Clearview AI</a>(クリアビューAI)に対するプライバシー面からの反発などを挙げている。</p>\n<p>Pimlocは営業、マーケティング、研究開発チームを強化するとともに、動画のプライバシーとコンプライアンスに焦点を当てた製品ロードマップの拡大のために、この資金を投じると述べている。</p>\n<p>同社が狙うビジネスニーズは、小売業、倉庫業、工場などの業界で、安全性や効率性を高めるためにビジュアルAIの利用が拡大していることに焦点を当てている。</p>\n<p>しかし、AIを活用した職場の監視ツールの増加は、労働者のプライバシーリスクを生み、リモートでの生体認証を導入する企業にとっては、これが法的リスクや風評被害の原因となる可能性がある。</p>\n<p>そこでPimlocは、AIがプライバシーのために機能する第三の方法を提案している。それは「生産効率を高めるために使われるビジュアルデータを匿名化し、労働者のプライバシーを優先するために役立てる」というものだ。これについて、企業と協議しているという。</p>\n<p>Pimlocによると、同社の「Secure Redact(セキュア・リダクト)」は、SaaSとしてまたはAPIやコンテナを介して販売されており、現地のビデオワークフローやシステムに統合することができる。この製品は、データプライバシー規制(欧州の一般データ保護規則やカリフォルニア州の消費者プライバシー法など)に準拠したビデオ証拠を提供しなければならない団体で、すでに使用されているという。</p>\n<p>Pimlocは、顧客数を明らかにしなかったものの、CEOのSimon Randall(サイモン・ランドール)氏はTechCrunchに次のように語った。「欧州と米国を中心に輸送、製造、教育、健康、自動走行車、施設管理、法執行機関など、さまざまな分野で多くのユーザーにご利用いただいています。興味深いのは、そのすべてが同じニーズを持っているということです。つまり、CCTVでも、ダッシュボードでも、装着式カメラの映像でも、いずれもデータプライバシーやコンプライアンスのために映像の匿名化を必要としているのです」。</p>\n<p><small>画像クレジット:Pimloc</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/01/26/pimoc-seed-expansion/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Natasha Lomas、翻訳:Hirokazu Kusakabe)</p>\n",
        "authorId": 191889557,
        "featuredMediaUrl": "/wp-content/uploads/2022/01/Screenshot-2022-01-26-at-18.25.45.png",
        "author": {
          "id": 191889557,
          "slug": "hkusakabe",
          "name": "Hirokazu Kusakabe",
          "description": ""
        },
        "categories": [
          {
            "postId": 468707,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 468707,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 468707,
            "tagId": 366272222,
            "tag": {
              "id": 366272222,
              "slug": "privacy",
              "name": "プライバシー(用語)",
              "description": "プライバシーに関連する記事一覧"
            }
          },
          {
            "postId": 468707,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 468707,
            "tagId": 366273612,
            "tag": {
              "id": 366273612,
              "slug": "england",
              "name": "イギリス(国・地域)",
              "description": "イギリスに関連する記事一覧"
            }
          },
          {
            "postId": 468707,
            "tagId": 366273892,
            "tag": {
              "id": 366273892,
              "slug": "video",
              "name": "動画 / ビデオ(用語)",
              "description": "動画 / ビデオに関する記事一覧"
            }
          },
          {
            "postId": 468707,
            "tagId": 366274530,
            "tag": {
              "id": 366274530,
              "slug": "computer-vision",
              "name": "コンピュータービジョン(用語)",
              "description": "コンピュータビジョンに関連する記事一覧"
            }
          },
          {
            "postId": 468707,
            "tagId": 692510639,
            "tag": {
              "id": 692510639,
              "slug": "video-editing",
              "name": "動画(ビデオ)撮影 / 動画編集 / 動画制作(用語)",
              "description": "動画(ビデオ)撮影 / 動画編集 / 動画制作に関する記事一覧"
            }
          },
          {
            "postId": 468707,
            "tagId": 692517038,
            "tag": {
              "id": 692517038,
              "slug": "pimloc",
              "name": "Pimloc(企業)",
              "description": "AIで顔やナンバープレートのぼかしを自動化したり、その他の一連のビジュアル検索サービスを提供する英国のコンピュータービジョン関連のスタートアップ。"
            }
          }
        ]
      }
    },
    {
      "postId": 468681,
      "categoryId": 366275726,
      "post": {
        "id": 468681,
        "slug": "2022-01-26-identity-verification-provider-veriff-raises-100m-series-c-co-led-by-tiger-global-and-alkeon",
        "createdAt": "2022-01-28T01:00:04.000Z",
        "updatedAt": "2022-01-28T00:37:36.000Z",
        "title": "動画を利用する本人確認サービスのVeriffがシリーズCラウンドで約115億円を調達",
        "content": "<p>本人確認サービスを提供する<a target=\"_blank\" href=\"http://veriff.com/\" rel=\"noopener\">Veriff</a>(ベリフ)は、Tiger Global(タイガー・グローバル)とAlkeon(アルケオン)が共同主導する1億ドル(約115億円)のシリーズCラウンドを実施した。既存投資家のIVPとAccel(アクセル)もこれに参加し、Veriffがこれまでに調達した資金総額は2億ドル(約230億円)に達した。今回の資金調達により、同社の企業評価額は15億ドル(約1724億円)となっている。この新たな資金は、従業員の増強、研究開発、販売およびマーケティングに使われる予定だ。</p>\n<p>エストニアを拠点とするこのスタートアップ企業の「特別なソース」は、AIによる動画を使って本人確認を行うことだ。これまで、この分野にはOnFido( オンフィド)やJumio(ジュミオ)などの大手スタートアップがサービスを提供してきたが、これらの企業は動画ではなく依然として静止画に依存している。</p>\n<p>Veriffは、この動画を用いるアプローチによって、オンライン本人確認を、物理的な対面認証よりも「より正確」にし、より多くの詐欺を防ぐことができると主張している。</p>\n<p>同社によると、2021年の確認実績は8倍以上、米国では20倍、金融サービス事業は10倍に成長し、顧客数は150%増加したという。</p>\n<p>VeriffのCEO兼創業者であるKaarel Kotkas(カーレル・コトカス)氏は、次のように述べている。「組織や消費者は、2021年にはこれまで以上にオンラインでの本人確認を必要としていました。リモートによる従業員の研修や、メタバースのゲームで安全な空間を構築するため、そして完全にオンラインで行う事業運営においても、デジタルにおける信頼性と透明性の確立は、非常に重要になっています」。</p>\n<p>Tiger GlobalのパートナーであるJohn Curtius(ジョン・カーティウス)氏は次のように述べている。「現代のデジタルビジネスと消費者のための信頼性の高い本人確認ソリューションは、過去2年の間に事業運営におけるすべての業務がオンラインに移行したことで、深刻化しています。Veriffは、オンラインで信頼と安全を確保するために、業界をリードする製品を開発してきました。我々の調査と顧客から声によると、Veriffの製品性能は他社を大きく引き離しており、世の中の企業にもっと広く利用されるべきです」。</p>\n<p>筆者はコトカス氏にインタビューし、Veriffのプラットフォームの精度を高めるためには、他にどのようなことが行われているのかを訊いてみた。「ユーザーの行動を要素として計算に入れています。3枚の写真だけで本人確認の判断をするのではなく、当社では1000以上の異なるデータポイントを分析しています。これによって、自動化の利点が得られると同時に、本人確認に対する非常に正確な判断ができるようになります」と、同氏は答えた。</p>\n<p>また、本人確認の将来性については、金融サービス企業だけでなく、今やオンライン上のほぼすべてのサービスに本人確認が必須となっていることが後押しすると考えていると、同氏は語る。例えば、新型コロナウイルス感染拡大の影響から、今では大学の遠隔試験で本人確認が必要になることもある。</p>\n<p>「現在、50億人の人々がオンラインで生活していますが、その全員が本人確認を始めると、年間で500億件の確認作業が発生することになります。私たちは、オンラインにおける信頼性と拡張性を高める必要がある世界に向けて動いているのです」と、コトカス氏は語った。</p>\n<p><small>画像クレジット:Ian Waldie / Staff / Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/01/26/identity-verification-provider-veriff-raises-100m-series-c-co-led-by-tiger-global-and-alkeon/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Mike Butcher、翻訳:Hirokazu Kusakabe)</p>\n",
        "authorId": 191889557,
        "featuredMediaUrl": "/wp-content/uploads/2022/01/GettyImages-51478187.jpg",
        "author": {
          "id": 191889557,
          "slug": "hkusakabe",
          "name": "Hirokazu Kusakabe",
          "description": ""
        },
        "categories": [
          {
            "postId": 468681,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 468681,
            "tagId": 10679,
            "tag": {
              "id": 10679,
              "slug": "identity-verification",
              "name": "個人認証 / 本人確認 / 身元確認(用語)",
              "description": "個人認証 / 本人確認 / 身元確認に関する記事一覧"
            }
          },
          {
            "postId": 468681,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 468681,
            "tagId": 31305,
            "tag": {
              "id": 31305,
              "slug": "estonia",
              "name": "エストニア(国・地域)",
              "description": "エストニアに関する記事一覧"
            }
          },
          {
            "postId": 468681,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 468681,
            "tagId": 692517040,
            "tag": {
              "id": 692517040,
              "slug": "veriff",
              "name": "Veriff(企業)",
              "description": "AIで動画を使い本人確認サービスを提供するエストニア拠点の企業。"
            }
          }
        ]
      }
    },
    {
      "postId": 468437,
      "categoryId": 366275726,
      "post": {
        "id": 468437,
        "slug": "2022-01-25-ainnovation-kai-fu-lee-china-ai-industrial-automation",
        "createdAt": "2022-01-26T05:45:05.000Z",
        "updatedAt": "2022-01-26T05:27:54.000Z",
        "title": "中国のスマート製造業に注力するAInovationが香港でIPOを申請、李開復氏やソフトバンクも支援",
        "content": "<p>中国では、人工知能に金銭を支払う顧客を見つけようとする情熱が続いている。中国のコンピュータビジョンと機械学習のスタートアップ企業で、Kai-Fu Lee(カイフ・リー、李開復)氏のSinovation Ventures(シノベーション・ベンチャーズ)とSoftBank(ソフトバンク)が出資するAInnovation(エーアイノベーション、創新奇智)は、中国の巨大な製造業を自動化しようとしている。設立からまだ4年しか経っていないこのスタートアップは、香港で株式公開の申請を行っており、その目論見書では、今後数年のうちに<a target=\"_blank\" href=\"https://www.bloomberg.com/opinion/articles/2022-01-04/the-made-in-china-plan-is-back-with-a-focus-on-industrial-robots-and-automation\" rel=\"noopener\">中国の産業お青写真</a>で重要な位置を占めるスマートマニュファクチャリングの商業的実行可能性を垣間見ることができる。</p>\n<p>2010年代、<a target=\"_blank\" href=\"/2021/11/24/2021-11-23-sensetime-ipo/\" rel=\"noopener\">SenseTime</a>(センスタイム)やMegvii(メグビー)などのコンピュータビジョン企業は、中国の公的なセキュリティのインフラに顔認証技術を提供することで、大成功を収めた。しかし、競争によって価格が下がり、<a target=\"_blank\" href=\"/2021/10/26/2021-10-25-lorex-ezviz-pulled-from-shelves/\" rel=\"noopener\">監視技術をめぐる米国の制裁による圧力</a>が強まるにつれ、中国の初期のAIスタートアップ企業は多角化を模索している。SenseTimeは<a target=\"_blank\" href=\"https://www.sensetime.com/en/product-education-01?categoryId=1169\" rel=\"noopener\">教育分野に進出</a>し、Sinovation Venturesの支援を受けるMegviiは<a target=\"_blank\" href=\"https://en.megvii.com/solutions/Intelligent_warehousing_solution\" rel=\"noopener\">無人倉庫保管ソリューション</a>を事業に加えた。</p>\n<p>関連記事:<a target=\"_blank\" href=\"/2021/10/26/2021-10-25-lorex-ezviz-pulled-from-shelves/\" rel=\"noopener\">米小売大手が中国企業の防犯カメラを店舗から撤去、人権侵害を指摘される</a></p>\n<p>AInnovationは、AIアプリケーションの分野では若い企業に入る。<a target=\"_blank\" href=\"https://www1.hkexnews.hk/listedco/listconews/sehk/2022/0117/2022011700007.pdf\" rel=\"noopener\">目論見書によると</a>、IBM、SAP、Microsoft(マイクロソフト)での経験を持つCEOのXu Hui(シュー・フイ)氏が共同で設立したこのスタートアップは、2021年9月までの9カ月間に、収益の半分を製造業の顧客から得ているとのこと。同社のコンピュータビジョンモジュールとカスタマイズされたサービスは、溶融した鉄の輸送(写真)、自動車の生産ラインにおける異常の検出、半導体製造での欠陥発見などの場面で使用されている。</p>\n<p>収益の3分の1は金融サービスによるもので、残りは小売業、通信業、その他の産業から得ている。</p>\n<p>AInnovationのような企業は、研究室で機械学習モデルを実行する博士号取得者を雇うだけでは不十分だ。文字通り自ら身体を動かし、実際に顧客の工場を訪問して、鉄鋼メーカーや衣料品メーカーにとってどのような自動化が最も良い利益を生むのかを学ぶ必要がある。そこで同社は、主要なパートナーである大手製鉄グループのCISDIおよび国有建設会社のChina Railway No.4(中鉄四局集団有限公司)と、それぞれ2つの合弁会社を設立した。</p>\n<div id=\"attachment_468443\" style=\"width: 1034px\" class=\"wp-caption alignnone\"><img aria-describedby=\"caption-attachment-468443\" loading=\"lazy\" class=\"size-full wp-image-468443\" src=\"/wp-content/uploads/2022/01/3481643106624_.pic_hd.jpg\" alt=\"\" width=\"1024\" height=\"518\" srcset=\"/wp-content/uploads/2022/01/3481643106624_.pic_hd.jpg 1438w, /wp-content/uploads/2022/01/3481643106624_.pic_hd.jpg?resize=300,152 300w, /wp-content/uploads/2022/01/3481643106624_.pic_hd.jpg?resize=768,388 768w, /wp-content/uploads/2022/01/3481643106624_.pic_hd.jpg?resize=1024,518 1024w, /wp-content/uploads/2022/01/3481643106624_.pic_hd.jpg?resize=791,400 791w, /wp-content/uploads/2022/01/3481643106624_.pic_hd.jpg?resize=400,202 400w, /wp-content/uploads/2022/01/3481643106624_.pic_hd.jpg?resize=738,373 738w, /wp-content/uploads/2022/01/3481643106624_.pic_hd.jpg?resize=640,324 640w, /wp-content/uploads/2022/01/3481643106624_.pic_hd.jpg?resize=240,120 240w, /wp-content/uploads/2022/01/3481643106624_.pic_hd.jpg?resize=220,111 220w, /wp-content/uploads/2022/01/3481643106624_.pic_hd.jpg?resize=281,142 281w, /wp-content/uploads/2022/01/3481643106624_.pic_hd.jpg?resize=247,125 247w, /wp-content/uploads/2022/01/3481643106624_.pic_hd.jpg?resize=125,63 125w, /wp-content/uploads/2022/01/3481643106624_.pic_hd.jpg?resize=119,60 119w, /wp-content/uploads/2022/01/3481643106624_.pic_hd.jpg?resize=1092,552 1092w, /wp-content/uploads/2022/01/3481643106624_.pic_hd.jpg?resize=600,303 600w, /wp-content/uploads/2022/01/3481643106624_.pic_hd.jpg?resize=50,25 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-468443\" class=\"wp-caption-text\">AInnovationのコンピュータビジョン技術を用いてネジの欠陥を検出する(画像クレジット:AInnovation)</p></div>\n<p>AInnovationはまだ、スマートシティの先行企業ほどの収益を上げていない。2020年の売上は4億6200万元(約83億2000万円)だったが、<a target=\"_blank\" href=\"https://www1.hkexnews.hk/listedco/listconews/sehk/2021/1230/10067471/sehk21082702625.pdf\" rel=\"noopener\">SenseTimeは同年に34億元(約612億円)を得た</a>。しかし、AInnovationは急速に成長している。2021年9月までの9カ月間で、その収益は5億5300万元(約99億6000万円)に達し、2020年の合計額を上回った。</p>\n<p>とはいえ、課題もある。1つは、同社がいくつかの重要な顧客に大きく依存していることだ。2019年と2020年に同社が5つの大口顧客から得た収益は、それぞれ約26%と31%を占めている。</p>\n<p>中国の初期のAI参入企業が顔認識に集まったのには理由がある。そのほとんどがソフトウェア事業であるため、儲かるからだ。例えばSenseTimeの利益率は、2018年の約57%から2020年には70%以上に上昇した。</p>\n<p>AInnovationも、かつてはソフトウェアファーストの企業だった。目論見書によると、同社の売上総利益率は、2018年には63%だったが、2019年には31%、2020年にはさらに29%まで急落している。これは、同社がソフトウェアの販売を中心としていたビジネスから、より多くのハードウェア部品を含む統合ソリューションに軸足を移したことが原因だ。ハードウェアは一般的に材料費がかさむ。また、収益性が低下したのは、顧客基盤を拡大するために「競争力のある価格で提供」したためだという。AIビジネスでは、データがその燃料となる。</p>\n<p>どちらもまだ不採算事業である。AInnovationは、2019年に約1億6000万元(28億8000万円)、2020年に約1億4400万元(25億9000万円)の調整後純損失を計上している。これに対してSenseTimeは、同時期に10億元(約180億円)、8億7800万元(約158億円)の調整後純損失を計上している。</p>\n<p>中国の製造業の各分野は、簡単に数十億規模の市場機会となる。問題は、AInnovationが持続的な成長と健全なビジネスモデルへの道を見つけることができるかどうかだ。</p>\n<p><a target=\"_blank\" href=\"https://www.bloomberg.com/news/articles/2022-01-20/china-ainnovation-said-to-price-hong-kong-ipo-at-bottom-of-range\" rel=\"noopener\">Bloomberg(ブルームバーグ)による事前の報道</a>によると、AInnovationの株価は仮条件レンジ下限の1株あたり26.30香港ドル(約385円)で設定されているという。この価格であれば、同社は香港でのIPOによって約1億5100万ドル(約172億円)を調達することになる。</p>\n<p><small>画像クレジット:AInnovation</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/01/25/ainnovation-kai-fu-lee-china-ai-industrial-automation/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Rita Liao、翻訳:Hirokazu Kusakabe)</p>\n",
        "authorId": 191889557,
        "featuredMediaUrl": "/wp-content/uploads/2022/01/3471643106594_.pic_hd.jpg",
        "author": {
          "id": 191889557,
          "slug": "hkusakabe",
          "name": "Hirokazu Kusakabe",
          "description": ""
        },
        "categories": [
          {
            "postId": 468437,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 468437,
            "tagId": 9675,
            "tag": {
              "id": 9675,
              "slug": "manufacturing",
              "name": "製造業(用語)",
              "description": "製造業に関する記事一覧"
            }
          },
          {
            "postId": 468437,
            "tagId": 2632011,
            "tag": {
              "id": 2632011,
              "slug": "softbank",
              "name": "ソフトバンク / SoftBank(企業)",
              "description": "ソフトバンクは、日本で携帯電話などの無線通信サービス(移動体通信事業者)を提供する企業。"
            }
          },
          {
            "postId": 468437,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 468437,
            "tagId": 366273339,
            "tag": {
              "id": 366273339,
              "slug": "sinovation-ventures",
              "name": "Sinovation Ventures(企業)",
              "description": "著名なコンピューター科学者Kai-Fu Lee(カイフ・リー、李開復)氏が設立した中国を代表するテクノロジーベンチャーキャピタル。"
            }
          },
          {
            "postId": 468437,
            "tagId": 366274530,
            "tag": {
              "id": 366274530,
              "slug": "computer-vision",
              "name": "コンピュータービジョン(用語)",
              "description": "コンピュータビジョンに関連する記事一覧"
            }
          },
          {
            "postId": 468437,
            "tagId": 366276190,
            "tag": {
              "id": 366276190,
              "slug": "hongkong",
              "name": "香港(国・地域)",
              "description": "香港に関連する記事一覧"
            }
          },
          {
            "postId": 468437,
            "tagId": 692509510,
            "tag": {
              "id": 692509510,
              "slug": "ipo",
              "name": "新規上場 / IPO(用語)",
              "description": "新規上場 / IPOに関連する記事一覧"
            }
          },
          {
            "postId": 468437,
            "tagId": 692517013,
            "tag": {
              "id": 692517013,
              "slug": "ainnovation",
              "name": "AInnovation / 創新奇智(企業)",
              "description": "中国のコンピュータビジョンと機械学習のスタートアップ企業。"
            }
          }
        ]
      }
    },
    {
      "postId": 468246,
      "categoryId": 366275726,
      "post": {
        "id": 468246,
        "slug": "2022-01-24-ai2-shows-off-an-open-qa-focused-rival-to-gpt3",
        "createdAt": "2022-01-26T00:00:25.000Z",
        "updatedAt": "2022-01-26T00:00:07.000Z",
        "title": "GPT-3に対抗してAI2がQ&amp;Aを重視したオープンなライバルAIを披露",
        "content": "<p>OpenAI(オープンエーアイ)のすばらしいAI言語モデルであるGPT-3は、多くの機能を備えているが、1750億個のパラメータを備えたそのモデルを、特にすっきりしているという人はいないだろう。このたびAllen Institute for AI(AI2、アレン・インスティチュート・フォー・エーアイ)が、GPT-3と同等もしくはそれ以上の質疑応答能力を持ちながら、サイズが10分の1というモデルのデモを行った。<br />\nAI2のモデルであるこのMacaw(マカー)は、標準的なテストで人間レベルのパフォーマンスを発揮するAIを作ることを目的として、非営利団体AI2で行われてきた研究から生まれた。</p>\n<p>AI2の責任者であるOren Etzioni(オーレン・エチオーニ)氏は「非常に高いスコアを得た後、モデルはより難しい問題に移っていきました。人間にとって最も簡単な質問が、機械にとっては最も難しいというパラドックスがありますが、このときの最大のギャップは『常識』でした」と語る。</p>\n<p>たとえば「トム・ハンクスが月に降り立ったのはいつですか?」と尋ねてみるのがその例だと彼はいう。GPT-3はこの質問に1995年と答える、なぜなら映画『アポロ13』が公開されたのが1995年だったからだ。しかしMacawは、私たちが知る限り、トム・ハンクスが実際に月に行ったことはないと正しく指摘する。</p>\n<p>AI2は、その違いを示す例題(「デモ」という言葉は少し過剰な表現かもしれない)を<a target=\"_blank\" href=\"https://macaw.apps.allenai.org/\" rel=\"noopener\">公開しているが</a>、その中ではトリッキーな質問やそれほどでもない質問に対してMacawの方がしばしばより良い答えを行っている。</p>\n<p>どちらもかなりの高確率で失敗したり、不合理な答えを出したりすることがあるので、両者を比べてみるのはおもしろい。Macawは誰が何をしたかを追跡するのは得意だが、蛇には足があると信じている。GPT-3の回答は(おそらく過剰なほど)自信に満ちていてしかも読みやすいが、その内容が、新型コロナウイルスは「実験的で危険な新薬」であるというような陰謀論的なものであってもその態度は変わらない。</p>\n<p>いくつか例を挙げてみよう。</p>\n<ul>\n<li>結婚生活をより安定させるにはどうしたらいいですか?<br />\n<strong>Macaw:</strong>コミュニケーション。<br />\n<strong>GPT-3:</strong>私なら自分が常に正しいということを確認するでしょう。</li>\n<li>もしも鳥に翼がなかったら、どのような影響があるのでしょうか?<br />\n<strong>Macaw:</strong>飛ぶことができなくなります。<br />\n<strong>GPT-3:</strong>それは質の悪い鳥ですね。</li>\n<li>クランベリージュースを自分で注いだ後、うっかりしてティースプーン1杯ほどのグレープジュースを注いでしまいました。見た目は大丈夫です。その匂いを嗅いでみましたが、風邪をひいていたので何の匂いもしません。ともあれ、あなたはとても喉が渇いています。だからそれを飲むことにします。次はどうなりますか?<br />\n<strong>Macaw:</strong>気持ち悪くなる。<br />\n<strong>GPT-3:</strong>たぶん死ぬ。</li>\n<li>ヘビはどうやって移動するの?<br />\n<strong>Macaw:</strong>四つん這いで進みます。<br />\n<strong>GPT-3:</strong>ヘビは筋肉で地面を押して移動します。どの方向にも動くことができますが、後ろ向きに動くことはできません。</li>\n</ul>\n<p>子どもでも答えられるような、基本的な質問に失敗しない質疑応答AIの実現はまだまだ遠そうだ。しかし、MacawがGPT-3と同程度の成功を、はるかに少ないデータ量の処理で達成していることにも注目したいと思う。エチオーニ氏は、これはGPT-3に取って代わろうとするものではなく、世界中で行われている言語の生成と理解に関する研究の新たな一歩であることを明言した。</p>\n<p>彼は「GPT-3はすばらしいものですが、1年半前にローンチしたばかりで、アクセスも限られています」という。GPT-3が示す能力はすばらしいものの「しかし、私たちは、より少ない資源でより多くのことができることを学んでいます。たとえば1750億個のパラメータが必要となるようなものでも、私たちならおそらく100億個のパラメータでできるでしょう」とエチオーニ氏は語る。</p>\n<p>優れた質疑応答AIは、パーティーの余興に役立つだけでなく、音声による検索などで中心的な役割を果たす。簡単な質問に外部と通信することなくすばやく正確に答えられるローカルモデルは、基本的に価値がある。たとえばAmazon Echo(アマゾン・エコー)自身がGPT-3を実行することはまずないだろう、それは、スーパーに行くために大型トレーラーを買うようなものだ。大規模なモデルはこの先も有益だが、今後はよりコンパクトなモデルが使われるようになるだろう。</p>\n<p>ここでは示されていないものの、AI2チームによって積極的に追求されているMacawの機能の1つが、その答を説明させることだ。なぜMacawはヘビに足があると思っているのか?それが説明できないと、どこでモデルが間違ったのかがわからなくなってしまう。しかし、エチオーニ氏は、これはそれ自体が興味深く難しいプロセスであるという。</p>\n<p>「説明の問題点は、本当に誤解を招く可能性があることです」と彼はいう。彼は、Netflixが視聴者に番組を推薦した理由を「説明」している例を挙げたが、それは複雑な統計モデルに関係した動作理由の説明ではない。人は機械に関係する説明を聞きたいのではなく、自分の心に関係する説明を聞きたいのだ。</p>\n<p>エチオーニ氏は「私たちのチームは、こうした『誠実な説明』を開発しています」と語り、今回いくつかの研究成果を発表したものの、まだ一般に公開できる状態ではないと述べた。</p>\n<p>しかし、AI2が開発しているほとんどのものと同様に、Macawもオープンソースだ。気になる人は、<a target=\"_blank\" href=\"https://github.com/allenai/macaw\" rel=\"noopener\">ここにコードがあるので</a>、是非とことん遊んで欲しい。</p>\n<p><small>画像クレジット:Andrii Shyp / Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/01/24/ai2-shows-off-an-open-qa-focused-rival-to-gpt3/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Devin Coldewey、翻訳:sako)</p>\n",
        "authorId": 10108719,
        "featuredMediaUrl": "/wp-content/uploads/2022/01/GettyImages-1156059914.jpg",
        "author": {
          "id": 10108719,
          "slug": "ardbeg1958",
          "name": "sako",
          "description": "Software Engineering Consultant, Technical Translator, and Whisky Lover."
        },
        "categories": [
          {
            "postId": 468246,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 468246,
            "tagId": 362791329,
            "tag": {
              "id": 362791329,
              "slug": "interactive",
              "name": "インタラクティブ / 双方向 / 対話型(用語)",
              "description": "インタラクティブ / 双方向 / 対話型に関する記事一覧"
            }
          },
          {
            "postId": 468246,
            "tagId": 364517419,
            "tag": {
              "id": 364517419,
              "slug": "openai",
              "name": "OpenAI(組織)",
              "description": "人工知能を研究する非営利団体。"
            }
          },
          {
            "postId": 468246,
            "tagId": 366272533,
            "tag": {
              "id": 366272533,
              "slug": "natural-language-processing",
              "name": "自然言語処理 / NLP(用語)",
              "description": "自然言語処理に関連する記事一覧"
            }
          },
          {
            "postId": 468246,
            "tagId": 692513838,
            "tag": {
              "id": 692513838,
              "slug": "gpt-3",
              "name": "GPT-3(製品・サービス)",
              "description": "OpenAIが開発している自己回帰言語モデル。"
            }
          },
          {
            "postId": 468246,
            "tagId": 692516997,
            "tag": {
              "id": 692516997,
              "slug": "ai2",
              "name": "アレン人工知能研究所 / AI2(組織)",
              "description": "Microsoftの共同創業者であるPaul Allenが設立した研究機関。推論、学習、読み取り機能を備えたAIシステムを構築を目指す。"
            }
          },
          {
            "postId": 468246,
            "tagId": 692516998,
            "tag": {
              "id": 692516998,
              "slug": "macaw",
              "name": "Macaw(製品・サービス)",
              "description": "標準的なテストで人間レベルのパフォーマンスを発揮するAIを作ることを目的として、非営利団体AI2で行われてきた研究から生まれたAI言語モデル。"
            }
          },
          {
            "postId": 468246,
            "tagId": 692516999,
            "tag": {
              "id": 692516999,
              "slug": "ai-language-model",
              "name": "AI言語モデル(用語)",
              "description": "AI言語モデルに関する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 467767,
      "categoryId": 366275726,
      "post": {
        "id": 467767,
        "slug": "2022-01-20-meta-researchers-build-an-ai-that-learns-equally-well-from-visual-written-or-spoken-materials",
        "createdAt": "2022-01-21T23:30:37.000Z",
        "updatedAt": "2022-01-22T02:56:04.000Z",
        "title": "Metaの研究者が画像・音声・文字を同じように学習するAIを開発",
        "content": "<p>AIの領域には常に進歩が見られるが、それは1つの分野に限定される傾向がある。例えば、合成音声を生成するためのクールな新方法は、人間の顔の表情を認識するための方法とはまた別の分野だ。</p>\n<p>かつてのFacebook(フェイスブック)から社名が変わったMeta(メタ)の研究者たちは、もう少し汎用性のあるもの、つまり話し言葉、書かれた文字、視覚的な認識を問わず、自分でうまく学習することができるAIの開発に取り組んでいる。</p>\n<p>AIモデルに何かを正しく解釈させるための伝統的な訓練方法では、ラベル付けした例を大量(数百万単位)に与えて学習させる方法が採られてきた。猫の写真に猫とラベル付けしたものや、話し手と言葉を書き起こした会話などだ。しかし、次世代AIの学習に必要な規模のデータベースを手作業で作成することは、もはや不可能であることが研究者たちによって明らかにされたため、このアプローチはもはや流行遅れとなった。誰が5000万枚の猫の写真にラベルを付けたいと思うだろうか?まあ、中にはそんな人もいるかもしれないが、しかし、一般的な果物や野菜の写真を5000万枚もラベル付けしたい人はいるだろうか?</p>\n<p>現在、最も有望視されているAIシステムの中に「自己教師型」と呼ばれるものがある。これは、書籍や人々が交流している様子を撮影したビデオなど、ラベルのない大量のデータを処理し、システムのルールを構造的に理解するモデルだ。例えば、1000冊の本を読めば、単語の相対的な位置関係や文法構造に関する考え方を、目的語とか冠詞とかコンマが何であるかを誰かに教えてもらうことなく、学ぶことができる。つまり、たくさんの例から推論して得るということだ。</p>\n<p>これは直感的に人間の学習方法に似ていると感じられ、そのことが研究者が好む理由の1つになっている。しかし、このモデルも依然としてシングルモーダルになる傾向があり、音声認識用の半教師あり学習システムを構築するために行った作業は、画像解析にはまったく適用できない。両者はあまりにも違いすぎるのだ。そこで登場するのが、<a target=\"_blank\" href=\"https://ai.facebook.com/research/data2vec-a-general-framework-for-self-supervised-learning-in-speech-vision-and-language\" rel=\"noopener\">「data2vec(データトゥベック)」というキャッチーな名前が付けられたFacebook/Metaの最新研究</a>だ。</p>\n<p>data2vecのアイデアは、より抽象的な方法で学習するAIフレームワークを構築することだった。つまり、ゼロから始めて、本を読ませたり、画像をスキャンさせたり、音声を聞かせたりすると、少しの訓練で、それらのことを学習していくというものだ。それはまるで、最初は一粒の種だが、与える肥料によって、水仙やパンジー、チューリップに成長するようなものだ。</p>\n<p>さまざまなデータ(音声、画像、テキスト)で学習させた後にdata2vecをテストしてみると、その分野のモダリティに対応した同規模の専用モデルと同等か、あるいは凌駕することさえあったという(つまり、モデルがすべて100メガバイトに制限されている場合は、data2vecの方が優れているが、専用モデルはさらに成長すればdata2vecを超えるだろう)。</p>\n<p>「このアプローチの核となる考え方は、より総合的に学習させるということです。AIは、まったく知らないタスクも含めて、さまざまなタスクを学べるようになるべきです」と、<a target=\"_blank\" href=\"https://ai.facebook.com/blog/the-first-high-performance-self-supervised-algorithm-that-works-for-speech-vision-and-text\" rel=\"noopener\">チームはブログに書いている</a>。「data2vecによって、コンピュータがタスクを遂行するためにラベル付きデータをほとんど必要としない世界に近づくことも、私たちは期待しています」。</p>\n<p>Mark Zuckerberg(マーク・ザッカーバーグ)CEOはこの研究について「人は視覚、聴覚、言葉を組み合わせて世界を体験しています。このようなシステムは、いつの日か私たちと同じように、世界を理解することができるようになるでしょう」とコメントしている。</p>\n<p>これはまだ初期段階の研究であり、突如として伝説の「総合的なAI」が出現すると期待してはいけない。</p>\n<p>しかし、さまざまな領域やデータタイプに対応する総合的な学習構造を持つAIを実現することは、現在のような断片的なマイクロインテリジェンスの集合体よりも、より優れた、よりエレガントなソリューションであるように思われる。</p>\n<p>data2vecのコードはオープンソースで、<a target=\"_blank\" href=\"https://github.com/pytorch/fairseq/tree/main/examples/data2vec\" rel=\"noopener\">事前に学習されたいくつかのモデルも含めてこちらで公開されている</a>。</p>\n<p><small>画像クレジット:<a target=\"_blank\" href=\"https://www.gettyimages.com/search/photographer?family=creative&amp;photographer=Andriy+Onufriyenko\" rel=\"noopener\">Andriy Onufriyenko </a>/ Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/01/20/meta-researchers-build-an-ai-that-learns-equally-well-from-visual-written-or-spoken-materials/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Devin Coldewey、翻訳:Hirokazu Kusakabe)</p>\n",
        "authorId": 191889557,
        "featuredMediaUrl": "/wp-content/uploads/2022/01/GettyImages-1249853438.jpg",
        "author": {
          "id": 191889557,
          "slug": "hkusakabe",
          "name": "Hirokazu Kusakabe",
          "description": ""
        },
        "categories": [
          {
            "postId": 467767,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 467767,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 467767,
            "tagId": 81819,
            "tag": {
              "id": 81819,
              "slug": "facebook",
              "name": "Meta / Facebook / フェイスブック(企業・サービス)",
              "description": "世界最大のソーシャル・ネットワーキング・サービス。それを運営する企業。2021年10月に「Meta」に社名変更。"
            }
          },
          {
            "postId": 467767,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          }
        ]
      }
    },
    {
      "postId": 467397,
      "categoryId": 366275726,
      "post": {
        "id": 467397,
        "slug": "2022-01-18-softbank-ai-infrastructure-pyxis-one-pixis",
        "createdAt": "2022-01-19T08:45:28.000Z",
        "updatedAt": "2022-01-19T08:46:08.000Z",
        "title": "ソフトバンクがマーケティング最適化のためのAIインフラ企業Pixisへの資金注入主導、新社名で新年度をスタート",
        "content": "<div id=\"attachment_467399\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-467399\" loading=\"lazy\" class=\"wp-image-467399 size-large\" src=\"/wp-content/uploads/2022/01/Pixis-Founders.jpg?w=1024\" alt=\"\" width=\"1024\" height=\"577\" srcset=\"/wp-content/uploads/2022/01/Pixis-Founders.jpg 1390w, /wp-content/uploads/2022/01/Pixis-Founders.jpg?resize=300,169 300w, /wp-content/uploads/2022/01/Pixis-Founders.jpg?resize=768,433 768w, /wp-content/uploads/2022/01/Pixis-Founders.jpg?resize=1024,577 1024w, /wp-content/uploads/2022/01/Pixis-Founders.jpg?resize=710,400 710w, /wp-content/uploads/2022/01/Pixis-Founders.jpg?resize=400,225 400w, /wp-content/uploads/2022/01/Pixis-Founders.jpg?resize=738,416 738w, /wp-content/uploads/2022/01/Pixis-Founders.jpg?resize=640,360 640w, /wp-content/uploads/2022/01/Pixis-Founders.jpg?resize=220,124 220w, /wp-content/uploads/2022/01/Pixis-Founders.jpg?resize=281,158 281w, /wp-content/uploads/2022/01/Pixis-Founders.jpg?resize=222,125 222w, /wp-content/uploads/2022/01/Pixis-Founders.jpg?resize=125,70 125w, /wp-content/uploads/2022/01/Pixis-Founders.jpg?resize=107,60 107w, /wp-content/uploads/2022/01/Pixis-Founders.jpg?resize=980,552 980w, /wp-content/uploads/2022/01/Pixis-Founders.jpg?resize=600,338 600w, /wp-content/uploads/2022/01/Pixis-Founders.jpg?resize=50,28 50w, /wp-content/uploads/2022/01/Pixis-Founders.jpg?resize=250,141 250w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-467399\" class=\"wp-caption-text\">Pixisの創業者。左からシュバム・A・ミシュラ氏、ヴルシャリー・プラサード氏、ハリ・ヴァリヤート氏</p></div>\n<p>Pyxis One(現<a target=\"_blank\" href=\"https://pixis.ai/\" rel=\"noopener\">Pixis</a>)は、シリーズCの資金調達で1億ドル(約114億円)を調達し、同社がいうところの「完全なマーケティング最適化のための、世界で唯一のコンテキストコードレスAIインフラ」の開発を続けている。</p>\n<p>SoftBank Vision Fund 2(ソフトバンク・ビジョン・ファンド2)がこのラウンドを主導し、新たな投資家であるGeneral Atlantic(ジェネラル・アトランティック)と、既存の投資家であるCelesta Capital(セレスタ・キャピタル)、Premji Invest(プレミジ・インベスト)、Chiratae Ventures(チラタエ・ベンチャーズ)が参加した。今回の資金調達は、Pixis(ピクシス)が1700万ドル(約19億4400万円)のシリーズBを発表してからわずか4カ月で行われ、これまでの総資金調達額は1億2400万ドル(約141億円)に達した。</p>\n<p>カリフォルニアに拠点を置く同社は、3年前にShubham A. Mishra(シュバム・A・ミシュラ)氏、Vrushali Prasade(ヴルシャリー・プラサード)氏、Hari Valiyath(ハリ・ヴァリヤート)氏の3人によって設立された。ミシュラ氏はTechCrunchに対し、このチームが一緒に立ち上げた会社はこれで2つ目で、最初の会社はゲーム分野の人工知能だったと語っている。</p>\n<p>会社が発展するにつれ、チームはほとんどの人が「Pyxis」を「y」ではなく「i」で綴っていることに気づき、クリーンで均整をとるために会社名を変更したと、彼は述べている。</p>\n<p>Pixisを立ち上げる前、共同創業者たちはマーケティング責任者や収益責任者に、顧客のプライバシーを尊重するために企業が独自のシステムを導入しなければならない「Cookieなき」世界で、SaaS企業を迅速に拡大する方法について話をしたそうだ。</p>\n<p>「この準備ができている人はあまりいません。私たちは、8秒以内に導入できるノーコードAIソリューションを構築することでそれを解決しています」。とミシュラ氏はいう。</p>\n<p>実際、同社はマーケティングキャンペーンにAI最適化を加えるための自己進化型ニューラルネットワークのAIモデルを現在50個持っており、今後6カ月で200個にスケールアップする予定だ。Pixisは、ノーコードソリューションによって人々が部分的にデータサイエンティストになるというビジョンを信じている、とミシュラ氏は語った。</p>\n<p>そして、それは「ノーコード」というだけのただの戦略ではなく、本当にノーコードであることを強調した。AIマーケティングモデルを徹底的にいじったり、データサイエンティストのチームを集めて何かを開発したり、30分のトレーニングを受けてボタンを押すだけで製品やプラグインを導入できるようにするため、このインフラは製品群のように構築されている。</p>\n<p>シリーズCは、2018年からの600%の収益成長を受けたものだ。Pixisは1月中に100社以上の顧客を獲得し、すべて中堅から大企業の範囲に入るとミシュラ氏は述べた。PixisのAIインフラを利用する顧客は、毎月数時間にも及ぶ手作業の業務節約時間に加え、獲得コストが20%減少したと同氏は付け加えた。</p>\n<p>今回の資金調達は北米、欧州、APACに拡大するAIプラットフォームとプラグインの拡張に役立てられるという。</p>\n<p>「2022年は私たちにとって新たな夜明けです」とミシュラ氏はいう。「2021年は、BTCとDTCマーケティングへのソリューションを立ち上げていましたが、2022年の第1四半期の終わりには、B2Bとソフトウェア企業へのソリューションを提供する予定です」。</p>\n<p>一方、SoftBank Investment Advisers(ソフトバンク・インベストメント・アドバイザーズ)のパートナーPriya Saiprasad(プリヤ・サイプラサド)氏は、Pixisの特徴として「Cookieのない世界でより良い意思決定を促すために、マーケティング機能に最先端のデータサイエンス能力を装備する」デマンドジェネレーションのための真のエンド・ツー・エンドのインフラであるとメールで述べている。</p>\n<p>マーケティングは企業にとって大きな予算項目だが、メッセージングやビジュアルのためのツールがないために、適切なタイミングで適切なチャネルを通じて適切な顧客をターゲットにできないと、その支出の多くが無駄になってしまうため、彼女は同社の製品が「ゲームチェンジャー」であると考えている。</p>\n<p>「Pixisのプロダクトマーケットフィットの検証は、同社が立ち上げからわずか3年で達成したその目覚しい成長率と、忠実で熱心なグローバル大企業の顧客基盤に支えられています」とサイプラサド氏は付け加えた。「2021年に企業がデジタルマーケティングに費やした費用は推定4550億ドル(約52兆円)という市場規模と、さまざまな業種に対応できるPixisのプラットフォームにより、Pixisがこの勢いを持続するための大きな走路があると考えています」。</p>\n<p>General AtlanticのマネージングディレクターであるShantanu Rastogi(シャンタヌ・ラストーギ)氏も、データ共有に関する新たな制限の結果、マーケティングエコシステムがシフトする中、Pixisはこれに対応し、予測AIモデルを活用してマーケティングの効率化を実現し、顧客に新しい投資収益率を生み出していると指摘している。</p>\n<p>ラストーギ氏は「Pixisは、これまで時代遅れの技術に頼っていたプラットフォームを『十分である』と受け入れてきた業界に、自動化と統合をもたらそうとしています。今回の投資で、グローバルに成長・拡大しようとする有能なチームを支援できることをうれしく思います」。と語っている。</p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/01/18/softbank-ai-infrastructure-pyxis-one-pixis/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Christine Hall、翻訳:Akihito Mizukoshi)</p>\n",
        "authorId": 191889571,
        "featuredMediaUrl": "/wp-content/uploads/2022/01/Pixis-Founders.jpg",
        "author": {
          "id": 191889571,
          "slug": "akihito-mizukoshi",
          "name": "Akihito Mizukoshi",
          "description": ""
        },
        "categories": [
          {
            "postId": 467397,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 467397,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 467397,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 467397,
            "tagId": 366274559,
            "tag": {
              "id": 366274559,
              "slug": "softbank-vision-fund",
              "name": "ソフトバンク・ビジョン・ファンド / SoftBank Vision Fund(企業)",
              "description": "2017年5月にソフトバンクが設立した超巨大VCファンド。設立時の10兆円の規模は前代未聞。"
            }
          },
          {
            "postId": 467397,
            "tagId": 692509750,
            "tag": {
              "id": 692509750,
              "slug": "no-code",
              "name": "ノーコード(用語)",
              "description": "ノーコード開発に関連する記事一覧"
            }
          },
          {
            "postId": 467397,
            "tagId": 692515886,
            "tag": {
              "id": 692515886,
              "slug": "marketing",
              "name": "マーケティング / MarTech(用語)",
              "description": "マーケティング / MarTechに関する記事一覧"
            }
          },
          {
            "postId": 467397,
            "tagId": 692516906,
            "tag": {
              "id": 692516906,
              "slug": "pixis",
              "name": "Pixis(企業)",
              "description": "完全なマーケティング最適化のための、世界で唯一のコンテキストコードレスAIインフラを開発するカリフォルニアの企業。旧Pyxis One。"
            }
          }
        ]
      }
    },
    {
      "postId": 467362,
      "categoryId": 366275726,
      "post": {
        "id": 467362,
        "slug": "fastaccounting-fundraising",
        "createdAt": "2022-01-19T05:23:55.000Z",
        "updatedAt": "2022-01-19T05:23:55.000Z",
        "title": "会計分野特化のAIソリューションを手がけるファーストアカウンティングが4億円のシリーズC調達",
        "content": "<p><a target=\"_blank\" href=\"https://www.fastaccounting.jp/\" rel=\"noopener\">ファーストアカウンティング</a>は1月19日、シリーズCラウンドとして、第三者割当増資により約4億円の資金調達を実施したと発表した。資金調達累計額は約14億円となった。調達した資金は、エンジニアの採用にあてる。引受先は以下の通りとなっている。</p>\n<p>・BEENEXT2 Pte. Ltd.<br />\n・ALL STAR SAAS FUND Pte. Ltd.<br />\n・マイナビ<br />\n・Scrum Ventures Fund III L.P.<br />\n・KDDI 新規事業育成3号投資事業有限責任組合<br />\n・ライドオン・エースタート2号投資事業有限責任組合<br />\n・DEEPCORE TOKYO1号投資事業有限責任組合<br />\n・エースタート</p>\n<p>ファーストアカウンティングは、買掛金(請求書支払)業務といった経理業務の効率化ソリューション「Robota」と、Robotaシリーズの機能を組み込んだAIソリューションとして「Remota」を提供。Robotaは、深層学習を通じて経理特有の証憑書類の形式をあらかじめ学習したAIと、AIが読み取った値を自動でチェックするロジックチェック機能を備えたクラウドサービスとなっている。</p>\n<p>また同社は、デジタル庁および会計ベンダーの業界団体「<a target=\"_blank\" href=\"https://www.eipa.jp/\" rel=\"noopener\">電子インボイス推進協議会</a>」が進めている「<a target=\"_blank\" href=\"https://www.eipa.jp/peppol\" rel=\"noopener\">Peppol</a>」(ペポル。Pan European Public Procurement Online)に貢献すべく、Peppolアクセスポイントの提供に向けて取り組んでいるという。Peppolは、国際的非営利組織Open Peppolが管理する電子インボイスの標準仕様だ。</p>\n<p>Peppolにより請求書の根本的な電子化を進め、受取る請求書のみならず、大手のエンタープライズの販売管理システムにおける請求書の送付の電子化や、AIによる売掛金の消込を実現するとしている。そのため、エンジニアの採用を積極的に行う方針という。</p>\n<p>またより強固な開発体制を構築することで、「買掛金業務を圧倒的に効率化する先進的な機能の開発」「安定的なサービス運用のためのインフラの整備やSRE体制の構築」「QA体制を強化し品質の高いプロダクトの提供」を実現し、Remotaに関して使い勝手を向上させるとしている。</p>\n<p><span class=\"embed-youtube\" style=\"text-align:center; display: block;\"><iframe loading=\"lazy\" class=\"youtube-player\" width=\"640\" height=\"360\" src=\"https://www.youtube.com/embed/dHpBDvW-BlA?version=3&#038;rel=1&#038;showsearch=0&#038;showinfo=1&#038;iv_load_policy=1&#038;fs=1&#038;hl=en-US&#038;autohide=2&#038;wmode=transparent\" allowfullscreen=\"true\" style=\"border:0;\" sandbox=\"allow-scripts allow-same-origin allow-popups allow-presentation\"></iframe></span></p>\n",
        "authorId": 188033725,
        "featuredMediaUrl": "/wp-content/uploads/2022/01/2022-01-19-003-index.jpg",
        "author": {
          "id": 188033725,
          "slug": "takashihiga",
          "name": "Takashi Higa",
          "description": ""
        },
        "categories": [
          {
            "postId": 467362,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 467362,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 467362,
            "tagId": 681521951,
            "tag": {
              "id": 681521951,
              "slug": "accounting",
              "name": "会計(用語)",
              "description": "会計に関する記事一覧"
            }
          },
          {
            "postId": 467362,
            "tagId": 692512142,
            "tag": {
              "id": 692512142,
              "slug": "japan",
              "name": "日本(国・地域)",
              "description": ""
            }
          },
          {
            "postId": 467362,
            "tagId": 692516900,
            "tag": {
              "id": 692516900,
              "slug": "fastaccounting",
              "name": "ファーストアカウンティング(企業)",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 466392,
      "categoryId": 366275726,
      "post": {
        "id": 466392,
        "slug": "smash",
        "createdAt": "2022-01-12T11:34:21.000Z",
        "updatedAt": "2022-01-12T11:34:21.000Z",
        "title": "サブスクなど各種サービスの解約時に抑止・分析を行うチャットボットSmashが8016万円調達、解約抑止率向上を目指す",
        "content": "<p>サブスクリプションサービスなどからの解約を抑止するリテンションボット(解約抑止・分析チャットボット)「<a target=\"_blank\" href=\"https://smash.ne.jp/chatbot/\" rel=\"noopener\">Smash</a>」を開発・提供する<a target=\"_blank\" href=\"https://smash.ne.jp/about/\" rel=\"noopener\">Smash</a>は1月11日、第三者割当増資による8016万円の資金調達を実施したと発表した。引受先は博報堂DYベンチャーズ、i-nest capitalの運営するファンド。調達した資金を元に、Smashのさらなる研究・開発を進め、解約抑止率の向上とロイヤルティ強化の実現を加速する。</p>\n<p>サブスクリプションサービスや定期通販などでは、ユーザーがサービスへの加入や購入を手軽に行える反面「解約」も気軽に行いやすいという。これにより、企業にとっては解約をいかに抑止しLTV(顧客生涯価値)を高めていくかが課題として挙がっている。</p>\n<p>同社のSmashは、各種サービスの解約というタッチポイントでユーザーとコミュニケーションを図り、解約の抑止や分析を行うAIチャットボットによるソリューション。「リアルタイムで空気を読むことによって、デジタルの枠を超え、より人間に近いコミュニケーションを実現」しているという。</p>\n<p>2021年3月設立のSmashは、データを活用したマーケティング分析サービスを提供するスタートアップ。サブスクや定期通販の解約から企業の課題を見つけ出し、企業の強みに変えることで、ユーザーのロイヤルティ強化実現を目指している。</p>\n<p><span class=\"embed-youtube\" style=\"text-align:center; display: block;\"><iframe loading=\"lazy\" class=\"youtube-player\" width=\"640\" height=\"360\" src=\"https://www.youtube.com/embed/MlMpgbZoCp0?version=3&#038;rel=1&#038;showsearch=0&#038;showinfo=1&#038;iv_load_policy=1&#038;fs=1&#038;hl=en-US&#038;autohide=2&#038;wmode=transparent\" allowfullscreen=\"true\" style=\"border:0;\" sandbox=\"allow-scripts allow-same-origin allow-popups allow-presentation\"></iframe></span></p>\n<p>&nbsp;</p>\n",
        "authorId": 191889577,
        "featuredMediaUrl": "/wp-content/uploads/2022/01/01-2.jpg",
        "author": {
          "id": 191889577,
          "slug": "hisashishibata",
          "name": "Hisashi Shibata",
          "description": ""
        },
        "categories": [
          {
            "postId": 466392,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 466392,
            "tagId": 366270792,
            "tag": {
              "id": 366270792,
              "slug": "%e3%83%aa%e3%83%86%e3%83%b3%e3%82%b7%e3%83%a7%e3%83%b3",
              "name": "リテンション",
              "description": ""
            }
          },
          {
            "postId": 466392,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 466392,
            "tagId": 366276146,
            "tag": {
              "id": 366276146,
              "slug": "chatbot",
              "name": "チャットボット(用語)",
              "description": "チャットボットに関する記事一覧"
            }
          },
          {
            "postId": 466392,
            "tagId": 692512142,
            "tag": {
              "id": 692512142,
              "slug": "japan",
              "name": "日本(国・地域)",
              "description": ""
            }
          },
          {
            "postId": 466392,
            "tagId": 692516795,
            "tag": {
              "id": 692516795,
              "slug": "smash",
              "name": "Smash(企業・サービス)",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 466181,
      "categoryId": 366275726,
      "post": {
        "id": 466181,
        "slug": "menou",
        "createdAt": "2022-01-11T09:22:47.000Z",
        "updatedAt": "2022-01-11T09:22:47.000Z",
        "title": "自動外観検査AIをノーコードで開発可能なAI開発プラットフォームを提供するMENOUが約2.5億円のシリーズA調達",
        "content": "<p>自動外観検査システムなどAIによるディープラーニング技術を身近にするソリューションを提供する<a target=\"_blank\" href=\"https://menou.co.jp/\" rel=\"noopener\">MENOU</a>(メノウ)は1月11日、シリーズAラウンドにおいて、第三者割当増資による約2億5000万円の資金調達を実施したと発表した。引受先はニッセイ・キャピタル、DEEPCORE、三菱UFJキャピタル。累計資金調達総額は約3億7000万円となった。</p>\n<p>調達した資金は、検査AIをノーコードで開発するAI開発プラットフォーム「<a target=\"_blank\" href=\"https://menou.co.jp/menou-te/\" rel=\"noopener\">MENOU-TE</a>」(メノート)の機能拡張、また検査工程を自動化するための導入支援サービスである「MENOU-IN」(メノーイン)をより多くの企業に提供できる体制を整える。</p>\n<p>MENOU-TEでは、AIとルールベースのハイブリッドな検査を構築し、導入するまでの開発を容易にする体制を整える。また、機能開発を加速し、プログラミングやAI、画像処理の専門人材がいなくてもAIの社内開発が可能になるMENOU-TEの利便性や使いやすさつかいやすさを増していく計画という。</p>\n<p>MENOU-TEは、ディープラーニングの検査AIを、ノーコードで開発可能なソフトウェア。GUIによるアノテーションラベリング(学習操作)や解析精度の視覚化と最適化支援、ルールベース解析とのハイブリッドな推論・検査といった機能を備える。これらにより、画像検査やAIの専門知識のない技術者であっても、製造現場に必要な外観検査・画像検査を実施する環境を構築できる。</p>\n<p><img loading=\"lazy\" class=\"aligncenter size-large wp-image-466222\" src=\"/wp-content/uploads/2022/01/sub10.png?w=689\" alt=\"自動外観検査AIなどをノーコードで開発可能なAI開発プラットフォームを提供するMENOUが約2.5億円のシリーズA調達\" width=\"689\" height=\"409\" srcset=\"/wp-content/uploads/2022/01/sub10.png 689w, /wp-content/uploads/2022/01/sub10.png?resize=300,178 300w, /wp-content/uploads/2022/01/sub10.png?resize=674,400 674w, /wp-content/uploads/2022/01/sub10.png?resize=400,237 400w, /wp-content/uploads/2022/01/sub10.png?resize=606,360 606w, /wp-content/uploads/2022/01/sub10.png?resize=220,131 220w, /wp-content/uploads/2022/01/sub10.png?resize=281,167 281w, /wp-content/uploads/2022/01/sub10.png?resize=211,125 211w, /wp-content/uploads/2022/01/sub10.png?resize=125,74 125w, /wp-content/uploads/2022/01/sub10.png?resize=101,60 101w, /wp-content/uploads/2022/01/sub10.png?resize=600,356 600w, /wp-content/uploads/2022/01/sub10.png?resize=50,30 50w\" sizes=\"(max-width: 689px) 100vw, 689px\" /></p>\n<p>MENOU-INは、検査AIの総合的な導入支援サービス。外観検査の画像取得に向けた照明やカメラなどの最適な撮像構成を提案しつつ、運用やメンテナンス体制も含めたAI外観検査導入を総合的にサポートする。企業内のAI・DX人材の育成を行うトレーニングなども行うなど、開発人材育成も支援する。</p>\n<p>MENOUは、日本の製造業にとって身近なAIを普及させることをミッションに掲げ、ニコンのエンジニアが2019年6月に設立したAIスピンアウト。独自のAI開発プラットフォームを中心に、様々な製造業への導入支援を展開している。MENOU-TEは、直感的操作でアノテーションができるだけでなく、AI開発に必要なファイル管理、モデル管理を一括管理できる統合開発環境を提供し、導入後もメンテナンスしやすい画像検査を可能にするという。</p>\n<div id=\"attachment_466223\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-466223\" loading=\"lazy\" class=\"size-large wp-image-466223\" src=\"/wp-content/uploads/2022/01/2022-01-11-004-001.jpg?w=1024\" alt=\"MENOU-TEを用いたMENOUチームの解析画面。外観検査に特化したソフトウェアだが、人物特定AIなども短時間で実現できるという\" width=\"1024\" height=\"611\" srcset=\"/wp-content/uploads/2022/01/2022-01-11-004-001.jpg 1206w, /wp-content/uploads/2022/01/2022-01-11-004-001.jpg?resize=300,179 300w, /wp-content/uploads/2022/01/2022-01-11-004-001.jpg?resize=768,459 768w, /wp-content/uploads/2022/01/2022-01-11-004-001.jpg?resize=1024,611 1024w, /wp-content/uploads/2022/01/2022-01-11-004-001.jpg?resize=670,400 670w, /wp-content/uploads/2022/01/2022-01-11-004-001.jpg?resize=400,239 400w, /wp-content/uploads/2022/01/2022-01-11-004-001.jpg?resize=738,441 738w, /wp-content/uploads/2022/01/2022-01-11-004-001.jpg?resize=603,360 603w, /wp-content/uploads/2022/01/2022-01-11-004-001.jpg?resize=220,131 220w, /wp-content/uploads/2022/01/2022-01-11-004-001.jpg?resize=281,168 281w, /wp-content/uploads/2022/01/2022-01-11-004-001.jpg?resize=209,125 209w, /wp-content/uploads/2022/01/2022-01-11-004-001.jpg?resize=125,75 125w, /wp-content/uploads/2022/01/2022-01-11-004-001.jpg?resize=101,60 101w, /wp-content/uploads/2022/01/2022-01-11-004-001.jpg?resize=925,552 925w, /wp-content/uploads/2022/01/2022-01-11-004-001.jpg?resize=600,358 600w, /wp-content/uploads/2022/01/2022-01-11-004-001.jpg?resize=50,30 50w, /wp-content/uploads/2022/01/2022-01-11-004-001.jpg?resize=216,130 216w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-466223\" class=\"wp-caption-text\">MENOU-TEを用いたMENOUチームの解析画面。外観検査に特化したソフトウェアだが、人物特定AIなども短時間で実現できるという</p></div>\n",
        "authorId": 191889577,
        "featuredMediaUrl": "/wp-content/uploads/2022/01/2022-01-11-004-indexa.jpg",
        "author": {
          "id": 191889577,
          "slug": "hisashishibata",
          "name": "Hisashi Shibata",
          "description": ""
        },
        "categories": [
          {
            "postId": 466181,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 466181,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 466181,
            "tagId": 366272174,
            "tag": {
              "id": 366272174,
              "slug": "deeplearning",
              "name": "ディープラーニング / 深層学習(用語)",
              "description": "ディープラーニングに関連する記事一覧"
            }
          },
          {
            "postId": 466181,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 466181,
            "tagId": 692509750,
            "tag": {
              "id": 692509750,
              "slug": "no-code",
              "name": "ノーコード(用語)",
              "description": "ノーコード開発に関連する記事一覧"
            }
          },
          {
            "postId": 466181,
            "tagId": 692510209,
            "tag": {
              "id": 692510209,
              "slug": "menou",
              "name": "MENOU(企業)",
              "description": ""
            }
          },
          {
            "postId": 466181,
            "tagId": 692512142,
            "tag": {
              "id": 692512142,
              "slug": "japan",
              "name": "日本(国・地域)",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 465971,
      "categoryId": 366275726,
      "post": {
        "id": 465971,
        "slug": "2022-01-07-avataar-raises-45-million-to-improve-consumer-shopping-experience-with-life-sized-3d-product-evaluation",
        "createdAt": "2022-01-09T01:30:40.000Z",
        "updatedAt": "2022-01-09T01:10:03.000Z",
        "title": "実物大の3D製品イメージで消費者のショッピング体験を向上させるAvataarが52億円調達",
        "content": "<p>eコマースの顧客の大多数は、購入前に商品を見ておきたいと思っている。かつてAmazon(アマゾン)のような企業が、ファッションや家庭用品のオンライン化に苦労してきたのはそのためだ。サンフランシスコとベンガルールを拠点とするスタートアップがこの問題を解決しようとしており、事業規模拡大のため、このほど新たに資金を調達した。</p>\n<p>AIとコンピュータービジョンのスタートアップである<a target=\"_blank\" href=\"http://avataar.me/\" rel=\"noopener\">Avataar</a>(アバター)は、現地時間1月7日にシリーズBで4500万ドル(約52億円)を調達したと発表した。このラウンドはTiger Globalがリードし、既存の投資家からSequoia Capital Indiaが参加した。6年の歴史を持つこのスタートアップは、創業者兼最高経営責任者から初期に調達した金額も含め、これまでの資金調達ラウンドで約5550万ドル(約64億円)を調達した。</p>\n<p>Avataarは、消費者直販ブランドやeコマースマーケットプレイスが製品を3D表示し、コンシューマージャーニーを形成する支援を行う。企業はAvataarのプラグアンドプレイ技術を自社システムに組み込むことができる。顧客は携帯電話のカメラを使い、リビングルームにいながら、製品の実際の大きさと雰囲気を視覚化することができる。</p>\n<p>Avataarの創業者で最高経営責任者のSravanth Aluru(スラバント・アルル)氏はTechCrunchのインタビューで、家具や大型家電などのカテゴリーで上位2社のeコマース・マーケットプレイスを含む数多くの企業と現在提携していると述べた。同氏は、守秘義務契約を理由に、顧客企業名の公表を断った(Samsungや Pepperfryなど、Avataarとの提携を公に<a target=\"_blank\" href=\"https://news.samsung.com/in/get-a-life-like-virtual-shopping-experience-from-your-home-with-augmented-reality-demo-for-samsungs-flagship-refrigerator-tv\" rel=\"noopener\">認めている</a>企業もある)。</p>\n<p>アルル氏はデモで、提携するeコマースマーケットプレイスのアプリから、ソファや机などいくつかの製品を、自分のリビングルームにドラッグ&ドロップし、家の中でバーチャルアイテムの位置を変えずに色やアイテムを変更してみせた。アイテムをインタラクティブにすることもできる。例えば、冷蔵庫をバーチャルで再現すると、ユーザーはドアを開けたり閉めたりすることができる。</p>\n<p>ブランドは、Avataarのサービスを利用するために何か大きな変更を加える必要はない。商品画像の解像度が1080p以上であれば、Avataarがバーチャル3D版を作り上げることができるとアルル氏は話す。消費者側でも、近年発売されたiPhoneやAndroidスマートフォンなら、バーチャルオブジェクトの表示やインタラクションをサポートする計算能力とグラフィックパワーを備えている可能性が高いという。</p>\n<p>「カメラがホームスクリーンであることを考えると、エンゲージメントの時間を著しく長くとることができます。ブランドの売り上げへのコンバージョンは3.5倍以上になっています」と同氏は語る。同社は、エンゲージメント情報を提携ブランドに提供する。提携ブランドは、顧客によりよいサービスを提供するため、さらにパーソナライズする。</p>\n<p>アルル氏は、この技術がもたらす利点を認識し、採用する企業がますます増えてきているという。この<a target=\"_blank\" href=\"https://www.alibabacloud.com/blog/3d-rendering-in-tmall-cutting-edge-tech-to-accelerate-image-preview-30x_596811\" rel=\"noopener\">傾向</a>は、今後ますます強まることが予想される。</p>\n<p>ブランド名は明かさなかったが、いくつかのスマートフォン企業はAvataarの技術を利用してバーチャルローンチを行ったという。「当社は現在、ほとんどのプラットフォームに統合されています。もし、大容量のサービスで3Dを見ているなら、それは我々が提供したものである可能性が高いと思います」と述べた。</p>\n<div id=\"attachment_465973\" style=\"width: 1010px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-465973\" loading=\"lazy\" class=\"wp-image-465973 size-large\" src=\"/wp-content/uploads/2022/01/Avataar2.jpeg?w=1000\" alt=\"\" width=\"1000\" height=\"400\" srcset=\"/wp-content/uploads/2022/01/Avataar2.jpeg 1000w, /wp-content/uploads/2022/01/Avataar2.jpeg?resize=300,120 300w, /wp-content/uploads/2022/01/Avataar2.jpeg?resize=768,307 768w, /wp-content/uploads/2022/01/Avataar2.jpeg?resize=400,160 400w, /wp-content/uploads/2022/01/Avataar2.jpeg?resize=738,295 738w, /wp-content/uploads/2022/01/Avataar2.jpeg?resize=640,256 640w, /wp-content/uploads/2022/01/Avataar2.jpeg?resize=220,88 220w, /wp-content/uploads/2022/01/Avataar2.jpeg?resize=281,112 281w, /wp-content/uploads/2022/01/Avataar2.jpeg?resize=250,100 250w, /wp-content/uploads/2022/01/Avataar2.jpeg?resize=125,50 125w, /wp-content/uploads/2022/01/Avataar2.jpeg?resize=600,240 600w, /wp-content/uploads/2022/01/Avataar2.jpeg?resize=50,20 50w\" sizes=\"(max-width: 1000px) 100vw, 1000px\" /><p id=\"caption-attachment-465973\" class=\"wp-caption-text\">Avataarの創業チーム。左からMayank Tiwari(マヤンク・ティワリ)CBO、Sravanth Aluru(スラバント・アルル)CEO、Prashanth Aluru(プラシャント・アルル)取締役、Gaurav Baid(ガウラブ・バイド)CPO(画像クレジット:Avataar)</p></div>\n<p>2025年までに、世界人口の75%近くと、ソーシャルアプリやコミュニケーションアプリを利用するほぼすべての人が、頻繁にARを利用するようになると、Snap(スナップ)はDeloitte(デロイト)と協力した最近のレポートで述べている。同レポートによると、ARを使って買い物をする顧客はすでに1億人を超えているという。</p>\n<p>アルル氏は、メタバースが浸透していくなかで、同社は最前線に立つための準備をしており、この分野のいくつかの主要なプレイヤーと関係を持っていると述べた。</p>\n<p>「メタバースはすでに存在しています。Avataar.meは、最大手のブランドに規模を創造する能力をもたらし、商売を実現する道を切り開いています。ARやVR環境において非常に有望なアプリケーションです」と、Sequoia IndiaのマネージングディレクターShailesh Lakhani(シャイレーシュ・ラカーニ)氏は声明で述べた。</p>\n<p>「スラバント、ガウラブ、マヤンクと一緒に仕事をするのは楽しく、Sequoia Capital Indiaは、彼らのシリーズBラウンドに再びコミットすることをうれしく思います」。</p>\n<p>業界の推計によると、デジタルおよびデジタルに影響される市場は、2025年までに18兆ドル(約2090兆円)に拡大し、2Dから3Dへのコマースシフトを推進する基盤としてのプラットフォームに対し、今後10年間で500億ドル(約5兆8000億円)を超える収益化の機会を提供すると予測されている。</p>\n<p>「史上初めて、ライブカメラ映像により、消費者の物理的な現実を検知、理解、拡張、操作することができるようになりました。当社の特許取得済みのAI・CV機能はメタバース全体の進化に適用可能ですが、先行して消費者のショッピング体験の再定義に着手しました」とアルル氏は話す。</p>\n<p>「このプラットフォームは、自宅のモバイルデバイスやARメガネ・ウェアラブルを通して、あるいは実店舗であっても、デジタル化されたカタログという無限の通路を見て回る消費者のショッピング体験を変革します」。</p>\n<p>Tiger GlobalのパートナーであるEvan Feinberg(エバン・ファインバーグ)氏は声明で次のように述べた。「消費者はより良いeコマース体験を求め続けています。Avataarが生み出した革新的な技術は、この需要に応えるための強力なプラグアンドプレイ・ソリューションを顧客に提供しています。デジタル世界が2Dから3Dに移行する中、Avataarとその有能な経営陣は、この急成長市場において好位置につけています」。</p>\n<p><small>画像クレジット:Avataar</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/01/07/avataar-raises-45-million-to-improve-consumer-shopping-experience-with-life-sized-3d-product-evaluation/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Manish Singh、翻訳:<a target=\"_blank\" href=\"https://twitter.com/pressnote55\" rel=\"noopener\">Nariko Mizoguchi</a>)</p>\n",
        "authorId": 138115512,
        "featuredMediaUrl": "/wp-content/uploads/2022/01/Avataar.jpeg",
        "author": {
          "id": 138115512,
          "slug": "nmizoguchi",
          "name": "Nariko Mizoguchi",
          "description": ""
        },
        "categories": [
          {
            "postId": 465971,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 465971,
            "tagId": 2131,
            "tag": {
              "id": 2131,
              "slug": "3d",
              "name": "3D / 3Dモデル(用語)",
              "description": "3D / 3Dモデルに関する記事一覧"
            }
          },
          {
            "postId": 465971,
            "tagId": 282669,
            "tag": {
              "id": 282669,
              "slug": "augmented-reality",
              "name": "拡張現実 / AR(用語)",
              "description": "Augmented Reality。現実の背景にコンピュータで生み出した視覚情報を重ねて表示して、目の前にある世界を拡張する技術。"
            }
          },
          {
            "postId": 465971,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 465971,
            "tagId": 366272777,
            "tag": {
              "id": 366272777,
              "slug": "net-shopping",
              "name": "ネットショッピング / eコマース(用語)",
              "description": "ネットショッピングに関連する記事一覧"
            }
          },
          {
            "postId": 465971,
            "tagId": 366274530,
            "tag": {
              "id": 366274530,
              "slug": "computer-vision",
              "name": "コンピュータービジョン(用語)",
              "description": "コンピュータビジョンに関連する記事一覧"
            }
          },
          {
            "postId": 465971,
            "tagId": 692507344,
            "tag": {
              "id": 692507344,
              "slug": "metaverse",
              "name": "メタバース(用語)",
              "description": "メタバースに関する記事一覧"
            }
          },
          {
            "postId": 465971,
            "tagId": 692516764,
            "tag": {
              "id": 692516764,
              "slug": "avataar",
              "name": "Avataar(企業)",
              "description": "消費者直販ブランドやeコマースマーケットプレイスが製品を3D表示し、コンシューマージャーニーを形成する支援を行うAIとコンピュータービジョンのスタートアップ。"
            }
          }
        ]
      }
    },
    {
      "postId": 465839,
      "categoryId": 366275726,
      "post": {
        "id": 465839,
        "slug": "deloitte-tohmatsu-ai",
        "createdAt": "2022-01-07T08:03:42.000Z",
        "updatedAt": "2022-01-08T02:34:21.000Z",
        "title": "トーマツが会社・勘定科目単位で不正を検知するAIモデルを開発、今後2年間で監査先100社以上のリスク評価手続に活用",
        "content": "<p><a target=\"_blank\" href=\"https://www2.deloitte.com/jp/ja.html\" rel=\"noopener\">デロイト トーマツ</a> グループの有限責任監査法人トーマツは1月7日、過去の不適切な財務データをAIに学習させることで、会社、勘定科目単位で不正を検知する不正検知モデルを開発し、2022年1月から本格導入を開始すると発表した。また、これまで活用してきた<a target=\"_blank\" href=\"https://www2.deloitte.com/jp/ja/pages/deloitte-analytics/solutions/analytics-magnet.html\" rel=\"noopener\">仕訳分析モデル</a>や<a target=\"_blank\" href=\"https://www2.deloitte.com/jp/ja/pages/about-deloitte/articles/news-releases/nr20171011.html\" rel=\"noopener\">異常検知モデル</a>(2017年8月特許取得済)と組み合わせて、不正リスク評価から、対応手続の立案まで網羅的にAI・アナリティクスを活用するアプローチを確立した。不正検知モデルの開発などAIの活用を通じて、AI・データドリブンによる監査の高度化を目指す。</p>\n<p>2015年以降、不適切会計が明らかになった企業の数は増加しており、コロナ禍による業績不振も勘案すると、今後もこの傾向は続くと考えられるという。不正の発生は、企業に大きな損失をもたらすものであり、いかに不正リスクを抑えるかが急務の課題と指摘している。</p>\n<p>従来監査人は、監査先の財務データに対し、異常とみなす基準値や予算との比較、前期からの趨勢把握などによって、監査で重点的にフォローするグループ会社や勘定科目を選別していた。一方、今回同社が開発した不正検知モデルでは、上場企業の過去の不正の傾向をAI・機械学習モデルに学習させているため、監査人は監査先から財務データを入手し、不正検知モデルにデータを投入することで、予測モデルによる不正スコアの計算のもと、不正リスクが高い会社、勘定科目および財務指標を識別する。これにより、監査人は不正リスクの分析を効率的に行うとともに、従来識別しえなかった不正パターンの識別が行えるという。不正検知モデルで検知された不正の兆候に基づいて監査人が監査先企業との議論をより深化させることで、企業のガバナンス向上に貢献するとしている。</p>\n<p>トーマツでは、不正検知モデルを一部活用した監査に着手しており、すでに10社超の上場会社の監査において、主に子会社のリスク評価手続に活用している。さらに、今後2年間で100社以上の監査先のリスク評価手続に活用することを目指しているという。また、不正検知モデルの更なる性能向上に向けて、監査先の同意を得た場合には当該監査先の財務情報をモデルの学習に用いることでモデルの精度を向上させることや、市況データのバリエーションを増やすことで、特に海外子会社に対するリスク評価の精度向上を予定している。</p>\n<p>今回開発した不正検知モデルでは、予測性能に優れる勾配ブースティング技術を採用し、2005年以降に公表された有価証券報告書および訂正報告書に含まれる財務諸表と為替レート、物価指数などの市況データをAIに学習させて、複数の財務指標から不正企業と正常企業との相違性を見出し、その結果を不正企業との近似度として0~1の間でスコアリングする。</p>\n<p>また、どの指標がスコアに影響しているのか、会社別の各指標の時系列推移や、指標値の算定に使用した勘定科目の実数値を詳細に確認できるため、AIが算出したスコアがなぜ高いのかを説明することが可能という。あわせて、不正リスクが高いと評価された企業と類似した不正シナリオを持つ過去の不正企業を参照できる仕組みも構築している。</p>\n<p>これにより、これまで活用してきた仕訳分析モデルや異常検知モデルと組み合わせて、より広範な観点から不正の兆候を把握するリスク評価から、不正リスクの高い仕訳や取引に対して個別・詳細に分析を行い、リスク対応手続の立案まで網羅的にAI・アナリティクスを活用するアプローチを確立した。<img loading=\"lazy\" class=\"aligncenter size-large wp-image-465841\" src=\"/wp-content/uploads/2022/01/2022-01-07-007-002.jpg?w=1024\" alt=\"トーマツが会社・勘定科目単位で不正を検知するAIモデルを開発、今後2年間で監査先100社以上のリスク評価手続に活用\" width=\"1024\" height=\"337\" srcset=\"/wp-content/uploads/2022/01/2022-01-07-007-002.jpg 1588w, /wp-content/uploads/2022/01/2022-01-07-007-002.jpg?resize=300,99 300w, /wp-content/uploads/2022/01/2022-01-07-007-002.jpg?resize=768,253 768w, /wp-content/uploads/2022/01/2022-01-07-007-002.jpg?resize=1024,337 1024w, /wp-content/uploads/2022/01/2022-01-07-007-002.jpg?resize=1536,506 1536w, /wp-content/uploads/2022/01/2022-01-07-007-002.jpg?resize=1215,400 1215w, /wp-content/uploads/2022/01/2022-01-07-007-002.jpg?resize=400,132 400w, /wp-content/uploads/2022/01/2022-01-07-007-002.jpg?resize=738,243 738w, /wp-content/uploads/2022/01/2022-01-07-007-002.jpg?resize=640,211 640w, /wp-content/uploads/2022/01/2022-01-07-007-002.jpg?resize=220,72 220w, /wp-content/uploads/2022/01/2022-01-07-007-002.jpg?resize=281,93 281w, /wp-content/uploads/2022/01/2022-01-07-007-002.jpg?resize=250,82 250w, /wp-content/uploads/2022/01/2022-01-07-007-002.jpg?resize=125,41 125w, /wp-content/uploads/2022/01/2022-01-07-007-002.jpg?resize=600,198 600w, /wp-content/uploads/2022/01/2022-01-07-007-002.jpg?resize=50,16 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /></p>\n",
        "authorId": 188033725,
        "featuredMediaUrl": "/wp-content/uploads/2022/01/2022-01-07-007-index.jpg",
        "author": {
          "id": 188033725,
          "slug": "takashihiga",
          "name": "Takashi Higa",
          "description": ""
        },
        "categories": [
          {
            "postId": 465839,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 465839,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 465839,
            "tagId": 354083,
            "tag": {
              "id": 354083,
              "slug": "financial-affairs",
              "name": "財務(用語)",
              "description": "財務に関する記事一覧"
            }
          },
          {
            "postId": 465839,
            "tagId": 681521951,
            "tag": {
              "id": 681521951,
              "slug": "accounting",
              "name": "会計(用語)",
              "description": "会計に関する記事一覧"
            }
          },
          {
            "postId": 465839,
            "tagId": 692511957,
            "tag": {
              "id": 692511957,
              "slug": "deloitte-tohmatsu",
              "name": "デロイト トーマツ グループ(企業)",
              "description": "デロイト トーマツ グループに関する記事一覧"
            }
          },
          {
            "postId": 465839,
            "tagId": 692516375,
            "tag": {
              "id": 692516375,
              "slug": "corporate-governance",
              "name": "コーポレート・ガバナンス(用語)",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 465572,
      "categoryId": 366275726,
      "post": {
        "id": 465572,
        "slug": "materialbase-reservoir-computing-element",
        "createdAt": "2022-01-06T10:09:51.000Z",
        "updatedAt": "2022-01-06T10:09:51.000Z",
        "title": "AIロボットが何をつかんだかを判別可能に―九州工業大学、マテリアルベースのリザバー演算素子を開発",
        "content": "<p><img loading=\"lazy\" class=\"aligncenter wp-image-465636 size-large\" src=\"/wp-content/uploads/2022/01/2022-01-06-008-001.jpg?w=1024\" alt=\"AIロボットが何をつかんだかを判別可能に―九州工業大学、マテリアルベースのリザバー演算素子開発とロボティクスへの応用に成功\" width=\"1024\" height=\"537\" srcset=\"/wp-content/uploads/2022/01/2022-01-06-008-001.jpg 1718w, /wp-content/uploads/2022/01/2022-01-06-008-001.jpg?resize=300,157 300w, /wp-content/uploads/2022/01/2022-01-06-008-001.jpg?resize=768,403 768w, /wp-content/uploads/2022/01/2022-01-06-008-001.jpg?resize=1024,537 1024w, /wp-content/uploads/2022/01/2022-01-06-008-001.jpg?resize=1536,806 1536w, /wp-content/uploads/2022/01/2022-01-06-008-001.jpg?resize=763,400 763w, /wp-content/uploads/2022/01/2022-01-06-008-001.jpg?resize=400,210 400w, /wp-content/uploads/2022/01/2022-01-06-008-001.jpg?resize=738,387 738w, /wp-content/uploads/2022/01/2022-01-06-008-001.jpg?resize=640,336 640w, /wp-content/uploads/2022/01/2022-01-06-008-001.jpg?resize=220,115 220w, /wp-content/uploads/2022/01/2022-01-06-008-001.jpg?resize=281,147 281w, /wp-content/uploads/2022/01/2022-01-06-008-001.jpg?resize=238,125 238w, /wp-content/uploads/2022/01/2022-01-06-008-001.jpg?resize=125,66 125w, /wp-content/uploads/2022/01/2022-01-06-008-001.jpg?resize=114,60 114w, /wp-content/uploads/2022/01/2022-01-06-008-001.jpg?resize=1053,552 1053w, /wp-content/uploads/2022/01/2022-01-06-008-001.jpg?resize=600,315 600w, /wp-content/uploads/2022/01/2022-01-06-008-001.jpg?resize=50,26 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /></p>\n<p><a target=\"_blank\" href=\"https://www.kyutech.ac.jp/\" rel=\"noopener\">九州工業大学</a>は1月6日、ロボットアームのハンド部分から得られる感触信号から、ロボットが何をつかんだかを判別(把持物体認識)することに成功したと<a target=\"_blank\" href=\"https://onlinelibrary.wiley.com/doi/full/10.1002/aisy.202100145\" rel=\"noopener\">発表した</a>。把持物体認識には、人工ニューラルネットワークの一種であるリザバー演算(RC)が使われるが、九州工業大学は、そのリザバー演算を、「単層カーボンナノチューブとポルフィリン、ポリオキソメタレートの複合体」(SWNT/Por-POM)からなる素子で行わせるという、画期的なアプローチをとった。</p>\n<p>人間の脳を人工的に模倣するには、ランダムに接続されたニューロンとシナプスの動的な貯蔵庫(リザバー)を模倣する必要があり、それを実現したのが人工ニューラルネットワーク(ANN)だ。その一種であるリザバー演算は、貯蔵庫内での信号のランダムなフィードバックを忠実に再現して時系列データの学習を可能にしており、深層ニューラルネットワークに比べて、効率的・高速・シンプルで、生物の脳の仕組みに近い機械学習アーキテクチャーとされている。</p>\n<p><img loading=\"lazy\" class=\"aligncenter wp-image-465637 size-large\" src=\"/wp-content/uploads/2022/01/press220106-2-002.png?w=1024\" alt=\"AIロボットが何をつかんだかを判別可能に―九州工業大学、マテリアルベースのリザバー演算素子開発とロボティクスへの応用に成功\" width=\"1024\" height=\"786\" srcset=\"/wp-content/uploads/2022/01/press220106-2-002.png 1260w, /wp-content/uploads/2022/01/press220106-2-002.png?resize=300,230 300w, /wp-content/uploads/2022/01/press220106-2-002.png?resize=768,589 768w, /wp-content/uploads/2022/01/press220106-2-002.png?resize=1024,786 1024w, /wp-content/uploads/2022/01/press220106-2-002.png?resize=521,400 521w, /wp-content/uploads/2022/01/press220106-2-002.png?resize=400,307 400w, /wp-content/uploads/2022/01/press220106-2-002.png?resize=738,566 738w, /wp-content/uploads/2022/01/press220106-2-002.png?resize=469,360 469w, /wp-content/uploads/2022/01/press220106-2-002.png?resize=80,60 80w, /wp-content/uploads/2022/01/press220106-2-002.png?resize=220,169 220w, /wp-content/uploads/2022/01/press220106-2-002.png?resize=224,172 224w, /wp-content/uploads/2022/01/press220106-2-002.png?resize=163,125 163w, /wp-content/uploads/2022/01/press220106-2-002.png?resize=125,96 125w, /wp-content/uploads/2022/01/press220106-2-002.png?resize=78,60 78w, /wp-content/uploads/2022/01/press220106-2-002.png?resize=719,552 719w, /wp-content/uploads/2022/01/press220106-2-002.png?resize=478,367 478w, /wp-content/uploads/2022/01/press220106-2-002.png?resize=50,38 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /></p>\n<p>ところが、リザバー演算を既存コンピューター上でソフトウェアだけで行うことは技術的に難しく、ハードウェアからアプローチするパラダイムシフトが不可欠とされる。そこで、ソフトウェアと並行して物理的な挙動を演算ツールとして用いる「物理リザバー」が研究されている。なかでも九州工業大学の手法は、物理的挙動を示すマテリアル自身に演算を担わせる「マテリオRC」という新しい試みだ。</p>\n<p>研究では、SWNT/Por-POMによるリザバーからなるランダムネットワークを作り、トヨタ自動車の生活支援ロボット「ヒューマンサポートロボット」のロボットハンドから得られた物体把持のセンシングデータを入力信号として使用した。それにより、異なる物を正しく分類する「インマテリオRCタスク」に成功した。</p>\n<p><img loading=\"lazy\" class=\"aligncenter wp-image-465573 size-full\" src=\"/wp-content/uploads/2022/01/c1ac1213bc516e7d19c92f2d4a4c38a3.jpeg\" alt=\"\" width=\"680\" height=\"484\" srcset=\"/wp-content/uploads/2022/01/c1ac1213bc516e7d19c92f2d4a4c38a3.jpeg 680w, /wp-content/uploads/2022/01/c1ac1213bc516e7d19c92f2d4a4c38a3.jpeg?resize=300,214 300w, /wp-content/uploads/2022/01/c1ac1213bc516e7d19c92f2d4a4c38a3.jpeg?resize=562,400 562w, /wp-content/uploads/2022/01/c1ac1213bc516e7d19c92f2d4a4c38a3.jpeg?resize=100,70 100w, /wp-content/uploads/2022/01/c1ac1213bc516e7d19c92f2d4a4c38a3.jpeg?resize=400,285 400w, /wp-content/uploads/2022/01/c1ac1213bc516e7d19c92f2d4a4c38a3.jpeg?resize=506,360 506w, /wp-content/uploads/2022/01/c1ac1213bc516e7d19c92f2d4a4c38a3.jpeg?resize=220,157 220w, /wp-content/uploads/2022/01/c1ac1213bc516e7d19c92f2d4a4c38a3.jpeg?resize=242,172 242w, /wp-content/uploads/2022/01/c1ac1213bc516e7d19c92f2d4a4c38a3.jpeg?resize=176,125 176w, /wp-content/uploads/2022/01/c1ac1213bc516e7d19c92f2d4a4c38a3.jpeg?resize=125,89 125w, /wp-content/uploads/2022/01/c1ac1213bc516e7d19c92f2d4a4c38a3.jpeg?resize=84,60 84w, /wp-content/uploads/2022/01/c1ac1213bc516e7d19c92f2d4a4c38a3.jpeg?resize=516,367 516w, /wp-content/uploads/2022/01/c1ac1213bc516e7d19c92f2d4a4c38a3.jpeg?resize=50,36 50w\" sizes=\"(max-width: 680px) 100vw, 680px\" /></p>\n<p>現在、画像による物体認識は広く行われているが、光量が少ない暗い場所では誤判定が生じる。そのため、特に介護の現場などでは触覚センサーによる把持物体認識の併用が重要になってくる。九州工業大学では、「生物学的なインターフェースで効率的な計算を実現できる、マテリアルベースのRCが賢い選択だということが今回の結果で示されました」と話している。SWNT/Por-POMは近い将来、「脳と同等の情報処理能力を持つと期待され、時系列予測や音声認識など他の複雑なAI問題に応用すること」が可能になるということだ。</p>\n<p>この研究は、<a target=\"_blank\" href=\"https://www.brain.kyutech.ac.jp/~neuro/\" rel=\"noopener\">九州工業大学ニューロモルフィックAIハードウェア研究センター</a>の田中啓文教授、田向権教授らからなる研究グループと、<a target=\"_blank\" href=\"https://www.osaka-u.ac.jp/ja\" rel=\"noopener\">大阪大学</a>の小川琢治元教授、<a target=\"_blank\" href=\"https://www.ucla.edu/\" rel=\"noopener\">カリフォルニア大学ロサンゼルス校</a>のジムゼウスキー教授との共同によるもの。</p>\n",
        "authorId": 136751393,
        "featuredMediaUrl": "/wp-content/uploads/2022/01/2022-01-06-008-index.jpg",
        "author": {
          "id": 136751393,
          "slug": "tetsuokanai",
          "name": "tetsuokanai",
          "description": ""
        },
        "categories": [
          {
            "postId": 465572,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 465572,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 465572,
            "tagId": 90436,
            "tag": {
              "id": 90436,
              "slug": "robot",
              "name": "ロボット(用語)",
              "description": "ロボットに関する記事一覧"
            }
          },
          {
            "postId": 465572,
            "tagId": 366187520,
            "tag": {
              "id": 366187520,
              "slug": "neural-network",
              "name": "ニューラルネットワーク(用語)",
              "description": "ニューラルネットワークに関する記事一覧"
            }
          },
          {
            "postId": 465572,
            "tagId": 366273866,
            "tag": {
              "id": 366273866,
              "slug": "elderly-care",
              "name": "介護 / 高齢者介護(用語)",
              "description": "介護に関連する記事一覧"
            }
          },
          {
            "postId": 465572,
            "tagId": 366280039,
            "tag": {
              "id": 366280039,
              "slug": "osaka-university",
              "name": "大阪大学(組織)",
              "description": ""
            }
          },
          {
            "postId": 465572,
            "tagId": 692516481,
            "tag": {
              "id": 692516481,
              "slug": "kyushu-institute-of-technology",
              "name": "九州工業大学(組織)",
              "description": ""
            }
          },
          {
            "postId": 465572,
            "tagId": 692516683,
            "tag": {
              "id": 692516683,
              "slug": "%e3%82%bb%e3%83%b3%e3%82%b5%e3%83%bc%ef%bc%88%e7%94%a8%e8%aa%9e%ef%bc%89",
              "name": "センサー(用語)",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 465112,
      "categoryId": 366275726,
      "post": {
        "id": 465112,
        "slug": "2022-01-02-aimmo-grabs-12m-series-a-to-advance-data-labeling-technology",
        "createdAt": "2022-01-03T06:45:19.000Z",
        "updatedAt": "2022-03-14T23:30:57.000Z",
        "title": "AIの利用が加速するなか、韓国のデータラベリング企業AIMMOがシリーズAで13.8億円調達",
        "content": "<p>人工知能モデルのほとんどは、監視下での学習を通じて訓練される。すなわち、生データへのラベル付けを人間が行う必要がある。データラベリングは人工知能と機械学習の自動化における最も重要な部分であるが、時間のかかる面倒な作業でもある。</p>\n<p>韓国のスタートアップ<a target=\"_blank\" href=\"https://en.aimmo.ai/\" rel=\"noopener\">AIMMO</a>(エイモ)は、ソフトウェアと人間を使って、画像、ビデオ、音声、テキスト、センサーフュージョン(複数センサーのデータを融合する)データのラベル付けとカテゴリー分けを行なってており、企業が高速でデータラベリングを行えるAIデータ・アノテーション・プラットフォームも開発した。</p>\n<p>AIMMOは2022年1月2日、データラベリングテクノロジーの強化と世界進出の加速を目指し、1200万ドル(約13億8000万円)のシリーズAラウンドを完了したと発表した。ラウンドにDS Asset Management、Indsutrial Bank of Korea、Hanwha Investment &amp; Securities、S&amp;S Investment、Toss Investment、Korea Asset Investment &amp; Securities、およびVenture Fieldというは7社のベンチャーキャピタルが参加している。AIMMOは企業評価額を明らかにしていない。</p>\n<p>「パンデミックは、非接触テクノロジーへの転換と、情報監視、スマートシティ、無人運転車、スマートファクトリー、ロボティクスなどAIデータが不可欠な分野でのAI利用を加速しました」とAIMMOノグローバルセールス責任者、Doyle Chung(ドイル・チャン)氏はメールインタビューで答えた。「さまざまな方向性や業界がある中、当社の焦点は主として、スマートシティと自動運転です」。</p>\n<p>2016年に、CEOのSeung Taek Oh(オ・スンテク)氏が設立したこのスタートアップは、3種類のデータアノテーションツールを持っている。AIMMO DaaSは自動運転車企業向けセンサーフュージョンデータを管理する。AIMMO GtaaSは、ビッグデータのためのターンキー方式のプラットフォーム、そして2020年に公開されたAIMMO Enterprisesは、クラウドアーキテクチャを使ったウェブベースのSaaSアノテーションラベリングツールだ。</p>\n<p>同スタートアップは、これらのツールを使うことでデータアノテーションプロセスを効率化し、顧客はAIモデルに集中できる、という。プラットフォームの使用料はなく、コーディングのスキルやAIMMO Enterprisesのインストールも不要で、ユーザーはChromeなどのウェブブラウザーを使ってデータのラベリングができる。AIMMO GtaaSでは、ユーザーが生データをAIMMOに送ると、検査結果が戻される、とチャン氏は話した。</p>\n<p>AIMMO DaaSプラットフォームを使ったデータラベリングの件数と売上は2021年に対前年比200%成長した。同社のIR資料によるとAIMMOの2021年の売上は1000万ドル(約11億5000万円)だった。自動運転分野の世界的需要の高まりを受け、2022年の売上が成長することを同社は予測している。</p>\n<div id=\"attachment_465113\" style=\"width: 690px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-465113\" loading=\"lazy\" class=\"wp-image-465113 size-large\" src=\"/wp-content/uploads/2022/01/Screen-Shot-2022-01-02-at-10.09.21-PM.png?w=680\" alt=\"\" width=\"680\" height=\"413\" srcset=\"/wp-content/uploads/2022/01/Screen-Shot-2022-01-02-at-10.09.21-PM.png 680w, /wp-content/uploads/2022/01/Screen-Shot-2022-01-02-at-10.09.21-PM.png?resize=300,182 300w, /wp-content/uploads/2022/01/Screen-Shot-2022-01-02-at-10.09.21-PM.png?resize=659,400 659w, /wp-content/uploads/2022/01/Screen-Shot-2022-01-02-at-10.09.21-PM.png?resize=400,243 400w, /wp-content/uploads/2022/01/Screen-Shot-2022-01-02-at-10.09.21-PM.png?resize=593,360 593w, /wp-content/uploads/2022/01/Screen-Shot-2022-01-02-at-10.09.21-PM.png?resize=220,134 220w, /wp-content/uploads/2022/01/Screen-Shot-2022-01-02-at-10.09.21-PM.png?resize=281,172 281w, /wp-content/uploads/2022/01/Screen-Shot-2022-01-02-at-10.09.21-PM.png?resize=206,125 206w, /wp-content/uploads/2022/01/Screen-Shot-2022-01-02-at-10.09.21-PM.png?resize=125,76 125w, /wp-content/uploads/2022/01/Screen-Shot-2022-01-02-at-10.09.21-PM.png?resize=99,60 99w, /wp-content/uploads/2022/01/Screen-Shot-2022-01-02-at-10.09.21-PM.png?resize=600,364 600w, /wp-content/uploads/2022/01/Screen-Shot-2022-01-02-at-10.09.21-PM.png?resize=50,30 50w, /wp-content/uploads/2022/01/Screen-Shot-2022-01-02-at-10.09.21-PM.png?resize=216,130 216w\" sizes=\"(max-width: 680px) 100vw, 680px\" /><p id=\"caption-attachment-465113\" class=\"wp-caption-text\">画像クレジット:AIMMOウェブサイトのスクリーンショット</p></div>\n<p>データ収集とラベリングの市場規模は、2021年に16億ドル(約1843億円)で2028年には82億ドル(約9445億円)になるとGrand View Researchの<a target=\"_blank\" href=\"https://www.grandviewresearch.com/industry-analysis/data-collection-labeling-market\" rel=\"noopener\"><span data-preserver-spaces=\"true\">市場分析レポートは予測している</span></a>。</p>\n<p>AIMMOは幅広い企業にサービスを提供しており、顧客には自動車メーカーの<a target=\"_blank\" href=\"https://www.hyundai.com/worldwide/en/\" rel=\"noopener\">Hyundai Motor</a>(現代自動車、ヒョンデ・モーターズ)、自動車部品製造メーカーの<a target=\"_blank\" href=\"https://en.mobis.co.kr/main/index.do\" rel=\"noopener\">Hyundai Mobis</a>(ヒョンデ・モビス)、ライドシェアリングのスタートアップ、Kakao Mobility(カカオ・モビリティー)、カー・シェアリングのスタートアップSoCar(ソーカー)、自動運転貨物輸送デベロッパーの<a target=\"_blank\" href=\"https://www.thordrive.ai/\" rel=\"noopener\">ThoreDrive</a>(トアドライブ)などがいる。AIMMOは自動運転車以外でも、ロボティクス、光学文字認識(OCR)、スマートファクトリー、インテリジェント監視、eコマース、ロジスティック業界、通信会社の<a target=\"_blank\" href=\"https://www.sktelecom.com/index_en.html\" rel=\"noopener\">SK Telecom</a>(SKテレコム)、インターネット巨人のNAVER(ネイバー)、Kakao(カカオ)のほか日本の大手重機会社などとも仕事をしている。</p>\n<p>韓国拠点のスタートアップは、英国、米国、日本、ベトナムに事業所がある。チャン氏によると、2022年にはドイツとカナダにも事業所を開く予定だ。AIMMOのが今後世界市場へ進出していけば、Scale AI(スケール・エーアイ)、Playment(プレイメント)、Understand.ai(アンダースタンド・エーアイ)、Deepen AI(ディープン・エーアイ)などがライバルになる。現在同社には世界で200名の社員と1万人以上のデータ・ラベラーがいる。</p>\n<p><small>画像クレジット:ScreenShot | AIMMO<br />\n</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2022/01/02/aimmo-grabs-12m-series-a-to-advance-data-labeling-technology/\" rel=\"noopener noreferrer\">原文へ</a>]</p>\n<p>(文:Kate Park、翻訳:Nob Takahashi / <a target=\"_blank\" href=\"https://www.facebook.com/nobuotakahashi\" rel=\"noopener\">facebook</a> )</p>\n",
        "authorId": 46898867,
        "featuredMediaUrl": "/wp-content/uploads/2022/01/Screen-Shot-2022-01-02-at-10.34.59-PM.png",
        "author": {
          "id": 46898867,
          "slug": "tcjpnobuo",
          "name": "Nobuo Takahashi",
          "description": ""
        },
        "categories": [
          {
            "postId": 465112,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 465112,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 465112,
            "tagId": 366073455,
            "tag": {
              "id": 366073455,
              "slug": "autonomous-driving",
              "name": "自動運転 / 自律走行(用語)",
              "description": "自動運転 / 自律走行に関する記事一覧"
            }
          },
          {
            "postId": 465112,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 465112,
            "tagId": 366271514,
            "tag": {
              "id": 366271514,
              "slug": "korea",
              "name": "韓国(国・地域)",
              "description": "韓国に関連する記事一覧"
            }
          },
          {
            "postId": 465112,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 465112,
            "tagId": 366276699,
            "tag": {
              "id": 366276699,
              "slug": "smart-city",
              "name": "スマートシティ(用語)",
              "description": "スマートシティに関する記事一覧"
            }
          },
          {
            "postId": 465112,
            "tagId": 692516694,
            "tag": {
              "id": 692516694,
              "slug": "data-labeling",
              "name": "データラベリング(用語)",
              "description": "データラベリングに関する記事一覧"
            }
          },
          {
            "postId": 465112,
            "tagId": 692516695,
            "tag": {
              "id": 692516695,
              "slug": "aimmo",
              "name": "AIMMO(企業)",
              "description": "ソフトウェアと人間を使って、画像、ビデオ、音声、テキスト、センサーフュージョン(複数センサーのデータを融合する)データのラベル付けとカテゴリー分けを行い、企業が高速でデータラベリングを行えるAIデータ・アノテーション・プラットフォームも開発、提供する企業。"
            }
          }
        ]
      }
    },
    {
      "postId": 464513,
      "categoryId": 366275726,
      "post": {
        "id": 464513,
        "slug": "2021-12-23-wombo-dream-app",
        "createdAt": "2021-12-24T05:30:27.000Z",
        "updatedAt": "2021-12-25T01:18:32.000Z",
        "title": "描いて欲しいものを言葉で表現するだけ、AIが数秒で描いてくれるアートアプリ「Dream」",
        "content": "<p>この10年間、AIが現実を変える力はますます忙しくなっている。コンピュータービジョンを利用した<a target=\"_blank\" href=\"https://techcrunch.com/2013/10/19/seene-uses-computer-vision-to-create-unique-and-eerie-3d-images-on-iphone/\" rel=\"noopener\">3Dジオラマ</a>、流行を仕かける<a target=\"_blank\" href=\"https://techcrunch.com/2016/06/24/prisma-uses-ai-to-turn-your-photos-into-graphic-novel-fodder-double-quick/\" rel=\"noopener\">スタイル転写</a>、バイラルな<a target=\"_blank\" href=\"https://techcrunch.com/2017/02/08/faceapp-uses-neural-networks-for-photorealistic-selfie-tweaks/\" rel=\"noopener\">写実的自撮りチューニング</a>、<a target=\"_blank\" href=\"https://techcrunch.com/2020/07/28/facetune-maker-lightricks-brings-its-popular-selfie-retouching-features-to-video/\" rel=\"noopener\">自撮りレタッチ</a>、<a target=\"_blank\" href=\"/2021/05/18/2021-05-17-reface-now-lets-users-face-swap-into-pics-they-upload/\" rel=\"noopener\">フェイススワップ</a>、そしてもちろん<a target=\"_blank\" href=\"/2021/04/15/2021-04-14-deep-fake-video-app-avatarify-which-process-on-phone-plans-digital-watermark-for-videos/\" rel=\"noopener\">ディープフェイク</a>、その他にも<a target=\"_blank\" href=\"https://techcrunch.com/2018/07/10/snapchat-debuts-a-library-of-selfie-filters/\" rel=\"noopener\">自撮りフィルター</a>(ああ<a target=\"_blank\" href=\"/2021/06/16/2021-06-14-everyone-you-know-is-a-disney-princess-which-means-ar-is-queen/\" rel=\"noopener\">「Disneyfying(ディズニー化する)」カートゥーンレンズ!</a>)による軽薄な(そして<a target=\"_blank\" href=\"https://twitter.com/MikaelThalen/status/1359209202292428800\" rel=\"noopener\">愉快な</a>)楽しいものもたくさんある。</p>\n<p>AIを使ったビジュアルリミックスは、注目を集めることができることを繰り返し証明してきた。しかし、AIが生成した効果の目新しさがなくなると「注目」を維持することが難しくなる(自撮りレタッチアプリにはそのような問題はなく、リアリティを高める機械学習の需要は絶え間なくある)。</p>\n<p>関連記事<br />\n・<a target=\"_blank\" href=\"/2021/05/18/2021-05-17-reface-now-lets-users-face-swap-into-pics-they-upload/\" rel=\"noopener\">顔交換アプリ「Reface」でユーザーがアップロードした画像の顔入れ替え&アニメーション化が可能に</a><br />\n・<a target=\"_blank\" href=\"/2021/04/15/2021-04-14-deep-fake-video-app-avatarify-which-process-on-phone-plans-digital-watermark-for-videos/\" rel=\"noopener\">ディープフェイク動画のiOSアプリ「Avatarify」が電子透かし提供へ</a><br />\n・<a target=\"_blank\" href=\"/2021/06/16/2021-06-14-everyone-you-know-is-a-disney-princess-which-means-ar-is-queen/\" rel=\"noopener\">これで誰でもディズニープリンセス、願いをかなえたARアプリへの捧げ物はあなたの生体情報!?</a></p>\n<p>この間のAIを利用した合成メディアの発展で最も注目すべきは、これまで以上に強力なモバイル処理ハードウェアに助けられ、これらのビジュアルエフェクトの速度が向上したことだ。</p>\n<p>完成までの待ち時間を大幅に短縮できるようになったこと。これは、ニューラルネットワークやGAN(Generative Adversarial Networks、敵対的生成ネットワーク)の創造性とパワーを製品化(そして潜在的には収益化)するためのゲームチェンジャーだ。つまり、機械学習のフレームワークが、レタッチやリフレーミング、あるいは生成的なモデリングを行い、そのインスピレーションを人間のプロンプトから得ている。</p>\n<p>過去10年間、アプリを使ったビジュアルリミックスのほとんどは、AIを使った純粋な画像生成に対して、レタッチ、リスタイリング、オーグメンテーションに焦点を合わせてきたが、これも変わりつつある。</p>\n<p>カナダのスタートアップであるWombo(ウォンボ)は、社名を冠したAI活用リップシンキングビデオアプリで注目を集めたが、最近、<a target=\"_blank\" href=\"https://www.wombo.art/\" rel=\"noopener\">Dream</a>(<a target=\"_blank\" href=\"https://apps.apple.com/in/app/wombo-dream/id1586366816\" rel=\"noopener\">iOS</a>、<a target=\"_blank\" href=\"https://play.google.com/store/apps/details?id=com.womboai.wombodream\" rel=\"noopener\">Android</a>)という別のアプリを立ち上げた。この新アプリはAIを使って、テキストのプロンプトに基づいてオリジナルの「アートワーク」を制作する。</p>\n<p>超、超シンプルだ。何を描いて欲しいか、ただ言葉で表現する。例えば「恐ろしい木」とか「史上最悪のサンドイッチ」などと言って、提供される選択肢(神秘的、バロック、ファンタジーアート、スチームパンクなど)からスタイルを、あるいは「スタイルなし」を選び、作成を押すだけだ。</p>\n<p>すると、文字どおり数秒(筆者が数えたのは20秒以下)で、完成した「アートワーク」が表示される。</p>\n<p>待っている数秒間は、AIの動きを垣間見ることができるので、退屈することはない。アプリにはモデリングが急速に進化していく様子が映し出される。スターターマークから、人間離れした速さでキャンバスに肉づけされ、あっという間に別の完成した構図に到達する。</p>\n<p>生成された作品の中には、ちょっと感動するようなものもある。そうでないものもある。</p>\n<p>しかし、もちろん、2つのプロンプトが同じ画像を生成することはない。そのため、気に入ったものができるまで、同じプロンプトで新しい画像を求め続けることができる。</p>\n<p>要するに、クリスマスカード作家やパルプフィクションのイラストレーターは、もう引退できる。</p>\n<p>今や誰もが「アーティスト」だ。</p>\n<p>とはいえ、実際のアーティストが心配することはあまりないはずだ。というのも、人間の頭脳と身体によって作られた芸術は、世界中に「マシンアート」が溢れれば、その価値は高まる一方だからだ(NFTが作られるたびに「デジタルアート」という言葉の意味が薄れていくように……)。</p>\n<p>Dreamアプリの「アート」の質は確かにばらつきがある。長くて複雑なプロンプトはアプリを困惑させるようだ。なので、要求する内容によって、アウトプットの質が変わることがある。</p>\n<p>「スタイル」は、多くの模倣がある中で1つの包括的なスタイルがあるとすれば、具体的で正確というより、抽象的で歪んだものになる傾向があるようだ。ポートレートを依頼しても、写実的に描かれることはない。また、現実よりも幻想的に描かれる(例えば「聖母子像」のプロンプトでは、暗号化されたボッティチェリではなく、<a target=\"_blank\" href=\"https://www.youtube.com/watch?v=lrZ3bytd2J0\" rel=\"noopener\">悪名高いスペインの教会の修復に失敗したもの</a>に近い作品が提供された)。</p>\n<p>しかし、その制作の速さには感心させられる。恐ろしいほどだ。</p>\n<div class=\"slideshow slideshowify\">\n    <ol><li>\n            <div class=\"image\"><img data-thumb=\"/wp-content/uploads/2021/12/Dream1.png?w=80&amp;h=60&amp;crop=1\" data-trigger-notification=\"1\" data-scalable=\"false\" alt=\"\" data-src=\"/wp-content/uploads/2021/12/Dream1.png?w=432\" data-tc-lazyload=\"deferred\" src=\"/wp-content/themes/techcrunch-jp-2015/assets/images/1x1.png\" /></div>\n            <h3 class=\"title\">Dream1</h3>\n            <div class=\"caption\"></div>\n            <div class=\"credit\"></div>\n        </li><li>\n            <div class=\"image\"><img data-thumb=\"/wp-content/uploads/2021/12/Dream2.jpeg?w=80&amp;h=60&amp;crop=1\" data-trigger-notification=\"1\" data-scalable=\"false\" alt=\"\" data-src=\"/wp-content/uploads/2021/12/Dream2.jpeg?w=432\" data-tc-lazyload=\"deferred\" src=\"/wp-content/themes/techcrunch-jp-2015/assets/images/1x1.png\" /></div>\n            <h3 class=\"title\">Dream2</h3>\n            <div class=\"caption\"></div>\n            <div class=\"credit\"></div>\n        </li><li>\n            <div class=\"image\"><img data-thumb=\"/wp-content/uploads/2021/12/Dream3.jpeg?w=80&amp;h=60&amp;crop=1\" data-trigger-notification=\"1\" data-scalable=\"false\" alt=\"\" data-src=\"/wp-content/uploads/2021/12/Dream3.jpeg?w=432\" data-tc-lazyload=\"deferred\" src=\"/wp-content/themes/techcrunch-jp-2015/assets/images/1x1.png\" /></div>\n            <h3 class=\"title\">Dream3</h3>\n            <div class=\"caption\"></div>\n            <div class=\"credit\"></div>\n        </li><li>\n            <div class=\"image\"><img data-thumb=\"/wp-content/uploads/2021/12/Dream4.jpeg?w=80&amp;h=60&amp;crop=1\" data-trigger-notification=\"1\" data-scalable=\"false\" alt=\"\" data-src=\"/wp-content/uploads/2021/12/Dream4.jpeg?w=432\" data-tc-lazyload=\"deferred\" src=\"/wp-content/themes/techcrunch-jp-2015/assets/images/1x1.png\" /></div>\n            <h3 class=\"title\">Dream4</h3>\n            <div class=\"caption\"></div>\n            <div class=\"credit\"></div>\n        </li><li>\n            <div class=\"image\"><img data-thumb=\"/wp-content/uploads/2021/12/Dream5.jpeg?w=80&amp;h=60&amp;crop=1\" data-trigger-notification=\"1\" data-scalable=\"false\" alt=\"\" data-src=\"/wp-content/uploads/2021/12/Dream5.jpeg?w=432\" data-tc-lazyload=\"deferred\" src=\"/wp-content/themes/techcrunch-jp-2015/assets/images/1x1.png\" /></div>\n            <h3 class=\"title\">Dream5</h3>\n            <div class=\"caption\"></div>\n            <div class=\"credit\"></div>\n        </li><li>\n            <div class=\"image\"><img data-thumb=\"/wp-content/uploads/2021/12/Dream6.jpeg?w=80&amp;h=60&amp;crop=1\" data-trigger-notification=\"1\" data-scalable=\"false\" alt=\"\" data-src=\"/wp-content/uploads/2021/12/Dream6.jpeg?w=432\" data-tc-lazyload=\"deferred\" src=\"/wp-content/themes/techcrunch-jp-2015/assets/images/1x1.png\" /></div>\n            <h3 class=\"title\">Dream6</h3>\n            <div class=\"caption\"></div>\n            <div class=\"credit\"></div>\n        </li></ol>\n    <div class=\"enter-wrapper\">\n        <a class=\"enter\" href=\"#\">&nbsp;<span class=\"enter-text\">View Slideshow</span></a>\n    </div>\n    <div class=\"controls\">\n        <a class=\"prev icon-arrow-left\" href=\"#\"><span class=\"is-vishidden\">Previous</span></a>\n        <a class=\"next icon-arrow\" href=\"#\"><span class=\"is-vishidden\">Next</span></a>\n        <a class=\"exit\" href=\"#\">Exit</a>\n    </div>\n</div>\n<p>新鮮なアートワークが表示されるとすぐに、このアプリはそれを売ろうとする。「プリントを買う」というオプションがポップアップ表示される。ウェブショップにリンクする、視覚的なトリックを実際の売上に変える巧妙な方法のように見える(「カスタムWomboドリームプリント」を提供しており、マットポスターは20ドル[約2300円]から、フレーム付きプリントは45ドル[約5200円]からだ)。</p>\n<p>もし、このスタートアップが、20秒もかからない処理を20ドル以上の売上に変えることができれば、ちょっとしたお金のパイプラインを作ることになる。</p>\n<p>11月末までに、<a target=\"_blank\" href=\"https://twitter.com/WOMBO/status/1465708826875760641\" rel=\"noopener\">1000万枚以上の画像</a>がすでにユーザーによって作成された(一方、Google Playアプリは提供開始から<a target=\"_blank\" href=\"https://twitter.com/WOMBO/status/1459244166081396751\" rel=\"noopener\">1カ月ほど</a>で100万回超のダウンロードを記録している)。</p>\n<blockquote class=\"twitter-tweet\" data-width=\"500\" data-dnt=\"true\">\n<p lang=\"en\" dir=\"ltr\">Happy to announce the (pre)release of WOMBO Dream!</p>\n<p>Recently discovered alien technology has made it possible to turn your text into art &#8211; some examples below 👽</p>\n<p>Here&#8217;s &#8216;Giant Yellow Egg&#8217; in the Synthwave style 🌈 <a href=\"https://t.co/7JqB8DuXgL\">pic.twitter.com/7JqB8DuXgL</a></p>\n<p>&mdash; WOMBO.eth (@WOMBO) <a href=\"https://twitter.com/WOMBO/status/1459244166081396751?ref_src=twsrc%5Etfw\">November 12, 2021</a></p></blockquote>\n<p><script async src=\"https://platform.twitter.com/widgets.js\" charset=\"utf-8\"></script></p>\n<p>とはいえ、どんな種類のアートでも、ましてや心ない機械が生成した画像であっても、ほとんどの人はそれを飾るための壁のスペースは限られている。なので、こうしたランダムな作品の大半は、しっかりとバーチャルに留まることになる(「AIアート」は、NFTの完璧なネタになるかもしれないが……)。</p>\n<p>「AIアート」がファッションや文化的価値においてどのような位置づけになるかは、もちろん興味深い問題だ。</p>\n<p>クリップアートやストックフォトより優れているのは確かだ。Dreamアプリが出力する作品は、Ikea(イケア)で買える平均的な「アート」プリントよりも興味深いものになる可能性もある。しかし、その結果は、むしろ気持ち悪いもの、あるいは派生的なもの、あるいは下品なもの、あるいはただ単に奇妙なものであることもある。</p>\n<p>そして、それはアートなのか?それとも、数学的プロセスの視覚的出力に過ぎないのか?コードにはそのようなものがないため、本当の感情やアイデンティティあるいは魂の感覚を解釈することができない、人間の創造的スキルの抽象化だろうか?アプリは、ただ言われたことをやっているだけだ。</p>\n<p>そして、あなたは本当にコード化された抽象的なものを壁に飾りたいだろうか?</p>\n<p>おそらくそうかも?特に美的感覚に優れていれば。しかし、それはアートなのか、それともただの壁紙なのか?Womboは「アート」プリントではなく、Dream AIの壁紙や印刷されたマウスマット、Tシャツ(商品)を販売すべきなのかもしれない……。</p>\n<p>あれこれ考えることがある。</p>\n<p>いくつかはっきりしているのは、AIが生成するアートは、遊んでいてとても楽しいということだ。それは、ある種の視覚的な刺激だ。想像力のためのおもちゃだ。</p>\n<p>また、間違いなくこの先も存在し続ける。芸術という主観的なテーマにおいて「より良い」とはどういう意味かにもよるが、AIモデルは今後も「さらに良くなり」続ける(おそらく、生成的なアートのモデルは、その人がイメージしているものに近づいたり、個人的にユニークあるいは意味があると感じるまで微調整できるよう、機械が出力したものをカスタマイズ調整するツールを提供して、ユーザーをクリエイティブなプロセスに完全に参加させることによって、より成功的な結果をおさめるかもしれない。言い換えれば、よりハイブリッドな創作プロセスが、よりパワフルで感動的なアート的結果を生み出すかもしれない)。</p>\n<p>また、このような芸術的なAIが今後多数存在し、それぞれが学習データから異なる「フレーバー」や「キャラクター」の視覚的出力を生成することになるだろう。あるいは、異なる「スタイル」を持つアート系AIも出てくるだろう(しかし、おそらく「専門性」の方がコード化されたマークに近い)。</p>\n<p>GANベースの画像生成AIツールは他にもたくさんあり、処理速度はずっとずっと遅いのだが、筆者は<a target=\"_blank\" href=\"https://pixray.gob.io/\" rel=\"noopener\">Pixray</a>のシステムの<a target=\"_blank\" href=\"https://twitter.com/riptari/status/1466722997453135872\" rel=\"noopener\">大ファン</a>であることを白状する(ピクセルアートの出力は特にかわいい)。だが、Womboはこの技術を応用して収益を上げるのが最も早かったようだ。</p>\n<p>現実を変える機械学習の次の10年は、かなりの旅になることだろう。</p>\n<blockquote class=\"twitter-tweet\" data-width=\"500\" data-dnt=\"true\">\n<p lang=\"en\" dir=\"ltr\">This is the most head-exploding app I&#8217;ve used in maybe forever. <a href=\"https://t.co/hsDO01EWgR\">https://t.co/hsDO01EWgR</a></p>\n<p>&mdash; Chris Sacca 🇺🇸 (@sacca) <a href=\"https://twitter.com/sacca/status/1473687958075195404?ref_src=twsrc%5Etfw\">December 22, 2021</a></p></blockquote>\n<p><script async src=\"https://platform.twitter.com/widgets.js\" charset=\"utf-8\"></script></p>\n<blockquote class=\"twitter-tweet\" data-width=\"500\" data-dnt=\"true\">\n<p lang=\"en\" dir=\"ltr\">I have now gotten enough of a taste of AI-powered creative tools to know that they&#39;re going to be much better than even the AI optimists think.</p>\n<p>So cool to just think of ideas and iteratively have the computer implement and build on them.</p>\n<p>&mdash; Sam Altman (@sama) <a href=\"https://twitter.com/sama/status/1466493965998329858?ref_src=twsrc%5Etfw\">December 2, 2021</a></p></blockquote>\n<p><script async src=\"https://platform.twitter.com/widgets.js\" charset=\"utf-8\"></script></p>\n<p><small>画像クレジット:Natasha Lomas/TechCrunch</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/12/23/wombo-dream-app/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Natasha Lomas、翻訳:<a target=\"_blank\" href=\"https://twitter.com/pressnote55\" rel=\"noopener\">Nariko Mizoguchi</a>)</p>\n",
        "authorId": 138115512,
        "featuredMediaUrl": "/wp-content/uploads/2021/12/Dream.png",
        "author": {
          "id": 138115512,
          "slug": "nmizoguchi",
          "name": "Nariko Mizoguchi",
          "description": ""
        },
        "categories": [
          {
            "postId": 464513,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 464513,
            "tagId": 2025,
            "tag": {
              "id": 2025,
              "slug": "digital-art",
              "name": "デジタルアート(用語)",
              "description": "デジタルアートに関する記事一覧"
            }
          },
          {
            "postId": 464513,
            "tagId": 4213,
            "tag": {
              "id": 4213,
              "slug": "apps",
              "name": "アプリ / モバイルアプリ(用語)",
              "description": "アプリ / モバイルアプリに関連する記事一覧"
            }
          },
          {
            "postId": 464513,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 464513,
            "tagId": 14718,
            "tag": {
              "id": 14718,
              "slug": "visual-effects",
              "name": "VFX / ビジュアルエフェクト(用語)",
              "description": "VFX / ビジュアルエフェクトに関する記事一覧"
            }
          },
          {
            "postId": 464513,
            "tagId": 366187520,
            "tag": {
              "id": 366187520,
              "slug": "neural-network",
              "name": "ニューラルネットワーク(用語)",
              "description": "ニューラルネットワークに関する記事一覧"
            }
          },
          {
            "postId": 464513,
            "tagId": 366271016,
            "tag": {
              "id": 366271016,
              "slug": "illustration",
              "name": "イラスト(用語)",
              "description": "イラストに関する記事一覧"
            }
          },
          {
            "postId": 464513,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 464513,
            "tagId": 366272853,
            "tag": {
              "id": 366272853,
              "slug": "art",
              "name": "アート / 美術(用語)",
              "description": "アート / 美術に関する記事一覧"
            }
          },
          {
            "postId": 464513,
            "tagId": 366276066,
            "tag": {
              "id": 366276066,
              "slug": "image-editing",
              "name": "画像編集 / 写真編集(用語)",
              "description": "画像編集 / 写真編集に関する記事一覧"
            }
          },
          {
            "postId": 464513,
            "tagId": 366278587,
            "tag": {
              "id": 366278587,
              "slug": "genera-tive-adversarial-networks",
              "name": "GAN / 敵対的生成ネットワーク(用語)",
              "description": "Genera tive Adversarial Networks。GAN / 敵対的生成ネットワークに関する記事一覧"
            }
          },
          {
            "postId": 464513,
            "tagId": 692516651,
            "tag": {
              "id": 692516651,
              "slug": "wombo",
              "name": "Wombo(企業・サービス)",
              "description": "AIを活用したリップシンキングビデオアプリ「Wombo」を開発、提供するカナダの企業。"
            }
          }
        ]
      }
    },
    {
      "postId": 464191,
      "categoryId": 366275726,
      "post": {
        "id": 464191,
        "slug": "mitel-to-all-of-health-centers-of-tokyo",
        "createdAt": "2021-12-22T06:27:27.000Z",
        "updatedAt": "2021-12-22T06:27:27.000Z",
        "title": "レブコムの音声解析AI電話MiiTelが東京都全域の保健所で採用、新型コロナ陽性患者への電話業務・療養支援に活用",
        "content": "<p>音声技術とAIでコミュニケーション課題を解決する企業<a target=\"_blank\" href=\"https://www.revcomm.co.jp/\" rel=\"noopener\">RevComm</a>(レブコム)は12月22日、音声解析AI電話「<a target=\"_blank\" href=\"https://miitel.revcomm.co.jp/\" rel=\"noopener\">MiiTel</a>」(ミーテル)が東京都のすべての保健所に採用され、新型コロナウイルス感染症の陽性患者に対する電話業務に活用されることになったと発表した。</p>\n<p>MiiTelは、IP電話、自動文字起こし、音声解析などがひとつにまとまった、電話業務効率化のためのシステム。固定電話器がなくてもPCで利用が可能になる。たとえば、通話内容をAIが自動的に解析し、文字起こしと要約を行ってくれるほか、営業やコールセンターで活用できるさまざまな機能を備えている。</p>\n<p>2021年11月には、東京都福祉保健局が、新型コロナウイルス感染症の陽性患者に対する積極的疫学調査や健康観察のための電話業務を効率化する目的で、すでに一部の保健所に「MiiTel」を導入していた。今回、多摩地区と島しょ部を含む、東京都全域のすべての保健所に導入が広げられることになったわけだ。東京都福祉保険局では、保健所の電話業務の効率化と、迅速な患者の療養支援に向けたサポートを行うとしている。</p>\n",
        "authorId": 136751393,
        "featuredMediaUrl": "/wp-content/uploads/2021/12/2021-12-22-005-index.jpg",
        "author": {
          "id": 136751393,
          "slug": "tetsuokanai",
          "name": "tetsuokanai",
          "description": ""
        },
        "categories": [
          {
            "postId": 464191,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 464191,
            "tagId": 2355,
            "tag": {
              "id": 2355,
              "slug": "voice",
              "name": "音声(用語)",
              "description": ""
            }
          },
          {
            "postId": 464191,
            "tagId": 366270781,
            "tag": {
              "id": 366270781,
              "slug": "medical",
              "name": "医療 / 治療 / MedTech / メドテック(用語)",
              "description": "医療 / 治療 / MedTech / メドテックに関連する記事一覧"
            }
          },
          {
            "postId": 464191,
            "tagId": 366279638,
            "tag": {
              "id": 366279638,
              "slug": "revcomm",
              "name": "RevComm(企業)",
              "description": ""
            }
          },
          {
            "postId": 464191,
            "tagId": 692506750,
            "tag": {
              "id": 692506750,
              "slug": "novel-coronavirus",
              "name": "新型コロナウイルス(用語)",
              "description": "新型コロナウイルス(COVID-19)に関する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 463625,
      "categoryId": 366275726,
      "post": {
        "id": 463625,
        "slug": "2021-12-16-continual-raises-4m-for-its-ai-powered-data-platform",
        "createdAt": "2021-12-18T05:00:28.000Z",
        "updatedAt": "2021-12-18T02:50:07.000Z",
        "title": "企業がデータから得る各種予測をAIの力で洗練強化するContinual",
        "content": "<p>今日のデータウェアハウス中心型のデータスタックに運用レベルのAIを導入しようとする<a target=\"_blank\" href=\"https://continual.ai/\" rel=\"noopener\">Continual</a>が米国時間12月16日、<a target=\"_blank\" href=\"https://amplifypartners.com/\" rel=\"noopener\">Amplify Partners</a>がリードするシードラウンドで400万ドル(約4億5000万円)を調達したことを発表した。このラウンドには、Illuminate VenturesとEssence、Wayfinder、およびData Community Fundが参加した。この発表にともないContinualは、そのサービスを<a target=\"_blank\" href=\"https://continual.ai/post/announcing-continual-ai-seed\" rel=\"noopener\">公開ベータ</a>で提供を開始した。その前の数カ月は、一定数の選ばれた顧客とともにテストを行っていた。</p>\n<p>データウェアハウジング業界は売上ベースでは大きいが、実際にはSnowflakeやAmazon、Redshift、BigQuery、そしてDatabricksなど少数の企業が支配している。そのためこの市場は、それらのデータに対して独自のイノベーションを構築しようとするスタートアップにとって、取り組みやすい舞台だ。Continualの場合それは、企業に、予測モデルを構築するためのアクセスしやすいツールを提供することだ。</p>\n<div id=\"attachment_463628\" style=\"width: 962px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-463628\" loading=\"lazy\" class=\"wp-image-463628 size-large\" src=\"/wp-content/uploads/2021/12/con1.jpg?w=952\" alt=\"\" width=\"952\" height=\"378\" srcset=\"/wp-content/uploads/2021/12/con1.jpg 952w, /wp-content/uploads/2021/12/con1.jpg?resize=300,119 300w, /wp-content/uploads/2021/12/con1.jpg?resize=768,305 768w, /wp-content/uploads/2021/12/con1.jpg?resize=400,159 400w, /wp-content/uploads/2021/12/con1.jpg?resize=738,293 738w, /wp-content/uploads/2021/12/con1.jpg?resize=950,378 950w, /wp-content/uploads/2021/12/con1.jpg?resize=640,254 640w, /wp-content/uploads/2021/12/con1.jpg?resize=220,87 220w, /wp-content/uploads/2021/12/con1.jpg?resize=281,112 281w, /wp-content/uploads/2021/12/con1.jpg?resize=250,99 250w, /wp-content/uploads/2021/12/con1.jpg?resize=125,50 125w, /wp-content/uploads/2021/12/con1.jpg?resize=600,238 600w, /wp-content/uploads/2021/12/con1.jpg?resize=50,20 50w\" sizes=\"(max-width: 952px) 100vw, 952px\" /><p id=\"caption-attachment-463628\" class=\"wp-caption-text\">画像クレジット:Continual</p></div>\n<p>ContinualのCEOで共同創業者のTristan Zajonc(トリスタン・ザイコン)氏は「Continualを利用すると今日的なデータチームがデータウェアハウスに対して、直接、しかも継続的にモデルの構築とメンテナンスと改良ができるようになります。実際、最も多いユースケースは、顧客チャーン(の動態把握 / 予測)やリードスコアリング(見込み客ランキング)、プロダクトレコメンデーション、在庫予測、予測的メンテナンス、サービス、オートメーションなどです。基本的にContinuallyは予測モデルと予測の両方をメンテナンスし、そのためにデータウェアハウスのデータを利用して、予測をそこへ書き戻す」という。</p>\n<div id=\"attachment_463629\" style=\"width: 690px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-463629\" loading=\"lazy\" class=\"wp-image-463629 size-large\" src=\"/wp-content/uploads/2021/12/con2.jpg?w=680\" alt=\"\" width=\"680\" height=\"519\" srcset=\"/wp-content/uploads/2021/12/con2.jpg 680w, /wp-content/uploads/2021/12/con2.jpg?resize=300,229 300w, /wp-content/uploads/2021/12/con2.jpg?resize=524,400 524w, /wp-content/uploads/2021/12/con2.jpg?resize=400,305 400w, /wp-content/uploads/2021/12/con2.jpg?resize=472,360 472w, /wp-content/uploads/2021/12/con2.jpg?resize=80,60 80w, /wp-content/uploads/2021/12/con2.jpg?resize=220,168 220w, /wp-content/uploads/2021/12/con2.jpg?resize=225,172 225w, /wp-content/uploads/2021/12/con2.jpg?resize=164,125 164w, /wp-content/uploads/2021/12/con2.jpg?resize=125,95 125w, /wp-content/uploads/2021/12/con2.jpg?resize=79,60 79w, /wp-content/uploads/2021/12/con2.jpg?resize=481,367 481w, /wp-content/uploads/2021/12/con2.jpg?resize=50,38 50w\" sizes=\"(max-width: 680px) 100vw, 680px\" /><p id=\"caption-attachment-463629\" class=\"wp-caption-text\">画像クレジット:Continual</p></div>\n<p>ザイコン氏の以前のスタートアップであるSenseは、初期のエンタープライズプラットフォームで2016年にClouderaが買収した。また彼の共同創業者であるTyler Kohn(タイラー・コーン)氏はパーソナライゼーションサービスのRichRelevanceをつくり、2019年にManthan Systemに<a target=\"_blank\" href=\"https://wwd.com/business-news/business-features/algonomy-merger-report-1234704695/\" rel=\"noopener\">買収された</a>。これらのスタートアップを創業しているとき2人の共同創業者は、エンタープライズにおけるAIプロジェクトの失敗率が高いことに気づいた。多くの場合、そんなプロジェクトは大きなチームを要し、プロジェクトの実行に大量のリソースを消費した。そしてその間、必要なAIのインフラストラクチャは果てしなく複雑になっていった。</p>\n<p>「ビッグデータ(big data)の時代がビッグ複雑性(big complexity)の時代に変わろうとしていました。この問題を解決するために私たちはContinualを創業し、エンタープライズの運用AIを抜本的に単純化しようとしています。私たちは、クラウドデータウェアハウスの登場で、エンタープライズAIの構想を一新し、抜本的に単純化すべき機会が訪れていることを理解していました。データのインフラストラクチャには標準化が必要であり、今日的なデータスタックが勃興し広く普及し始めていました」とザイコン氏はいう。</p>\n<p>Continualを使うとデータチームは、彼らの既存のSQLや<a target=\"_blank\" href=\"https://www.getdbt.com/\" rel=\"noopener\">dbt</a>(data build tool)のスキルを再利用できる。そのために必要なのは、データウェアハウスにContinualを接続して、予測したい機能とモデルを宣言的に定義することだ。その際、ちょっと便利な機能は、予測をデータウェアハウスに保存してデベロッパーやアナリストが必要に応じてすぐにアクセスできることだ。</p>\n<p>現在、このプラットフォームはSnowflake、Redshift、BigQuery、Databricksをサポートしており、チームの計画としては今後はdbtとこれらのデータプラットフォームとのパートナーシップを徐々に拡張していきたいという。ザイコン氏によれば、同社はデータ統合プラットフォームになる気はないとのことだ。</p>\n<p>Amplify PartnersのDavid Beyer(デビッド・ベイヤー)氏は次のように述べている。「データから得られる予測的洞察を間断なく改善し続けることは、企業が効率的に稼働し、顧客への奉仕をより充実していくために欠かせません。しかしながらAIの運用化はごく一部の高度な企業を除いては永遠の課題であり続けています。Continualはデータチームの仕事の現場、すなわちクラウドデータウェアハウスに入り込み、これまでのやり方が要求する時間の数十分の一の時間で、彼らによる予測モデルの構築とデプロイと継続的改善ができるようにします。私たちが彼らに投資したのは、彼らのアプローチが抜本的に新しくて、AIをエンタープライズで活用するための正しいやり方と信じているからです」。</p>\n<p>今回の投資で同社は、次の2年間でチームの人員を倍増し、またそのプラットフォームを自然言語処理のサポート、パーソナライゼーション、リアルタイムのユースケースなどで拡張する計画だ。</p>\n<p><small>画像クレジット:Continual</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/12/16/continual-raises-4m-for-its-ai-powered-data-platform/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Frederic Lardinois、翻訳:Hiroshi Iwatani)</p>\n",
        "authorId": 46898863,
        "featuredMediaUrl": "/wp-content/uploads/2021/12/con0.jpg",
        "author": {
          "id": 46898863,
          "slug": "tcjpiwatani",
          "name": "Hiroshi Iwatani",
          "description": ""
        },
        "categories": [
          {
            "postId": 463625,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 463625,
            "tagId": 1588,
            "tag": {
              "id": 1588,
              "slug": "data-warehouse",
              "name": "データウェアハウス(用語)",
              "description": "データウェアハウスに関する記事一覧"
            }
          },
          {
            "postId": 463625,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 463625,
            "tagId": 366273910,
            "tag": {
              "id": 366273910,
              "slug": "enterprise",
              "name": "法人 / エンタープライズ(用語)",
              "description": "エンタープライズに関する記事一覧"
            }
          },
          {
            "postId": 463625,
            "tagId": 692516553,
            "tag": {
              "id": 692516553,
              "slug": "continual",
              "name": "Continual(企業)",
              "description": "データウェアハウス中心型のデータスタックに運用レベルのAIを導入しようとする企業。"
            }
          }
        ]
      }
    },
    {
      "postId": 463548,
      "categoryId": 366275726,
      "post": {
        "id": 463548,
        "slug": "2021-12-01-ai-does-pure-mathematics-and-protein-hallucination",
        "createdAt": "2021-12-17T09:30:56.000Z",
        "updatedAt": "2021-12-18T02:53:53.000Z",
        "title": "純粋数学もタンパク質生成も、人工知能におまかせを",
        "content": "<p>人工知能(AI)が興味深い分野である理由の1つに、AIは何が得意なのかを誰も知らない、ということがある。12月2日号の「Nature」に掲載された最先端の研究所による2つの論文では、機械学習(ML)は、タンパク質生成のような技術的に難しい作業、純粋数学のような抽象的な作業のどちらにも対応し得ることが示されている。</p>\n<p>最近話題になった、Google(グーグル)が買収したDeepMind(ディープマインド)やワシントン大学David Baker(デビッド・ベイカー)研究室による、<a target=\"_blank\" href=\"/2021/07/16/2021-07-15-researchers-match-deepminds-alphafold2-protein-folding-power-with-faster-freely-available-model/\" rel=\"noopener\">タンパク質の物理的構造(フォールディング)</a>の予測に対する<a target=\"_blank\" href=\"/2021/09/30/2021-07-22-deepmind-puts-the-entire-human-proteome-online-as-folded-by-alphafold/\" rel=\"noopener\">AIの利用</a>の実証結果を見れば、タンパク質の話はさほど驚くことではないかもしれない。偶然ではないが、この記事で紹介する論文を発表したのは、そのDeepMindとベイカー研究室である。</p>\n<p>関連記事<br />\n・<a target=\"_blank\" href=\"/2021/07/16/2021-07-15-researchers-match-deepminds-alphafold2-protein-folding-power-with-faster-freely-available-model/\" rel=\"noopener\">DeepMindのAlphaFold2に匹敵するより高速で自由に利用できるタンパク質フォールディングモデルを研究者が開発</a><br />\n・<a target=\"_blank\" href=\"/2021/09/30/2021-07-22-deepmind-puts-the-entire-human-proteome-online-as-folded-by-alphafold/\" rel=\"noopener\">DeepMindがAlphaFoldで折りたたみを行った人体のすべてのプロテオームをオンライン化</a></p>\n<p><a target=\"_blank\" href=\"https://www.nature.com/articles/s41586-021-04184-w\" rel=\"noopener\">ベイカー研究室の研究</a>によると、タンパク質配列がどのようにフォールディングされるかを調べるために作成したモデルは、本質的に反対(逆)のことをさせることができるという。つまり、特定のパラメータを満たす新しいタンパク質配列を生成し、in vitro(試験管内)のテストで想定通りに機能させることができるというのだ。</p>\n<p>タンパク質の構造を予測するために作成されたAIが、逆に新しいタンパク質を作ることもできるという発見は重要である。なぜなら、絵の中のボートを検出するAIがボートを描けないとか、ポーランド語を英語に翻訳するAIが英語をポーランド語に翻訳することができないという例はあっても、逆のことができるかどうかは必ずしも明らかではなかったからだ。</p>\n<p>逆方向の可能性の研究は、SalesForce Research(セールスフォースリサーチ)の<a target=\"_blank\" href=\"https://blog.einstein.ai/progen/\" rel=\"noopener\">ProGen(プロジェン)</a>など、すでにさまざまなラボで行われている。しかし、ベイカー研究室のRoseTTAFoldとDeepMindのAlphaFoldは、プロテオームの予測の精度という点では圧倒的に優れており、これらのシステムのテクノロジーを創造的な活動に活かせるというのは喜ばしいことだ。</p>\n<h2>AIの抽象化</h2>\n<p>一方、<a target=\"_blank\" href=\"https://www.nature.com/articles/s41586-021-04086-x\" rel=\"noopener\">Natureの表紙を飾ったDeepMindの論文</a>は、AIが数学者の複雑で抽象的な作業を支援できることを示している。これは数学の世界を覆すものではないが、機械学習モデルが数学をサポートできるということを示す、実に斬新で、これまでになかった成果だ。</p>\n<p>この研究は、数学とは主に関係性とパターンの研究である、という事実に基づいている。例えば、あるものが増えれば別のものが減り、多面体の面が増えればその頂点の数も増える。これらの事象はシステマチックなので、数学者はこれらの正確な関係性を推測することができる。</p>\n<p>中学校で習う三角関数は、そのシンプルな例だ。三角形の内角の和が180度になることや、直角三角形の斜辺以外の辺の二乗の和が斜辺の二乗になるというのは三角形の基本的な性質である。しかし、8次元空間にある900辺の多面体ではどうだろう。a2 + b2 = c2のような公式を見つけることができるだろうか?</p>\n<div id=\"attachment_463549\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-463549\" loading=\"lazy\" class=\"wp-image-463549 size-large\" src=\"/wp-content/uploads/2021/12/Fig-5.png?w=1024\" alt=\"\" width=\"1024\" height=\"657\" srcset=\"/wp-content/uploads/2021/12/Fig-5.png 1720w, /wp-content/uploads/2021/12/Fig-5.png?resize=300,193 300w, /wp-content/uploads/2021/12/Fig-5.png?resize=768,493 768w, /wp-content/uploads/2021/12/Fig-5.png?resize=1024,657 1024w, /wp-content/uploads/2021/12/Fig-5.png?resize=1536,986 1536w, /wp-content/uploads/2021/12/Fig-5.png?resize=623,400 623w, /wp-content/uploads/2021/12/Fig-5.png?resize=400,257 400w, /wp-content/uploads/2021/12/Fig-5.png?resize=738,474 738w, /wp-content/uploads/2021/12/Fig-5.png?resize=561,360 561w, /wp-content/uploads/2021/12/Fig-5.png?resize=220,141 220w, /wp-content/uploads/2021/12/Fig-5.png?resize=268,172 268w, /wp-content/uploads/2021/12/Fig-5.png?resize=195,125 195w, /wp-content/uploads/2021/12/Fig-5.png?resize=125,80 125w, /wp-content/uploads/2021/12/Fig-5.png?resize=93,60 93w, /wp-content/uploads/2021/12/Fig-5.png?resize=860,552 860w, /wp-content/uploads/2021/12/Fig-5.png?resize=572,367 572w, /wp-content/uploads/2021/12/Fig-5.png?resize=50,32 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-463549\" class=\"wp-caption-text\">結び目の幾何学的表現と代数的表現という2つの複雑な性質の関係を示す例(画像クレジット:DeepMind)</p></div>\n<p>観察された事象が偶然のものではなく普遍的なものであることを確信するためには、多くの例を調べる必要があるが、数学者による作業には限界がある。DeepMindはここにAIモデルを導入し、省力化を図ることにした。</p>\n<p>オックスフォード大学のMarcus du Sautoy(マーカス・デュ・ソートイ)教授(数学)は、DeepMindのニュースリリースの中で「コンピューターは人間が追随できない規模のデータを出力することに長けているが、(今回の場合)異なるのは、人間だけでは検出できなかったであろうデータのパターンを拾い出すAIの能力である」と説明している。</p>\n<p>このAIシステムにサポートされて得られた実際の成果は筆者が理解できる範囲をはるかに超えているが、読者の中に数学者がいれば、DeepMindから引用された以下の内容を理解してもらえると思う。</p>\n<blockquote><p>ある有向グラフと多項式の間には関係があるはずだという「組み合わせ不変性予想」は、40年近く進歩を拒んできました。MLの技術を用いて、そのような関係が実際に存在するという確信を得ること、そしてその関係が、破れた二面体の間隔や極値反射などの構造に関連しているのではないか、という仮説を立てることができました。この知識をもとに、Geordie Williamson(ジョーディー・ウィリアムソン)教授は、組み合わせ不変性予想を解決する、驚くべき美しいアルゴリズムを予想することができました。</p>\n<p>代数学、幾何学、量子論には(結び目について)独自の理論があります。これらの異なる理論がどのように関係しているかというのは長年の謎でした。例えば、結び目の幾何学は代数学について何を教えてくれるのでしょうか?私たちは、そのようなパターンを発見するためにMLモデルをトレーニングしました。驚くべきことに、これにより、ある特定の代数的な量(表現)が結び目の幾何学と直接関係していることがわかりました。これまで明らかではなく、既存の理論でも示唆されていなかったことです。私たちはMarc Lackenby(マーク・ラッケンビー)教授と協力し、MLの帰属手法を使って、これまで見過ごされていた構造の重要な側面を示唆する、自然な傾きと呼ぶ新しい量を発見しました。</p></blockquote>\n<p>この予想は、何百万、何千万もの例で裏づけられているが、自分の仮説を厳密に検証するよう指示するのにピザやコーヒーをおごる必要がない、というのもコンピューターの利点である。</p>\n<p>上述の例は、DeepMindの研究者たちと教授たちが緊密に協力して(MLの)具体的な利用方法を考え出したものなので「(AIは)普遍的に純粋数学のアシスタントである」といえるものではない。しかし、ルール大学ボーフムのChristian Stump(クリスチャン・スタンプ)教授がNatureのSummaryで述べているように、これが機能するということは、そのようなアイデアに向けた重要な一歩である。</p>\n<p>スタンプ教授は次のように記す。「どちらの結果も、その分野の研究者にとって必ずしも手の届かなかったものではありませんが、どちらも、これまで研究者が見つけられなかった真の洞察を提供しています。従って、今回の成果は、抽象的な枠組みの概要以上のものです」「このようなアプローチが広く適用できるかどうかはまだわかりませんが、Alex Davies(アレックス・デイビス)等(ら)の論文は、数学研究における創造的プロセスをMLツールにサポートさせる手法の有望性を示しています」。</p>\n<p><small>画像クレジット:DeepMind</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/12/01/ai-does-pure-mathematics-and-protein-hallucination/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Devin Coldewey、翻訳:Dragonfly)</p>\n",
        "authorId": 176261049,
        "featuredMediaUrl": "/wp-content/uploads/2021/12/AI-for-Maths-blog-artwork.jpg",
        "author": {
          "id": 176261049,
          "slug": "katsuyukiyasui",
          "name": "katsuyukiyasui",
          "description": ""
        },
        "categories": [
          {
            "postId": 463548,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 463548,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 463548,
            "tagId": 210341831,
            "tag": {
              "id": 210341831,
              "slug": "deepmind",
              "name": "DeepMind(企業)",
              "description": "Googleの親会社Alphabetの傘下にある英国のAI技術企業。"
            }
          },
          {
            "postId": 463548,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 463548,
            "tagId": 366272141,
            "tag": {
              "id": 366272141,
              "slug": "math",
              "name": "数学(用語)",
              "description": "数学に関する記事一覧"
            }
          },
          {
            "postId": 463548,
            "tagId": 681520732,
            "tag": {
              "id": 681520732,
              "slug": "protein",
              "name": "タンパク質 / プロテイン(用語)",
              "description": "タンパク質 / プロテインに関する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 463190,
      "categoryId": 366275726,
      "post": {
        "id": 463190,
        "slug": "2021-12-15-signal-ai-a-decision-augmentation-startup-raises-50m-for-a-platform-that-extracts-insights-from-the-internet-and-other-public-content",
        "createdAt": "2021-12-16T00:45:36.000Z",
        "updatedAt": "2021-12-16T00:41:52.000Z",
        "title": "公開されたコンテンツからAIでインサイトを抽出し企業の意思決定を支援するSignal AIが約57億円調達",
        "content": "<p>インターネットなどで公開されている膨大なデータの海を探索し、より良いビジネス上の意思決定を行うためのセンチメントインサイトなどを組織に提供する人工知能スタートアップの<a target=\"_blank\" href=\"https://www.signal-ai.com/\" rel=\"noopener\">Signal AI</a>(シグナルエーアイ)が5000万ドル(約57億円)を調達した。同社はこの資金でAIプラットフォームの構築を進め、より多様なデータソースを取り込むことで、人が尋ねる可能性のある、より幅広いビジネス上の質問に対するインサイトを引き出す。</p>\n<p>「組織はまだ、脅威や機会を先取りし、困難をチャンスに変えるための効果的なレーダーを持っていません」と同社のCEOであるDavid Benigson(デイビッド・ベニグソン)氏はインタビューで語った。同社は、ソーシャルメディアやニュースメディアから2万5000のポッドキャスト、規制当局への提出書類、その他の公的記録まで、何百ものデータソースを単一のプラットフォームに集約している。</p>\n<p>そして、機械学習やその他のAI技術を適用し、Signal AIの顧客が投げかけた自然言語の質問に基づいて、そのすべてからインサイトを抽出する。「当社はプラットフォームに注入するデータを多様化しています」とベニグソン氏は付け加えた。Signal AIは現在、約100の言語で動作する。</p>\n<p>今回の資金調達はシリーズDの形で行われ、Highland Europeがリードし、新規投資家のabrdnに加え、既存投資家のRedline(Signal AIの<a target=\"_blank\" href=\"https://techcrunch.com/2019/10/21/signal-ai-taps-25m-for-public-data-based-market-intelligence-that-spots-trends-and-risks/\" rel=\"noopener\">2019年のシリーズCをリード</a>)、MMC、戦略的投資家のHearstとGuardian Media Group Venturesも参加している。ロンドンに拠点を置くSignal AIは、これで累計1億ドル(約114億円)を調達したことになる。評価額は公表していないが、ベニグソン氏(同社のチーフデータサイエンティストであるMiguel Martinez[ミゲル・マルティネス]氏と共同で創業)は、前回のラウンドより100%成長したと述べた。</p>\n<p>PItchBookは同社の評価額が2019年時点で1億ドル程度だったと<a target=\"_blank\" href=\"https://my.pitchbook.com/profile/103080-70/company/profile#insights\" rel=\"noopener\">推定しており</a>、この数字が正確であれば、現在は2億ドル(約228億円)ということになる。いずれにせよ、Signal AI自体が成長したことは間違いない。ベニグソン氏によれば、同社は現在、フォーチュン500に選ばれている企業の40%と取引しており、その顧客層にはDeloitte(デロイト)、Bank of America(バンクオブアメリカ)、Google(グーグル)などが含まれるという。</p>\n<p>Signalが特定し、解決しようとしている課題は誰もが日々遭遇するものだが、道を間違えれば数十億ドル(数千億円)の投資が危ぶまれる可能性のある厄介な問題を企業が対処する際には、特に深刻に感じられるだろう。</p>\n<p>インターネットは私たちに膨大な情報の宝庫を提供してくれるが、それを解き明かし、回避するための最適な鍵や地図があるとは限らない。特に、センチメント分析に関するよりふわふわした質問や、実際には多くのソースからの情報の照合である「答え」の場合のように、探している答えが単純ではない場合はなおさらそうだ。</p>\n<p>Dataminr(<a target=\"_blank\" href=\"https://techcrunch.com/2021/03/23/dataminr-raises-475m-on-a-4-1b-valuation-for-real-time-insights-based-on-100k-sources-of-public-data/\" rel=\"noopener\">2021年、41億ドル[約4670億円]の評価額で膨大な資金を調達</a>)、Meltwater(<a target=\"_blank\" href=\"https://finance.yahoo.com/quote/MWTR.OL?p=MWTR.OL&amp;.tsrc=fin-srch\" rel=\"noopener\">株式公開企業</a>で、技術力を高めるために<a target=\"_blank\" href=\"https://techcrunch.com/2018/03/19/meltwater-has-acquired-datasift-to-double-down-on-social-media-analytics/\" rel=\"noopener\">企業買収</a>も実施)、Cision(現在は非上場で、<a target=\"_blank\" href=\"https://techcrunch.com/2021/02/26/brandwatch-is-acquired-by-cision-for-450m-creating-a-pr-marketing-and-social-listening-giant/\" rel=\"noopener\">成長のために大規模買収も実施</a>)など、このギャップを特定し、解決に向けて構築を進めている企業も多数存在する。</p>\n<p>関連記事:<a target=\"_blank\" href=\"/2021/03/01/2021-02-26-brandwatch-is-acquired-by-cision-for-450m-creating-a-pr-marketing-and-social-listening-giant/\" rel=\"noopener\">AIソーシャルリスニングの英BrandwatchをCisionが480億円で買収、PR・マーケティングの巨大企業が誕生</a></p>\n<p>これらの企業が重視し、推進したのはメディアモニタリングの分野であり、他のメディアソースだけでなく、企業自体も利用する巨大なビジネスだ。実際、Signal AIも以前は<a target=\"_blank\" href=\"https://techcrunch.com/2018/06/27/ai-fueled-market-intelligence-firm-signal-media-takes-16m-to-tackle-more-targets/\" rel=\"noopener\">Signal Media</a>と呼ばれ、この分野を中心に活動していた。</p>\n<p>従来のやり方は、メディアの切り抜きを集めてクライアントに提供するものだったが、新しいやり方は単に言及を集めるだけでなく、そこから得られたより要約された情報やインサイトを提供するものだ。インターネットが発達すればするほど、クリップの数は増え、実際、最も熱心なコミュニケーション専門家のチームでさえ、クリップの山に対応するのは不可能になっている。</p>\n<p>しかし、よりインテリジェントなメディアモニタリングのために構築されたこのモデルは、同じフォーマットとアルゴリズムをより幅広いユースケースに適用する道を開くものであり、Signal AIはその前提のもとに構築されている。</p>\n<p>このように、Signal AIはコミュニケーション戦略に携わる人々へのインサイト提供に重点を置いているが、AIQプラットフォーム(Signalはそう呼んでいる)を通じて、クライアントに提供できる情報の種類をさらに増やしている。</p>\n<p>例えば、潜在的なビジネスパートナーに関する情報や「インサイト」の提供、多様性と包括性でのスピードアップやそれらに他社がいかにアプローチしているか、環境戦略に関する決定事項、税金やデータ保護などの規制遵守についての企業の戦略に関するデータなどだ、とベニグソン氏は話す。</p>\n<p>同氏によれば、Signal AIをDataminrのような企業と比較するのは妥当だが、ユーザーが求めるクエリの種類や回答において、より多くのコンテキストを提供する点でSignal AIは異なるという。ビジネスの成長とともに、このような豊かな体験ができることも、同社がいかに成長するか投資家が関心を寄せる理由だ。</p>\n<p>Highland EuropeのパートナーであるTony Zappalà(トニー・ザッパラ)氏は「Signal AIは、傑出したカテゴリー定義会社です」と話す。「同社の革新的な成長の次の章に関与することに興奮しています。デイビッドと経営陣は、彼らが定義するのに役立っている意思決定拡張カテゴリに対して明確なビジョンを持っており、Gartnerの調査が示すように、その機会は膨大なものです」と述べた。</p>\n<p><small>画像クレジット:pigphoto / Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/12/15/signal-ai-a-decision-augmentation-startup-raises-50m-for-a-platform-that-extracts-insights-from-the-internet-and-other-public-content/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Ingrid Lunden、翻訳:<a target=\"_blank\" href=\"https://twitter.com/pressnote55\" rel=\"noopener\">Nariko Mizoguchi</a>)</p>\n",
        "authorId": 138115512,
        "featuredMediaUrl": "/wp-content/uploads/2021/12/Signal.jpeg",
        "author": {
          "id": 138115512,
          "slug": "nmizoguchi",
          "name": "Nariko Mizoguchi",
          "description": ""
        },
        "categories": [
          {
            "postId": 463190,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 463190,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 463190,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 463190,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 463190,
            "tagId": 692516522,
            "tag": {
              "id": 692516522,
              "slug": "signal-ai",
              "name": "Signal AI(企業)",
              "description": "インターネットなどで公開されている膨大なデータの海を探索し、より良いビジネス上の意思決定を行うためのセンチメントインサイトなどを組織に提供する人工知能スタートアップ。"
            }
          }
        ]
      }
    },
    {
      "postId": 462879,
      "categoryId": 366275726,
      "post": {
        "id": 462879,
        "slug": "2021-12-13-unique-closes-6m-seed-for-its-ai-driven-video-calls-platform-aimed-at-sales-teams",
        "createdAt": "2021-12-14T06:45:36.000Z",
        "updatedAt": "2021-12-14T06:31:06.000Z",
        "title": "AIを活用したセールスチーム向けビデオ通話プラットフォームのUniqueが約6.8億円を調達",
        "content": "<div id=\"attachment_462880\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-462880\" loading=\"lazy\" class=\"wp-image-462880 size-large\" src=\"/wp-content/uploads/2021/12/Unique-founders-.jpeg?w=1024\" alt=\"\" width=\"1024\" height=\"682\" srcset=\"/wp-content/uploads/2021/12/Unique-founders-.jpeg 1379w, /wp-content/uploads/2021/12/Unique-founders-.jpeg?resize=300,200 300w, /wp-content/uploads/2021/12/Unique-founders-.jpeg?resize=768,511 768w, /wp-content/uploads/2021/12/Unique-founders-.jpeg?resize=1024,682 1024w, /wp-content/uploads/2021/12/Unique-founders-.jpeg?resize=601,400 601w, /wp-content/uploads/2021/12/Unique-founders-.jpeg?resize=400,266 400w, /wp-content/uploads/2021/12/Unique-founders-.jpeg?resize=738,491 738w, /wp-content/uploads/2021/12/Unique-founders-.jpeg?resize=541,360 541w, /wp-content/uploads/2021/12/Unique-founders-.jpeg?resize=220,146 220w, /wp-content/uploads/2021/12/Unique-founders-.jpeg?resize=258,172 258w, /wp-content/uploads/2021/12/Unique-founders-.jpeg?resize=188,125 188w, /wp-content/uploads/2021/12/Unique-founders-.jpeg?resize=125,83 125w, /wp-content/uploads/2021/12/Unique-founders-.jpeg?resize=90,60 90w, /wp-content/uploads/2021/12/Unique-founders-.jpeg?resize=829,552 829w, /wp-content/uploads/2021/12/Unique-founders-.jpeg?resize=551,367 551w, /wp-content/uploads/2021/12/Unique-founders-.jpeg?resize=50,33 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-462880\" class=\"wp-caption-text\">Uniqueの創業者2人(画像クレジット:Unique)</p></div>\n<p>AIを活用してセールスチームの商談を改善するビデオ通話プラットフォームの<a target=\"_blank\" href=\"http://www.unique.ch/\" rel=\"noopener\">Unique</a>が、シードラウンドで多くのエンジェル投資家から600万ドル(約6億8000万円)を調達した。このラウンドには米Fyrfly Venture Partnersの創業者でゼネラルパートナーのPhilipp Stauffer(フィリップ・スタウファー)氏、Daniel Gutenberg(ダニエル・グーテンバーグ)氏などが参加した。</p>\n<p>Uniqueは顧客との会話をAIで分析する。会話を録画したビデオは、セールス担当者が最適な商談をするために役立てられる。</p>\n<p>Uniqueは12種類の言語で動作し、その中には難しいスイスドイツ語も含まれる。同社によれば、このサービスの利点はセールス担当者のトレーニング時間を短縮し、パフォーマンスを向上できることだという。また、セールスのビデオ通話の中から重要な瞬間を見つけて「Deal Room」という場所で安全に共有することで、買い手側がそれを後から参照したり自分のチームに共有したりすることもできる。</p>\n<p>Uniqueを起業したのはシリアルアントレプレナーのManuel Grenacher(マヌエル・グリナハー)氏とAndreas Hauri(アンドレアス・ハウリ)氏で、両氏はB2BのSaaSスタートアップであるCoresystemsでセールスチームを編成して率いた経験がある。CoresystemsはSAPに買収された。</p>\n<p>グリナハー氏は次のように述べた。「リモートワークやハイブリッドワークが続き、セールスチームは顧客や見込み客、同僚や上司と離れることが多くなっています。そのため、顧客とつながりを持つことができず、チームから学んだりフィードバックをもらって準備を整えたりするのが難しい状況です。我々はセールスのプロセスを刷新するためにUniqueを作っています。AIを活用して会話を分析することで洞察や関係性の上で重要な瞬間を見つけ出し、セールスチームと顧客がより深く生産的な関係を構築できるように支援します」。</p>\n<p>投資家のフィリップ・スタウファー氏は次のように述べた。「セールスチームのオートメーションと会話型インテリジェンスが交わる分野は、Fortune 500企業が導入する優先順位と成長率の両面で急成長していくでしょう。セールスの成果を伸ばす価値創造のチャンスは極めて大きいものです」。</p>\n<p>Uniqueの競合にはGong.ioやPeople.AIがある(どちらもユニコーンだ)。Uniqueに優位性があるとすれば「Deal Room」のアプローチと、ヨーロッパで構築されたためGDPRの厳しいプライバシー規則に準拠していることだ。セールスチームがUniqueを使い始めたら、Zoomの市場にも食い込んでいくかもしれない。</p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/12/13/unique-closes-6m-seed-for-its-ai-driven-video-calls-platform-aimed-at-sales-teams/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Mike Butcher、翻訳:Kaori Koyama)</p>\n",
        "authorId": 152198896,
        "featuredMediaUrl": "/wp-content/uploads/2021/12/Unique-founders-.jpeg",
        "author": {
          "id": 152198896,
          "slug": "kkoyama2012",
          "name": "kkoyama2012",
          "description": ""
        },
        "categories": [
          {
            "postId": 462879,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 462879,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 462879,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 462879,
            "tagId": 366273523,
            "tag": {
              "id": 366273523,
              "slug": "video-chat",
              "name": "ビデオ通話 / ビデオチャット / ビデオ会議 / オンライン会議(用語)",
              "description": "オンライン会議 / ビデオ通話(用語)に関連する記事一覧"
            }
          },
          {
            "postId": 462879,
            "tagId": 681520535,
            "tag": {
              "id": 681520535,
              "slug": "salestech",
              "name": "Sales Tech / セールステック / 営業",
              "description": "Sales Tech / セールステック / 営業に関する記事一覧"
            }
          },
          {
            "postId": 462879,
            "tagId": 692516495,
            "tag": {
              "id": 692516495,
              "slug": "unique-1",
              "name": "Unique(企業・サービス)",
              "description": "AIを活用してセールスチームの商談を改善するビデオ通話プラットフォーム、それを提供する企業。"
            }
          }
        ]
      }
    },
    {
      "postId": 462716,
      "categoryId": 366275726,
      "post": {
        "id": 462716,
        "slug": "dcs-nakacast",
        "createdAt": "2021-12-13T07:11:31.000Z",
        "updatedAt": "2021-12-13T07:11:31.000Z",
        "title": "三菱総研DCSと創業100年の鋳造メーカー中島合金、純銅鋳造製造工程における熟練技能者の暗黙知をAIに代替させる実証実験",
        "content": "<p><a target=\"_blank\" href=\"https://www.dcs.co.jp/\" rel=\"noopener\">三菱総研DCS</a>は12月13日、純銅鋳物を得意とする鋳造メーカー<a target=\"_blank\" href=\"https://nakacast.com/\" rel=\"noopener\">中島合金</a>とともに、純銅鋳造製造工程における、熟練者の暗黙知を学習させたAIの実業務への適用可否を検証する実証実験を開始すると発表した。</p>\n<p>純銅鋳物はCAC100番台のJIS規格が定められており、品質を一定水準に揃える必要がある。一方、その製造工程には原材料の状態や環境条件など制御しきれない要素が存在しており、これら製造条件のばらつきが純銅鋳造の難しさの一因となっている。</p>\n<p>中島合金は、製造工程の途中段階でばらつき具合を測定し、その値に応じて調整用添加剤を適切量投入することで製品の最終品質を均一化する熟練の技能を持つものの、同技能を若手が継承するには長い時間がかかるという課題があるという。</p>\n<p>そこで、中島合金と三菱総研DCSがこの課題解決に着手したところ、AI技術を活用して「製造時のばらつき状態」と「添加剤の投入量」の関係を学習することで、熟練者の判断を再現できることが確認できたという。同実証実験では、このAIの判定精度向上に加えて、予測時間が実用に足るか、また製造の現場技術者が利用するシステムとして操作性に問題はないかなど、システム全体としての業務適用可否を検証する。</p>\n<p><img loading=\"lazy\" class=\"aligncenter size-large wp-image-462718\" src=\"/wp-content/uploads/2021/12/2021-12-13-003-005.jpg?w=1024\" alt=\"三菱総研DCSと創業100年の鋳造メーカー中島合金、純銅鋳造製造工程における熟練技能者の暗黙知をAIに代替させる実証実験\" width=\"1024\" height=\"123\" srcset=\"/wp-content/uploads/2021/12/2021-12-13-003-005.jpg 1030w, /wp-content/uploads/2021/12/2021-12-13-003-005.jpg?resize=300,36 300w, /wp-content/uploads/2021/12/2021-12-13-003-005.jpg?resize=768,92 768w, /wp-content/uploads/2021/12/2021-12-13-003-005.jpg?resize=1024,123 1024w, /wp-content/uploads/2021/12/2021-12-13-003-005.jpg?resize=400,48 400w, /wp-content/uploads/2021/12/2021-12-13-003-005.jpg?resize=738,89 738w, /wp-content/uploads/2021/12/2021-12-13-003-005.jpg?resize=640,77 640w, /wp-content/uploads/2021/12/2021-12-13-003-005.jpg?resize=220,26 220w, /wp-content/uploads/2021/12/2021-12-13-003-005.jpg?resize=281,34 281w, /wp-content/uploads/2021/12/2021-12-13-003-005.jpg?resize=250,30 250w, /wp-content/uploads/2021/12/2021-12-13-003-005.jpg?resize=125,15 125w, /wp-content/uploads/2021/12/2021-12-13-003-005.jpg?resize=600,72 600w, /wp-content/uploads/2021/12/2021-12-13-003-005.jpg?resize=50,6 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /></p>\n<p>また三菱総研DCSは、「難しいAI操作を難しく感じさせない」を製品コンセプトに開発しているという。多くのデータ分析ソフトウェアが統計学や機械学習の深い知識を前提としており、製造の現場技術者が使うには操作の習得に時間がかかるなど導入のハードルが高いのが実情となっている。そこで、AIのオートチューニングアルゴリズムとUXデザインを駆使し、データサイエンスの知識がない現場技術者でも高いハードルを感じずに利用可能なデータ分析ツールとして開発しているそうだ。</p>\n<h3>期待される効果</h3>\n<ul>\n<li><strong>熟練技能継承の実現</strong>:若手へ継承させることが難しい「調整具合の判断」を熟練者の頭脳から抽出し、若手でも活用可能なノウハウ資産へと昇華させる</li>\n<li><strong>熟練者活躍の場の拡大</strong>:熟練者が調整作業から解放されることで、別の製造作業の標準化などより難度の高い業務に集中することが可能になる</li>\n<li><strong>製造業の事業継続への貢献</strong>:熟練者が持つ技能は、中小製造企業が他社との差別化を生む重要なノウハウであり、競争力の源泉となっている。このノウハウを絶やすことなく次世代に引き継いでいくことは、製造企業にとって事業継続性の観点からも重要な課題といえる</li>\n</ul>\n<p>中島合金は、2020年に創業100年を迎えた鋳造メーカー。合金鋳物・アルミニウム合金鋳物に加え、鋳造に高度な技術が必要とされる純銅鋳物を得意としている。同社100年の技術・知見と、大学・研究所との連携による最善の提案を特徴とするという。</p>\n<p>三菱総研DCSは、銀行・クレジットカードなど金融関連業務で豊富な実績を有するほか、千葉情報センターを核としたトータルITソリューションを展開。「すべての製造企業にデータ分析のチカラを!」をビジョンに掲げ、近年はAI、RPA、データ分析、ロボティクスなどの新技術も取り入れ、顧客の業務革新やデジタル化を支援している。</p>\n<p><small>画像クレジット:<a target=\"_blank\" href=\"https://unsplash.com/@franciscofernandes?utm_source=unsplash&amp;utm_medium=referral&amp;utm_content=creditCopyText\" rel=\"noopener\">Francisco Fernandes</a> on <a target=\"_blank\" href=\"https://unsplash.com/s/photos/forge?utm_source=unsplash&amp;utm_medium=referral&amp;utm_content=creditCopyText\" rel=\"noopener\">Unsplash</a><br />\n</small></p>\n",
        "authorId": 188033725,
        "featuredMediaUrl": "/wp-content/uploads/2021/12/2021-12-13-003-index.jpg",
        "author": {
          "id": 188033725,
          "slug": "takashihiga",
          "name": "Takashi Higa",
          "description": ""
        },
        "categories": [
          {
            "postId": 462716,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 462716,
            "tagId": 9675,
            "tag": {
              "id": 9675,
              "slug": "manufacturing",
              "name": "製造業(用語)",
              "description": "製造業に関する記事一覧"
            }
          },
          {
            "postId": 462716,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 462716,
            "tagId": 366278134,
            "tag": {
              "id": 366278134,
              "slug": "tacit-knowledge",
              "name": "暗黙知(用語)",
              "description": ""
            }
          },
          {
            "postId": 462716,
            "tagId": 692516478,
            "tag": {
              "id": 692516478,
              "slug": "mitsubishi-research-institute-dcs",
              "name": "三菱総研DCS(企業)",
              "description": ""
            }
          },
          {
            "postId": 462716,
            "tagId": 692516479,
            "tag": {
              "id": 692516479,
              "slug": "nakajima-alloy-castings",
              "name": "中島合金(企業)",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 462531,
      "categoryId": 366275726,
      "post": {
        "id": 462531,
        "slug": "2021-12-09-robust-intelligence-raises-30m-series-b-to-stress-test-ai-models",
        "createdAt": "2021-12-13T00:00:16.000Z",
        "updatedAt": "2021-12-12T23:11:23.000Z",
        "title": "AIモデルのストレステストを行うRobust IntelligenceがシリーズBで約34億円調達",
        "content": "<p>企業のAIモデルのストレステストを支援し、失敗を未然に防ぐAIスタートアップの<a target=\"_blank\" href=\"https://www.robustintelligence.com/\" rel=\"noopener\">Robust Intelligence(ロバスト・インテリジェンス)</a>は、米国時間12月9日、Tiger Global(タイガー・グローバル)が主導する3000万ドル(約34億円)のシリーズB資金調達ラウンドを実施したことを発表した。このオーバーサブスクライブされたラウンドには、同社のシリーズAラウンドを主導した前回の投資家であるSequoia(セコイア)の他、Harpoon Venture Capital(ハープーン・ベンチャー・キャピタル)およびEngineering Capital(エンジニアリング・キャピタル)も参加している。</p>\n<p>同社は、ハーバード大学のコンピュータサイエンスおよび応用数学の終身教授であるYaron Singer(ヤロン・シンガー)と、彼の元学生である大柴行人氏が共同で設立した。</p>\n<div id=\"attachment_462538\" style=\"width: 250px\" class=\"wp-caption alignright\"><img aria-describedby=\"caption-attachment-462538\" loading=\"lazy\" class=\"size-medium wp-image-462538\" src=\"/wp-content/uploads/2021/12/YARON.jpeg?w=240\" alt=\"\" width=\"240\" height=\"300\" srcset=\"/wp-content/uploads/2021/12/YARON.jpeg 545w, /wp-content/uploads/2021/12/YARON.jpeg?resize=240,300 240w, /wp-content/uploads/2021/12/YARON.jpeg?resize=321,400 321w, /wp-content/uploads/2021/12/YARON.jpeg?resize=400,499 400w, /wp-content/uploads/2021/12/YARON.jpeg?resize=289,360 289w, /wp-content/uploads/2021/12/YARON.jpeg?resize=176,220 176w, /wp-content/uploads/2021/12/YARON.jpeg?resize=138,172 138w, /wp-content/uploads/2021/12/YARON.jpeg?resize=100,125 100w, /wp-content/uploads/2021/12/YARON.jpeg?resize=48,60 48w, /wp-content/uploads/2021/12/YARON.jpeg?resize=442,552 442w, /wp-content/uploads/2021/12/YARON.jpeg?resize=294,367 294w, /wp-content/uploads/2021/12/YARON.jpeg?resize=40,50 40w\" sizes=\"(max-width: 240px) 100vw, 240px\" /><p id=\"caption-attachment-462538\" class=\"wp-caption-text\">Robust IntelligenceのCEOのYaron Singer氏(画像クレジット:Robust Intelligence)</p></div>\n<p>シンガー氏は「AIはこれまで学術的な試みでした。私が大学院に通っていた頃は、AIは学術的な学問であり、ビジョンでした。その後、インターネット、データ、Google、データ処理が登場し、7、8年の間にその可能性に気づくこととなりました。今、私たちは、AI開発をソフトウェア開発と同じくらい厳密に行おうとしています。ソフトウェア開発は人類が60年前からやっていることですよね。それに私たちはAIを追いつかせようとしていますが、AIはまったく別の生き物です」と述べている。</p>\n<p>シンガー氏が指摘するように、統計的な性質を持つAIは、予想外の行動を示すことがある。同社の使命は、このようなAIのミスをなくすことにある。</p>\n<p>これを可能にするために「ロバスト・インテリジェンス・モデル・エンジン(RIME)」と呼ばれる、AIファイアウォールを核としたシステムをユーザーに提供している。このファイアウォールは、企業のAIモデルを包み込み、これらのモデルを常にストレステストすることで、ミスの発生を防ぐことができる。</p>\n<p>「AIモデルとデータがあれば、ボタンをクリックするだけでストレステストを実行します。モデルが本番段階に入る前も、本番中も、データとAIモデルを自動的にテストします」とシンガー氏はいう。ここでのアイデアは、任意のモデルの故障モードを自動的に見つけるだけでなく、データドリフトなどの問題や関連する問題をキャッチすることだ。</p>\n<div id=\"attachment_462539\" style=\"width: 310px\" class=\"wp-caption alignleft\"><img aria-describedby=\"caption-attachment-462539\" loading=\"lazy\" class=\"size-medium wp-image-462539\" src=\"/wp-content/uploads/2021/12/RI-logo.jpeg?w=300\" alt=\"\" width=\"300\" height=\"75\" srcset=\"/wp-content/uploads/2021/12/RI-logo.jpeg 680w, /wp-content/uploads/2021/12/RI-logo.jpeg?resize=300,75 300w, /wp-content/uploads/2021/12/RI-logo.jpeg?resize=400,100 400w, /wp-content/uploads/2021/12/RI-logo.jpeg?resize=640,160 640w, /wp-content/uploads/2021/12/RI-logo.jpeg?resize=220,55 220w, /wp-content/uploads/2021/12/RI-logo.jpeg?resize=281,70 281w, /wp-content/uploads/2021/12/RI-logo.jpeg?resize=250,63 250w, /wp-content/uploads/2021/12/RI-logo.jpeg?resize=125,31 125w, /wp-content/uploads/2021/12/RI-logo.jpeg?resize=600,150 600w, /wp-content/uploads/2021/12/RI-logo.jpeg?resize=50,13 50w\" sizes=\"(max-width: 300px) 100vw, 300px\" /><p id=\"caption-attachment-462539\" class=\"wp-caption-text\">画像クレジット:Robust Intelligence</p></div>\n<p>ここで興味深いのは、AIファイアウォール自体が、あるデータポイントが間違った予測につながるかどうかを予測するAIモデルだということだ。「これは、AIや機械学習において、解決しようとしている最も難しい問題の1つです」。とシンガー氏は説明する。</p>\n<p>Tiger GlobalのパートナーであるJohn Curtius(ジョン・カーティウス)氏は「私がRobust Intelligenceの能力に初めて触れたのは、同社の初期開発段階でした。過去1年間に同社とその製品が成長するのを見て、同社の提供する製品がAIの信頼性のあり方を変えていることが明らかになり、我々Tiger Globalが重要なリソースを提供できると確信しました」。と語っている。</p>\n<p>同社は、今回の資金調達を営業活動の拡大に充てる予定だが、大半は製品とエンジニアリングに充てられる。</p>\n<p><small>画像クレジット:metamorworks / Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/12/09/robust-intelligence-raises-30m-series-b-to-stress-test-ai-models/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Frederic Lardinois、翻訳:Akihito Mizukoshi)</p>\n",
        "authorId": 191889571,
        "featuredMediaUrl": "/wp-content/uploads/2021/12/GettyImages-1271697775-1.jpg",
        "author": {
          "id": 191889571,
          "slug": "akihito-mizukoshi",
          "name": "Akihito Mizukoshi",
          "description": ""
        },
        "categories": [
          {
            "postId": 462531,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 462531,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 462531,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 462531,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 462531,
            "tagId": 692516470,
            "tag": {
              "id": 692516470,
              "slug": "robust-intelligence",
              "name": "Robust Intelligence(企業・サービス)",
              "description": "企業のAIモデルのストレステストを支援し、失敗を未然に防ぐAIスタートアップ。"
            }
          }
        ]
      }
    },
    {
      "postId": 462496,
      "categoryId": 366275726,
      "post": {
        "id": 462496,
        "slug": "revcomm-miitel-zapier",
        "createdAt": "2021-12-10T08:29:40.000Z",
        "updatedAt": "2021-12-10T08:29:40.000Z",
        "title": "レブコムの音声解析AI電話MiiTelがノーコードのワークフロー自動化ツールZapierと連携開始",
        "content": "<p><a target=\"_blank\" href=\"https://www.revcomm.co.jp/\" rel=\"noopener\">RevComm</a>(レブコム)は12月10日、同社音声解析AI電話「<a target=\"_blank\" href=\"https://miitel.revcomm.co.jp/\" rel=\"noopener\">MiiTel</a>」(ミーテル)と、Zapierのワークフロー自動化ツール「<a target=\"_blank\" href=\"https://zapier.com/\" rel=\"noopener\">Zapier</a>」との連携を開始したと発表した。従来のSalesforce、Slack、Kintoneなどとの連携に加えて新たにZapierとも連携可能となったことで、より様々なアプリケーションやサービスと組み合わせる形で業務を自動化しやすくなった。</p>\n<p>Zapierは、複数のウェブアプリやサービスを連携させることで、日々の業務で発生する定型的な作業をプログラミング不要で自動化できるツール。「Googleスプレッドシート」「Chatwork」「Microsoft Teams」など、3000以上のアプリケーションやサービスをサポートしている。RevCommは、MiiTelが生成する様々なデータを各種サービスと連携させることで、業務効率のアップ、また新たなインサイトの発見に役立てられるとしている。</p>\n<p>Zapier連携機能では、現在4つの「Trigger」(トリガー。処理開始のきっかけとなるイベント)を利用できる。</p>\n<h3>Zapier連携機能で利用できるTrigger</h3>\n<ul>\n<li><strong>Incoming unanswered</strong>:不在着信。利用例は、「不在着信があった場合に、Gmailへメッセージを送信」など</li>\n<li><strong>Phone analysis completed</strong>:音声解析完了。利用例は、「MiiTelの音声解析完了時に、応対履歴を利用中のSFAやCRMへ連携」など</li>\n<li><strong>Video analysis completed</strong>:動画解析完了。「<a target=\"_blank\" href=\"https://go.miitel.jp/miitel-live\" rel=\"noopener\">MiiTel Live</a>」「<a target=\"_blank\" href=\"https://miitel.revcomm.co.jp/forzoom\" rel=\"noopener\">MiiTel for Zoom</a>」(ベータ版)利用ユーザー向けの機能。利用例は「ミーティング動画の解析完了時に、音声認識結果をGoogle ドキュメントとして保存」など</li>\n<li><strong>Answering Machine recorded</strong>:留守電録音。利用例は、「留守番電話があった場合に、Chatworkへ留守番電話の通知メッセージを送付」など</li>\n</ul>\n",
        "authorId": 188033725,
        "featuredMediaUrl": "/wp-content/uploads/2021/12/2021-12-10-004-index.jpg",
        "author": {
          "id": 188033725,
          "slug": "takashihiga",
          "name": "Takashi Higa",
          "description": ""
        },
        "categories": [
          {
            "postId": 462496,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 462496,
            "tagId": 2355,
            "tag": {
              "id": 2355,
              "slug": "voice",
              "name": "音声(用語)",
              "description": ""
            }
          },
          {
            "postId": 462496,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 462496,
            "tagId": 578044,
            "tag": {
              "id": 578044,
              "slug": "zapier",
              "name": "Zapier(企業)",
              "description": "ノーコードの自動化ツールを開発、提供する企業。"
            }
          },
          {
            "postId": 462496,
            "tagId": 366274193,
            "tag": {
              "id": 366274193,
              "slug": "automation",
              "name": "オートメーション / 自動化(用語)",
              "description": "オートメーション / 自動化に関連する記事一覧"
            }
          },
          {
            "postId": 462496,
            "tagId": 366279638,
            "tag": {
              "id": 366279638,
              "slug": "revcomm",
              "name": "RevComm(企業)",
              "description": ""
            }
          },
          {
            "postId": 462496,
            "tagId": 692509750,
            "tag": {
              "id": 692509750,
              "slug": "no-code",
              "name": "ノーコード(用語)",
              "description": "ノーコード開発に関連する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 462348,
      "categoryId": 366275726,
      "post": {
        "id": 462348,
        "slug": "2021-12-08-synthesia-raises-50m-to-leverage-synthetic-avatars-for-corporate-training-and-more",
        "createdAt": "2021-12-09T23:45:15.000Z",
        "updatedAt": "2021-12-09T23:21:23.000Z",
        "title": "実在しているような合成アバターがしゃべるプレゼン動画を簡単に作れるSynthesiaの技術",
        "content": "<p>AIを利用して合成ビデオを作成するスタートアップ企業の<a target=\"_blank\" href=\"https://www.synthesia.io/\" rel=\"noopener\">Synthesia</a>(シンセシア)は、不気味さとすばらしさの微妙な境界線をうまく渡り歩いている。</p>\n<p>同社は米国時間12月8日、Kleiner Perkins(クライナー・パーキンス)が主導するシリーズBラウンドを5000万ドル(約56億8000万円)でクローズしたと発表した。このラウンドには、GVおよび既存投資家のFirstmark Capital(ファーストマーク・キャピタル)、LDV Capital(LDVキャピタル)、Seedcamp(シードキャンプ)、MMC Ventures(MMCベンチャーズ)も参加した。</p>\n<p>Synthesiaは、単なるテキストやスライドを使ったプレゼンテーションを、しゃべるアバター付きのビデオに変えることができる。ユーザーは俳優の演技から作られたすでに用意されているアバターを利用することもできるし、動画をアップロードして数分で自分自身のアバターを作ることもできる。また、ユーザーは録音した自分の声をアップロードすることもでき、その声を使って何でも言えるように変換させることができる。</p>\n<p>このスタートアップ企業は、インターネット上の強力なツールのほとんどが悪用可能であるという事実を認識しているので、誰でもこのプラットフォームを利用できるようにするのではなく、企業顧客のみに限定している。同社の顧客は、主にトレーニング用ビデオにこのツールを使用しているというが、その他にもチームへの月例報告や、通常は電子メールで送られてくる情報の配信などにSynthesiaを使っているという。</p>\n<p>おもしろいことに、創業者の<a target=\"_blank\" href=\"https://twitter.com/vriparbelli?lang=en\" rel=\"noopener\">Victor Riparbelli</a>(ビクター・リパルベリ)氏は、ユーザーの行動は必ずしも当初の予想とは一致しなかったと述べている。ビデオ制作部門で多く利用されるというよりも、むしろ組織内の他の部門の人々がこのツールのパワーユーザーになっているのだ。</p>\n<p>「Synthesiaを導入する以前は、PowerPoint(パワーポイント)でスライドデッキを作成したり、Word(ワード)で文書を書いたりしていた人が、今では実際に、動画コンテンツを制作することができるようになっています」と、リパルベリ氏はいう。「これこそが、AIの観点から私たちを急速に成長させている重要な点ではないかと思います」。</p>\n<p>4月に1250万ドル(約14億2000万円)のシリーズA資金調達を実施して以来、Synthesiaはユーザーが独自のアニメーション話者の作成をさらに容易にする機能を追加しており、現在は1000種類のカスタムアバターがこのプラットフォーム上で使われている。リパルベリ氏は、顧客の一例としてErnst &amp; Young(アーンスト・アンド・ヤング)を挙げた。この企業では、35人のパートナーがそれぞれのアバターを持ち、社内コミュニケーションと顧客とのコミュニケーションの両方に向けてビデオを作成しているという。</p>\n<p>この「誰でもビデオを作ることができる」というコンセプトは、Canva(キャンバ)に似た雰囲気を強く感じさせる。評価額が400億ドル(約4兆5000億円)を超えたオーストラリアのスタートアップ企業であるCanvaは、デザイン部門以外の組織に、何でもデザインできる能力を解放した後、ロケットのように急成長した。Canvaは最近、独自のビデオ製品も発表しており、既存のデザインやスライドデッキをアニメーション化し、生き生きとしたビデオに変えることに力を入れている。</p>\n<p>Synthesiaはさらに一歩進んで、無名の俳優や自分の会社のCEOなど、まるで実在の人物のように見えるアバターを使ったビデオを作成することができる。</p>\n<p>このような難問に取り組んでいる企業はSynthesiaだけではない。イスラエルの<a target=\"_blank\" href=\"/tag/d-id/\" rel=\"noopener\">D-ID</a>という会社は、Disrupt 2021(ディスラプト2021)で実際にデモを行い、人物の静止画を動画コンテンツに変換する方法を披露した。</p>\n<p>つまり、いくつかの意味で競争が始まっているのだ。AIやアバターを使って動画作成を容易にしようとする企業は、リアリティを高めたり、感情表現に順応性を持たせるといったことで競うだけでなく、ユーザーの安全性や自社プラットフォームの信頼性を確保することにも力を入れなければならない。</p>\n<p>この種のツールが、多くの人々に誤解を与えたり、危害を加えたりするために使われる可能性があることは明白であり、このようなツールを作成する企業は、それが公正に使用されるということを保証する責任がある。</p>\n<p>Synthesiaでは、明確な同意なしに誰かを合成することはないと明言している。また、この技術には同社が完全にコントロールしているオンレール体験を通してのみアクセスできる。</p>\n<p>それはともかく、近い将来、あなたの部署の責任者やCEOのように見えるけれど実際は本人が出演していないビデオを見ても驚いてはいけない、ということだ。</p>\n<p><small>画像クレジット:Synthesia</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/12/08/synthesia-raises-50m-to-leverage-synthetic-avatars-for-corporate-training-and-more/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Jordan Crook、翻訳:Hirokazu Kusakabe)</p>\n",
        "authorId": 191889557,
        "featuredMediaUrl": "/wp-content/uploads/2021/12/img-Hero-WithActor.jpg",
        "author": {
          "id": 191889557,
          "slug": "hkusakabe",
          "name": "Hirokazu Kusakabe",
          "description": ""
        },
        "categories": [
          {
            "postId": 462348,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 462348,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 462348,
            "tagId": 126376,
            "tag": {
              "id": 126376,
              "slug": "avatar",
              "name": "アバター(用語)",
              "description": "アバターに関する記事一覧"
            }
          },
          {
            "postId": 462348,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 462348,
            "tagId": 692510639,
            "tag": {
              "id": 692510639,
              "slug": "video-editing",
              "name": "動画(ビデオ)撮影 / 動画編集 / 動画制作(用語)",
              "description": "動画(ビデオ)撮影 / 動画編集 / 動画制作に関する記事一覧"
            }
          },
          {
            "postId": 462348,
            "tagId": 692513178,
            "tag": {
              "id": 692513178,
              "slug": "synthesia",
              "name": "Synthesia(企業・サービス)",
              "description": "組織や企業の教育コンテンツに特化したAlビデオ生成プラットフォーム、それを提供する企業。"
            }
          }
        ]
      }
    },
    {
      "postId": 462055,
      "categoryId": 366275726,
      "post": {
        "id": 462055,
        "slug": "kaou-kirei-hada-ai",
        "createdAt": "2021-12-08T10:27:13.000Z",
        "updatedAt": "2021-12-09T03:38:17.000Z",
        "title": "花王、深層学習で肌の質感を評価する「肌評価AI」にヒトの感性を学習させた「Kirei肌AI」を開発",
        "content": "<p><a target=\"_blank\" href=\"https://www.kao.com/jp/\" rel=\"noopener\">花王</a>メイクアップ研究所は12月7日、深層学習を用いて多様で繊細なヒトの肌の質感を評価し可視化する「肌評価AI」に、ヒトの感性を学習させ、肌の精緻な解析とヒトの視点や判断を併せ持つ独自AI「Kirei肌AI」の開発を発表した。</p>\n<p>花王では、2021年1月に「<a target=\"_blank\" href=\"https://www.kao.com/jp/corporate/news/rd/2021/20210122-001/\" rel=\"noopener\">肌評価AI</a>」を発表している。これは、ヒトの肌の小さな領域「肌パッチ」の画像を学習し、素肌と化粧肌、化粧直後と時間が経った後といった肌の状態のわずかな違いを識別できるというものだが、たとえば肌の美しい「つや」と「テカリ」の違いなど、繊細な違いの判断はできなかった。こうした肌の印象を的確に捉えられるのは、人間の目しかない。</p>\n<p><img loading=\"lazy\" class=\"aligncenter size-large wp-image-462126\" src=\"/wp-content/uploads/2021/12/20210122-001-02.png?w=1024\" alt=\"花王、深層学習で肌の質感を評価する「肌評価AI」にヒトの感性を学習させた「Kirei肌AI」を開発\" width=\"1024\" height=\"366\" srcset=\"/wp-content/uploads/2021/12/20210122-001-02.png 1443w, /wp-content/uploads/2021/12/20210122-001-02.png?resize=300,107 300w, /wp-content/uploads/2021/12/20210122-001-02.png?resize=768,275 768w, /wp-content/uploads/2021/12/20210122-001-02.png?resize=1024,366 1024w, /wp-content/uploads/2021/12/20210122-001-02.png?resize=1119,400 1119w, /wp-content/uploads/2021/12/20210122-001-02.png?resize=400,143 400w, /wp-content/uploads/2021/12/20210122-001-02.png?resize=738,264 738w, /wp-content/uploads/2021/12/20210122-001-02.png?resize=640,229 640w, /wp-content/uploads/2021/12/20210122-001-02.png?resize=220,79 220w, /wp-content/uploads/2021/12/20210122-001-02.png?resize=281,100 281w, /wp-content/uploads/2021/12/20210122-001-02.png?resize=250,89 250w, /wp-content/uploads/2021/12/20210122-001-02.png?resize=125,45 125w, /wp-content/uploads/2021/12/20210122-001-02.png?resize=600,215 600w, /wp-content/uploads/2021/12/20210122-001-02.png?resize=50,18 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /></p>\n<div id=\"attachment_462059\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-462059\" loading=\"lazy\" class=\"size-large wp-image-462059\" src=\"/wp-content/uploads/2021/12/sub1-4.png?w=1024\" alt=\"花王、深層学習で肌の質感を評価する「肌評価AI」にヒトの感性を学習させた「Kirei肌AI」を開発\" width=\"1024\" height=\"245\" srcset=\"/wp-content/uploads/2021/12/sub1-4.png 1277w, /wp-content/uploads/2021/12/sub1-4.png?resize=300,72 300w, /wp-content/uploads/2021/12/sub1-4.png?resize=768,183 768w, /wp-content/uploads/2021/12/sub1-4.png?resize=1024,245 1024w, /wp-content/uploads/2021/12/sub1-4.png?resize=400,96 400w, /wp-content/uploads/2021/12/sub1-4.png?resize=738,176 738w, /wp-content/uploads/2021/12/sub1-4.png?resize=640,153 640w, /wp-content/uploads/2021/12/sub1-4.png?resize=220,53 220w, /wp-content/uploads/2021/12/sub1-4.png?resize=281,67 281w, /wp-content/uploads/2021/12/sub1-4.png?resize=250,60 250w, /wp-content/uploads/2021/12/sub1-4.png?resize=125,30 125w, /wp-content/uploads/2021/12/sub1-4.png?resize=600,143 600w, /wp-content/uploads/2021/12/sub1-4.png?resize=50,12 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-462059\" class=\"wp-caption-text\">マットな肌、化粧くずれでテカリのある肌、なめらかで美しいつや肌を比べた際、過去に開発したAIではテカリのある肌を「光沢が強い」という評価しかできなかった</p></div>\n<p>そこで花王は、目視評価の訓練を積んだ「専門判定者」の目視による判断を「肌評価AI」に学ばせることにした。20歳から39歳の日本人女性83名の肌パッチ画像9306枚と、その画像に対する専門判定者の評価を使い学習を行ったところ、専門判定者の判断とAIの判断の相関係数が0.7と、強い相関が示された。つまり、かなりの程度で一致したということだ。これを受け、「肌評価AI」の評価項目6項目に新たにヒトの感性を反映させた評価項目10項目を加えたKirei肌AIを完成させた。</p>\n<p>また同研究所は、Kirei肌AIを用いて、光沢とつやの違いについて解析を行った。「視覚的つや」に対して、「化粧くずれ度」(テカリと強く関係)、「Powderly / Glossy」(パウダーファンデーションとリキッドファンデーションのどちらを塗った感覚に近いか)、「Dry / Wet」(乾燥肌とスキンケア後の濡れた肌のどちらに近いか)という3つの指標を使い、日本人女性266名のメイク塗布前後の顔画像1596枚を使って比較したところ、下の表のようになった(数値がマイナスは関連なし、数値が多いほど関連が強い)。これで、つやとテカリは、まったく異なる質感であることが明確になった。</p>\n<p><img loading=\"lazy\" class=\"aligncenter size-full wp-image-462057\" src=\"/wp-content/uploads/2021/12/sub3-3.png\" alt=\"\" width=\"1024\" height=\"532\" srcset=\"/wp-content/uploads/2021/12/sub3-3.png 1060w, /wp-content/uploads/2021/12/sub3-3.png?resize=300,156 300w, /wp-content/uploads/2021/12/sub3-3.png?resize=768,399 768w, /wp-content/uploads/2021/12/sub3-3.png?resize=1024,532 1024w, /wp-content/uploads/2021/12/sub3-3.png?resize=770,400 770w, /wp-content/uploads/2021/12/sub3-3.png?resize=400,208 400w, /wp-content/uploads/2021/12/sub3-3.png?resize=738,384 738w, /wp-content/uploads/2021/12/sub3-3.png?resize=640,333 640w, /wp-content/uploads/2021/12/sub3-3.png?resize=220,114 220w, /wp-content/uploads/2021/12/sub3-3.png?resize=281,146 281w, /wp-content/uploads/2021/12/sub3-3.png?resize=240,125 240w, /wp-content/uploads/2021/12/sub3-3.png?resize=125,65 125w, /wp-content/uploads/2021/12/sub3-3.png?resize=115,60 115w, /wp-content/uploads/2021/12/sub3-3.png?resize=600,312 600w, /wp-content/uploads/2021/12/sub3-3.png?resize=50,26 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /></p>\n<div class=\"slideshow slideshowify\">\n    <ol><li>\n            <div class=\"image\"><img data-thumb=\"/wp-content/uploads/2021/12/2021-12-08-008-005.jpg?w=80&amp;h=60&amp;crop=1\" data-trigger-notification=\"1\" data-scalable=\"false\" alt=\"\" data-src=\"/wp-content/uploads/2021/12/2021-12-08-008-005.jpg?w=1024\" data-tc-lazyload=\"deferred\" src=\"/wp-content/themes/techcrunch-jp-2015/assets/images/1x1.png\" /></div>\n            <h3 class=\"title\">花王、深層学習で肌の質感を評価する「肌評価AI」にヒトの感性を学習させた「Kirei肌AI」を開発</h3>\n            <div class=\"caption\">テカリ肌(中央)は「Glossy」「Wet」「化粧くずれ度」が高く、「視覚的つや」は高くないと判断されている。また右端のつや肌は、「視覚的つや」が非常に高く、一方で「Glossy」でありながら「化粧くずれ度」は低いという評価になっている</div>\n            <div class=\"credit\"></div>\n        </li></ol>\n    <div class=\"enter-wrapper\">\n        <a class=\"enter\" href=\"#\">&nbsp;<span class=\"enter-text\">View Slideshow</span></a>\n    </div>\n    <div class=\"controls\">\n        <a class=\"prev icon-arrow-left\" href=\"#\"><span class=\"is-vishidden\">Previous</span></a>\n        <a class=\"next icon-arrow\" href=\"#\"><span class=\"is-vishidden\">Next</span></a>\n        <a class=\"exit\" href=\"#\">Exit</a>\n    </div>\n</div>\n<p>以上のことから、Kirei肌AIは、つやと光沢のわずかな違いを判断でき、好ましく見えるかという「ヒト特有の視点を含んだ繊細な分析」が可能なAI肌評価技術の開発に成功したと花王は話す。今後はこの技術を、製品開発や缶セリングの充実に積極的に活用するとのことだ。</p>\n",
        "authorId": 136751393,
        "featuredMediaUrl": "/wp-content/uploads/2021/12/2021-12-08-008-index.jpg",
        "author": {
          "id": 136751393,
          "slug": "tetsuokanai",
          "name": "tetsuokanai",
          "description": ""
        },
        "categories": [
          {
            "postId": 462055,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 462055,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 462055,
            "tagId": 366271828,
            "tag": {
              "id": 366271828,
              "slug": "beauty",
              "name": "美容(用語)",
              "description": "美容に関連する記事一覧"
            }
          },
          {
            "postId": 462055,
            "tagId": 366272174,
            "tag": {
              "id": 366272174,
              "slug": "deeplearning",
              "name": "ディープラーニング / 深層学習(用語)",
              "description": "ディープラーニングに関連する記事一覧"
            }
          },
          {
            "postId": 462055,
            "tagId": 681519617,
            "tag": {
              "id": 681519617,
              "slug": "makeup",
              "name": "メイクアップ / 化粧(用語)",
              "description": "メイクアップ / 化粧に関する記事一覧"
            }
          },
          {
            "postId": 462055,
            "tagId": 692511571,
            "tag": {
              "id": 692511571,
              "slug": "kao-corporation",
              "name": "花王(企業)",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 461699,
      "categoryId": 366275726,
      "post": {
        "id": 461699,
        "slug": "meta-aws-meta-ai-pytorch",
        "createdAt": "2021-12-06T07:35:36.000Z",
        "updatedAt": "2021-12-07T10:20:44.000Z",
        "title": "MetaがAWSを戦略的クラウドプロバイダーに選定、Meta AIの研究開発やPyTorch利用企業のパフォーマンスを強化",
        "content": "<p><a target=\"_blank\" href=\"https://aws.amazon.com/jp/\" rel=\"noopener\">Amazon Web Services</a>(AWS)は米国時間12月1日、<a target=\"_blank\" href=\"https://about.facebook.com/ja/meta/\" rel=\"noopener\">Meta</a>が戦略的クラウドプロバイダーとしてAWSを選定したことを発表した。</p>\n<p>MetaとAWSはこの5年間で連携する範囲を拡大してきた。今回の合意を基に、AWSは引き続きMetaが取り組む研究開発をサポートし、イノベーションの促進、サードパーティやオープンソースソフトウェア(OSS)コミュニティとのコラボレーションを支援する。</p>\n<p>Metaは、AWSの実績あるインフラストラクチャと包括的な機能を活用し、既存オンプレミスのインフラを補完するとともに、AWSが提供するコンピュート、ストレージ、データベース、セキュリティのサービス利用を拡大し、クラウドにおけるプライバシー、信頼性、拡張性を実現するという。サードパーティ企業とのコラボレーションをAWS上で行うとともに、すでにAWSを利用している企業の買収支援にも活用する。</p>\n<p>またMetaは、AWSのコンピュートサービスを活かし、<a target=\"_blank\" href=\"https://ai.facebook.com/\" rel=\"noopener\">Meta AI</a>グループの人工知能の研究開発を加速させる。AWS上でOSSの機械学習フレームワーク「<a target=\"_blank\" href=\"https://pytorch.org/\" rel=\"noopener\">PyTorch</a>」を活用する顧客企業のパフォーマンスを向上させ、開発者による人工知能と機械学習モデルの構築・トレーニング・デプロイ・運用の加速を目指す。</p>\n<p>AWSとMetaは、機械学習モデルの大規模な構築、トレーニング、デプロイに向けて、PyTorchのパフォーマンスならびに<a target=\"_blank\" href=\"https://aws.amazon.com/jp/ec2/\" rel=\"noopener\">Amazon Elastic Compute Cloud</a>(Amazon EC2)や、機械学習専用に構築された機能を提供する<a target=\"_blank\" href=\"https://aws.amazon.com/jp/sagemaker/\" rel=\"noopener\">Amazon SageMaker</a>などのコアマネージドサービスとの統合において、さらなる最適化を進める。自然言語処理やコンピュータビジョンのための大規模な深層学習モデルを開発者が容易に構築できるよう、両社はAWS上でのPyTorch活用を促進し、AIアクセラレーターの分散システム全体で大規模なトレーニングジョブのオーケストレーションを可能にする。</p>\n<p>また両社は、PyTorch上での推論のパフォーマンス、説明可能性、コストを向上させるネイティブツールを共同で提供。本番環境へのモデル展開を簡素化するため、PyTorchのネイティブなサービングエンジンであるTorchServeを強化し、学習したPyTorchモデルを容易に一括展開できるようにするという。これらのOSSへの貢献をベースにAWS上でパフォーマンスを最適化し、大規模な深層学習モデルの研究から本番環境までをより迅速に導入するための支援を展開する。</p>\n",
        "authorId": 191889578,
        "featuredMediaUrl": "/wp-content/uploads/2021/12/2021-12-06-003-index.jpg",
        "author": {
          "id": 191889578,
          "slug": "satokosato",
          "name": "Satoko Sato",
          "description": ""
        },
        "categories": [
          {
            "postId": 461699,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 461699,
            "tagId": 25,
            "tag": {
              "id": 25,
              "slug": "open-source",
              "name": "オープンソース / Open Source(用語)",
              "description": "オープンソースに関する記事一覧"
            }
          },
          {
            "postId": 461699,
            "tagId": 832,
            "tag": {
              "id": 832,
              "slug": "python",
              "name": "Python(製品・サービス)",
              "description": "グイド・ヴァン・ロッサム氏が開発したプログラミング言語。"
            }
          },
          {
            "postId": 461699,
            "tagId": 81819,
            "tag": {
              "id": 81819,
              "slug": "facebook",
              "name": "Meta / Facebook / フェイスブック(企業・サービス)",
              "description": "世界最大のソーシャル・ネットワーキング・サービス。それを運営する企業。2021年10月に「Meta」に社名変更。"
            }
          },
          {
            "postId": 461699,
            "tagId": 236160,
            "tag": {
              "id": 236160,
              "slug": "amazon-web-services",
              "name": "Amazon Web Services / AWS(製品・サービス)",
              "description": "Amazon Web Servicesとは、Amazon.comにより提供されているクラウドコンピューティングサービスである。"
            }
          },
          {
            "postId": 461699,
            "tagId": 315451,
            "tag": {
              "id": 315451,
              "slug": "ec2",
              "name": "Amazon EC2(製品・サービス)",
              "description": "Amazon Elastic Compute Cloud、安全でサイズ変更可能なコンピューティング性能をクラウド内で提供するAmazonのウェブサービス。"
            }
          },
          {
            "postId": 461699,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 461699,
            "tagId": 692513678,
            "tag": {
              "id": 692513678,
              "slug": "pytorch",
              "name": "PyTorch(製品・サービス)",
              "description": "Python向けのオープンソース機械学習プラットフォーム。"
            }
          }
        ]
      }
    },
    {
      "postId": 461509,
      "categoryId": 366275726,
      "post": {
        "id": 461509,
        "slug": "2021-12-02-south-african-crowd-solving-startup-zindi-building-a-community-of-data-scientists-and-using-ai-to-solve-real-world-problems",
        "createdAt": "2021-12-04T09:00:42.000Z",
        "updatedAt": "2021-12-04T08:35:29.000Z",
        "title": "南アのクラウドソーシング「Zind」は現実の問題を解決するためにデータサイエンティストのコミュニティを構築、AIも活用",
        "content": "<p>Zindi(ジンディ)は、AIを使用して企業や個人の現実の問題を解決することを目指している。そして、南アフリカを拠点とするこのクラウドソーシングスタートアップは、過去3年間それをずっと実践してきた。</p>\n<p>ちょうど2020年、Zindiに参加するデータサイエンティストのチームが機械学習を用いてウガンダの首都カンパラの大気モニタリングを改善し、また別のグループはジンバブエの保険会社のZimnat(ジンマット)が行う顧客の行動予測(特に解約しそうなひとの予測や解約を思いとどまらせるための有効な手段の予測)を支援した。Zimnatは、他のやり方では解約していたであろう人びとにカスタムメイドのサービスを提供することによって、顧客の解約を防ぐことができた。</p>\n<p>これらは、企業、NGO、政府機関がZindiに提示した、データ中心の課題に対して実現されたソリューションの一部だ。</p>\n<p>Zindiはこれらの課題を発表し、データサイエンティストのコミュニティに対して<a target=\"_blank\" href=\"/2020/03/27/2020-03-26-zindi-taps-12000-african-data-scientists-for-solutions-on-covid-19/\" rel=\"noopener\">ソリューション発見コンテスト</a>に参加するよう呼びかけている。参加しているデータサイエンティストがソリューションを提出して、採用された者が賞金を獲得する。コンテストの主催者は、自身の課題を克服するために寄せられたもののうち最良の結果を利用することができる。たとえばウガンダ全土の大気汚染を予測するための解決策を模索しているAirQo(エアクオ)による大気質監視プロジェクトや、Zimnatの損失削減を支援することなどが解きたい課題だ。</p>\n<p>関連記事:<a target=\"_blank\" href=\"/2020/03/27/2020-03-26-zindi-taps-12000-african-data-scientists-for-solutions-on-covid-19/\" rel=\"noopener\">Zindiが新型コロナ対策に向け1.2万人のアフリカ人データサイエンティストを活用</a></p>\n<p>「このおかげで、いまやAirQoは、一般の人々が大気質と大気質の予測を確認できるダッシュボードが提供できています。このプロジェクトのエキサイティングな点の1つは、AirQoがプロジェクトの実装を支援するためにコンテストから2人の勝者を採用したことです」と<a target=\"_blank\" href=\"https://zindi.africa/\" rel=\"noopener\">Zindi</a>の共同創業者でCEOのCelina Lee(セリーナ・リー)氏は述べている。他には南アフリカのMegan Yates(メーガン・イエーツ)氏とガーナのEkow Duker(エコー・ダッカー)氏が、プラットフォームの共同創業者だ。</p>\n<p>リー氏は「AirQoはまた、彼らが構築したソリューションに対してGoogleから資金を調達し、他のアフリカ諸国にもそれを展開していく予定です」と語る。このコンテストはバーミンガム大学のDigital Air Quality East Africa(DAQ EA)ならびにカンパラのマケレレ大学のAirQoプロジェクトと提携して開催されたコンテストだったのだ。</p>\n<div id=\"attachment_1947552\" class=\"wp-caption alignnone\">\n<div id=\"attachment_461512\" style=\"width: 1034px\" class=\"wp-caption alignnone\"><img aria-describedby=\"caption-attachment-461512\" loading=\"lazy\" class=\"wp-image-461512 size-large\" src=\"/wp-content/uploads/2021/12/2021-12-04-13-33-17.jpg?w=1024\" alt=\"\" width=\"1024\" height=\"683\" srcset=\"/wp-content/uploads/2021/12/2021-12-04-13-33-17.jpg 2592w, /wp-content/uploads/2021/12/2021-12-04-13-33-17.jpg?resize=300,200 300w, /wp-content/uploads/2021/12/2021-12-04-13-33-17.jpg?resize=768,512 768w, /wp-content/uploads/2021/12/2021-12-04-13-33-17.jpg?resize=1024,683 1024w, /wp-content/uploads/2021/12/2021-12-04-13-33-17.jpg?resize=1536,1024 1536w, /wp-content/uploads/2021/12/2021-12-04-13-33-17.jpg?resize=2048,1365 2048w, /wp-content/uploads/2021/12/2021-12-04-13-33-17.jpg?resize=600,400 600w, /wp-content/uploads/2021/12/2021-12-04-13-33-17.jpg?resize=400,267 400w, /wp-content/uploads/2021/12/2021-12-04-13-33-17.jpg?resize=738,492 738w, /wp-content/uploads/2021/12/2021-12-04-13-33-17.jpg?resize=540,360 540w, /wp-content/uploads/2021/12/2021-12-04-13-33-17.jpg?resize=220,147 220w, /wp-content/uploads/2021/12/2021-12-04-13-33-17.jpg?resize=258,172 258w, /wp-content/uploads/2021/12/2021-12-04-13-33-17.jpg?resize=188,125 188w, /wp-content/uploads/2021/12/2021-12-04-13-33-17.jpg?resize=125,83 125w, /wp-content/uploads/2021/12/2021-12-04-13-33-17.jpg?resize=90,60 90w, /wp-content/uploads/2021/12/2021-12-04-13-33-17.jpg?resize=828,552 828w, /wp-content/uploads/2021/12/2021-12-04-13-33-17.jpg?resize=551,367 551w, /wp-content/uploads/2021/12/2021-12-04-13-33-17.jpg?resize=50,33 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-461512\" class=\"wp-caption-text\">Zindiは、アフリカ全土のデータサイエンティストのデータベースだ。このクラウドソーシングスタートアップは、最近100万ドル(約1億1300万円)のシード資金を調達した(写真クレジット: Zindi)</p></div>\n<div class=\"piano-inline-promo\">Zindiを利用した他の注目すべき民間および公的組織には、Microsoft(マイクロソフト)、IBM、Liquid Telecom(リキッドテレコム)、UNICEF(ユニセフ)、および南アフリカ政府が含まれている。スタートアップの、発足以来の成長を目の当たりにして、リー氏はZindiが達成できたことに興奮しており、コミュニティの将来に情熱を注ごうとしている。このプラットフォームは現在、代替手段を提供しており、アフリカ全土で事業を展開し、しばしば高額な従来のコンサルティング会社との競争を激化させている。</p>\n<p>Zindiのユーザーは、2020年の初めから3倍に増え、大陸の45カ国から3万3000人のデータサイエンティストを集めるまでになっている。また、データサイエンティストたちに対して30万ドル(約3384万円)の対価を支払った。</p>\n<p>この数は、Zindiが2022年3月に、大学生たちがさまざまな解決策を求めて互いに競い合う、3回目の大学間Umoja Hack Africaチャレンジを主催することで増加するだろう。</p>\n<p>Zindiは、この大学間コンテストを利用して、学生を実用的なデータサイエンスの経験に従事させ、AIを使って実際の課題を解決させている。2020年のイベントは、パンデミックのためにオンラインで行われたが、プラットフォーム上に約2000人の学生が集まった。</p>\n<p>サンフランシスコ出身のリー氏は「学生は最初の機械学習モデルを構築して、そこから、キャリアと教育へのあらゆる種類の扉が開かれます」と述べている。</p>\n<p>Zindiには現在「学習から稼ぎまでの道のりを短くする」ためのジョブポータルが用意されている。組織は、人材配置ポータルに人材募集を投稿することで、そこにある人材のプールを活用することができる。</p>\n<p>このクラウドソーシングプラットフォームは、新進のデータサイエンティストにトレーニング資料を提供する学習コンポーネントの導入も計画している。これは、プラットフォームが知識のギャップとトレーニングの必要性を認識したためだ。一方リー氏は、Zindiのユーザーのほとんどは、学習経験を必要としている学生や、世界の問題を解決するために高度なスキルを必要とする人たちであるという。</p>\n<p>新しい計画は、最近プラットフォームが調達した100万ドルのシード資金によって可能になる。</p>\n<div id=\"attachment_2242601\" class=\"wp-caption alignnone\">\n<div id=\"attachment_461513\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-461513\" loading=\"lazy\" class=\"wp-image-461513 size-large\" src=\"/wp-content/uploads/2021/12/2021-12-04-13-33-20.png?w=1024\" alt=\"\" width=\"1024\" height=\"589\" srcset=\"/wp-content/uploads/2021/12/2021-12-04-13-33-20.png 2611w, /wp-content/uploads/2021/12/2021-12-04-13-33-20.png?resize=300,173 300w, /wp-content/uploads/2021/12/2021-12-04-13-33-20.png?resize=768,442 768w, /wp-content/uploads/2021/12/2021-12-04-13-33-20.png?resize=1024,589 1024w, /wp-content/uploads/2021/12/2021-12-04-13-33-20.png?resize=1536,884 1536w, /wp-content/uploads/2021/12/2021-12-04-13-33-20.png?resize=2048,1179 2048w, /wp-content/uploads/2021/12/2021-12-04-13-33-20.png?resize=695,400 695w, /wp-content/uploads/2021/12/2021-12-04-13-33-20.png?resize=400,230 400w, /wp-content/uploads/2021/12/2021-12-04-13-33-20.png?resize=738,425 738w, /wp-content/uploads/2021/12/2021-12-04-13-33-20.png?resize=625,360 625w, /wp-content/uploads/2021/12/2021-12-04-13-33-20.png?resize=220,127 220w, /wp-content/uploads/2021/12/2021-12-04-13-33-20.png?resize=281,162 281w, /wp-content/uploads/2021/12/2021-12-04-13-33-20.png?resize=217,125 217w, /wp-content/uploads/2021/12/2021-12-04-13-33-20.png?resize=125,72 125w, /wp-content/uploads/2021/12/2021-12-04-13-33-20.png?resize=104,60 104w, /wp-content/uploads/2021/12/2021-12-04-13-33-20.png?resize=959,552 959w, /wp-content/uploads/2021/12/2021-12-04-13-33-20.png?resize=600,345 600w, /wp-content/uploads/2021/12/2021-12-04-13-33-20.png?resize=50,29 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-461513\" class=\"wp-caption-text\">画像クレジット: Zindi</p></div>\n<p data-wp-editing=\"1\">リー氏は「私たちにとって、それはコミュニティを拡大し、すべてのデータサイエンティストにとってより多くの価値を生み出すことなのです」と語る。</p>\n<p data-wp-editing=\"1\">「私たちが理解していることの1つは、特にアフリカでは、データサイエンスが非常に新しい分野であるということです。そのため、この資金を使って、より多くの学習コンテンツを導入していきます。そして、私たちのデータサイエンティストの多くは、まだ大学生か、キャリアの非常に早い段階にいます。彼らは、とにかく自分たちのスキルを学び身につける機会を探しているのです」。</p>\n<p>シードラウンドは、サンフランシスコを拠点とするVCのShaktiが主導し、Launch Africa、Founders Factory Africa、FIVE35が参加した。</p>\n<p>リー氏によれば、これらの計画はすべて、アフリカ大陸で強力なデータサイエンスコミュニティを構築することを目的としていて、近い将来、プラットフォームのユーザーを100万人に増やすことを目指しているという。これは、キャリアの初期段階にいるデータサイエンティストにトレーニングの機会を提供し、コラボレーションとメンターシップを促進する強力なコミュニティを形成することによって達成可能だと彼女はいう。</p>\n<p>リー氏は次のように述べている「そして、最終的にはアフリカで100万人のデータサイエンティストにリーチしたいのですが、そのためにはデータサイエンスを、この分野で成功するキャリアを追求することに関心のある若い人なら誰でも、必要なツール、つながり、経験にアクセスできるようしたいと考えています」。</p>\n<p>「私たちのビジョンは、誰もがAIにアクセスできるようにすることです」。</p>\n<p><small>画像クレジット:Zindi</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/12/02/south-african-crowd-solving-startup-zindi-building-a-community-of-data-scientists-and-using-ai-to-solve-real-world-problems/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文: Annie Njanja、翻訳:sako)</p>\n</div>\n</div>\n</div>\n",
        "authorId": 10108719,
        "featuredMediaUrl": "/wp-content/uploads/2021/12/Zindi-Team-in-Cape-Town-1.jpg",
        "author": {
          "id": 10108719,
          "slug": "ardbeg1958",
          "name": "sako",
          "description": "Software Engineering Consultant, Technical Translator, and Whisky Lover."
        },
        "categories": [
          {
            "postId": 461509,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 461509,
            "tagId": 2528,
            "tag": {
              "id": 2528,
              "slug": "community",
              "name": "コミュニティ(用語)",
              "description": ""
            }
          },
          {
            "postId": 461509,
            "tagId": 366271425,
            "tag": {
              "id": 366271425,
              "slug": "data-science",
              "name": "データサイエンス / データサイエンティスト(用語)",
              "description": "データサイエンス / データサイエンティストに関連する記事一覧"
            }
          },
          {
            "postId": 461509,
            "tagId": 366272382,
            "tag": {
              "id": 366272382,
              "slug": "africa",
              "name": "アフリカ(国・地域)",
              "description": "アフリカに関連する記事一覧"
            }
          },
          {
            "postId": 461509,
            "tagId": 366273869,
            "tag": {
              "id": 366273869,
              "slug": "crowdsourcing",
              "name": "クラウドソーシング(用語)",
              "description": "クラウドソーシングに関連する記事一覧"
            }
          },
          {
            "postId": 461509,
            "tagId": 692506887,
            "tag": {
              "id": 692506887,
              "slug": "zindi",
              "name": "Zindi(企業)",
              "description": "AIを使用して企業や個人の現実の問題を解決することを目指す南アフリカ拠点のクラウドソーシングスタートアップ。"
            }
          },
          {
            "postId": 461509,
            "tagId": 692511780,
            "tag": {
              "id": 692511780,
              "slug": "south-africa",
              "name": "南アフリカ(国・地域)",
              "description": "南アフリカに関する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 461462,
      "categoryId": 366275726,
      "post": {
        "id": 461462,
        "slug": "2021-12-02-google-timnit-gebru-ai-research-dair",
        "createdAt": "2021-12-04T00:00:56.000Z",
        "updatedAt": "2021-12-05T04:24:54.000Z",
        "title": "グーグルを解雇されたティムニット・ゲブル氏、自らAI研究所「DAIR」を設立",
        "content": "<p>ちょうど1年前、Google(グーグル)のAI倫理チームの共同リーダーの1人であり、このテーマの第1人者であるTimnit Gebru(ティムニット・ゲブル)氏は、<a target=\"_blank\" href=\"/2020/12/07/2020-12-03-googles-co-lead-of-ethical-ai-team-says-she-was-fired-for-sending-an-email/\" rel=\"noopener\">チームのメンバーに懸念を示すメールを送った後に解雇された</a>。そのゲブル氏が自ら仕事場を構え、Googleで敬遠されていると感じていた論題に焦点を当てたまったく新しい研究機関「DAIR」を設立した。</p>\n<p>関連記事:<a target=\"_blank\" href=\"/2020/12/07/2020-12-03-googles-co-lead-of-ethical-ai-team-says-she-was-fired-for-sending-an-email/\" rel=\"noopener\">GoogleのAI倫理研究チームの共同リーダーが部下宛てメールが原因で解雇されたと語る</a></p>\n<p><a target=\"_blank\" href=\"https://www.dair-institute.org/press-release\" rel=\"noopener\">発表されたプレスリリース</a>によると、この「<a target=\"_blank\" href=\"https://www.dair-institute.org/\" rel=\"noopener\">Distributed Artificial Intelligence Research Institute</a>(分散型人工知能研究所)」は「AIの研究、開発、展開における巨大テクノロジー企業の広範な影響力に対抗するための、独立した、コミュニティに根ざした研究所」であるという。</p>\n<p>DAIRは、Google(グーグル)、Amazon(アマゾン)、Facebook / Meta(フェイスブック / メタ)などの企業で使用されているプロセスに疑問を持ち、多様な視点を取り入れ、強調することを目的として設立された機関で、独立資本で運営される。その焦点は、学術的な領域における論文発表に置かれているものの、伝統的な学会の絶え間ないプレッシャーや、グローバル企業のパターナリスティック(父権主義的)な干渉を、研究者に与えることはない。</p>\n<p>ゲブル氏は<a target=\"_blank\" href=\"https://www.washingtonpost.com/technology/2021/12/02/timnit-gebru-dair/\" rel=\"noopener\">The Washington Post(ワシントン・ポスト紙)の取材</a>に対し「私は長い間、現在の私たちが置かれているインセンティブ構造に不満を感じていました。そのどれもが私のやりたい仕事には適していないように思えたのです」と語っている。</p>\n<p>この研究所は現在までに、Ford Foundation(フォード財団)、MacArthur Foundation(マッカーサー財団)、Kapor Center(ケイパー・センター)、Open Society Foundation(オープンソサエティ財団)などから、370万ドル(約4億2000万円)を調達している。これだけあれば十分に運営を開始できるだけでなく、研究者にも十分な報酬を支払うことで、この種の仕事が、AI研究に頻繁に資金を提供している大企業で働くよりも現実的な選択肢であると保証できる。</p>\n<p>TechCrunchでは、<a target=\"_blank\" href=\"https://techcrunch.com/video/will-ai-diversify-human-thinking-or-replace-it-with-chris-ategeka-ucot-timnit-gebru-google-ai-and-ken-goldberg-uc-berkeley/\" rel=\"noopener\">これまでさまざまな論題について語ってもらったことがある</a>ゲブル氏に、DAIRの将来的な研究に関する方法や方向性について尋ねてみたので、返事があればこの記事を更新する予定だ。しかし、DAIRに関わる2人の人物から、我々が何を期待できるかを知ることができる。</p>\n<p>「Algorithms of Oppression(抑圧のアルゴリズム)」の著者で、Macarthur Genius Grant(マッカーサー天才賞)を受賞したSafiya Noble(サフィヤ・ノーブル)氏は、DAIRの諮問委員会に参加する予定だ。我々は先日、<a target=\"_blank\" href=\"https://techcrunch.com/2021/03/10/tackling-deep-seated-bias-in-tech-with-haben-girma-mutale-nkonde-and-safiya-noble/\" rel=\"noopener\">「TC Sessions:Justice」の公開討論で同氏をお迎えした</a>。そこで彼女は、テクノロジーが広く使われるようになって「ありふれたもの」になった時に、それを中立的で価値があると考えることの危険性について語った。実際には、そうなった時にこそ、より厳しい目で見られるべきなのだ。</p>\n<p>また、DAIRの最初の研究員であるRaesetje Sefala(ラエセチェ・セファラ)氏は、南アフリカにおける<a target=\"_blank\" href=\"https://openreview.net/forum?id=WV0waZz9dTF\" rel=\"noopener\">地理的・経済的な分離</a>を、衛星画像を用いて定量化する研究を行っている。</p>\n<p>「AIは地に足をつける必要があります。AIは超人的なレベルにまで高められており、それが必然で人間の制御を超えたものであると、私たちは信じ込まされています」と、ゲブル氏は発表の中で述べている。「AIの研究、開発、展開が最初から人やコミュニティに根ざしたものであれば、これらの弊害に先手を打ち、公平性と人間性を尊重した未来を創造することができます」。</p>\n<p><small>画像クレジット:Photo by Kimberly White/Getty Images for TechCrunch / Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/12/02/google-timnit-gebru-ai-research-dair/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Devin Coldewey、翻訳:Hirokazu Kusakabe)</p>\n",
        "authorId": 191889557,
        "featuredMediaUrl": "/wp-content/uploads/2021/01/GettyImages-1028811892.jpg",
        "author": {
          "id": 191889557,
          "slug": "hkusakabe",
          "name": "Hirokazu Kusakabe",
          "description": ""
        },
        "categories": [
          {
            "postId": 461462,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 461462,
            "tagId": 81,
            "tag": {
              "id": 81,
              "slug": "google",
              "name": "Google / グーグル(企業)",
              "description": "Googleは、インターネット関連のサービスと製品に特化した米国の企業。"
            }
          },
          {
            "postId": 461462,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 461462,
            "tagId": 692516382,
            "tag": {
              "id": 692516382,
              "slug": "dair",
              "name": "DAIR(組織)",
              "description": "Distributed Artificial Intelligence Research Institute(分散型人工知能研究所)、AIの研究、開発、展開における巨大テクノロジー企業の広範な影響力に対抗するための、独立した、コミュニティに根ざした研究所。元GoogleのTimnit Gebru(ティムニット・ゲブル)が設立。"
            }
          }
        ]
      }
    },
    {
      "postId": 461108,
      "categoryId": 366275726,
      "post": {
        "id": 461108,
        "slug": "zozo-treatise-adooted-by-neurips",
        "createdAt": "2021-12-03T11:51:02.000Z",
        "updatedAt": "2021-12-03T11:51:02.000Z",
        "title": "ZOZO研究所のマーケティング施策論文がAI分野の国際会議NeurIPS 2021で採択、 ZOZOTOWN実データとソフト実装公開",
        "content": "<p>ZOZOグループの新規事業開発などを行う<a target=\"_blank\" href=\"https://zozonext.com/\" rel=\"noopener\">ZOZO NEXT</a>は12月2日、同社の研究機関<a target=\"_blank\" href=\"https://research.zozo.com/\" rel=\"noopener\">ZOZO研究所</a>の所員らが執筆したマーケティング施策に関する論文が、機械学習分野の国際会議「<a target=\"_blank\" href=\"https://nips.cc\" rel=\"noopener\">NeurIPS 2021</a>」(12月6日から14日にかけてオンライン開催)の投稿論文を扱う一部門「Datasets and Benchmarks Track」で採択されたことを発表した。タイトルは「<a target=\"_blank\" href=\"https://arxiv.org/abs/2008.07146\" rel=\"noopener\">再現可能かつ実データに基づいたオフ方策評価に向けた大規模データセットとソフトウェアの構築</a>」。NeurIPSは、ICML、ICLRなどと並ぶ、機械学習の分野で権威あるトップカンファレンスの1つ。</p>\n<p>この論文は、ZOZO研究所研究員の松谷恵氏、コーネル大学に在学する齋藤優太氏、粟飯原俊介氏、イェール大学助教授の成田悠輔氏の共著。研究所では、深層学習などのAI技術を研究しているが、その一環として、ZOZOTOWNにおけるマーケティング施策の意志決定に活用するアルゴリズムの評価と検証を効果的・効率的に行うための研究に着手し、その手法の提案に至った。</p>\n<p>これまでは、新しく開発した意志決定アルゴリズムを評価するには、実際のサービス環境に実装し、ユーザーの反応を見ることが必要だった。しかしそれには、膨大な実装コストが必要なことに加えて、動作実績のある既存アルゴリズムとの入れ替えなどによりユーザー体験が悪化するという課題がある。</p>\n<p>これに対して、実サービス環境に実装しない形でアルゴリズムの性能を予測できる手法として、蓄積されたデータセットを利用する「オフ方策評価」が研究されてきたが、実用性の高いオープンなデータセットが存在していないために、研究は進んでいなかった。</p>\n<p>そこで同研究所は、ZOZOTOWNで実際の推薦アルゴリズムで取得された2600万件の推薦データからなる大規模実データ「<a target=\"_blank\" href=\"https://research.zozo.com/data.html\" rel=\"noopener\">Open Bandit Dataset</a>」と、その実装基盤となる独自開発のソフトウェア「<a target=\"_blank\" href=\"https://github.com/st-tech/zr-obp\" rel=\"noopener\">Open Bandit Pipeline</a>」を、論文発表にともないオープンソースとして公開することにした。これらを使うことで、他の研究機関でもオフ方策評価や意志決定アルゴリズムの性能評価が行えるようになる。</p>\n<p>論文で提案された手法は、ZOZOTOWNのマーケティング施策にも実際に導入され、クリック率や購買率の向上に貢献しているとのことだ。</p>\n",
        "authorId": 136751393,
        "featuredMediaUrl": "/wp-content/uploads/2021/12/2021-12-03-006-index.jpg",
        "author": {
          "id": 136751393,
          "slug": "tetsuokanai",
          "name": "tetsuokanai",
          "description": ""
        },
        "categories": [
          {
            "postId": 461108,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 461108,
            "tagId": 25,
            "tag": {
              "id": 25,
              "slug": "open-source",
              "name": "オープンソース / Open Source(用語)",
              "description": "オープンソースに関する記事一覧"
            }
          },
          {
            "postId": 461108,
            "tagId": 5105248,
            "tag": {
              "id": 5105248,
              "slug": "zozotown",
              "name": "ZOZOTOWN(サービス)",
              "description": ""
            }
          },
          {
            "postId": 461108,
            "tagId": 366270844,
            "tag": {
              "id": 366270844,
              "slug": "algorithm",
              "name": "アルゴリズム(用語)",
              "description": "アルゴリズムに関する記事一覧"
            }
          },
          {
            "postId": 461108,
            "tagId": 366272777,
            "tag": {
              "id": 366272777,
              "slug": "net-shopping",
              "name": "ネットショッピング / eコマース(用語)",
              "description": "ネットショッピングに関連する記事一覧"
            }
          },
          {
            "postId": 461108,
            "tagId": 366278754,
            "tag": {
              "id": 366278754,
              "slug": "zozo",
              "name": "ZOZO(企業)",
              "description": "ファッション通販サイトZOZOTOWNなどを運営する日本の企業。"
            }
          },
          {
            "postId": 461108,
            "tagId": 692509040,
            "tag": {
              "id": 692509040,
              "slug": "zozo%e7%a0%94%e7%a9%b6%e6%89%80",
              "name": "ZOZO研究所",
              "description": ""
            }
          },
          {
            "postId": 461108,
            "tagId": 692515886,
            "tag": {
              "id": 692515886,
              "slug": "marketing",
              "name": "マーケティング / MarTech(用語)",
              "description": "マーケティング / MarTechに関する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 461336,
      "categoryId": 366275726,
      "post": {
        "id": 461336,
        "slug": "2021-12-02-picsart-acquires-rd-company-deepcraft-in-seven-figure-deal-to-aid-video-push",
        "createdAt": "2021-12-03T05:30:59.000Z",
        "updatedAt": "2021-12-03T05:01:52.000Z",
        "title": "ソフトバンク出資のユニコーンPicsArtがR&#038;D企業DeepCraftを買収、AI・動画編集機能の強化狙って",
        "content": "<p>ソフトバンクが出資しているデジタルクリエイションプラットフォームで、2021年8月に<a target=\"_blank\" href=\"https://techcrunch.com/2021/08/26/PicsArt-raises-130m-from-softbank-becomes-unicorn-on-the-back-of-its-visual-creator-tools/\" rel=\"noopener\">ユニコーン企業の仲間入り</a>を果たした<a target=\"_blank\" href=\"https://PicsArt.com/\" rel=\"noopener\">PicsArt</a>(ピクスアート)は、米国時間12月2日、R&amp;D企業である<a target=\"_blank\" href=\"https://deepcraft.io/\" rel=\"noopener\">DeepCraft</a>を買収することを発表した。今回の買収は、現金と株式の組み合わせで、7桁(数百万ドル、数億円)規模の金額とのことだが、正確な条件は公表されていない。</p>\n<p>PicsArtは現在、コンシューマーとプロ両方に向けて、写真やビデオ編集をより楽しく、親しみやすいものにするためのさまざまなデジタル制作・編集ツールを提供している。PicsArtは、DeepCraftが持つAI技術分野の人材と、同社のコンピュータービジョンおよび機械学習(ML)における画期的な技術が、PicsArtのAI技術を強化し、近年のPicsArtのサービスにおける動画作成の成長をサポートするものと考えている。また、チームは、PicsArtのAI研究開発部門であるPAIR(PicsArt AI Research)にシニアレベルのリソースを追加して補完するのにも役立つとしている。</p>\n<p>アルメニアに拠点を置くDeepCraftは動画・画像処理に特化した企業で、2017年に設立された。ちなみに、PicsArtは同国初のユニコーンだ。DeepCraftの共同創業者であるArmen Abroyan(アルメン・アブロヤン)CEOとVardges Hovhannisyan(ヴァルジス・ホフハニシャン)CTOは、AIと機械学習に20年以上を費やしており、その専門性は地元コミュニティでよく知られている。アブロヤン氏はこれまで、アルメニア共和国ハイテク産業省の副大臣、RedKiteのリードAIアーキテクト、Synopsys(シノプシス)のシニアソフトウェア開発者などを歴任してきた。一方、ホフハニシャン氏は、Synopsysで13年間、シニアR&amp;Dエンジニアとして活躍した。</p>\n<p>DeepCraftでは、Krisp、PatriotOne、さらにはアルメニア政府など、多くのクライアントと契約ベースで仕事をしていた。これらの仕事は終了し、チームはエレバンにあるPicsArtのオフィスで仕事を始めることになる。今回の買収により、DeepCraftの機械学習および映像分野のシニアエンジニア8名が、PicsArtに正社員として入社する。</p>\n<p>PicsArtは、2018年にEFEKT(旧D&#8217;efekt)を<a target=\"_blank\" href=\"https://www.businesswire.com/news/home/20200722005090/en/PicsArt-Acquires-Motion-Based-Video-Effects-Company-D%E2%80%99efekt\" rel=\"noopener\">買収</a>して動画市場に参入し、近年、利用者が急増している。特に、動画を利用するソーシャルメディアのクリエイターやECショップに同社のアプリが採用されている。2021年、PicsArtのアプリで編集された動画は1億8千万本を超え、前年比で70%増となっている。現在、数千種類のエフェクトと数十種類の動画編集ツールを提供しており、AIやクラウド技術の進化に合わせてこのラインナップを増やしていく予定だという。</p>\n<p>PicsArtは、DeepCraftのスキルセットと技術的な専門知識が、2022年に重要な焦点となるであろう動画のサポートを前進させるのにどう役立つかに特に関心を寄せている。</p>\n<p>ただし、PicsArtは、今回の買収でDeepCraftから特定のIPを取得するわけではない、と同社はTechCrunchに語っている。</p>\n<p>PicsArtは、DeepCraftとはさまざまな技術開発で協力関係にあったため、今回の買収に先立ち、すでに関係を築いていた。</p>\n<p>PicsArtの共同設立者兼CTOであるArtavazd Mehrabyan(アルタバズド・メフラビヤン)氏はこう述べている。「DeepCraftはユニークで高度な技術を持つエンジニアのチームであり、当社はすでに1年以上彼らと協力して当社のコア技術を構築してきました。当社の動画機能を進化させるためにさらなる投資を行うにあたり、DeepCraftのチームが動画の未来を築く上で重要な役割を果たすことを確信しています」。</p>\n<p>DeepCraftとの取引は、8月に同社がソフトバンク・ビジョン・ファンド2(SVF2)主導で1億3000万ドル(約146億9000万円)のシリーズCラウンドを<a target=\"_blank\" href=\"https://techcrunch.com/2021/08/26/PicsArt-raises-130m-from-softbank-becomes-unicorn-on-the-back-of-its-visual-creator-tools/\" rel=\"noopener\">調達</a>して以来、PicsArtにとって初の買収となる。そのラウンドにより、同社は2019年に約6億ドル(約678億円)だった評価額からユニコーンの地位に引き上げられた。</p>\n<p><small>画像クレジット:PicsArt</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/12/02/PicsArt-acquires-rd-company-deepcraft-in-seven-figure-deal-to-aid-video-push/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Sarah Perez、翻訳:Aya Nakazato)</p>\n",
        "authorId": 176261049,
        "featuredMediaUrl": "/wp-content/uploads/2021/12/Picsart_DC_04-1.jpg",
        "author": {
          "id": 176261049,
          "slug": "katsuyukiyasui",
          "name": "katsuyukiyasui",
          "description": ""
        },
        "categories": [
          {
            "postId": 461336,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 461336,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 461336,
            "tagId": 10731863,
            "tag": {
              "id": 10731863,
              "slug": "merger-and-acquisition",
              "name": "買収 / 合併 / M&A(用語)",
              "description": "買収と合併(M&amp;A)に関連する記事一覧"
            }
          },
          {
            "postId": 461336,
            "tagId": 364312649,
            "tag": {
              "id": 364312649,
              "slug": "unicorn",
              "name": "ユニコーン企業(用語)",
              "description": "ユニコーン企業に関する記事一覧"
            }
          },
          {
            "postId": 461336,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 461336,
            "tagId": 366274530,
            "tag": {
              "id": 366274530,
              "slug": "computer-vision",
              "name": "コンピュータービジョン(用語)",
              "description": "コンピュータビジョンに関連する記事一覧"
            }
          },
          {
            "postId": 461336,
            "tagId": 366274559,
            "tag": {
              "id": 366274559,
              "slug": "softbank-vision-fund",
              "name": "ソフトバンク・ビジョン・ファンド / SoftBank Vision Fund(企業)",
              "description": "2017年5月にソフトバンクが設立した超巨大VCファンド。設立時の10兆円の規模は前代未聞。"
            }
          },
          {
            "postId": 461336,
            "tagId": 674897019,
            "tag": {
              "id": 674897019,
              "slug": "picsart",
              "name": "PicsArt(企業)",
              "description": "コンシューマーとプロ両方に向けて、写真やビデオ編集をより楽しく、親しみやすいものにするためのさまざまなデジタル制作・編集ツールを提供するデジタルクリエイションプラットフォームの企業。"
            }
          },
          {
            "postId": 461336,
            "tagId": 692510639,
            "tag": {
              "id": 692510639,
              "slug": "video-editing",
              "name": "動画(ビデオ)撮影 / 動画編集 / 動画制作(用語)",
              "description": "動画(ビデオ)撮影 / 動画編集 / 動画制作に関する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 461114,
      "categoryId": 366275726,
      "post": {
        "id": 461114,
        "slug": "2021-12-01-aws-launches-new-sagemaker-features-to-make-scaling-machine-learning-easier",
        "createdAt": "2021-12-02T06:30:37.000Z",
        "updatedAt": "2021-12-02T05:54:03.000Z",
        "title": "AWSが機械学習をより簡単に拡張できるSageMakerの新機能をリリース",
        "content": "<p>米国時間12月1日、AWSは毎年恒例の<a target=\"_blank\" href=\"https://techcrunch.com/tag/aws-reinvent-2021/\" rel=\"noopener\">re:Inventカンファレンス</a>で、機械学習(ML)モデルを構築、トレーニング、デプロイするマネージドサービス<a target=\"_blank\" href=\"https://aws.amazon.com/sagemaker/\" rel=\"noopener\">SageMaker</a>に対する多数の新機能を発表した。Amazon(アマゾン)の機械学習担当副社長であるSwami Sivasubramanian(スワミ・シバスブラマニアン)氏は、今回の新機能は、ユーザーが組織内で機械学習を簡単に拡張できるようにすることを目的としていると述べている。</p>\n<p>まず第一にAWSは、専門家を使って高品質のトレーニングデータセットをより迅速に提供する新しい<a target=\"_blank\" href=\"https://aws.amazon.com/about-aws/whats-new/2021/12/amazon-sagemaker-ground-truth-plus/\" rel=\"noopener\">SageMaker Ground TruthPlus</a>(セージメイカー・グラウンド・トゥルースプラス)サービスを開始した。SageMaker Ground Truth Plusは、アクティブラーニング、事前ラベリング、機械検証のための機械学習技術などのラベリングワークフローを使用する。同社によれば、この新しいサービスはコストを最大40%削減し、ユーザーが機械学習に関する深い専門知識を持っている必要はないという。このサービスにより、ユーザーはラベリングアプリケーションを構築しなくてもトレーニングデータセットを作成できるようになる。SageMaker Ground Truth Plusは現在、Northern Virginia(バージニア北部)リージョンで利用できる。</p>\n<p>同社はまた、ユーザーが最適なパフォーマンスとコストで機械学習モデルをデプロイするために、利用可能な最適なコンピューティングインスタンスを選択することを助ける新しい<a target=\"_blank\" href=\"https://aws.amazon.com/about-aws/whats-new/2021/12/amazon-sagemaker-inference-recommender/\" rel=\"noopener\">SageMaker Inference Recommender</a>(セージメイカー・インファレンス・レコメンダー)ツールを開始した。AWSによると、このツールは適切なコンピューティングインスタンスのタイプ、インスタンスカウント、コンテナパラメーター、モデルの最適化を自動的に選択するという。Amazon SageMaker Inference Recommenderは、AWS China(AWSチャイナ)リージョンを除く、SageMakerが利用可能なすべてのリージョンで利用可能だ。</p>\n<p>さらにAWSは、新しい<a target=\"_blank\" href=\"https://aws.amazon.com/about-aws/whats-new/2021/12/amazon-sagemaker-serverless-inference/\" rel=\"noopener\">SageMaker Serverless Interface</a>(セージメイカー・サーバーレス・インターフェース)オプションのプレビューをリリースした。これによって、ユーザーは基盤となるインフラストラクチャを構成または管理しなくても、推論のための機械学習モデルを簡単にデプロイすることができる。この新しいオプションはNorthern Virginia、Ohio(オハイオ)、Oregon(オレゴン)、Ireland(アイルランド)、Tokyo(東京)、Sydney(シドニー)の各リージョンで利用可能だ。</p>\n<div id=\"attachment_2241694\" class=\"wp-caption aligncenter\">\n<div id=\"attachment_461116\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-461116\" loading=\"lazy\" class=\"wp-image-461116 size-large\" src=\"/wp-content/uploads/2021/12/2021-12-02-13-54-40.jpg?w=1024\" alt=\"\" width=\"1024\" height=\"598\" srcset=\"/wp-content/uploads/2021/12/2021-12-02-13-54-40.jpg 3911w, /wp-content/uploads/2021/12/2021-12-02-13-54-40.jpg?resize=300,175 300w, /wp-content/uploads/2021/12/2021-12-02-13-54-40.jpg?resize=768,448 768w, /wp-content/uploads/2021/12/2021-12-02-13-54-40.jpg?resize=1024,598 1024w, /wp-content/uploads/2021/12/2021-12-02-13-54-40.jpg?resize=1536,897 1536w, /wp-content/uploads/2021/12/2021-12-02-13-54-40.jpg?resize=2048,1195 2048w, /wp-content/uploads/2021/12/2021-12-02-13-54-40.jpg?resize=685,400 685w, /wp-content/uploads/2021/12/2021-12-02-13-54-40.jpg?resize=400,233 400w, /wp-content/uploads/2021/12/2021-12-02-13-54-40.jpg?resize=738,431 738w, /wp-content/uploads/2021/12/2021-12-02-13-54-40.jpg?resize=617,360 617w, /wp-content/uploads/2021/12/2021-12-02-13-54-40.jpg?resize=220,128 220w, /wp-content/uploads/2021/12/2021-12-02-13-54-40.jpg?resize=281,164 281w, /wp-content/uploads/2021/12/2021-12-02-13-54-40.jpg?resize=214,125 214w, /wp-content/uploads/2021/12/2021-12-02-13-54-40.jpg?resize=125,73 125w, /wp-content/uploads/2021/12/2021-12-02-13-54-40.jpg?resize=103,60 103w, /wp-content/uploads/2021/12/2021-12-02-13-54-40.jpg?resize=946,552 946w, /wp-content/uploads/2021/12/2021-12-02-13-54-40.jpg?resize=600,350 600w, /wp-content/uploads/2021/12/2021-12-02-13-54-40.jpg?resize=50,29 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-461116\" class=\"wp-caption-text\">画像クレジット:TechCrunch</p></div>\n<p>AWSはまた、GPUインスタンスをより効率的に使用することで、ディープラーニングモデルのトレーニングを最大50%高速化できる新機能<a target=\"_blank\" href=\"https://aws.amazon.com/about-aws/whats-new/2021/12/amazon-sagemaker-training-compiler-dl-model-training-50/\" rel=\"noopener\">SageMaker Training Compiler</a>(セージメイカー・トレーニング・コンパイラー)をリリースした。この機能は、高級言語表現からハードウェアに最適化された命令に至る、ディープラーニングモデルをカバーしている。この新機能は、Northern Virginia、Ohio、Oregon、Irelandで利用できる。</p>\n<p>最後にAWSは、Amazon Elastic MapReduce(EMR、アマゾン・エラスティック・マップレデュース)で実行されているApache Spark(アパッチ・スパーク)ジョブを、SageMaker Studio(セージメイカー・スタジオ)ノートブックからユーザーがクリックするだけで、直接<a target=\"_blank\" href=\"https://aws.amazon.com/about-aws/whats-new/2021/12/amazon-sagemaker-studio-data-notebook-integration-emr/\" rel=\"noopener\">監視およびデバッグ</a>できるようになったと発表した。同社は、EMRクラスターをSageMaker Studioから直接発見、接続、作成、終了、および管理できるようになったと述べている。</p>\n<p>「したがって、EMRとの統合が組み込まれたことで、単一のユニバーサルSageMaker Studioノートブック内から、ペタバイトスケールでインタラクティブなデータ準備と機械学習を行うことができるのです」とAWSはブログ投稿の中で説明している。</p>\n<p>このSageMaker Studioの新機能はNorthern Virginia、Ohio、Northern California(カリフォリニア州北部)、 Oregon、 central Canada(カナダ中央)、 Frankfurt(フランクフルト)、 Ireland、 Stockholm(ストックホルム)、 Paris(パリ)、 London(ロンドン)、 Mumbai(ムンバイ)、 Seoul(ソウル)、 Singapore(シンガポール)、 Sydney(シドニー)、 Tokyo(東京)、Sao Paolo(サンパウロ)の各リージョンで利用できる。</p>\n<p>これに関連したノートの中で、AWSは開発者が機械学習技術を学び、その技術を実験することを支援する無料サービスである<a target=\"_blank\" href=\"https://studiolab.sagemaker.aws/\" rel=\"noopener\">SageMaker Studio Lab</a>を立ち上げたことを発表した。また米国時間11月30日には、AWSは<a target=\"_blank\" href=\"/2021-11-30-aws-gets-a-no-code-ml-service\" rel=\"noopener\">Amazon SageMaker Canvas</a>と呼ばれる新しい機械学習サービスを発表した。新しいサービスによって、ユーザーはポイントアンドクリックインターフェイスを使って、機械学習予測モデルを構築できるようになる。</p>\n<p>関連記事:<a target=\"_blank\" href=\"/2021/12/01/2021-11-30-aws-gets-a-no-code-ml-service/\" rel=\"noopener\">AWSがノーコードのMLサービス「Amazon SageMaker Canvas」を発表</a></p>\n<p><a target=\"_blank\" href=\"/tag/aws-reinvent-2021/\" rel=\"noopener\"><img loading=\"lazy\" class=\"aligncenter wp-image-460727 size-large\" src=\"/wp-content/uploads/2021/12/2021-12-01-02-57-30.png?w=1024\" alt=\"\" width=\"1024\" height=\"141\" srcset=\"/wp-content/uploads/2021/12/2021-12-01-02-57-30.png 3201w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=300,41 300w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=768,106 768w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=1024,141 1024w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=1536,212 1536w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=2048,282 2048w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=400,55 400w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=738,102 738w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=640,88 640w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=220,30 220w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=281,39 281w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=250,34 250w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=125,17 125w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=1735,239 1735w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=600,83 600w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=50,7 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /></a></p>\n<p><small>画像クレジット:AWS</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/12/01/aws-launches-new-sagemaker-features-to-make-scaling-machine-learning-easier/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文: Aisha Malik、翻訳:sako)</p>\n</div>\n",
        "authorId": 10108719,
        "featuredMediaUrl": "/wp-content/uploads/2021/12/aws-conference-header.png",
        "author": {
          "id": 10108719,
          "slug": "ardbeg1958",
          "name": "sako",
          "description": "Software Engineering Consultant, Technical Translator, and Whisky Lover."
        },
        "categories": [
          {
            "postId": 461114,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 461114,
            "tagId": 236160,
            "tag": {
              "id": 236160,
              "slug": "amazon-web-services",
              "name": "Amazon Web Services / AWS(製品・サービス)",
              "description": "Amazon Web Servicesとは、Amazon.comにより提供されているクラウドコンピューティングサービスである。"
            }
          },
          {
            "postId": 461114,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 461114,
            "tagId": 692508650,
            "tag": {
              "id": 692508650,
              "slug": "aws-reinvent",
              "name": "AWS re:invent(イベント)",
              "description": "AWS re:inventとは、Amazon Web Servicesの年次イベント。"
            }
          },
          {
            "postId": 461114,
            "tagId": 692516333,
            "tag": {
              "id": 692516333,
              "slug": "aws-reinvent-2021",
              "name": "AWS re:Invent 2021(イベント)",
              "description": "AWS re:Invent 2021に関する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 461112,
      "categoryId": 366275726,
      "post": {
        "id": 461112,
        "slug": "2021-12-01-aws-launches-sagemaker-studio-lab-a-free-tool-for-learning-machine-learning",
        "createdAt": "2021-12-02T06:00:47.000Z",
        "updatedAt": "2021-12-02T05:43:32.000Z",
        "title": "AWSが機械学習を学ぶための無料ツール「SageMaker Studio Lab」を発表、奨学制度も立ち上げ",
        "content": "<p>AWSは米国時間12月1日のre:Inventカンファレンスで、<a target=\"_blank\" href=\"https://studiolab.sagemaker.aws/\" rel=\"noopener\">SageMaker Studio Lab</a>を発表した。デベロッパーは、この無料サービスを利用して機械学習の技術を学び、実験をすることができる。Studio Labはユーザーに、最初に必要な基礎をすべて、JupyterLab IDE、CPU上とGPU上のモデルの訓練、そして15GBの永続的ストレージを提供する</p>\n<p>またAmazonは同時に、AWS AI &amp; ML Scholarship Program(AIとMLの奨学事業)を立ち上げた。1000万ドル(約11億3000万円)の奨学金をAmazonが提供し、授業はIntelとUdacityの協同で行われる。それにより2000名の生徒がUdacity Nanodegree(得られる奨学金をもらい、またAmazonとIntelの社員たちがメンター役を引き受ける。</p>\n<p>AWSの機械学習担当副社長であるSwami Sivasubramanian(スワミ・シバスブラマニアン)氏は次のように述べている。「本日発表した2つの企画は、機械学習を学ぶための教育機会を大きく開き、この技術に関心のある人なら誰でも勉強できるようになります。機械学習はこの世代にとって、最高に重要な変革的技術の1つです。この技術のポテンシャルを全開にできれば、世界の困難な問題の一部も解決できます。そのためには、あらゆるバックグラウンドの体験知識と人生経験を持つ、最良の心の持ち主たちに参入して欲しい。私たちはこの奨学制度によって多様な未来のワークフォースに閃きを与え、心を動かしていただきたい。多くの人の機械学習の開始を妨げていた費用という壁は壊れるでしょう」。</p>\n<div id=\"attachment_461119\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-461119\" loading=\"lazy\" class=\"wp-image-461119 size-large\" src=\"/wp-content/uploads/2021/12/maj1.jpg?w=1024\" alt=\"\" width=\"1024\" height=\"327\" srcset=\"/wp-content/uploads/2021/12/maj1.jpg 1504w, /wp-content/uploads/2021/12/maj1.jpg?resize=300,96 300w, /wp-content/uploads/2021/12/maj1.jpg?resize=768,245 768w, /wp-content/uploads/2021/12/maj1.jpg?resize=1024,327 1024w, /wp-content/uploads/2021/12/maj1.jpg?resize=1253,400 1253w, /wp-content/uploads/2021/12/maj1.jpg?resize=400,128 400w, /wp-content/uploads/2021/12/maj1.jpg?resize=738,236 738w, /wp-content/uploads/2021/12/maj1.jpg?resize=640,204 640w, /wp-content/uploads/2021/12/maj1.jpg?resize=220,70 220w, /wp-content/uploads/2021/12/maj1.jpg?resize=281,90 281w, /wp-content/uploads/2021/12/maj1.jpg?resize=250,80 250w, /wp-content/uploads/2021/12/maj1.jpg?resize=125,40 125w, /wp-content/uploads/2021/12/maj1.jpg?resize=600,191 600w, /wp-content/uploads/2021/12/maj1.jpg?resize=50,16 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-461119\" class=\"wp-caption-text\">画像クレジット:AWS</p></div>\n<p>Studio Labで勉強を始めるためには、登録をして無料のアカウントを取得しなければならい(2000名という制限がある)。ただし、アクセスのためのその他の要件はまだ不明だ。</p>\n<p>AWSのAntje Barth(アンティエ・バース)氏が、発表で次のように述べている。「AWSでの私たちのミッションは、機械学習を誰にでもアクセスできるものにすることです。過去数年間のいろいろな会話から、MLの初心者が直面する壁がわかってきました。現在のMLの環境は初心者にとって難しすぎるものが多く、また制約が多くて現代的なMLの実験をサポートできません。また初心者たちは、今すぐにでも勉強を始めたいと思っており、インフラストラクチャや、サービスの構成、予算超過を防ぐための警告的請求などと関わりたくありません。登録の際に要求される請求やクレジットカード関連の情報提示もまた、険しい壁の1つです」。</p>\n<p><span class=\"embed-youtube\" style=\"text-align:center; display: block;\"><iframe loading=\"lazy\" class=\"youtube-player\" width=\"640\" height=\"360\" src=\"https://www.youtube.com/embed/k2nVIvHB1dk?version=3&#038;rel=1&#038;showsearch=0&#038;showinfo=1&#038;iv_load_policy=1&#038;fs=1&#038;hl=en-US&#038;autohide=2&#038;wmode=transparent\" allowfullscreen=\"true\" style=\"border:0;\" sandbox=\"allow-scripts allow-same-origin allow-popups allow-presentation\"></iframe></span></p>\n<p><a target=\"_blank\" href=\"/tag/aws-reinvent-2021/\" rel=\"noopener\"><img loading=\"lazy\" class=\"aligncenter wp-image-460727 size-large\" src=\"/wp-content/uploads/2021/12/2021-12-01-02-57-30.png?w=1024\" alt=\"\" width=\"1024\" height=\"141\" srcset=\"/wp-content/uploads/2021/12/2021-12-01-02-57-30.png 3201w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=300,41 300w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=768,106 768w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=1024,141 1024w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=1536,212 1536w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=2048,282 2048w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=400,55 400w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=738,102 738w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=640,88 640w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=220,30 220w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=281,39 281w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=250,34 250w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=125,17 125w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=1735,239 1735w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=600,83 600w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=50,7 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /></a></p>\n<p><small>画像クレジット:TechCrunch</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/12/01/aws-launches-sagemaker-studio-lab-a-free-tool-for-learning-machine-learning/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Frederic Lardinois、翻訳:Hiroshi Iwatani)</p>\n",
        "authorId": 46898863,
        "featuredMediaUrl": "/wp-content/uploads/2021/12/maj0.jpg",
        "author": {
          "id": 46898863,
          "slug": "tcjpiwatani",
          "name": "Hiroshi Iwatani",
          "description": ""
        },
        "categories": [
          {
            "postId": 461112,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 461112,
            "tagId": 12068,
            "tag": {
              "id": 12068,
              "slug": "intel",
              "name": "Intel / インテル(企業)",
              "description": "Intel(インテル)は、米国に本社を置く半導体素子メーカー。"
            }
          },
          {
            "postId": 461112,
            "tagId": 236160,
            "tag": {
              "id": 236160,
              "slug": "amazon-web-services",
              "name": "Amazon Web Services / AWS(製品・サービス)",
              "description": "Amazon Web Servicesとは、Amazon.comにより提供されているクラウドコンピューティングサービスである。"
            }
          },
          {
            "postId": 461112,
            "tagId": 76218893,
            "tag": {
              "id": 76218893,
              "slug": "udacity",
              "name": "Udacity(企業)",
              "description": ""
            }
          },
          {
            "postId": 461112,
            "tagId": 364065523,
            "tag": {
              "id": 364065523,
              "slug": "scholarships",
              "name": "奨学金(用語)",
              "description": ""
            }
          },
          {
            "postId": 461112,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 461112,
            "tagId": 692508650,
            "tag": {
              "id": 692508650,
              "slug": "aws-reinvent",
              "name": "AWS re:invent(イベント)",
              "description": "AWS re:inventとは、Amazon Web Servicesの年次イベント。"
            }
          },
          {
            "postId": 461112,
            "tagId": 692516333,
            "tag": {
              "id": 692516333,
              "slug": "aws-reinvent-2021",
              "name": "AWS re:Invent 2021(イベント)",
              "description": "AWS re:Invent 2021に関する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 460841,
      "categoryId": 366275726,
      "post": {
        "id": 460841,
        "slug": "soracom-scamera-design",
        "createdAt": "2021-12-01T07:17:40.000Z",
        "updatedAt": "2021-12-01T07:18:29.000Z",
        "title": "ソラコム、LinuxおよびLTE通信機能採用のAIカメラS+ Cameraの新モデルS+ Camera Design発売",
        "content": "<p>「IoTテクノロジーの民主化」を掲げるIoT企業<a target=\"_blank\" href=\"https://soracom.jp/\" rel=\"noopener\">ソラコム</a>は12月1日、IoTカメラ「<a target=\"_blank\" href=\"https://soracom.com/ja-jp/service/spluscamera/\" rel=\"noopener\">S+ Camera</a>」の新型モデル「<a target=\"_blank\" href=\"https://soracom.jp/store/17349/\" rel=\"noopener\">S+ Camera Design</a>」の発売を開始した。従来製品の約半分にスリム化され、公共施設などに設置しても違和感のない丸みを帯びたデザインになっている。<img loading=\"lazy\" class=\"aligncenter size-large wp-image-460842\" src=\"/wp-content/uploads/2021/12/scamera-size-768x449-1.png?w=768\" alt=\"ソラコム、LinuxおよびLTE通信機能採用のAIカメラS+ Cameraの新モデルS+ Camera Design発売\" width=\"768\" height=\"449\" srcset=\"/wp-content/uploads/2021/12/scamera-size-768x449-1.png 768w, /wp-content/uploads/2021/12/scamera-size-768x449-1.png?resize=300,175 300w, /wp-content/uploads/2021/12/scamera-size-768x449-1.png?resize=684,400 684w, /wp-content/uploads/2021/12/scamera-size-768x449-1.png?resize=400,234 400w, /wp-content/uploads/2021/12/scamera-size-768x449-1.png?resize=738,431 738w, /wp-content/uploads/2021/12/scamera-size-768x449-1.png?resize=616,360 616w, /wp-content/uploads/2021/12/scamera-size-768x449-1.png?resize=220,129 220w, /wp-content/uploads/2021/12/scamera-size-768x449-1.png?resize=281,164 281w, /wp-content/uploads/2021/12/scamera-size-768x449-1.png?resize=214,125 214w, /wp-content/uploads/2021/12/scamera-size-768x449-1.png?resize=125,73 125w, /wp-content/uploads/2021/12/scamera-size-768x449-1.png?resize=103,60 103w, /wp-content/uploads/2021/12/scamera-size-768x449-1.png?resize=600,351 600w, /wp-content/uploads/2021/12/scamera-size-768x449-1.png?resize=50,29 50w\" sizes=\"(max-width: 768px) 100vw, 768px\" /></p>\n<p>「S+ Camera」シリーズは、Linuxベースの小型コンピューターとセルラー通信(LTE)を搭載したIoTカメラ。AIアルゴリズムをインストールすれば、用途に合わせたAIカメラソリューションが実現する。専用コンソールを使って映像を確認したり、AIアルゴリズムをリモートで更新するなどが可能。汎用マウントで簡単に設置が行える。</p>\n<p>S+ Cameraは、商業施設の混雑度チェック、街中の交通量調査、電気や空調設備のモニタリング、工場や倉庫の入退室管理などに利用されているが、公共の場所で使われることを考え、厚さ5cmという、コンパクトで洗練されたパッケージに収めたのがS+ Camera Designだ。デザインは、プロダクトデザインを手がける日南とのコラボによるもの。 <img loading=\"lazy\" class=\"aligncenter size-large wp-image-460895\" src=\"/wp-content/uploads/2021/12/2021-12-01-004-002.jpg?w=893\" alt=\"ソラコム、LinuxおよびLTE通信機能採用のAIカメラS+ Cameraの新モデルS+ Camera Design発売\" width=\"893\" height=\"670\" srcset=\"/wp-content/uploads/2021/12/2021-12-01-004-002.jpg 893w, /wp-content/uploads/2021/12/2021-12-01-004-002.jpg?resize=300,225 300w, /wp-content/uploads/2021/12/2021-12-01-004-002.jpg?resize=768,576 768w, /wp-content/uploads/2021/12/2021-12-01-004-002.jpg?resize=533,400 533w, /wp-content/uploads/2021/12/2021-12-01-004-002.jpg?resize=400,300 400w, /wp-content/uploads/2021/12/2021-12-01-004-002.jpg?resize=738,554 738w, /wp-content/uploads/2021/12/2021-12-01-004-002.jpg?resize=210,158 210w, /wp-content/uploads/2021/12/2021-12-01-004-002.jpg?resize=220,165 220w, /wp-content/uploads/2021/12/2021-12-01-004-002.jpg?resize=480,360 480w, /wp-content/uploads/2021/12/2021-12-01-004-002.jpg?resize=80,60 80w, /wp-content/uploads/2021/12/2021-12-01-004-002.jpg?resize=229,172 229w, /wp-content/uploads/2021/12/2021-12-01-004-002.jpg?resize=167,125 167w, /wp-content/uploads/2021/12/2021-12-01-004-002.jpg?resize=125,94 125w, /wp-content/uploads/2021/12/2021-12-01-004-002.jpg?resize=736,552 736w, /wp-content/uploads/2021/12/2021-12-01-004-002.jpg?resize=489,367 489w, /wp-content/uploads/2021/12/2021-12-01-004-002.jpg?resize=50,38 50w\" sizes=\"(max-width: 893px) 100vw, 893px\" /></p>\n<p>「S+ Camera Design」の特徴は次のとおり。</p>\n<ul>\n<li>セルラー回線標準搭載:<br />\nデータの送受信にセルラー回線を利用するため、ネットワーク環境の構築が不要</li>\n<li>アルゴリズムの遠隔更新:<br />\nエッジ処理ができ、専用のコンソールからアルゴリズムを遠隔操作で更新可能</li>\n<li>かんたん設置:<br />\n電源に接続するだけですぐに利用できる。汎用マウントを利用すれば設置も容易</li>\n<li>AIアルゴリズムをインストールして独自のAIカメラソリューションを実現:<br />\nアルゴリズムはソラコムが提供する「リファレンス アルゴリズム」(無償提供)、自社で独自に開発できる「自社開発アルゴリズム」、パートナー企業が提供する「3rd party アルゴリズム」(有償提供)のいずれかが使える。</li>\n</ul>\n<h3>概要</h3>\n<ul>\n<li>外形:164×50×187mm</li>\n<li>重量:305g(本体のみ)</li>\n<li>F値:2.8</li>\n<li>カメラ角度調整機構:縦横斜めのいずれか一方向に調整可能(手動)</li>\n<li>内容:本体、ACアダプター(ケーブル長3m)、汎用型マグネットマウント、SORACOM特定地域向けIoT SIMカード plan-D サイズ:マイクロ(データ通信のみ)、六角レンチ(角度調整用)、IMEIシール</li>\n<li>直販価格:4万9800円(税込。送料別)</li>\n</ul>\n<p><a target=\"_blank\" href=\"https://soracom.jp/store/17349/\" rel=\"noopener\">製品詳細はこちら</a>。</p>\n",
        "authorId": 136751393,
        "featuredMediaUrl": "/wp-content/uploads/2021/12/2021-12-01-004-index.jpg",
        "author": {
          "id": 136751393,
          "slug": "tetsuokanai",
          "name": "tetsuokanai",
          "description": ""
        },
        "categories": [
          {
            "postId": 460841,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 460841,
            "tagId": 610,
            "tag": {
              "id": 610,
              "slug": "linux",
              "name": "Linux(製品・サービス)",
              "description": "狭義にはLinuxカーネル、広義にはそれをカーネルとして用いたOS。"
            }
          },
          {
            "postId": 460841,
            "tagId": 363517900,
            "tag": {
              "id": 363517900,
              "slug": "soracom",
              "name": "ソラコム(企業・サービス)",
              "description": ""
            }
          },
          {
            "postId": 460841,
            "tagId": 366278457,
            "tag": {
              "id": 366278457,
              "slug": "edge-computing",
              "name": "エッジコンピューティング(用語)",
              "description": "利用者やデバイスと物理的に近い場所に処理装置を配置し、ネットワークの端点でデータ処理を行う技術。"
            }
          },
          {
            "postId": 460841,
            "tagId": 674897557,
            "tag": {
              "id": 674897557,
              "slug": "edge-ai",
              "name": "エッジAI(用語)",
              "description": "クラウドではなくエッジにあるデバイスで情報処理を実行し、通信による遅延を回避し高速なデータ処理が可能なAI技術のこと。"
            }
          },
          {
            "postId": 460841,
            "tagId": 692514169,
            "tag": {
              "id": 692514169,
              "slug": "cctv",
              "name": "監視カメラ / CCTV / 防犯カメラ(用語)",
              "description": "Closed-Circuit Television。監視カメラ / CCTV / 防犯カメラに関する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 460858,
      "categoryId": 366275726,
      "post": {
        "id": 460858,
        "slug": "2021-11-30-aws-introduces-new-trn1-chips-to-speed-up-training-of-machine-learning-models",
        "createdAt": "2021-12-01T05:15:54.000Z",
        "updatedAt": "2021-12-01T05:12:31.000Z",
        "title": "AWS第3のカスタムチップ「Trn1」は機械学習モデルのトレーニングを高速化",
        "content": "<p>顧客のワークロードのパフォーマンスを上げるためにカスタムチップに頼る企業が増えているが、Amazonもその例外ではない。同社は2019年に、機械学習の推論学習を高速化するために<a target=\"_blank\" href=\"/2019/12/13/2019-12-04-aws-launches-its-custom-inferentia-inferencing-chips/\" rel=\"noopener\">Inferentiaチップ</a>を導入した。その後、同社は2020年に機械学習のモデルの学習専用である<a target=\"_blank\" href=\"/2020/12/02/2020-12-01-aws-launches-trainium-its-new-custom-ml-training-chip/\" rel=\"noopener\">第2のTrainiumチップ</a>をローンチした。そして本日、AWSはこれまでの流れの続きとして、最新の機械学習チップ「Trn1」を発表した。</p>\n<p>関連記事<br />\n・<a target=\"_blank\" href=\"/2019/12/13/2019-12-04-aws-launches-its-custom-inferentia-inferencing-chips/\" rel=\"noopener\">AWSがカスタム推論チップのInferentiaを発表</a><br />\n・<a target=\"_blank\" href=\"/2020/12/02/2020-12-01-aws-launches-trainium-its-new-custom-ml-training-chip/\" rel=\"noopener\">AWSが機械学習トレーニング用の新カスタムチップTrainiumを発表</a></p>\n<p>初めてAWS re:Inventのキーノートを担当するAdam Selipsky(アダム・セリプスキー)氏は米国時間11月30日、最新のチップに関する発表を行った。</p>\n<p>「Trainiumからパワーをもらっている新しいチップ、Trm1を発表できることに、私はワクワクしています。Trm1はクラウドでディープラーニングモデルをトレーニングするための最高のコストパフォーマンスと、EC2での最速のパフォーマンスを提供してくれるでしょう」とセリプスキー氏は語った。</p>\n<p>続けて「Trn1はEC2のインスタンスとしては初めて、最大で毎秒800ギガバイトの帯域を提供します。そのため、大規模なマルチノード分散型トレーニングのユースケースには絶対に最適です」という。これは画像認識、自然言語処理、不正検知、予測などのユースケースに有効なはずだとのことだ。</p>\n<p>さらに、これらのチップをネットワーク化して「ウルトラクラスター」とすることで、より強力なパフォーマンスを発揮することができる。</p>\n<p>「これらを一緒にネットワーク化して、何万もの訓練アクセラレーターがペタバイト規模のネットワーキングへ相互接続した状態を、私たちは『ウルトラクラスター』と呼んでいます。そうしたウルトラクラスターの訓練を、強力な機械学習スーパーコンピューターが行い、パラメータが何兆個もあるような複雑な深層学習のモデルでも快速で訓練できます」とセリプスキー氏はいう。</p>\n<p>セリプスキー氏によると、同社はSAPなどと協力して、この新しい処理能力の利用を追究していく計画だとのことだ。</p>\n<p><a target=\"_blank\" href=\"/tag/aws-reinvent-2021/\" rel=\"noopener\"><img loading=\"lazy\" class=\"aligncenter wp-image-460727 size-large\" src=\"/wp-content/uploads/2021/12/2021-12-01-02-57-30.png?w=1024\" alt=\"\" width=\"1024\" height=\"141\" srcset=\"/wp-content/uploads/2021/12/2021-12-01-02-57-30.png 3201w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=300,41 300w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=768,106 768w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=1024,141 1024w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=1536,212 1536w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=2048,282 2048w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=400,55 400w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=738,102 738w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=640,88 640w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=220,30 220w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=281,39 281w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=250,34 250w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=125,17 125w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=1735,239 1735w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=600,83 600w, /wp-content/uploads/2021/12/2021-12-01-02-57-30.png?resize=50,7 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /></a></p>\n<p><small>画像クレジット:Ron Miller</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/11/30/aws-introduces-new-trn1-chips-to-speed-up-training-of-machine-learning-models/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Ron Miller、翻訳:Hiroshi Iwatani)</p>\n",
        "authorId": 46898863,
        "featuredMediaUrl": "/wp-content/uploads/2021/12/awsy.jpg",
        "author": {
          "id": 46898863,
          "slug": "tcjpiwatani",
          "name": "Hiroshi Iwatani",
          "description": ""
        },
        "categories": [
          {
            "postId": 460858,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 460858,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 460858,
            "tagId": 236160,
            "tag": {
              "id": 236160,
              "slug": "amazon-web-services",
              "name": "Amazon Web Services / AWS(製品・サービス)",
              "description": "Amazon Web Servicesとは、Amazon.comにより提供されているクラウドコンピューティングサービスである。"
            }
          },
          {
            "postId": 460858,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 460858,
            "tagId": 366271277,
            "tag": {
              "id": 366271277,
              "slug": "image-recognition",
              "name": "画像認識(用語)",
              "description": "画像認識に関連する記事一覧"
            }
          },
          {
            "postId": 460858,
            "tagId": 366272533,
            "tag": {
              "id": 366272533,
              "slug": "natural-language-processing",
              "name": "自然言語処理 / NLP(用語)",
              "description": "自然言語処理に関連する記事一覧"
            }
          },
          {
            "postId": 460858,
            "tagId": 692508650,
            "tag": {
              "id": 692508650,
              "slug": "aws-reinvent",
              "name": "AWS re:invent(イベント)",
              "description": "AWS re:inventとは、Amazon Web Servicesの年次イベント。"
            }
          },
          {
            "postId": 460858,
            "tagId": 692508787,
            "tag": {
              "id": 692508787,
              "slug": "microchip",
              "name": "マイクロチップ(用語)",
              "description": "マイクロチップに関連する記事一覧"
            }
          },
          {
            "postId": 460858,
            "tagId": 692516333,
            "tag": {
              "id": 692516333,
              "slug": "aws-reinvent-2021",
              "name": "AWS re:Invent 2021(イベント)",
              "description": "AWS re:Invent 2021に関する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 460431,
      "categoryId": 366275726,
      "post": {
        "id": 460431,
        "slug": "datagrid-fundraising",
        "createdAt": "2021-11-29T06:28:24.000Z",
        "updatedAt": "2021-11-29T06:28:24.000Z",
        "title": "デジタルヒューマンやAIトレーニングデータなど合成データを生み出すシンセティックAIのデータグリッドが3億円調達",
        "content": "<p>デジタルヒューマンやAIトレーニングデータなどの合成データを生み出すシンセティックAIの社会実装に取り組む<a target=\"_blank\" href=\"https://datagrid.co.jp/\" rel=\"noopener\">データグリッド</a>は11月29日、第三者割当増資および融資による3億円の資金調達を実施したことを発表。引受先は、先端技術共創機構、アエリア、Deep30、京信ソーシャルキャピタル、フューチャーベンチャーキャピタル、池田泉州キャピタル、SMBCベンチャーキャピタル、三菱UFJキャピタル、京銀リース・キャピタル、中信ベンチャーキャピタル、京都エンジェルファンド。累計資金調達額は約6億円となった。</p>\n<p>データグリッドは「すべてのデータに、命を与える」をミッションに掲げ、2017年の創業以来、シンセティックAIの技術開発によって製造・通信・教育・アパレル・エンターテインメントなど多岐に渡る分野でプロジェクトを実施。同社開発のバーチャル試着技術を活かしたAIプロダクト「<a target=\"_blank\" href=\"https://intro.kitemiru.tech/\" rel=\"noopener\">kitemiru</a>」の提供や、シンセティックAIで自動生成したバーチャルアンバサダーの動画も公開している。</p>\n<p><span class=\"embed-youtube\" style=\"text-align:center; display: block;\"><iframe loading=\"lazy\" class=\"youtube-player\" width=\"640\" height=\"360\" src=\"https://www.youtube.com/embed/FHz15PleXFA?version=3&#038;rel=1&#038;showsearch=0&#038;showinfo=1&#038;iv_load_policy=1&#038;fs=1&#038;hl=en-US&#038;autohide=2&#038;wmode=transparent\" allowfullscreen=\"true\" style=\"border:0;\" sandbox=\"allow-scripts allow-same-origin allow-popups allow-presentation\"></iframe></span></p>\n<p>シンセティックデータ領域の技術成熟や、技術開発フェーズから実用化フェーズへの移行を背景に、今後も需要の拡大が見込まれるデジタルデータやコンテンツを生み出すAIソリューションを提供することで、データグリッドは人々がよりクリエイティビティを発揮できる社会を目指す。今回調達した資金は技術開発と新規事業開発の強化に充当し、シンセティックAIの社会実装をより加速させたいという。</p>\n",
        "authorId": 191889578,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/2021-11-29-003-index.jpg",
        "author": {
          "id": 191889578,
          "slug": "satokosato",
          "name": "Satoko Sato",
          "description": ""
        },
        "categories": [
          {
            "postId": 460431,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 460431,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 460431,
            "tagId": 674896595,
            "tag": {
              "id": 674896595,
              "slug": "datagrid",
              "name": "データグリッド(企業)",
              "description": ""
            }
          },
          {
            "postId": 460431,
            "tagId": 692512142,
            "tag": {
              "id": 692512142,
              "slug": "japan",
              "name": "日本(国・地域)",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 460275,
      "categoryId": 366275726,
      "post": {
        "id": 460275,
        "slug": "2021-11-23-verbit-lands-250m-series-e-at-a-2b-valuation-to-double-down-on-its-acquisition-strategy",
        "createdAt": "2021-11-27T02:00:12.000Z",
        "updatedAt": "2021-11-27T00:42:42.000Z",
        "title": "Verbitの文字起こしプラットフォームは人工知能と人間の知能を組み合わせて高い精度と早い納期を実現",
        "content": "<p>1億5700万ドル(約178億6000万円)を調達したシリーズDラウンドからまだ半年足らずにもかかわらず、AIを活用したトランスクリプション&amp;キャプションのプラットフォームである<a target=\"_blank\" href=\"https://verbit.ai/\" rel=\"noopener\">Verbit</a>(ヴァービット)は、同社を20億ドル(約2275億円)と評価するシリーズE投資ラウンドを、2億5000万ドル(約284億3000万円)でクローズしたと発表した。今回の資金調達により、同社の資金総額は5億5000万ドル(約625億6000万円)を超えた。</p>\n<p>この新たな投資ラウンドは、<a target=\"_blank\" href=\"https://www.thirdpointventures.com/\" rel=\"noopener\">Third Point Ventures</a>(サード・ポイント・ベンチャーズ)が主導し、既存投資家であるSapphire Ventures(サファイヤ・ベンチャーズ)、More Capital(モア・キャピタル)、Disruptive AI(ディスラプティブAI)、Vertex Growtht(ヴァーテックス・グロース)、40North(フォーティノース)、Samsung Next(サムスン・ネクスト)、TCPが参加した。</p>\n<p>VerbitのCEO兼創業者である<a target=\"_blank\" href=\"https://www.linkedin.com/in/tom-livne-a039b365/\" rel=\"noopener\">Tom Livne</a>(トム・リブン)氏は、この資金を製品開発への投資と、垂直方向および地理的な拡大の継続に使用すると述べ、買収戦略も倍増させると付け加えた。</p>\n<p>シリーズEをクローズしたことで、Verbitは近い将来に予定されているIPOに一歩近づいたと、上場計画について訊かれたリブン氏は答えた。</p>\n<p>Verbitは、それまで法律の分野でキャリアを積んでいたリブン氏によって2017年に設立された。リブン氏は、テープ起こしの納期の遅さに不満を感じることが多かったが、弁護士としてその問題に正面から取り組むためのツールを持っていなかった。そこで同氏は、AIを活用したトランスクリプションとキャプションのプラットフォームを提供するスタートアップを設立し、AI駆動の自動トランスクリプションサービスとプロのトランスクリプターを結合させた。</p>\n<p>約300億ドルと推定されるトランスクリプション業界は、非常に細分化されており、小さな家族経営の会社がたくさんある。この市場は統合の準備ができていると、リブン氏はTechCrunchにメールで語り、Verbitは5月に、2番目の買収先である<a target=\"_blank\" href=\"https://vitac.com/\" rel=\"noopener\">VITAC</a>を5000万ドル(約56億7000万円)で<a target=\"_blank\" href=\"https://www.prnewswire.com/news-releases/verbit-announces-acquisition-of-vitac-to-become-worlds-largest-ai-powered-transcription-and-captioning-platform-301288819.html\" rel=\"noopener\">買収完了した</a>と付け加えた。</p>\n<p>Verbitのプラットフォームの特徴は、人工知能と人間の知能の両方の力を利用して、業種に特化したトランスクリプションやキャプションを提供し、各業界に適したソリューションを構築していることだと、リブン氏はいう。</p>\n<p>「当社のAIは、特定の業種や顧客に基づいてトレーニングされているので、当社のプラットフォームは、時間の経過とともに改善されるカスタムモデルを構築することができます。つまり、Verbitの顧客は、法律、教育、メディア、企業などの分野にいて、それぞれに、HIPAA(医療保険の相互運用性と説明責任に関する法律)やSOC IIコンプライアンスなど、独自の業界固有の規制や基準に準拠したトランスクリプションやキャプションを提供することができるということです」と、リブン氏は述べている。</p>\n<p>さらに、機械学習と自然言語処理(NPL)を用いたモデルにより、99%以上の精度と、業界標準より10倍も早い納期を実現していることも、同社の大きな差別化要因であると、リブン氏は語った。</p>\n<p>Verbitは、メディア、教育、企業、法律、政府機関など、2000社以上の顧客にサービスを提供している。リブン氏によれば、その顧客の中には、CNN、Fox(フォックス)、Disney(ディズニー)、Coursera(コーセラ)、Stanford(スタンフォード)、Harvard University(ハーバード大学)、Amazon(アマゾン)、Microsoft(マイクロソフト)、AT&amp;Tなどが含まれるという。</p>\n<p>同社は急速に成長しており、前年同期比で6倍の収益成長を遂げ、年間の経常収益は1億ドル(約113億円)を超えていると、リブン氏は続けた。また、同社はキャッシュ効率に優れ、163%という高い顧客維持率を誇っており、これらは顧客からの信頼を示す重要な指標であると、同氏は付け加えた。</p>\n<p>同社がトランスクリプションの分野で競合する企業として、リブン氏は<a target=\"_blank\" href=\"https://www.rev.com/\" rel=\"noopener\">Rev.com</a>(レブ)や<a target=\"_blank\" href=\"https://www.3playmedia.com/\" rel=\"noopener\">3Play Media</a>(スリープレイ・メディア)の名前を挙げた。</p>\n<p>英国とオーストラリアで強い存在感を示しているVerbitは、ドイツ、フランス、スペインなど、欧州へのさらなる拡大を計画していると、リブン氏は述べている。これらの国々は、かなりのインバウンド関心が見られるため魅力的であると、リブン氏は付け加えた。</p>\n<p>「市場機会は非常に大きく、業界リーダーとしての当社の立場を考えれば、我々はこれらの市場に迅速に参入することができます」と、リブン氏はいう。</p>\n<p>Verbitは、ニューヨーク、コロラド、ピッツバーグ、パロアルト、カナダ、テルアビブ、キエフの470人を超える従業員と、世界中に3万5000人のフリーランスのトランスクリプターと600人のプロのキャプション担当者を擁している。</p>\n<p>「今回の資金調達は、トランスクリプション分野におけるマーケットリーダーとしての地位を確固たるものにする当社の能力に対する信頼の証です」と、リブン氏は語る。「この業界を近代化するための強力な技術プラットフォームを構築し、垂直統合された音声AIソリューションを構築する当社の戦略は、私たちのお客様に多大な価値をもたらし、お客様のビジネスをよりわかりやすいものにしてきました」。</p>\n<p>「Verbitは、トランスクリプション市場において卓越した技術によるオーガニックとインオーガニックの成長を兼ね備えた特別な企業です」と、Verbitの取締役会に加わるThird Point Venturesのマネージングパートナー、Rober Schwartz(ローバー・シュワルツ)氏は述べている。「このような大規模で断片化された市場で、デジタルトランスフォーメーションと同時進行の統合の機が熟している時に遭遇できるチャンスは、滅多にありません」。</p>\n<p><small>画像クレジット:Verbit</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/11/23/verbit-lands-250m-series-e-at-a-2b-valuation-to-double-down-on-its-acquisition-strategy/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Kate Park、翻訳:Hirokazu Kusakabe)</p>\n",
        "authorId": 191889557,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/Verbit-Company-Photo-2021-1.jpg",
        "author": {
          "id": 191889557,
          "slug": "hkusakabe",
          "name": "Hirokazu Kusakabe",
          "description": ""
        },
        "categories": [
          {
            "postId": 460275,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 460275,
            "tagId": 64217,
            "tag": {
              "id": 64217,
              "slug": "transcribe",
              "name": "文字起こし / Transcribe(用語)",
              "description": "人間の声などをコンピュータに認識させて、発言をテキストデータにすること。"
            }
          },
          {
            "postId": 460275,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 460275,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 460275,
            "tagId": 366272533,
            "tag": {
              "id": 366272533,
              "slug": "natural-language-processing",
              "name": "自然言語処理 / NLP(用語)",
              "description": "自然言語処理に関連する記事一覧"
            }
          },
          {
            "postId": 460275,
            "tagId": 692516288,
            "tag": {
              "id": 692516288,
              "slug": "verbit",
              "name": "Verbit(企業)",
              "description": "AIを活用したトランスクリプションとキャプションのプラットフォームを提供するスタートアップ"
            }
          }
        ]
      }
    },
    {
      "postId": 459892,
      "categoryId": 366275726,
      "post": {
        "id": 459892,
        "slug": "2021-11-23-uk-based-mental-health-provider-ieso-raises-53m-armed-with-an-unprecedented-dataset",
        "createdAt": "2021-11-25T02:00:28.000Z",
        "updatedAt": "2021-11-25T01:19:23.000Z",
        "title": "英国のメンタルヘルス企業iesoが10年間も蓄積した患者セラピスト間のテキストを武器に約60.9億円調達",
        "content": "<p>英国を拠点とするデジタルセラピー企業ieso(イエソ)は、米国時間11月23日に5300万ドル(約60億9600万円)のシリーズBラウンドを発表した。このラウンドは、より直感的な自律型テキストセラピーを実現するという、まったく新しい方向に進むために同社が必要とする資金だ。</p>\n<p>つまり、何千時間もの現実世界でのセラピーに基づいて訓練されたAIが、チャットでパーソナライズされたセッションを提供できるということだ。</p>\n<p>iesoは10年ほど前から、英国の国民健康保険サービスを通じて、テキストのみのセラピーサービス(片方は人間のセラピストが担当)を行ってきた。同社のCEOであるNigel Pitchford(ナイジェル・ピッチフォード)氏は、これまでに約8万人の患者にテキストベースのセラピーを提供してきたが、積極的にセラピーを受けている人は6000人だとTechCrunchに語った。これまでのセラピー時間は合計で46万時間にもなるという。</p>\n<p>ピッチフォード氏は「今晩、我々のネットワークを介して、400時間の治療を行う予定です」と述べている。</p>\n<p>今回の資金調達は、Morningside(モーニングサイド)が主導し、Sony Innovation Fund(ソニー・イノベーション・ファンド)が参加した。また、既存の投資家であるIP Group(IPグループ)、Molten Ventures(モルテン・ベンチャーズ)、Ananda Impact Ventures(アナンダ・インパクト・ベンチャーズ)も参加している。</p>\n<p>iesoは最終的に、人間ベースのセラピストシステムから、スケールアップした自律的なシステムへと発展させることを目指している。AIベースのチャットセラピーというアイデアは、この分野では特別なものではないが(これを追求している<a target=\"_blank\" href=\"https://techcrunch.com/2021/05/21/mental-health-app-wysa-raises-5-5m-for-emotionally-intelligent-ai/\" rel=\"noopener\">他の企業</a>についても紹介している)、iesoのアプローチの背景にあるデータは、同社が秘密のソースと考えているものだ。</p>\n<p>iesoの「圧倒的な強み」は、ピッチフォード氏が「トランスクリプト・オブ・ケア」と呼ぶ、患者とセラピストの間で交わされた10年間の現実のテキストベースの会話だ。このデータセットは、患者の臨床結果に関するリアルタイムのデータとセットになっており、同社はそれらのチャット内容と合わせて収集している。</p>\n<p>Morningsideの投資パートナーであるStephen Bruso(スティーブン・ブルーソ)氏は「iesoは、テキストセラピーのデータセットで、この分野で最もすばらしいデータ資産を構築してきました」と述べている。このデータセットは、投資家としての彼にとっては最も魅力的なiesoの一面であり「前例のない」ものだと述べている。</p>\n<p>このデータセットは、ある治療上の会話や技術が、患者の改善にどのように結びついているか(あるいは結びついていないか)を追跡するために使用されている。そして、同社がそのデータを利用して洞察を得ることができたという証拠もある。例えば、同社は2019年に9万時間のセラピーを分析した<a target=\"_blank\" href=\"https://jamanetwork.com/journals/jamapsychiatry/fullarticle/2748757\" rel=\"noopener\">論文</a>を「JAMA Psychiatry」ジャーナルに発表した。この論文では「将来の計画を立てる」といったセラピーの側面や、特定の認知行動療法の手法が、患者の改善につながることを発見した。</p>\n<p>同社のグループ・チーフ・サイエンス&ストラテジー・オフィサーであるAndy Blackwell(アンディ・ブラックウェル)氏は「データでは1時間のセラピーのうち28分は、患者の転帰に『直接影響を与える』会話やエクササイズが含まれていることが示唆された」と述べている。</p>\n<p>また、直感に反しているかもしれないが、この論文では、治療上の共感が患者の転帰にマイナスの影響を与えることがわかったという。しかし、他の研究では、セラピストが自分のことを理解してくれていると感じたとき、患者は<a target=\"_blank\" href=\"https://core.ac.uk/download/pdf/156744221.pdf\" rel=\"noopener\">より良い結果</a>を得ることができるとも言われている。ブラックウェル氏は、この共感に関する発見を、共感は他の治療技術と一緒に用いるべきだという証拠だと解釈した。</p>\n<p>ピッチフォード氏は最終的に、このデータセットとJAMAの論文で行われたような分析は、AIベースのセラピストがどのようにトレーニングされ、パーソナライズされるかを示すロードマップであると捉えている。</p>\n<p>「つまり、私たちは、最高のセラピストが何をしているのかを非常に大きなスケールで研究し、それを再構築することで、世界中で大きな問題となっている、人間による心理療法を受けることができない人々に治療を届けることができるのです」とピッチフォード氏は述べている。</p>\n<p>このようなデータセットをもってしても、iesoはますます混み合った領域での活動を強いられているようだ。第3四半期のSilicon Valley Bank(シリコンバレー・バンク)のトレンドレポートによると、メンタルヘルス関連のスタートアップ企業への資金提供は、2021年に30億ドル(約3400億円)を突破すると予想されている。つまり、従来のセラピーに関連する問題に注目している人が、今たくさんいるということだ。</p>\n<p>ブルーソ氏は、iesoを、少なくとも自社のデータセットを使って実際の健康状態を示すことができる、数少ないメンタルヘルス企業の1つだと考えている。</p>\n<p>「私たちは、実世界のデータに基づいて構築されたiesoのデジタル製品と、これらの製品を既存のユーザーベースで試用して初日から成果データを得ることができる同社の能力との間に、ユニークな相乗効果があると信じています。最終的には、個人の健康と社会的な成果の両方に測定可能な影響を示すことができる製品が、この分野で生き残ることができるでしょう」と述べている。</p>\n<p>ブラックウェル氏は、この分野がいかに混み合っているかを認識しており、実際、消費者にとってこれは問題だと考えている。iesoのリーダーたちは、これらのアプリは、自助努力か、マインドフルネス、または軽度のメンタルヘルス診断を受けている患者のためにデザインされていることが多いと見ている。</p>\n<p>iesoも、軽度のメンタルヘルスの苦悩を抱える人々を治療することができるものの、同社は中等度から重度の診断にも焦点を当てている。彼の言葉を借りれば、ただの「ウェルネス・ソリューション」ではなく、より集中的なケアを必要とするグループにも利用できるのだ。</p>\n<p>このような観点から、自傷行為に対する安全対策を特に強化する必要がある。ブラックウェル氏によると、同社の人間ベースのセラピーモデルには、英国最大級のメンタルヘルスプロバイダーとして10年間かけて磨いてきたリスクエスカレーションプロトコルが導入されている。将来的には、それらのプログラムを自律型セラピー製品に組み込むことを計画している。</p>\n<p>今のところ、同氏は、より困難な規制の道を想定していない。それは、より高いレベルのメンタルヘルス診断を扱うことを考えているからだ。</p>\n<p>「良い点は、市場に投入する際に利用できる前例や前提条件があることです。しかし、重要なのは、実証的に安全で効果的な製品を作ることです」と述べている。</p>\n<p>同社はすでに大量のデータを収集しているため、通常の臨床試験よりも「何倍も早く」有効性と安全性に関する知見を得ることができると、ブラックウェル氏は主張している。</p>\n<p>iesoは今後、今回のラウンドを利用して、AIベースのセラピー部門を構築し、米国での知名度を強化する予定だ。チームは来年までに約200人に拡大する予定で、今後2年間での市場投入を目指す。</p>\n<p><small>画像クレジット:Feodora Chiosea / Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/11/23/uk-based-mental-health-provider-ieso-raises-53m-armed-with-an-unprecedented-dataset/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Emma Betuel、翻訳:Akihito Mizukoshi)</p>\n",
        "authorId": 191889571,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/GettyImages-1270501006.jpg",
        "author": {
          "id": 191889571,
          "slug": "akihito-mizukoshi",
          "name": "Akihito Mizukoshi",
          "description": ""
        },
        "categories": [
          {
            "postId": 459892,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 459892,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 459892,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 459892,
            "tagId": 366273573,
            "tag": {
              "id": 366273573,
              "slug": "mental-health",
              "name": "メンタルヘルス(用語)",
              "description": "メンタルヘルスに関連する記事一覧"
            }
          },
          {
            "postId": 459892,
            "tagId": 366273612,
            "tag": {
              "id": 366273612,
              "slug": "england",
              "name": "イギリス(国・地域)",
              "description": "イギリスに関連する記事一覧"
            }
          },
          {
            "postId": 459892,
            "tagId": 692516255,
            "tag": {
              "id": 692516255,
              "slug": "ieso",
              "name": "ieso(企業)",
              "description": "訓練されたAIが、チャットでパーソナライズされたセッションを提供する英国を拠点とするデジタルセラピー企業。"
            }
          }
        ]
      }
    },
    {
      "postId": 459909,
      "categoryId": 366275726,
      "post": {
        "id": 459909,
        "slug": "2021-11-22-neu-ro-announces-zero-emissions-model-building-solution",
        "createdAt": "2021-11-25T00:15:08.000Z",
        "updatedAt": "2021-11-24T23:34:42.000Z",
        "title": "北極圏にデータセンターを構えて実質無料で冷却、Neu.roはゼロエミッションの機械学習モデル構築ソリューションを発表",
        "content": "<p>企業が機械学習を活用してビジネスをより効率的に運営しようとする動きはますます活発になっているが、機械学習モデルの構築、テスト、稼働には膨大なエネルギーを必要とすることも事実だ。アーリーステージのスタートアップ企業でフルスタックのMLOps(エムエルオプス、機械学習運用基盤)ソリューションを手がける<a target=\"_blank\" href=\"http://neu.ro/\" rel=\"noopener\">Neu.ro</a>(ニューロ)は、より環境負荷の少ないグリーンなアプローチに取り組んでいる。</p>\n<p>同社は米国時間11月22日、フィンランドのクラウドインフラストラクチャパートナーである<a target=\"_blank\" href=\"http://atnorth.com/\" rel=\"noopener\">atNorth</a>(アトノース)とともに、ゼロエミッションのAIクラウドソリューションを発表した。</p>\n<p>同社によると、atNorthはティア3に適合するISO 27001認定のデータセンターを提供し、そこでNVIDIA(エヌビディア)A100を搭載したDGXおよびHGXシステムを稼働させるという。80MWの電力容量を持つこのデータセンターは、すべて地熱と水力エネルギーで稼働している。さらに、北極圏に位置しているため、実質的に無料で冷却することができ、Neu.roのソリューションを使用して機械学習モデルを構築する顧客に、エネルギー効率の高いソリューションを提供できる。</p>\n<p>Neu.roの共同設立者であるMax Prasolov(マックス・プラソロフ)氏によると、この問題を調査した結果、コンピューティングとテレコミュニケーションが世界の総エネルギー消費量の約9%を占めており、この数字は今後10年間で倍増する可能性があることがわかったという。プラソロフ氏らは機械学習モデルの構築がその中でも重要な役割を果たすと考え、自社の二酸化炭素排出量を削減するために、atNorthと提携することを決めた。</p>\n<p>「当社ではすべてのオペレーションとすべての実験を、ゼロエミッションのクラウドに移行することに決めました。目標は、クレジットを購入して使用量を埋め合わせることができるカーボンニュートラルではありません。問題は、どうやってゼロエミッションを達成するかです。私たちは、顧客のために機械学習モデルをトレーニングする際に、非常に多くのエネルギーとコンピューティングパワーを費やしていることに気づきました。それこそが、間違いなく、我々が排出している最大のカーボンフットプリントであることを理解したのです」と、プラソロフ氏は述べている。</p>\n<p>その一方で、同社はソフトウェアソリューションを通じて、より効率的な方法でモデルを構築する方法を考え出した。これによって必要なエネルギー量を削減し、さらに持続可能なソリューションを提供することが可能になる。</p>\n<p>製品自体については、同社は柔軟性のあるクラウドネイティブなサービスを提供しており、そこでツールの一部を提供するものの、企業が自分たちにとって最適と考える方法で補う余地を十分に残している。</p>\n<p>「当社のアプローチは、データの取り込みから、モニタリング、説明可能性、パイプラインエンジンなど、構築が必要なツールをすべて1つずつ構築するのではなく、相互運用性を重視しています。まだ構築されていないものを構築し、すでに存在するKubernetes(クバネティス)によるツールのユニバースに接続します」と、同社の共同設立者である Arthur McCallum(アーサー・マッカラム)氏は説明する。</p>\n<p>このスタートアップ企業は現在、商用のソリューションを提供しているが、オープンソース版のスタックにも取り組んでおり、まもなく、おそらく年内にはリリースされる見込みだ。同社の目標は、Amazon(アマゾン)、Microsoft(マイクロソフト)、Google(グーグル)というビッグ3以外の小規模なクラウドベンダーに、クラウドベースのAIソリューションを提供することである。これには世界各地の地域的なベンダーも含まれるだろう。</p>\n<p>Neu.roは2019年に創業し、2020年にソリューションの最初のバージョンを公開した。これまでにシード資金として230万ドル(約2億6500万円)を調達しているという。</p>\n<p><small>画像クレジット:a-image / Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/11/22/neu-ro-announces-zero-emissions-model-building-solution/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Ron Miller、翻訳:Hirokazu Kusakabe)</p>\n",
        "authorId": 191889557,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/GettyImages-1329914512.jpg",
        "author": {
          "id": 191889557,
          "slug": "hkusakabe",
          "name": "Hirokazu Kusakabe",
          "description": ""
        },
        "categories": [
          {
            "postId": 459909,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 459909,
            "tagId": 1212,
            "tag": {
              "id": 1212,
              "slug": "energy",
              "name": "エネルギー / エネルギー産業(用語)",
              "description": "エネルギーに関する記事一覧"
            }
          },
          {
            "postId": 459909,
            "tagId": 74978691,
            "tag": {
              "id": 74978691,
              "slug": "zero-emission",
              "name": "ゼロエミッション(用語)",
              "description": "ゼロエミッションに関する記事一覧"
            }
          },
          {
            "postId": 459909,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 459909,
            "tagId": 366271491,
            "tag": {
              "id": 366271491,
              "slug": "environmental-issues",
              "name": "環境 / 環境問題 / 環境保護(用語)",
              "description": "環境 / 環境問題 / 環境保護に関する記事一覧"
            }
          },
          {
            "postId": 459909,
            "tagId": 366271566,
            "tag": {
              "id": 366271566,
              "slug": "datacenter",
              "name": "データセンター(用語)",
              "description": "データセンターに関する記事一覧"
            }
          },
          {
            "postId": 459909,
            "tagId": 681519822,
            "tag": {
              "id": 681519822,
              "slug": "carbon-footprint",
              "name": "二酸化炭素排出量 / カーボンフットプリント(用語)",
              "description": "二酸化炭素排出量 / カーボンフットプリントに関する記事一覧"
            }
          },
          {
            "postId": 459909,
            "tagId": 692512903,
            "tag": {
              "id": 692512903,
              "slug": "mlops",
              "name": "MLOps(用語)",
              "description": "Machine Learning Operations。MLOpsに関する記事一覧。MLOpsは、機械学習用のDevOpsといった意味合いで、「機械学習」(ML。Machine Learning)とソフトウェア分野における継続的な開発手法「DevOps」を組み合わせた造語。\r\n"
            }
          },
          {
            "postId": 459909,
            "tagId": 692516253,
            "tag": {
              "id": 692516253,
              "slug": "neu-ro",
              "name": "Neu.ro(企業)",
              "description": "より環境負荷の少ないグリーンなアプローチに取り組むフルスタックのMLOpsソリューションを手がけるスタートアップ。"
            }
          }
        ]
      }
    },
    {
      "postId": 459701,
      "categoryId": 366275726,
      "post": {
        "id": 459701,
        "slug": "2021-11-23-sensetime-ipo",
        "createdAt": "2021-11-23T23:45:39.000Z",
        "updatedAt": "2021-11-23T23:31:45.000Z",
        "title": "中国のAI・顔認識大手SenseTimeが香港でのIPOを準備中",
        "content": "<p>中国最大級のAIソリューションプロバイダーであるSenseTime(商湯科技開発有限公司、センスタイム)は、IPOに向けて一歩前進した。メディアの報道によると、SenseTimeは香港証券取引所に上場するための<a target=\"_blank\" href=\"https://www.bloomberg.com/news/articles/2021-11-19/ai-giant-sensetime-said-to-win-approval-for-hong-kong-ipo\" rel=\"noopener\">規制当局の承認を受けた</a>。</p>\n<p>2014年に設立されたSenseTimeは、Megvii、CloudWalk、Yituと並んで中国の「四大AIドラゴン」と総称されている。2010年代後半、SenseTimeのアルゴリズムは、現場のデータを実用的な洞察力に変えることを望む企業や政府から多くの需要があった。同社のAIモデルを組み込んだカメラは、24時間体制で街を監視している。ショッピングモールでは、同社のセンシングソリューションを利用して、施設内の混雑状況を追跡・予測している。</p>\n<p>SenseTimeのライバル企業3社は、いずれも中国本土か香港での株式売却を検討している。Megviiは、香港証券取引所への申請が失効した後、中国の<a target=\"_blank\" href=\"/2021/01/15/2021-01-12-megvii-ipo-china/\" rel=\"noopener\">NASDAQ式証券取引所、STAR Board(科創板)</a>への上場を準備している。</p>\n<p>関連記事:<a target=\"_blank\" href=\"/2021/01/15/2021-01-12-megvii-ipo-china/\" rel=\"noopener\">中国最大級の顔認証ユニコーンMegviiが上海でのIPOを準備中</a></p>\n<p>中国のデータリッチなテック企業が海外で上場する道は狭まっている。北京は、機密データを持つ企業が中国国外で上場することを難しくしており、欧米の規制当局は、大量監視を助ける可能性のある顔認証企業に対し慎重な姿勢をとっている。</p>\n<p>しかしここ数年、中国のAI新進企業は世界中の投資家から求められていた。2018年だけで、SenseTimeは<a target=\"_blank\" href=\"https://www.crunchbase.com/organization/sensetime/company_financials\" rel=\"noopener\">20億ドル(約2300億円)以上の投資</a>を集めた。これまでに同社は、12回のラウンドを通じて52億ドル(約5982億円)という驚異的な額の資金を調達している。最大の外部株主には、SoftBank Vision Fund(SVF、ソフトバンク・ビジョン・ファンド)とAlibaba(アリババ)のTaobao(淘宝、タオバオ)が含まれている。<a target=\"_blank\" href=\"https://www.reuters.com/markets/asia/sensetime-receives-go-ahead-hong-kong-ipo-sources-2021-11-19/\" rel=\"noopener\">ロイター通信によると</a>、SenseTimeは香港での株式公開にあたり、最大20億ドル(約2300億円)の資金調達を計画しているという。</p>\n<p><a target=\"_blank\" href=\"https://www1.hkexnews.hk/app/sehk/2021/103756/documents/sehk21082702575.pdf\" rel=\"noopener\">目論見書</a>によると、SenseTimeは資本の大部分を研究開発に費やしており、2018年から2020年の間に50億元(7億8000万ドル、約897億円)以上の費用がかかっている。同社は過去4年間、純損失を計上しており、その主な原因は「優先株式の公正価値損失」である。その純損失は2021年の上半期に37億元(約666億円)に達した。6月時点での赤字総額は230億元(約4139億円)に迫る。</p>\n<p>同業他社と同様に、SenseTimeは「スマートシティ」プロジェクトを収益化の柱としており、6月までの半年間の総売上高16億5000万元(約297億円)のうち、47.6%を占めている(2020年同期は27%)。同社の目論見書によると、SenseTimeのソフトウェアプラットフォームを利用している都市の数は、6月までに119に達した。</p>\n<p>商業施設や賃貸マンションなど、企業のニーズに合わせた「Smart Business」ラインは、2021年上半期の収益の約40%を占めた。同社は残りの収益を、IoTデバイスに供給する「Smart Life」部門と、知覚知能を自律走行ソリューションに適用する「Smart Auto」から得ている。</p>\n<p><small>画像クレジット:Gilles Sabrie/Bloomberg via Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/11/23/sensetime-ipo/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Rita Liao、翻訳:Aya Nakazato)</p>\n",
        "authorId": 176261049,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/GettyImages-1063617496.jpg",
        "author": {
          "id": 176261049,
          "slug": "katsuyukiyasui",
          "name": "katsuyukiyasui",
          "description": ""
        },
        "categories": [
          {
            "postId": 459701,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 459701,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 459701,
            "tagId": 364665489,
            "tag": {
              "id": 364665489,
              "slug": "china",
              "name": "中国(国・地域)",
              "description": "中国に関連する記事一覧"
            }
          },
          {
            "postId": 459701,
            "tagId": 366276190,
            "tag": {
              "id": 366276190,
              "slug": "hongkong",
              "name": "香港(国・地域)",
              "description": "香港に関連する記事一覧"
            }
          },
          {
            "postId": 459701,
            "tagId": 366276699,
            "tag": {
              "id": 366276699,
              "slug": "smart-city",
              "name": "スマートシティ(用語)",
              "description": "スマートシティに関する記事一覧"
            }
          },
          {
            "postId": 459701,
            "tagId": 366278427,
            "tag": {
              "id": 366278427,
              "slug": "sensetime",
              "name": "SenseTime(企業)",
              "description": "中国最大級のAIソリューションプロバイダー。"
            }
          },
          {
            "postId": 459701,
            "tagId": 366280276,
            "tag": {
              "id": 366280276,
              "slug": "face-recognition",
              "name": "顔認証 / 顔認識(用語)",
              "description": "顔認証 / 顔認識に関連する記事一覧"
            }
          },
          {
            "postId": 459701,
            "tagId": 692509510,
            "tag": {
              "id": 692509510,
              "slug": "ipo",
              "name": "新規上場 / IPO(用語)",
              "description": "新規上場 / IPOに関連する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 459535,
      "categoryId": 366275726,
      "post": {
        "id": 459535,
        "slug": "2021-11-22-jina-ai-raises-30m-for-its-for-its-neural-search-platform",
        "createdAt": "2021-11-23T00:00:49.000Z",
        "updatedAt": "2021-11-22T22:54:40.000Z",
        "title": "キーワード検索を超える「ニューラル検索プラットフォーム」開発のJina.aiが約34億円調達",
        "content": "<p>ベルリンを拠点とする<a target=\"_blank\" href=\"https://jina.ai/\" rel=\"noopener\">Jina.ai</a>(ジナエーアイ)は、<a target=\"_blank\" href=\"https://docs.jina.ai/get-started/neural-search/\" rel=\"noopener\">ニューラル検索</a>を利用して、ユーザーが非構造化データ(動画や画像を含む)から情報を見つけ出すことをサポートしているオープンソースのスタートアップだ。同社は現地時間11月22日、Canaan PartnersがリードしたシリーズAで3000万ドル(約34億円)を調達したことを発表した。このラウンドには、新規投資家のMango Capitalの他、既存投資家のGGV Capital、SAP.iO、Yunqi Partnersも参加し、Jina.aiの資金調達総額は3900万ドル(約44億円)となった。</p>\n<p><a target=\"_blank\" href=\"https://www.linkedin.com/in/nanwang28/\" rel=\"noopener\">Nan Wang</a>(ナン・ワン)氏、<a target=\"_blank\" href=\"https://www.linkedin.com/in/binghexuanbin/\" rel=\"noopener\">Bing He</a>(ビン・ヘ)氏とともにJina.aiを創業したCEOの<a target=\"_blank\" href=\"https://www.linkedin.com/in/hxiao87/?originalSubdomain=de\" rel=\"noopener\">Han Xiao</a>(ハン・シャオ)氏は、深層学習ニューラルネットワークを使って、従来のキーワードベースの検索ツールを超えるというのがニューラル検索だと説明する。<a target=\"_blank\" href=\"https://machinelearningmastery.com/transfer-learning-for-deep-learning/\" rel=\"noopener\">伝達学習</a>や<a target=\"_blank\" href=\"https://en.wikipedia.org/wiki/Feature_learning\" rel=\"noopener\">表現学習</a>などの比較的新しい機械学習テクノロジーを利用することで、同社の中核のJinaフレームワークはデベロッパーが特定のユースケースに応じた検索ツールを迅速に構築するのに役立つ。</p>\n<p>「画像、音声、動画などの場合、まずディープニューラルネットワークを使って、このデータフォーマットを普遍的な表現に変換します」とシャオ氏は説明する。「ここでは、ほとんどが数学的なベクトル、つまり100次元のベクトルです。そして、マッチングアルゴリズムでは、一致する文字数を数えるのではなく、数学的な距離、つまり2つのベクトル間のベクトル距離を数えます。このようにして、基本的にこの種の方法論を使って、あらゆる種類のデータ検索問題や関連性の問題を解決することができるのです」。</p>\n<p>シャオ氏は、Jinaが検索のためのTensorFlowに似ていると表現した(<a target=\"_blank\" href=\"https://www.tensorflow.org/\" rel=\"noopener\">TensorFlow</a>はGoogleのオープンソースの機械学習フレームワークだ)。人々がAIシステムを設計する際のデザインパターンをTensorFlowやPyTorchが定義したように、Jinaは人々がニューラル検索システムを構築する方法を定義し、その過程で事実上の標準となることを目指している。</p>\n<p>しかしJinaは、同社が現在展開する製品の1つにすぎない。Jinaベースのニューラル検索アプリケーションの構成要素を開発者が共有・発見できるマーケットプレイスである<a target=\"_blank\" href=\"https://hub.jina.ai/\" rel=\"noopener\">Jina Hub</a>、あらゆるディープニューラルネットワークを微調整するためのツールである、<a target=\"_blank\" href=\"https://jina.ai/blog/introducing-finetuner/\" rel=\"noopener\">最近</a>立ち上げた<a target=\"_blank\" href=\"https://github.com/jina-ai/finetuner\" rel=\"noopener\">Finetuner</a>なども提供している。</p>\n<p>「この1年半、我々は巨大なニューラル検索タワーの基盤となる中核インフラの構築に多大な労力を費やしてきましたが、その作業は終えました。今、我々はこの大きな建物の1階と2階を少しずつ構築しており、エンド・ツー・エンドの開発体験を提供しようとしています」とシャオ氏は話す。</p>\n<p><img loading=\"lazy\" class=\"aligncenter wp-image-459537\" src=\"/wp-content/uploads/2021/11/Jina2.jpeg?w=300\" alt=\"\" width=\"600\" height=\"206\" srcset=\"/wp-content/uploads/2021/11/Jina2.jpeg 1094w, /wp-content/uploads/2021/11/Jina2.jpeg?resize=300,103 300w, /wp-content/uploads/2021/11/Jina2.jpeg?resize=768,264 768w, /wp-content/uploads/2021/11/Jina2.jpeg?resize=1024,352 1024w, /wp-content/uploads/2021/11/Jina2.jpeg?resize=400,137 400w, /wp-content/uploads/2021/11/Jina2.jpeg?resize=738,254 738w, /wp-content/uploads/2021/11/Jina2.jpeg?resize=640,220 640w, /wp-content/uploads/2021/11/Jina2.jpeg?resize=220,76 220w, /wp-content/uploads/2021/11/Jina2.jpeg?resize=281,97 281w, /wp-content/uploads/2021/11/Jina2.jpeg?resize=250,86 250w, /wp-content/uploads/2021/11/Jina2.jpeg?resize=125,43 125w, /wp-content/uploads/2021/11/Jina2.jpeg?resize=600,206 600w, /wp-content/uploads/2021/11/Jina2.jpeg?resize=50,17 50w\" sizes=\"(max-width: 600px) 100vw, 600px\" /></p>\n<p>同社によると、Jina AIの開発者コミュニティには現在約1000人のユーザーがいる。ビデオゲーム開発者がゲームエディターの右クリックメニューに関連するゲームアセットを自動入力するために使用したり、リーガルテックのスタートアップがPDF文書のデータを利用したQ&amp;A体験をチャットボットで提供できるようにするために使用したりと、さまざまな用途がある。</p>\n<p>オープンソースのJinaフレームワークには、2020年5月の発表以来、すでに200人近くの外部貢献者が参加していて、同社はこのプロジェクトに関するSlackコミュニティもホストしている。</p>\n<p>「我々がオープンソースを採用している大きな理由は、オープンソースの速度にあります。私は開発の速度がソフトウェアプロジェクトの成功の鍵を握ると考えています。多くのソフトウェアは、この速度がゼロになってしまうことでダメになるのです」とシャオ氏は説明する。「我々はコミュニティを構築し、高速に反復するためにコミュニティを活用してフィードバックを集めています。我々のようなインフラソフトウェアにとってこれは非常に重要なことです。すばやく改善するには、使いやすさやアクセシビリティなどについて、一流の開発者たちにフィードバックしてもらう必要があります」。</p>\n<p>Jina.aiは、今回調達した資金でチームを倍増させ、特に北米での事業を拡大する計画だ。増強したチームで、Jinaエコシステム全体を広げるための研究開発に投資し、新しいツールやサービスを立ち上げる。</p>\n<p>「テキストデータ用に構築された従来の検索システムは、画像や動画、その他のマルチメディアがあふれる世界では機能しません。Jina AIは、企業をモノクロからカラーに変え、高速で拡張性があり、データにとらわれない方法で非構造化データを解き放ちます」とCanaan PartnersのJoydeep Bhattacharyya氏は話す。「オープンソースのフレームワークを使った初期のアプリケーションでは、意思決定の改善や業務の改善、さらには新たな収益源の創出などの機会をニューラル検索が支えており、未来の兆しがすでに見えています」。</p>\n<p><small>画像クレジット:Jina.ai</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/11/22/jina-ai-raises-30m-for-its-for-its-neural-search-platform/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Frederic Lardinois、翻訳:<a target=\"_blank\" href=\"https://twitter.com/pressnote55\" rel=\"noopener\">Nariko Mizoguchi</a>)</p>\n",
        "authorId": 138115512,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/Jina.jpeg",
        "author": {
          "id": 138115512,
          "slug": "nmizoguchi",
          "name": "Nariko Mizoguchi",
          "description": ""
        },
        "categories": [
          {
            "postId": 459535,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 459535,
            "tagId": 2373,
            "tag": {
              "id": 2373,
              "slug": "search",
              "name": "検索(用語)",
              "description": "検索に関する記事一覧"
            }
          },
          {
            "postId": 459535,
            "tagId": 7977,
            "tag": {
              "id": 7977,
              "slug": "berlin",
              "name": "ベルリン(国・地域)",
              "description": "ベルリンに関する記事一覧"
            }
          },
          {
            "postId": 459535,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 459535,
            "tagId": 366272174,
            "tag": {
              "id": 366272174,
              "slug": "deeplearning",
              "name": "ディープラーニング / 深層学習(用語)",
              "description": "ディープラーニングに関連する記事一覧"
            }
          },
          {
            "postId": 459535,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 459535,
            "tagId": 692516224,
            "tag": {
              "id": 692516224,
              "slug": "neural-search",
              "name": "ニューラル検索(用語)",
              "description": "ニューラル検索に関する記事一覧"
            }
          },
          {
            "postId": 459535,
            "tagId": 692516225,
            "tag": {
              "id": 692516225,
              "slug": "jina-ai",
              "name": "Jina.ai(企業)",
              "description": "ニューラル検索を利用して、ユーザーが非構造化データ(動画や画像を含む)から情報を見つけ出すことをサポートしているオープンソースのスタートアップ。ベルリン拠点。"
            }
          }
        ]
      }
    },
    {
      "postId": 459470,
      "categoryId": 366275726,
      "post": {
        "id": 459470,
        "slug": "datafluct-fundraising",
        "createdAt": "2021-11-22T09:13:17.000Z",
        "updatedAt": "2021-11-22T09:13:17.000Z",
        "title": "データ活用支援のDATAFLUCTが2.5億円の資金調達、マルチモーダルデータプラットフォーム開発を強化",
        "content": "<p>画像や動画、音声、文書などの異なる様式のデータを統合的に処理する「マルチモーダルデータ」の活用サービスを提供する<a target=\"_blank\" href=\"https://datafluct.com/\" rel=\"noopener\">DATAFLUCT</a>(データフラクト)は11月22日、日本政策金融公庫の融資により2億5000万円を資金調達したことを発表。今回の資金調達は、「新株予約権付融資制度」を活用した融資により実施した。同制度は、新たな事業に取り組み株式公開を目指すベンチャー企業を対象に、融資と同時に日本政策金融公庫が新株予約権を取得することで無担保で資金を供給するというもの。これによりDATAFLUCTの資本性および負債性資金の累計調達金額は6億9000万円となった。</p>\n<p><div class=\"aside aside-related-articles\"><h2>関連記事</h2><ul><li><a href=\"/2021/11/22/datafluct-fundraising/\">データ活用支援のDATAFLUCTが2.5億円の資金調達、マルチモーダルデータプラットフォーム開発を強化</a></li><li><a href=\"/2021/06/17/datafluct-2/\">街の「にぎわい」など任意エリアのKPIを可視化しSNSトレンドと組み合わせ変化要因を示唆する「clarea」提供開始</a></li><li><a href=\"/2021/04/20/datafluct/\">データ活用支援のDATAFLUCTが3億円調達、スタートアップスタジオモデルで2年後の上場目指す</a></li></ul></div>DATAFLUCTは2019年の創業以来、「データを商いに」というビジョンのもと、社会課題の解決を軸に各業界に特化したデータサイエンスサービスを展開。11月時点で公開したサービス数は20を超える。スタートアップの活躍が期待されるESGやSDGsの視点からも新たな課題に取り組み、7月には「脱炭素」を事業機会に変えるアイデアとして、決済データから消費のカーボンフットプリントを可視化するサービスを公開し、事業化に向けた取り組みを進めている。</p>\n<p>企業の9割以上の企業がDXに着手できていないという現状の中(<a target=\"_blank\" href=\"https://www.meti.go.jp/press/2020/12/20201228004/20201228004.html\" rel=\"noopener\">経済産業省「DXレポート2(中間取りまとめ)」</a>)、DATAFLUCTは多数の大手企業のDXを支援してきた。今回調達した資金は、マルチモーダルデータプラットフォームサービスを中心とした新規サービス開発および既存サービスの強化、マーケティング強化にあてられる。構造化・非構造化を問わず、あらゆる種類のデータをつなげて資産化し、ノーコード、エンドツーエンドで活用できる環境を提供する「マルチモーダルデータプラットフォーム構想」の実現に向け、新規サービスの投入および既存サービスの強化に順次取り組む予定。</p>\n<p>11月下旬には、ノーコードのエンドツーエンド機械学習プラットフォーム(マルチクラウドAutoML)「<a target=\"_blank\" href=\"https://www.cloudterminal.datafluct.com/\" rel=\"noopener\">DATAFLUCT cloud terminal.</a>」をリニューアル。12月中旬には新規サービスとして、社内に散在するデータや外部のオープンデータの集約のほか、非構造化データの構造化などの前処理をAI技術で実行しカタログ化するデータレイク/データウェアハウス「AirLake」(エアーレイク)を提供開始する予定。<img loading=\"lazy\" class=\"aligncenter size-large wp-image-459472\" src=\"/wp-content/uploads/2021/11/2021-11-22-005-002.jpg?w=1024\" alt=\"データ活用支援のDATAFLUCTが2.5億円の資金調達、マルチモーダルデータプラットフォーム開発を強化\" width=\"1024\" height=\"497\" srcset=\"/wp-content/uploads/2021/11/2021-11-22-005-002.jpg 2000w, /wp-content/uploads/2021/11/2021-11-22-005-002.jpg?resize=300,146 300w, /wp-content/uploads/2021/11/2021-11-22-005-002.jpg?resize=768,373 768w, /wp-content/uploads/2021/11/2021-11-22-005-002.jpg?resize=1024,497 1024w, /wp-content/uploads/2021/11/2021-11-22-005-002.jpg?resize=1536,746 1536w, /wp-content/uploads/2021/11/2021-11-22-005-002.jpg?resize=824,400 824w, /wp-content/uploads/2021/11/2021-11-22-005-002.jpg?resize=400,194 400w, /wp-content/uploads/2021/11/2021-11-22-005-002.jpg?resize=738,358 738w, /wp-content/uploads/2021/11/2021-11-22-005-002.jpg?resize=640,311 640w, /wp-content/uploads/2021/11/2021-11-22-005-002.jpg?resize=220,107 220w, /wp-content/uploads/2021/11/2021-11-22-005-002.jpg?resize=281,136 281w, /wp-content/uploads/2021/11/2021-11-22-005-002.jpg?resize=250,121 250w, /wp-content/uploads/2021/11/2021-11-22-005-002.jpg?resize=125,60 125w, /wp-content/uploads/2021/11/2021-11-22-005-002.jpg?resize=1137,552 1137w, /wp-content/uploads/2021/11/2021-11-22-005-002.jpg?resize=600,291 600w, /wp-content/uploads/2021/11/2021-11-22-005-002.jpg?resize=50,24 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /></p>\n<p>今後も、SCM(サプライチェーンマネジメント)のための需要予測プラットフォームサービスやノーコード対話型BIプラットフォームサービスを投入し、オールインワンでソリューションを提供するため事業の強化を目指す。これまでに分析の材料とされていなかったデータを利用したり、データ同士を新たに組み合わせられる環境を提供することで、これまでにない洞察を獲得できる「データの資産化」を推進するサービスを継続的に開発し、専門知識や技術の有無にかかわらず利用できるUI/UXの採用によってデータ活用人材の拡張を図りたいという。</p>\n",
        "authorId": 191889578,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/2021-11-22-005-001.jpg",
        "author": {
          "id": 191889578,
          "slug": "satokosato",
          "name": "Satoko Sato",
          "description": ""
        },
        "categories": [
          {
            "postId": 459470,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 459470,
            "tagId": 366271425,
            "tag": {
              "id": 366271425,
              "slug": "data-science",
              "name": "データサイエンス / データサイエンティスト(用語)",
              "description": "データサイエンス / データサイエンティストに関連する記事一覧"
            }
          },
          {
            "postId": 459470,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 459470,
            "tagId": 366280691,
            "tag": {
              "id": 366280691,
              "slug": "supply-chain",
              "name": "サプライチェーン(用語)",
              "description": "サプライチェーンに関する記事一覧"
            }
          },
          {
            "postId": 459470,
            "tagId": 681521545,
            "tag": {
              "id": 681521545,
              "slug": "sdgs",
              "name": "SDGs(用語)",
              "description": "SDGsに関連する記事一覧"
            }
          },
          {
            "postId": 459470,
            "tagId": 692509109,
            "tag": {
              "id": 692509109,
              "slug": "datafluct",
              "name": "DATAFLUCT(企業)",
              "description": "データサイエンスで企業課題を解決する日本のスタートアップ。"
            }
          },
          {
            "postId": 459470,
            "tagId": 692509111,
            "tag": {
              "id": 692509111,
              "slug": "automl",
              "name": "AutoML",
              "description": ""
            }
          },
          {
            "postId": 459470,
            "tagId": 692509750,
            "tag": {
              "id": 692509750,
              "slug": "no-code",
              "name": "ノーコード(用語)",
              "description": "ノーコード開発に関連する記事一覧"
            }
          },
          {
            "postId": 459470,
            "tagId": 692512142,
            "tag": {
              "id": 692512142,
              "slug": "japan",
              "name": "日本(国・地域)",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 459374,
      "categoryId": 366275726,
      "post": {
        "id": 459374,
        "slug": "uec-onomatopoeia-ai",
        "createdAt": "2021-11-22T06:42:18.000Z",
        "updatedAt": "2021-11-22T06:42:18.000Z",
        "title": "電気通信大学、「つるつる」「さらさら」などオノマトペ・擬態語で画像内のモノの質感を表現するAIを開発",
        "content": "<p><a target=\"_blank\" href=\"https://www.uec.ac.jp/\" rel=\"noopener\">電気通信大学</a>は11月17日、「つるつる」や「さらさら」といったオノマトペ(擬態語)で画像に写っているモノの質感を表現できるAIの開発を<a target=\"_blank\" href=\"https://www.frontiersin.org/articles/10.3389/fpsyg.2021.654779/\" rel=\"noopener\">発表した</a>。オノマトペという人によって感覚の異なるあいまいさを機械学習させることに成功したということだ。</p>\n<p><div class=\"aside aside-related-articles\"><h2>関連記事</h2><ul><li><a href=\"/2022/03/11/2022-03-09-strong-compute-wants-speed-up-your-ml-model-training/\">Strong Computeは機械学習モデルのトレーニングを「100倍以上高速化」できると主張する</a></li><li><a href=\"/2022/02/03/ai-mouse-grooming-detection/\">AIでマウスのグルーミング(毛づくろい)を高精度で検出、動物の心と体の変化の把握が人の中枢性疾患の治療に貢献</a></li><li><a href=\"/2022/01/25/2022-01-20-wisear/\">「噛む」ことで音楽プレイヤーを操作する技術をWisearが開発</a></li></ul></div>電気通信大学大学院情報理工学研究科および人工知能先端研究センターの<a target=\"_blank\" href=\"http://www.sakamoto-lab.hc.uec.ac.jp/\" rel=\"noopener\">坂本真樹教授</a>らによる研究グループは、1946枚の画像に写っているものの質感を、100人の被験者にオノマトペで表現してもらい、そのデータから深層学習モデルを作り出した。</p>\n<p>ここで使われたのが、人の神経細胞をモデルにしたニューラルネットワークだが、特に物体認識の分野で注目されている畳み込みニューラルネットワークの中でも、さらに多層の構造を持つ深層畳み込みニューラルネットワーク(DCNN)を採用した。DCNNには、画像の特徴量を学習の過程で自動で検出できる利点があるからだ。そのため、ものの質感のように「着眼点が人によって異なる」ものにも適用できる。しかし、そもそもAIは曖昧な学習が苦手なので、学習手法になんらかの工夫が必要だった。</p>\n<p>そこで研究グループは、音韻が触覚や視覚などの感覚的印象と結びつく現象である「音韻徴性」が強く表れるオノマトペに着目した。これを使えば人の印象を定量化しやすい。研究では、繊維、ガラス、金属、プラスチック、水、葉、革、紙、石、木の10のカテゴリーに分類される1946枚の画像と、これらに対応する3万138語のオノマトペを用意し、100人の被験者に画像を見て表現してもらった。そして、1枚の画像に複数のオノマトペを正解として学習させることで、曖昧さを考慮したDCNNモデルを作ることができた。画像を入力するとオノマトペが出力されるこのモデルでは、約80%の正解率を達成できたという。</p>\n<p>「人間のように質感を表現できるコンピューターが実現すれば、人とロボットが共存するといわれる将来、たとえば、ロボットが目の不自由な人に質感を教えるといったことが可能になると期待されます」と研究グループは話している。</p>\n",
        "authorId": 136751393,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/2021-11-22-003-index.jpg",
        "author": {
          "id": 136751393,
          "slug": "tetsuokanai",
          "name": "tetsuokanai",
          "description": ""
        },
        "categories": [
          {
            "postId": 459374,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 459374,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 459374,
            "tagId": 366187520,
            "tag": {
              "id": 366187520,
              "slug": "neural-network",
              "name": "ニューラルネットワーク(用語)",
              "description": "ニューラルネットワークに関する記事一覧"
            }
          },
          {
            "postId": 459374,
            "tagId": 692514697,
            "tag": {
              "id": 692514697,
              "slug": "the-university-of-electro-communications",
              "name": "電気通信大学(組織)",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 459295,
      "categoryId": 366275726,
      "post": {
        "id": 459295,
        "slug": "2021-11-20-get-used-to-hearing-about-machine-learnings-operations-mlops-startups",
        "createdAt": "2021-11-21T23:30:10.000Z",
        "updatedAt": "2021-11-21T23:29:21.000Z",
        "title": "機械学習運用基盤(MLOps)スタートアップの話をよく聞くようになってきた",
        "content": "<p>スタートアップとマーケットの週刊ニュースレター、The TechCrunch Exchangeへようこそ。</p>\n<p>ああ、先週の金曜(米国時間11月19日)の午後はちょっと苦労していた。米国にいない人には、ちょっと説明が難しい。簡単に言えば、先週の終わりになって、私たちの警察と司法のシステムのある種の欠陥が明るみに出たのだ(訳注:警察のヘリコプターから撮影されたとみられる大量の監視映像が米国で流出した)。というわけで、今回のExchangeニュースレターは予定よりも短くなる。</p>\n<p>DevOps(デブオプス)の市場は多忙で、資金も豊富だ。例えば先日は<a target=\"_blank\" href=\"https://opslyft.com/\" rel=\"noopener\">Opslyft</a>(オプスリフト)の話を聞いた。インドと米国にまたがるこの企業は、ソフトウェアを作成する際のポストデプロイメント側のツールをまとめた統合DevOpsサービスを開発している。すばらしい企業なので、もし資本調達を発表したら、もっと時間をかけて記事を書くことになるだろう。最近の記憶に残る別の例を挙げるなら、<a target=\"_blank\" href=\"https://techcrunch.com/2021/10/14/3-things-gitlabs-wild-ipo-pricing-says-about-public-markets/\" rel=\"noopener\">先日公開された</a>プレデプロイメントDevOpsサービスであるGitLab(ギットラボ)がある。</p>\n<p>つまり、大小を問わずのハイテク企業はDevOpsツールを構築しているということだ。そして、機械学習運用基盤(MLOps、エムエルオプス)の市場は、大きな兄弟(DevOps)と同じように急速に成長し始めている。TechCrunchは、MLOpsスタートアップの<a target=\"_blank\" href=\"/2021-11-18-mlops-startup-comet-nabs-50m-series-b-just-six-months-after-raising-its-a\" rel=\"noopener\">Comet(コメット)が今週資金調達した</a>ことを記事にしたが、これを読んでThe Exchangeは、MLOpsスタートアップの別の資金調達イベントである<a target=\"_blank\" href=\"https://techcrunch.com/2021/10/13/weights-biases-raises-new-capital-as-developer-tools-remain-a-venture-focus-ml-matures/\" rel=\"noopener\">Weights &amp; Biases(ウエイツ&バイアス)のラウンド</a>、を取り上げたことを思い出した。</p>\n<p>関連記事:<a target=\"_blank\" href=\"/2021/11/21/2021-11-18-mlops-startup-comet-nabs-50m-series-b-just-six-months-after-raising-its-a/\" rel=\"noopener\">企業の機械学習利用の空隙を満たすMLOpsのスタートアップCometが約57億円調達</a></p>\n<p>こんな話を持ち出したのは、先日私たちが<a target=\"_blank\" href=\"https://twitter.com/jai_das\" rel=\"noopener\">Sapphire VenturesのJai Das(ジェイ・ダス)氏</a>にインタビューを行い、<a target=\"_blank\" href=\"https://techcrunch.com/2021/11/16/huge-deals-are-pushing-more-ai-startups-into-ipo-territory/\" rel=\"noopener\">AIによる資金調達のトレンド</a>についての情報を収集したからだ。その対話の中で、私はAIOps(エーアイオプス)のアイデアを持ち出し、それが私たちが注目すべき第3の「Ops」カテゴリーになるのではないかと口にした。しかし、ダス氏によれば「MLOpsは基本的にAIOpsです」ということなので、2つの大きなカテゴリーに考え方をほぼ限定することができる。</p>\n<p>とはいえ、AI(人工知能)とML(機械学習)は正確には同じものではない(ここであまり争うつもりはない、大まかな話なので)よって、2つの異なるタイプの仕事が、同じソフトウェアの中に収まるかどうかは興味深いところだ。</p>\n<h2>さらにAIについて</h2>\n<p>AIのテーマに沿って、今回はAI市場についてもう少し触れてみよう。<a target=\"_blank\" href=\"https://twitter.com/abracarioca\" rel=\"noopener\">Anna</a>(アンナ)記者が、世界の人工知能投資の動向を論じた最近のエントリーを踏まえて、メモを用意した。彼女は、今日のAIファンドがどこに使われているのか、また「AI」という呼び名にふさわしいものの定義が変わることで、スタートアップ活動のための資金量がどのように増えていくのかについて考えている。</p>\n<blockquote><p>地理的な格差が私たちの注意を引いたが、AIの定義や応用が広がれば、資金はより均等に分配されると考えている。例えば第3四半期に新たにラテンアメリカのAIユニコーンに選ばれたのは、フードテックのNotCo(ノットコ)とデジタルIDを提供するUnico(ユニコ)の2社だった、またメキシコの融資会社Kueski(キュースキー)も大規模なラウンドを行った。私たちはこれをフィンテックと呼んでいたが、これもまたAIを活用したも企業だ。それがAIの新たな現実だとすれば、ラテンアメリカやアフリカなど、世界のあらゆる場所で、AIを活用して現実の問題に取り組むスタートアップに資金が集まるようになるのも不思議ではない。</p></blockquote>\n<p>来週はカナダにお住まいの方にはぜひ読んでいただきたいものがあるのだが、今回のAI記事の締めくくりとして前回のAI記事には少し遅れてしまった<a target=\"_blank\" href=\"https://p72.vc/team/sri-chandrasekar/\" rel=\"noopener\">Point72 VenturesのSri Chandrasekar(スリ・チャンドラセカール)氏</a>からの回答をご紹介しよう。</p>\n<p>AIに特化したスタートアップの経済性についての質問に答えて、投資家であるチャンドラセカール氏は以下のようなコメントを寄せてきた。</p>\n<blockquote><p>最近のAIへの関心のほとんどは、大規模なラウンドを調達している企業たちの収益の成長によってもたらされているのだと思います。しかし、その増収の背景にあるのは、商品の需要の高さと労働参加率の低さという極めてシンプルなものなのです。これは、Point72 Venturesのディープテック・ポートフォリオ全体に見られることです。AIは人間を補強して生産性を向上させ、場合によっては自動化に適した作業を人間に代わって行い、人間はより付加価値の高い戦略的な活動に専念できるようになります。これまでは、こうした自動化を導入するための労力が大きかったのですが、(人材不足によって)カスタマーサービスのリクエストに対応する人や受付を担当する人を雇うことができなくなると、自動化が俄然意味を持ち始めます。</p></blockquote>\n<p>最近私たちは、マクロ環境がスタートアップにどのような影響を与えるかについて、多くのことを学んでいる。インフレの進行で<a target=\"_blank\" href=\"/2021-11-13-how-much-money-can-crypto-gaming-absorb-in-the-near-term\" rel=\"noopener\">インシュアテックの利益が損なわれたり</a>、「the Great Resignation(大退職時代)」が進んだりすることで、AIソフトウェアの需要が高まっているのだ。心に留めておきたい。</p>\n<p>関連記事:<a target=\"_blank\" href=\"/2021/11/15/2021-11-13-how-much-money-can-crypto-gaming-absorb-in-the-near-term/\" rel=\"noopener\">暗号資産ゲームは短期的にどれだけの資金を吸収できるだろうか</a></p>\n<h2>その他のあれこれ</h2>\n<ul>\n<li><a target=\"_blank\" href=\"https://techcrunch.com/2021/11/15/utahs-podium-raises-pre-ipo-round-boosting-its-valuation-to-3-billion/\" rel=\"noopener\">ユタ州を拠点とするPodium(ポディウム)の最近の巨額ラウンド</a>を受けて、私たちは同州のより大きなスタートアップシーンを掘り下げた<a target=\"_blank\" href=\"https://pitchbook.com/news/articles/vc-funding-Utah-startups-2021\" rel=\"noopener\">PitchBookの最新記事をご紹介する</a>。ご想像の通り、数字は上向いている。</li>\n<li>また、巨額ラウンドといえば、<a target=\"_blank\" href=\"https://news.faire.com/2021/11/16/announcing-400-million-in-series-g/\" rel=\"noopener\">Faire(フェア)が今週、シリーズG調達を行った</a>。だから?紹介したい興味深い成長の統計データがあったのだ。Faireは、自らの表現では「オンライン卸売市場」であり、かなり急速に成長しているビジネスだ。同社が「3倍」の収益成長と「年間10億ドル(約1141億円)以上のボリューム」を自己申告したことで、私たちの注目を集めた。もし非公開市場が、この会社をベンチャーキャピタルのフォアグラにしようと太らせているのでなければ、この会社はIPOの候補になるだろう。</li>\n<li>さて他には?OKRスタートアップのKoan(コーアン)は、シリーズA調達に失敗した後、<a target=\"_blank\" href=\"https://www.koan.co/blog/koan-update-were-not-dead-yet\" rel=\"noopener\">Gtmhub(ジーティーエムハブ)に売却されることになった</a>。私たちは長年にわたって<a target=\"_blank\" href=\"https://techcrunch.com/2021/04/27/what-can-the-okr-software-sector-tell-us-about-startup-growth-more-generally/\" rel=\"noopener\">OKRソフトウェア市場について多くの記事を書いてきた</a>ので、この出来事を紹介しておきたいと思う(KoanのCEOは、公の場とメールの両方で、会社の終わりについてのメモを共有してくれたので、この件については、時間があれば来週お伝えすることになるかもしれない)。</li>\n<li>そして、最後はBraze(ブレーズ)だ。ニューヨークを拠点とするソフトウェアのユニコーン企業であるBrazeは<a target=\"_blank\" href=\"https://techcrunch.com/2021/11/17/unicorns-braze-and-usertesting-begin-public-life-in-diverging-ways/\" rel=\"noopener\">先週上場した</a>。The Exchangeは上場日に同社のリーダーにインタビューを行った。すべてのIPO発表会と同様に、対象となる会社は、発言できること(あまり多くない)とできないこと(ほとんどすべて)に関して、かなり厳しい指導を受けていた。それでも、IPOの<em>準備を</em>始めたのは数年前で、実際に上場するためのプロセスを開始したのは約1年前であったという、準備プロセスについての情報を得ることができた。私たちは、2018年以降資金調達の必要がなかった同社が、なぜ直接上場を目指さなかったのかを知りたいと思った。BrazeのBill Magnuson(ビル・マグナソン)CEOは興味深い話をしてくれた。つまり最近の変化を踏まえれば、従来のやり方のIPOは一部の人々が考えているほど柔軟性に欠けるものではないというのだ。これから数週間、2021年の最後の公開を眺めながら、そのことを考える価値はあると思っている。なお、Brazeは、1株あたり65ドル(約7415円)で上場した後、現在は1株あたり94.16ドル(約1万700円)となっている。</li>\n</ul>\n<p><small>画像クレジット:<a target=\"_blank\" href=\"https://www.nigelsussman.com/\" rel=\"noopener\">Nigel Sussman</a></small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/11/20/get-used-to-hearing-about-machine-learnings-operations-mlops-startups/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文: Alex Wilhelm、翻訳:sako)</p>\n",
        "authorId": 10108719,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/NSussman_Techcrunch_Exchange-multicolor.jpg",
        "author": {
          "id": 10108719,
          "slug": "ardbeg1958",
          "name": "sako",
          "description": "Software Engineering Consultant, Technical Translator, and Whisky Lover."
        },
        "categories": [
          {
            "postId": 459295,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 459295,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 459295,
            "tagId": 28070474,
            "tag": {
              "id": 28070474,
              "slug": "devops",
              "name": "DevOps(用語)",
              "description": "「開発(Development)」と「運用(Operations)」を組み合わせた用語。開発者と運用者が連携、協力するソフトウェア開発手法の1つ。"
            }
          },
          {
            "postId": 459295,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 459295,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 459295,
            "tagId": 692511890,
            "tag": {
              "id": 692511890,
              "slug": "the-techcrunch-exchange",
              "name": "The TechCrunch Exchange(連載)",
              "description": "The TechCrunch Exchangeの記事一覧"
            }
          },
          {
            "postId": 459295,
            "tagId": 692512903,
            "tag": {
              "id": 692512903,
              "slug": "mlops",
              "name": "MLOps(用語)",
              "description": "Machine Learning Operations。MLOpsに関する記事一覧。MLOpsは、機械学習用のDevOpsといった意味合いで、「機械学習」(ML。Machine Learning)とソフトウェア分野における継続的な開発手法「DevOps」を組み合わせた造語。\r\n"
            }
          }
        ]
      }
    },
    {
      "postId": 459259,
      "categoryId": 366275726,
      "post": {
        "id": 459259,
        "slug": "2021-11-18-mlops-startup-comet-nabs-50m-series-b-just-six-months-after-raising-its-a",
        "createdAt": "2021-11-21T00:30:43.000Z",
        "updatedAt": "2021-11-20T23:08:54.000Z",
        "title": "企業の機械学習利用の空隙を満たすMLOpsのスタートアップCometが約57億円調達",
        "content": "<p>機械学習がビジネスを動かすための欠かせない技術になっているが、その中でモデルを構築する工程は今なお、反復と実験を必要としている。それに対し<a target=\"_blank\" href=\"http://comet.ml\" rel=\"noopener\">Comet</a>は、モデルをアイデアからプロダクトまで仕上げるための全体的なプラットフォームを作り、米国時間11月18日は5000万ドル(約57億円)のシリーズBを発表した。これに先立つシリーズAは、<a target=\"_blank\" href=\"/2021/04/14/2021-04-08-comet-announces-13m-series-a-for-ml-model-building-tool/\" rel=\"noopener\">4月の1300万ドル(約15億円)</a>だった。</p>\n<p>OpenViewがリードしたこのBラウンドには、これまでの投資家であるScale Venture PartnersやTrilogy Equity Partners、そしてTwo Sigma Venturesが参加した。Crunchbaseのデータによると、同社の累積調達額は7000万ドル(約80億円)近くになる。</p>\n<p>共同創業者でCEOのGideon Mendels(ギデオン・メンデルス)氏によると、プロダクトはノートパソコンでもクラウドでも、あるいはオンプレミスのクラスター上でも、どのようなプラットフォームでも使える。「Cometは実験の追跡調査からモデルのプロダクションのモニタリングまで、機械学習の全ライフサイクルを管理し最適化します。そのためデータサイエンティストに力をつけ、機械学習の技術者が開発を加速できるプラットフォームだ」とメンデルス氏はいう。</p>\n<p>メンデルス氏によると、そのアプローチは実績を出し、同社の年間経常収益は2021年5倍になり、UberやZappos、Etsyなど150社がCometを利用している。またOpenViewのパートナーでリード投資家のMackey Craven(マッキー・クレイヴン)氏によると、彼がCometに惹かれたのは、同社が大きなチャンスを抱えた新興市場のための有効なプロダクトを作っているからだ。「私たちが今、目にしているのは、彼らを十分サポートできる大きくて永続性のある市場機会のコアとなりうるような傑出した創業チームと、そしてその市場における変化との稀なる組み合わせです。その変化の理由は、新しい市場の創造または、技術の転位によって新規参入者たちが、私たちが作り出す今後の大きな市場における価値を創造し捉えているからです」とクレイヴン氏はいう。</p>\n<p>現在、同社の社員は50名で、4つの大陸の9カ国から来ている。計画では、2022年は100名になる予定だ。メンデルス氏によると、ダイバーシティとインクルージョンは同社の価値システムの重要部分だ。氏は「実はそれこそが、弊社の企業文化の核であり、今でも従業員の35%はマイノリティの人たちであり、今後の雇用でもそれに配慮していく」という。</p>\n<p>同社の新製品であるArtifactsは、文書のバージョニングと同じように動作し使えるデータのバージョニングツールだ。それはデータの変更履歴を知るために、データサイエンティストたちが利用する。</p>\n<p>メンデルス氏によると「機械学習のパイプラインで仕事をしているときCometのArtifactsがあれば、データの各回のスナップショットを自動的にバージョン化できます。変更を加えるたびに、そのバージョンができます」。そのアドバンテージはいろいろあるが、その主なものは、モデルの訓練に使っているデータがどう変わってきたか、データサイエンティストにわかることであり、訓練時のモデルのデータと最終プロダクションのデータを比べられる。</p>\n<p><small>画像クレジット:yucelyilmaz/Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/11/18/mlops-startup-comet-nabs-50m-series-b-just-six-months-after-raising-its-a/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Ron Miller、翻訳:Hiroshi Iwatani)</p>\n",
        "authorId": 46898863,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/com.jpg",
        "author": {
          "id": 46898863,
          "slug": "tcjpiwatani",
          "name": "Hiroshi Iwatani",
          "description": ""
        },
        "categories": [
          {
            "postId": 459259,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 459259,
            "tagId": 186643,
            "tag": {
              "id": 186643,
              "slug": "comet",
              "name": "Comet(企業)",
              "description": "機械学習モデルの長期の継続的開発を、最後にはプロダクション(本番稼働)に行き着く実験的なプロセスで支援し、より効率的な機械学習プラットフォームを開発するスタートアップ。"
            }
          },
          {
            "postId": 459259,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 459259,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 459259,
            "tagId": 692512903,
            "tag": {
              "id": 692512903,
              "slug": "mlops",
              "name": "MLOps(用語)",
              "description": "Machine Learning Operations。MLOpsに関する記事一覧。MLOpsは、機械学習用のDevOpsといった意味合いで、「機械学習」(ML。Machine Learning)とソフトウェア分野における継続的な開発手法「DevOps」を組み合わせた造語。\r\n"
            }
          }
        ]
      }
    },
    {
      "postId": 459096,
      "categoryId": 366275726,
      "post": {
        "id": 459096,
        "slug": "moyai",
        "createdAt": "2021-11-19T07:35:50.000Z",
        "updatedAt": "2021-12-03T10:55:10.000Z",
        "title": "LED一体型ネットワークカメラによる鉄道車両内のリアルタイム監視に向けMOYAIがエッジAIを開発、ギリアのAI技術を採用",
        "content": "<p><a target=\"_blank\" href=\"https://moyai-net.com/\" rel=\"noopener\">MOYAI</a>(モヤイ)は11月19日、LED一体型ネットワークカメラ「<a target=\"_blank\" href=\"https://moyai-net.com/product/#model_pro_w6\" rel=\"noopener\">IoTube Pro.W6</a>」「<a target=\"_blank\" href=\"https://moyai-net.com/product/#model_pro_4g\" rel=\"noopener\">IoTube Pro.4G</a>」においてエッジAIを実現するための開発を、<a target=\"_blank\" href=\"https://ghelia.com/\" rel=\"noopener\">ギリア</a>(Ghelia)のAI技術を用いて行なうことを発表した。IoTube Pro.W6は2022年4月より、またIoTube Pro.4Gは2022年6月より納品開始予定。</p>\n<p>IoTube model Pro.シリーズは、遠隔地からのリアルタイム監視と双方向通話が可能なLED一体型製品。鉄道車両内搭載に向け各必要適合規格をすべて取得し、2020年7月に東急電鉄が導入したモデルの製品品質をベースにしたものという。魚眼カメラで撮影した動画をSDメモリーカードに保存可能なほか、通信方式は用途に合わせてWi-Fi 6とLTE/4Gの2種類から選択できる。サーモセンサー・マイク・スピーカー・煙感知センサー・温湿度センサー・3D加速度センサー・BLEビーコン・CO2センサーも搭載している。</p>\n<p>また、エッジAI機能により、防犯カメラおよび行動解析が可能なほか、社会的弱者(車椅子・白杖・ベビーカーなど)の発見と見守りや、アフターコロナに向けた密度測定、マスク判定検知、行動分析にも利用できる。鉄道車両内での異常事態検知や非常通報ボタンとの連携、リアルタイム監視による現場状況の可視化、乗客への誘導指示といった活用を想定しており、鉄道車両内での問題発生の抑止力や有事の対応力の強化においても期待されているという。</p>\n<p>ギリアでは、AIの社会実装で培った独自技術をベースに、「人物検出」「姿勢検出」「視線検出」など様々な利用シーンに特化したAIソリューションを提供。ギリアのAIモデルを搭載したIoTubeを利用することで、公共空間の安心安全を守るだけではなく、マーケティングや様々なソリューションへの活用が可能としている。</p>\n<p>鉄道車両内での応用による異常事態検知では、「視線推定による異常事態感知」(複数の乗客が異常者・事態を凝視する行動)、「動線感知による異常事態感知」(複数の乗客が一定方向に逃げる行動)、「一定もしくは複数の警戒閾値を超えた場合に司令・運転士・車掌にアラートが発報」「AIによる避難者数・転倒者数の把握」などを挙げている。さらに、マイクセンサーの集音データをAIが解析し、通常騒音以外の音域、異常な足音・悲鳴・怒号などを検知するという。</p>\n<div id=\"attachment_459101\" style=\"width: 933px\" class=\"wp-caption alignnone\"><img aria-describedby=\"caption-attachment-459101\" loading=\"lazy\" class=\"wp-image-459101 size-full\" src=\"/wp-content/uploads/2021/11/002-14.jpg\" alt=\"鉄道車両内での応用による異常事態検知〜リアルタイム監視(イメージ)\" width=\"923\" height=\"716\" srcset=\"/wp-content/uploads/2021/11/002-14.jpg 923w, /wp-content/uploads/2021/11/002-14.jpg?resize=300,233 300w, /wp-content/uploads/2021/11/002-14.jpg?resize=768,596 768w, /wp-content/uploads/2021/11/002-14.jpg?resize=516,400 516w, /wp-content/uploads/2021/11/002-14.jpg?resize=400,310 400w, /wp-content/uploads/2021/11/002-14.jpg?resize=738,572 738w, /wp-content/uploads/2021/11/002-14.jpg?resize=464,360 464w, /wp-content/uploads/2021/11/002-14.jpg?resize=220,171 220w, /wp-content/uploads/2021/11/002-14.jpg?resize=222,172 222w, /wp-content/uploads/2021/11/002-14.jpg?resize=161,125 161w, /wp-content/uploads/2021/11/002-14.jpg?resize=125,97 125w, /wp-content/uploads/2021/11/002-14.jpg?resize=77,60 77w, /wp-content/uploads/2021/11/002-14.jpg?resize=712,552 712w, /wp-content/uploads/2021/11/002-14.jpg?resize=473,367 473w, /wp-content/uploads/2021/11/002-14.jpg?resize=50,39 50w\" sizes=\"(max-width: 923px) 100vw, 923px\" /><p id=\"caption-attachment-459101\" class=\"wp-caption-text\">鉄道車両内での応用による異常事態検知〜リアルタイム監視(イメージ)</p></div>\n<p><img loading=\"lazy\" class=\"alignnone size-full wp-image-459102\" src=\"/wp-content/uploads/2021/11/003-9.jpg\" alt=\"\" width=\"772\" height=\"408\" srcset=\"/wp-content/uploads/2021/11/003-9.jpg 772w, /wp-content/uploads/2021/11/003-9.jpg?resize=300,159 300w, /wp-content/uploads/2021/11/003-9.jpg?resize=768,406 768w, /wp-content/uploads/2021/11/003-9.jpg?resize=757,400 757w, /wp-content/uploads/2021/11/003-9.jpg?resize=400,211 400w, /wp-content/uploads/2021/11/003-9.jpg?resize=738,390 738w, /wp-content/uploads/2021/11/003-9.jpg?resize=640,338 640w, /wp-content/uploads/2021/11/003-9.jpg?resize=220,116 220w, /wp-content/uploads/2021/11/003-9.jpg?resize=281,149 281w, /wp-content/uploads/2021/11/003-9.jpg?resize=237,125 237w, /wp-content/uploads/2021/11/003-9.jpg?resize=125,66 125w, /wp-content/uploads/2021/11/003-9.jpg?resize=114,60 114w, /wp-content/uploads/2021/11/003-9.jpg?resize=600,317 600w, /wp-content/uploads/2021/11/003-9.jpg?resize=50,26 50w\" sizes=\"(max-width: 772px) 100vw, 772px\" /></p>\n<p>このプロダクトで使用されるAI技術を開発したギリアは、「ヒトとAIの共生環境の実現」を目指して、社会や暮らしの中でAIによる能力拡張を実現し、課題解決や効率化に加えてAI技術による歓び・発見・感動体験を提供することをビジョンとするスタートアップ。同社CEOの清水亮氏が創業したUEI(2020年9月解散)とソニーコンピュータサイエンス研究所、ベンチャーキャピタルWiLが2017年に共同設立した。</p>\n",
        "authorId": 191889577,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/001-18.jpg",
        "author": {
          "id": 191889577,
          "slug": "hisashishibata",
          "name": "Hisashi Shibata",
          "description": ""
        },
        "categories": [
          {
            "postId": 459096,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 459096,
            "tagId": 674897557,
            "tag": {
              "id": 674897557,
              "slug": "edge-ai",
              "name": "エッジAI(用語)",
              "description": "クラウドではなくエッジにあるデバイスで情報処理を実行し、通信による遅延を回避し高速なデータ処理が可能なAI技術のこと。"
            }
          },
          {
            "postId": 459096,
            "tagId": 692507763,
            "tag": {
              "id": 692507763,
              "slug": "ghelia",
              "name": "ギリア(企業)",
              "description": ""
            }
          },
          {
            "postId": 459096,
            "tagId": 692512142,
            "tag": {
              "id": 692512142,
              "slug": "japan",
              "name": "日本(国・地域)",
              "description": ""
            }
          },
          {
            "postId": 459096,
            "tagId": 692514169,
            "tag": {
              "id": 692514169,
              "slug": "cctv",
              "name": "監視カメラ / CCTV / 防犯カメラ(用語)",
              "description": "Closed-Circuit Television。監視カメラ / CCTV / 防犯カメラに関する記事一覧"
            }
          },
          {
            "postId": 459096,
            "tagId": 692515355,
            "tag": {
              "id": 692515355,
              "slug": "network-camera",
              "name": "ネットワークカメラ / IPカメラ(用語)",
              "description": "ネットワークカメラ / IPカメラに関する記事一覧"
            }
          },
          {
            "postId": 459096,
            "tagId": 692516179,
            "tag": {
              "id": 692516179,
              "slug": "moyai",
              "name": "MOYAI(企業)",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 458940,
      "categoryId": 366275726,
      "post": {
        "id": 458940,
        "slug": "2021-11-17-google-cloud-teams-up-with-nlp-startup-cohere-on-multi-year-partnership",
        "createdAt": "2021-11-19T01:45:18.000Z",
        "updatedAt": "2021-11-19T01:20:38.000Z",
        "title": "Google Cloudが自然言語処理スタートアップCohereと提携しインターフェースの革新を目指す",
        "content": "<p><a target=\"_blank\" href=\"https://cloud.google.com/\" rel=\"noopener\">Google Cloud</a>が<a target=\"_blank\" href=\"http://cohere.ai\" rel=\"noopener\">Cohere</a>との複数年のパートナーシップを発表した。このアーリーステージスタートアップは、デベロッパーが自分のアプリケーションに自然言語処理(NLP、Natural Language Processing)をさまざまなかたちで組み込めるために、そのプラットフォームを提供している。ソリューションはインフラストラクチャのリソースを大量に必要とするため、Google Cloud Platform(GCP)がパートナーシップに基づいてそれらを提供していくことになる。</p>\n<p>両社はまた、市場化のための取り組みも共同で計画し、それによりCohereはスタートアップとしての力をつけ、GCPの営業チームの力を借りてそのユーザー数や売上を伸ばしていく意向だ。</p>\n<p>Google CloudのCEOであるThomas Kurian(トーマス・クリアン)氏によると、CohereはGoogle CloudのTensor Processing Unit(TPUs)チップのすばらしいユースケースを提供しており、Googleが内部で行ってきたことをベースとして利用している。</p>\n<p>「第一に、これは私たちがGoogleで自分たちが使うために作ってきた技術の完璧な例です。私たちは現在、それらを他のプラットフォームが利用できるようにクラウド上で提供していません。しかしCohereのケースでは、利用できる能力を彼ら自身が見つけて、モデルを構築し、それらをTPUsの上で訓練しています。そのことによって彼らには、極めて差別化された能力が備わっています」とクリアン氏はいう。</p>\n<p>Cohereの共同創業者でCEOのAidan Gomez(エイダン・ゴメス)氏は以前<a target=\"_blank\" href=\"https://research.google/teams/brain/\" rel=\"noopener\">Google Brain</a>にいた。同氏によると、彼の企業は、この高度なテクノロジーをすべてのデベロッパーが利用できるためのNLPソリューションを作ろうとしている。「私たちは大量のデータをほじくり返して巨大なモデルを作り、それらをTPUの巨大なポッドで訓練しています。また、その極端に大きなモデルをほとんどどんなプロダクションシステムでもレイテンシーの許容範囲に収めるために、最適化にも努めている」と語る。</p>\n<p>彼によると、ワークロードを最適化することによって、Cohereはこの高度な技術のすべてへのアクセスをオープンにし、デベロッパーがモデルにアクセスでき、Cohereが提供しているモデルに基づいてNLPベースのソリューションを構築できるようにしている。今起こりつつある重要なシフトは、テキストベースのUIから、自然言語による対話的なインターフェースへの移行であり、Cohereなどはその変化の動因の1つだ。</p>\n<p>クリアン氏は続けて「今の最先端技術では、大多数の人たちのコンピューターの使い方がGUIや画面を介するものになりつつあります。しかし多くの人は、コンピューターをたった1つの使い方で体験したいとは思っていません。彼らはコンピューターといろいろな方法、しかも自然な方法で対話したいと望んでいるため、人びとがシステムと対話する方法の進化の次の大きな段階は言葉だ」という。</p>\n<p>三大クラウドのCEOが、ただのいちスタートアップとの提携で記者発表を行なうなどまずあることはない。しかしクリアン氏によると、TPUの使い方としてこれは特別に強力でクリエイティブな例だ。「Cohereの技術を実際に使ってみれば、それがとてもエレガントに動くことに気づくでしょう。それは、Aidanのチームが作ったソフトウェアと、TPUが提供する計算インフラストラクチャの組み合わせによるものだ」とGoogle Cloudのトップはいう。</p>\n<p>Cohereは2019年に、ゴメス氏とNick Frosst(ニック・フロスト)氏とIvan Zhang(イワン・チャン)氏がトロントで創業した。同社はこれまで、Index VenturesやRadical Ventures、Section 32、そしてAIエンジェルの人名録のトップを飾るような著名エンジェル、Geoffrey Hinton(ジェフリー・ヒントン)氏やFei-Fei Li(フェイ・フェイ・リー)氏などから、計4000万ドル(約45億7000万円)を調達している。</p>\n<p><small>画像クレジット:Michael Short/Bloomberg/Getty Images</small></p>\n<p>[<a target=\"https://techcrunch.com/2021/11/17/google-cloud-teams-up-with-nlp-startup-cohere-on-multi-year-partnership/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Ron Miller、翻訳:Hiroshi Iwatani)</p>\n",
        "authorId": 46898863,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/gcp.jpg",
        "author": {
          "id": 46898863,
          "slug": "tcjpiwatani",
          "name": "Hiroshi Iwatani",
          "description": ""
        },
        "categories": [
          {
            "postId": 458940,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 458940,
            "tagId": 6416607,
            "tag": {
              "id": 6416607,
              "slug": "google-cloud",
              "name": "Google Cloud(製品・サービス)",
              "description": ""
            }
          },
          {
            "postId": 458940,
            "tagId": 366272533,
            "tag": {
              "id": 366272533,
              "slug": "natural-language-processing",
              "name": "自然言語処理 / NLP(用語)",
              "description": "自然言語処理に関連する記事一覧"
            }
          },
          {
            "postId": 458940,
            "tagId": 692512590,
            "tag": {
              "id": 692512590,
              "slug": "cohere",
              "name": "Cohere(企業・サービス)",
              "description": "サポートされる側の顧客はソフトウェアのダウンロードや複雑なインストール作業を必要とせず、ウェブサイト上のボタンをクリックするだけで、自身の画面を遠隔操作させることができるようになるソフトウェア、それを開発、提供する企業。"
            }
          }
        ]
      }
    },
    {
      "postId": 458667,
      "categoryId": 366275726,
      "post": {
        "id": 458667,
        "slug": "2021-11-16-catalyzex-grabs-1-64m-seed-to-help-developers-find-right-machine-learning-model",
        "createdAt": "2021-11-18T02:00:04.000Z",
        "updatedAt": "2021-11-18T01:40:29.000Z",
        "title": "開発者が適切な機械学習モデルを見つけられるようにするCatalyzeXが約1.9億円調達",
        "content": "<p>機械学習の利用が爆発的に増えている今日では、モデルの数もたいへん多く、デベロッパーは選択に苦労している。Googleで検索しようとしても、それは機械学習のモデルを検索するために設計された検索エンジンではない。そこで、<a target=\"_blank\" href=\"https://www.catalyzex.com/\" rel=\"noopener\">CatalyzeX</a>が登場した。それは、デベロッパーが抱えるデータにもっとも適したモデルを見つけるのを助けてくれるだけでなく、単純なインターフェースでそのコードへの直接のリンクを提供する。</p>\n<p>このアーリーステージのスタートアップが米国時間11月16日、164万ドル(約1億9000万円)のシードラウンドを発表した。Unshackled Ventures、Kepler Ventures、On Deck、Basecamp Fund、Abstraction Capital、Unpopular Ventures、Darling Venturesそして多くの業界のエンジェルたちが参加している。</p>\n<p>同社の共同創業者である2人の兄弟、Gaurav Ragtah(ガウラヴ・ラグタ)氏とHimanshu Ragtah(ヒマンシュウ・ラグタ)氏は、すでに大量の研究が為されていることを見て、デベロッパーが現在、持っているデータと目的に最もふさわしいモデルを容易に見つけられるためのツールを作ろうと思い立った。</p>\n<p>CEOのガウラヴ・ラグタ氏によると「私たちが作ったプラットフォームは、特定のユースケースに適したさまざまなテクニックと利用可能なモデルをすべて簡単に検索して、ワンクリックでそのコードへジャンプできる。これまでのように『良いテクニックを見つける』ことと、『それを実際に実装しているコードを見つける』ことの間にある苦労を少なくします」という。</p>\n<div id=\"attachment_458673\" style=\"width: 690px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-458673\" loading=\"lazy\" class=\"wp-image-458673 size-large\" src=\"/wp-content/uploads/2021/11/cat1.jpg?w=680\" alt=\"\" width=\"680\" height=\"467\" srcset=\"/wp-content/uploads/2021/11/cat1.jpg 680w, /wp-content/uploads/2021/11/cat1.jpg?resize=300,206 300w, /wp-content/uploads/2021/11/cat1.jpg?resize=582,400 582w, /wp-content/uploads/2021/11/cat1.jpg?resize=100,70 100w, /wp-content/uploads/2021/11/cat1.jpg?resize=400,275 400w, /wp-content/uploads/2021/11/cat1.jpg?resize=524,360 524w, /wp-content/uploads/2021/11/cat1.jpg?resize=220,151 220w, /wp-content/uploads/2021/11/cat1.jpg?resize=250,172 250w, /wp-content/uploads/2021/11/cat1.jpg?resize=182,125 182w, /wp-content/uploads/2021/11/cat1.jpg?resize=125,86 125w, /wp-content/uploads/2021/11/cat1.jpg?resize=87,60 87w, /wp-content/uploads/2021/11/cat1.jpg?resize=534,367 534w, /wp-content/uploads/2021/11/cat1.jpg?resize=50,34 50w\" sizes=\"(max-width: 680px) 100vw, 680px\" /><p id=\"caption-attachment-458673\" class=\"wp-caption-text\">CatalyzeXの検索結果ページ(画像クレジット:CatalyzeX)</p></div>\n<p>目的に応じて最適を発見する、それは、どんなタイプの調査にもいえることだが、若きスタートアップである彼らが機械学習に集中したのは、応用範囲が極めて広いからだ。このようなプラットフォームを構築する経験を通じて彼らは、どのユースケースにはどんなタイプの調査研究が最も適切かを知り、ユーザーにとってもっとも適切なものを自動的に浮かび上がらせる。</p>\n<p>同社の各週のアクティブユーザーは3万ほどだが、ユーザーの研究調査のタイプとそれに適したモデルを正しく精密にマッチングできるためには、いわゆる臨界質量に達することが必要だ、と彼らも知っている。そこで当面彼らは、そのツールに組み込んだ技術、たとえばクローラーとかアグリゲーターなどを利用して、そのプロセスをより活性化している。</p>\n<p><div class=\"aside aside-related-articles\"><h2>関連記事</h2><ul><li><a href=\"/2022/03/31/2022-03-30-google-rolls-out-a-i-improvements-to-aid-with-search-safety-and-personal-crisis-queries/\">グーグルがAIの進化を「個人の危機」の検出と検索結果の安全に役立てる</a></li><li><a href=\"/2022/03/29/2022-03-28-treeswift-is-using-drones-to-monitor-forests/\">ドローンを使って森林をモニタリングするTreeswiftが約5.9億円のシードラウンド調達</a></li><li><a href=\"/2022/03/29/2022-03-23-datagen-raises-50-million-series-b-to-empower-computer-vision-teams/\">コンピュータビジョンチームに合成データを提供するDatagenが約61.7億円のシリーズB資金調達を実施</a></li></ul></div>兄弟は、1940年代後期に英国がインドとパキスタンを分割したときの難民たちのためのニューデリーの地域で生まれ育った。祖父母たちがそこに入植し、最初はテント生活だったがやがて家を建てた。ガウラヴ氏は2009年に奨学金で渡米し、その後、ヒマンシュウ氏も後を追った。2人は米国のテクノロジー企業に就職し、機械学習のプロジェクトで仕事をした。そして、そこで見た調査研究の問題点から、それらを解決するソリューションとしてCatalyzeXを着想した。</p>\n<p>現在、社員は彼ら2人だけだが、そのアイデアが実を結ぶことを期待して人を増やし、ツールを構築していくつもりだ。彼ら自身の出自からして、雇うのはマイノリティの人たちにしたいと考えている。</p>\n<p>「ありとあらゆる背景を抱えた人たちと仲良くしたいといつも努力をしてきましたが、人を雇うという話ならそのための求人求職パイプラインで、多様なバックグラウンドの人びとを見つけるしかありません。ベストの人材を多様なバックグラウンドから見つけられなかったら、それは私たちにとっての不利になります」と彼は言っている。</p>\n<p>同社のウェブサイトからツールにアクセスできる。また、ChromeとFirefox用のブラウザーエクステンションもある。</p>\n<p><small>画像クレジット:Jonathan Kitchen/Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/11/16/catalyzex-grabs-1-64m-seed-to-help-developers-find-right-machine-learning-model/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Ron Mller、翻訳:Hiroshi Iwatani)</p>\n",
        "authorId": 46898863,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/cat0.jpg",
        "author": {
          "id": 46898863,
          "slug": "tcjpiwatani",
          "name": "Hiroshi Iwatani",
          "description": ""
        },
        "categories": [
          {
            "postId": 458667,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 458667,
            "tagId": 14911,
            "tag": {
              "id": 14911,
              "slug": "developer",
              "name": "開発 / 開発者 / デベロッパー(用語)",
              "description": "開発 / 開発者 / デベロッパーに関する記事一覧"
            }
          },
          {
            "postId": 458667,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 458667,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 458667,
            "tagId": 692516145,
            "tag": {
              "id": 692516145,
              "slug": "catalyzex",
              "name": "CatalyzeX(企業)",
              "description": "デベロッパーが抱えるデータにもっとも適した機械学習モデルを見つけるのを助けてくれるだけでなく、単純なインターフェースでそのコードへの直接のリンクを提供する企業。"
            }
          }
        ]
      }
    },
    {
      "postId": 458277,
      "categoryId": 366275726,
      "post": {
        "id": 458277,
        "slug": "ntt-motessense",
        "createdAt": "2021-11-16T03:07:32.000Z",
        "updatedAt": "2021-11-17T10:39:35.000Z",
        "title": "話し方・表情・言葉の内容からモテ因子「魅力的な個性」を見つけるアプリMOTESSENSEをNTTが開発・実証実験を開始",
        "content": "<p><img loading=\"lazy\" class=\"aligncenter size-full wp-image-458278\" src=\"/wp-content/uploads/2021/11/211115aa.jpg\" alt=\"話し方・表情・仕草からモテ因子・魅力的な個性を見つけるアプリ「MOTESSENSE」をNTTが開発・実証実験を開始\" width=\"567\" height=\"319\" srcset=\"/wp-content/uploads/2021/11/211115aa.jpg 567w, /wp-content/uploads/2021/11/211115aa.jpg?resize=300,169 300w, /wp-content/uploads/2021/11/211115aa.jpg?resize=400,225 400w, /wp-content/uploads/2021/11/211115aa.jpg?resize=220,124 220w, /wp-content/uploads/2021/11/211115aa.jpg?resize=281,158 281w, /wp-content/uploads/2021/11/211115aa.jpg?resize=222,125 222w, /wp-content/uploads/2021/11/211115aa.jpg?resize=125,70 125w, /wp-content/uploads/2021/11/211115aa.jpg?resize=107,60 107w, /wp-content/uploads/2021/11/211115aa.jpg?resize=50,28 50w, /wp-content/uploads/2021/11/211115aa.jpg?resize=250,141 250w\" sizes=\"(max-width: 567px) 100vw, 567px\" />NTT(日本電信電話)は11月15日、人の個性をAIで診断し、その人の個性的な魅力を発見するアプリケーション「<a target=\"_blank\" href=\"https://www.rd.ntt/mediagnosis/motessense\" rel=\"noopener\">MOTESSENSE</a>」(モテッセンス)を開発したことを発表した。多様なジャンルの個性的な人たちに使ってもらい、個性の発見に役立つかどうかを検証する実証実験も開始する。</p>\n<p>シチュエーションに応じたロールプレイを行い、その様子をカメラとマイクが記録する。そこから、話し方、表情、仕草、言葉の内容などを総合的にAIで診断することで、「モテ因子」(魅力的な個性に関する因子)を見つけ出すという。魅力は、NTTによれば「見た目や地位などに対して、画一的に定義される」ことがあるが、このアプリケーションは、他人と比較して個性的な点にこそ魅力があると考える。この自動診断には、先日NTTが発表した、音声音響、画像映像、自然言語といったマルチメディアを統合的に扱うことで、人間に近い情報処理機構を実現する次世代メディア処理AI「MediaGnosis」(メディアノーシス)が使われている。</p>\n<p><span class=\"embed-youtube\" style=\"text-align:center; display: block;\"><iframe loading=\"lazy\" class=\"youtube-player\" width=\"640\" height=\"360\" src=\"https://www.youtube.com/embed/xbh75cHQ2ko?version=3&#038;rel=1&#038;showsearch=0&#038;showinfo=1&#038;iv_load_policy=1&#038;fs=1&#038;hl=en-US&#038;autohide=2&#038;wmode=transparent\" allowfullscreen=\"true\" style=\"border:0;\" sandbox=\"allow-scripts allow-same-origin allow-popups allow-presentation\"></iframe></span></p>\n<p><span class=\"embed-youtube\" style=\"text-align:center; display: block;\"><iframe loading=\"lazy\" class=\"youtube-player\" width=\"640\" height=\"360\" src=\"https://www.youtube.com/embed/YOf-qCEHqso?version=3&#038;rel=1&#038;showsearch=0&#038;showinfo=1&#038;iv_load_policy=1&#038;fs=1&#038;hl=en-US&#038;autohide=2&#038;wmode=transparent\" allowfullscreen=\"true\" style=\"border:0;\" sandbox=\"allow-scripts allow-same-origin allow-popups allow-presentation\"></iframe></span></p>\n<p>これは、多様性の尊重が「互いを受け入れ、個性や価値観の違いを受け入れるだけでなく、それらを融合させ、高め合うことで、社会を前進させるための鍵になる」と考えるNTTが、多様性の時代における個人の幸福の形成を目指すものとして開発したものだ。実証実験では、「診断結果について世の中の人に知ってもらうことにより、社会の多様性を再認識してもらう」ことを目指すとNTTでは話している。</p>\n",
        "authorId": 136751393,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/2021-11-16-002-index.jpg",
        "author": {
          "id": 136751393,
          "slug": "tetsuokanai",
          "name": "tetsuokanai",
          "description": ""
        },
        "categories": [
          {
            "postId": 458277,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 458277,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 458277,
            "tagId": 916056,
            "tag": {
              "id": 916056,
              "slug": "ntt",
              "name": "日本電信電話 / NTT(企業)",
              "description": ""
            }
          },
          {
            "postId": 458277,
            "tagId": 692512142,
            "tag": {
              "id": 692512142,
              "slug": "japan",
              "name": "日本(国・地域)",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 457900,
      "categoryId": 366275726,
      "post": {
        "id": 457900,
        "slug": "2021-11-11-ometria-raises-40m-c-round-to-automate-crm-for-retailers",
        "createdAt": "2021-11-13T03:00:08.000Z",
        "updatedAt": "2021-11-13T02:12:49.000Z",
        "title": "AIを活用しブランド・小売業者向けCRMを自動化するOmetriaが約45.5億円調達",
        "content": "<p>2019年にシリーズBで2100万ドル(約23億9000万円)を調達した<a target=\"_blank\" href=\"http://Ometria.com\" rel=\"noopener\">Ometria</a>は、ブランドや小売業者がマーケティングメッセージをパーソナライズできる「AIを活用した」カスタマーマーケティングプラットフォームを提供していた。</p>\n<p><div class=\"aside aside-related-articles\"><h2>関連記事</h2><ul><li><a href=\"/2022/03/28/2022-03-23-scratchpad-adds-deal-alerts-to-help-identify-most-promising-prospects/\">ノイズを排除し営業担当者が最も有望な見込み客に注力できるようにする支援ツールをScratchpadが発表</a></li><li><a href=\"/2022/02/09/micoworks-fundraising/\">LINE起点CRMを構築するマーケティングSaaS「MicoCloud」のMicoworksが12億円調達、新規プロダクト開発注力</a></li><li><a href=\"/2021/11/25/2021-11-24-attio-wants-to-build-the-crm-for-the-airtable-generation/\">新世代チームコラボレーションツールAirtableのようなCRM構築を目指すAttio</a></li></ul></div>今回同社は、InfraVia GrowthがリードするシリーズCのラウンドで4000万ドル(約45億5000万円)を調達した。これには、従来からの投資家であるOctopus VenturesやSonae IM、Summit Action、Adjuvo、Columbia Lake Partners、さらに会長のLance Batchelor(ランス・バチェラー)氏ら初期の投資家も参加した。同社の資金調達額は、これで7500万ドル(約85億4000万円)になる。</p>\n<p>同社によると、特に現在、消費者データの共有のされ方や共有先について、消費者自身がコントロールを握るようになってるため、この資金で同社のプロダクトとエンジニアリングのチームのサイズを今の3倍にするという。</p>\n<p>新しいスタッフも雇用した。新しいチーフテクノロジーオフィサー(CTO)はSizmekのCTOだったMarkus Plattner(マーカス・プラットナー)氏、最高収益責任者は元App Annieの専務取締役Paul Barnes(ポール・バーンズ)氏、マーケティングのトップCMOは元Simon DataでTinycluesのMichelle Schroeder(ミシェル・シュローダー)氏だ。</p>\n<p>OmetriaのCEOで創業者のIvan Mazour(イワン・マズア)氏によると「リテールのマーケターたちはみんな異口同音に個人化の重要性を主張してきましたが、消費者の1人としてインボックスを見るかぎり、マーケティングテクノロジーのベンダーはどこもそれを実現していません。その顧客体験のギャップの原因は、彼らのテクノロジースタックにある。Ometriaは、そのギャップを埋めるために創業されました」という。</p>\n<p>InfraVia CapitalのパートナーであるGuillaume Santamaria(ギヨーム・サンタマリア)氏は「コマースの成功は、優れた顧客体験を作り出してブランドを差別化する能力にかかっています。Ometriaは、それを達成するためのソリューションを提供しています」という。</p>\n<p>Ometriaの主な競合相手は、メールサービスのEmarsysやSailthru、Selligent、Bronto、Dotmailerなど、消費者行動マーケティングツールのCloudIQやSaleCycle、Yieldify、そしてカスタマーインサイトのMore2やAgileOneなどとなる。</p>\n<p>同社の「共同マーケター」プラットフォームは、データサイエンスを利用して個人化されたマーケティング体験を作り最適化する。その主な顧客企業は、Steve Madden、Aden + Anais、Pepe Jeans、MADE.com、Notonthehighstreet.com、Hotel Chocolat、Feeluniqueなどだ。</p>\n<p>さらにマズア氏は「現在、リテールのマーケターたちは、顧客の期待に沿えないという問題を抱えています。100万の人間がいて、30種類のタッチポイントがあると考えると、その多様性が膨大な数であることがわかるでしょう。それはSMSやメールだけではありません。このニーズに応える方法は、人間とマシン / コンピューターインテリジェンスのハイブリッドだけです」と付け加えた。</p>\n<p><small>画像クレジット:Ometria</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/11/11/ometria-raises-40m-c-round-to-automate-crm-for-retailers/\" rel=\"noopener\">原文</a>]</p>\n<p>(文:Mike Butcher、翻訳:Hiroshi Iwatani)</p>\n",
        "authorId": 46898863,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/ome.jpg",
        "author": {
          "id": 46898863,
          "slug": "tcjpiwatani",
          "name": "Hiroshi Iwatani",
          "description": ""
        },
        "categories": [
          {
            "postId": 457900,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 457900,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 457900,
            "tagId": 366273402,
            "tag": {
              "id": 366273402,
              "slug": "personalize",
              "name": "パーソナライズ(用語)",
              "description": "パーソナライズに関する記事一覧"
            }
          },
          {
            "postId": 457900,
            "tagId": 366273912,
            "tag": {
              "id": 366273912,
              "slug": "crm",
              "name": "CRM / 顧客関係管理 / 顧客管理(用語)",
              "description": "Customer Relationship Management。顧客関係管理または顧客関係性マネジメント。"
            }
          },
          {
            "postId": 457900,
            "tagId": 692515886,
            "tag": {
              "id": 692515886,
              "slug": "marketing",
              "name": "マーケティング / MarTech(用語)",
              "description": "マーケティング / MarTechに関する記事一覧"
            }
          },
          {
            "postId": 457900,
            "tagId": 692516076,
            "tag": {
              "id": 692516076,
              "slug": "ometria",
              "name": "Ometria(企業・サービス)",
              "description": "ブランドや小売業者がマーケティングメッセージをパーソナライズできるようにする「AIを活用した」顧客マーケティングプラットフォームを提供する企業。"
            }
          }
        ]
      }
    },
    {
      "postId": 457622,
      "categoryId": 366275726,
      "post": {
        "id": 457622,
        "slug": "2021-11-10-blackshark-ai-digital-twin-of-earth-microsoft-funding",
        "createdAt": "2021-11-12T01:15:04.000Z",
        "updatedAt": "2021-11-12T01:08:39.000Z",
        "title": "地球のデジタルツインを開発する豪Blackshark.aiが約22億円を調達、MSのFlight Simulatorにも採用",
        "content": "<p><a target=\"_blank\" href=\"https://techcrunch.com/2020/08/17/meet-the-startup-that-helped-microsoft-build-the-world-of-flight-simulator/\" rel=\"noopener\">オーストリアのスタートアップ</a>であるBlackshark.ai(ブラックシャーク・エーアイ)は、「Microsoft Flight Simulator」に搭載されている「デジタル地球」を開発した企業だ。同社は、地球のレプリカ技術の開発と拡張のために2000万ドル(約22億円)を調達した。地球の「デジタルツイン」の潜在的な用途は多様で、同社はGoogle(グーグル)のようなマッピング大手より先行している。</p>\n<p><div class=\"aside aside-related-articles\"><h2>関連記事</h2><ul><li><a href=\"/2022/03/15/creating-3d-personal-avatars-with-single-camera/\">NICT、カメラ1台で動作や表情も再現可能な自分のデジタルツイン・3Dアバターを構築する技術「REXR」開発</a></li><li><a href=\"/2022/03/07/automatically-generate-human-digitaltwin/\">東京大学が人体のデジタルツイン作成を完全自動化、ビデオ映像入力から運動解析・筋活動解析・データベース化まで</a></li><li><a href=\"/2022/02/16/datalabs/\">デジタルツインの社会実装を目指すDataLabsが1.3億円のシード調達、点群データの自動3次元モデリングツールを3月末公開</a></li></ul></div>2020年の「Flight Simulator」では(100%ではないにしても)完全に横断可能で、驚くほど正確な地球を世界に見せてくれた。TechCrunchは<a target=\"_blank\" href=\"https://techcrunch.com/2020/07/30/microsofts-new-flight-simulator-is-a-beautiful-work-in-progress/\" rel=\"noopener\">「技術的な驚異」と表現し</a>、それがどうやって作られたのか後に詳細を報じた。</p>\n<p>Blackshark.aiは、ゲームスタジオBongfish(ボンフィッシュ)からスピンアウトした会社で、創業者でCEOのMichael Putz(マイケル・プッツ)氏によると、世界構築技術をゲーム環境以外にも応用することを目指している。Blackshark.aiの技術の基本は、機械学習とちょっとした賢い推測、そして大量のコンピューティングパワーを使って、広く利用可能な2D画像を正確な3Dに変えることだ。</p>\n<p>基本的にBlackshark.aiのシステムは、最適ではない照明や不完全な画像であっても、さまざまな建物が上からどのように見えるかをしっかりと理解する。Blackshark.aiが構築した機械学習システムは、近隣の環境(住宅地と商業地)、屋根の種類(傾斜した屋根と平らな屋根)、空調設備の有無などの要素を考慮して、不完全な輪郭を推定する。これらすべての情報をもとに、建物のもっともらしい3D再現を行う。</p>\n<p>難しいのは、一度だけではなく、定期的に何億回も繰り返して、地球上のすべての建物の最新の3D表現を作成することだ。プッツ氏は次のように説明する。「その作業のためのコンピューティングパワーをすべて購入できたとしても、それを動かすためのバックエンドを構築するのは大変なことです。これは私たちが直面した現実的な問題でした」。</p>\n<p><span class=\"embed-youtube\" style=\"text-align:center; display: block;\"><iframe loading=\"lazy\" class=\"youtube-player\" width=\"640\" height=\"360\" src=\"https://www.youtube.com/embed/Q7DADSF9--0?version=3&#038;rel=1&#038;showsearch=0&#038;showinfo=1&#038;iv_load_policy=1&#038;fs=1&#038;hl=en-US&#038;autohide=2&#038;wmode=transparent\" allowfullscreen=\"true\" style=\"border:0;\" sandbox=\"allow-scripts allow-same-origin allow-popups allow-presentation\"></iframe></span></p>\n<p>プッツ氏らの解決策は、AIを搭載したサービスによく必要とされるように、最適化だった。同氏によると、地球上のすべての建物の3Dモデルを計算するプロセスは、もともと約1カ月の時間を要していたが、今では約3日で済むようになり、約300倍の加速を実現している。</p>\n<p>人工衛星からの新しい画像をもとに定期的に更新できるこのような機能は、Blackshark.aiのビジネス提案にとって非常に重要だとプッツ氏は説明した。GoogleやApple(アップル)の地図に見られるような3D地図データの多くは写真測量をベースにしている。これは、複数の航空写真を組み合わせて、目のように視差データを比較して大きさや奥行きを判断する航空写真で、写真が撮影された時点ではすばらしいデータとなる。</p>\n<p>2年前ではなく先週のシカゴのある一角の様子を3Dマップで表現したい、そしてそのレベルの最新情報をできるだけ多くの地球上の人々に提供したい、と考えた場合、現在では衛星画像しか選択肢がない。しかし、そのためには前述の2Dから3Dへの変換が必要になる。</p>\n<p>パッツ氏は、Blackshark.aiの3DマップとGoogleやAppleの3Dマップは、表面的には似ているが、実際には競合するものではないと指摘する。リアルな「キャンバス」を提供するという点では同じだが、その意図は大きく異なる。</p>\n<p>「Googleマップは、ローカルビジネスのためのキャンバスです。同社とそのユーザーの両方にとって重要なのは、場所、レビュー、道順などです」とパッツ氏は話す。「私たちは、たとえば気候変動のユースケースである洪水についてシアトルの3Dデータを提供していますが、水の物理学や流体シミュレーションを専門とする人たちは、現実世界をキャンバスとして描くことができます。私たちの目標は、検索可能な地球の表面になることです」。</p>\n<div id=\"attachment_457624\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-457624\" loading=\"lazy\" class=\"wp-image-457624 size-large\" src=\"/wp-content/uploads/2021/11/Blackshark2.jpeg?w=1024\" alt=\"\" width=\"1024\" height=\"576\" srcset=\"/wp-content/uploads/2021/11/Blackshark2.jpeg 2048w, /wp-content/uploads/2021/11/Blackshark2.jpeg?resize=300,169 300w, /wp-content/uploads/2021/11/Blackshark2.jpeg?resize=768,432 768w, /wp-content/uploads/2021/11/Blackshark2.jpeg?resize=1024,576 1024w, /wp-content/uploads/2021/11/Blackshark2.jpeg?resize=1536,864 1536w, /wp-content/uploads/2021/11/Blackshark2.jpeg?resize=711,400 711w, /wp-content/uploads/2021/11/Blackshark2.jpeg?resize=400,225 400w, /wp-content/uploads/2021/11/Blackshark2.jpeg?resize=738,415 738w, /wp-content/uploads/2021/11/Blackshark2.jpeg?resize=640,360 640w, /wp-content/uploads/2021/11/Blackshark2.jpeg?resize=220,124 220w, /wp-content/uploads/2021/11/Blackshark2.jpeg?resize=281,158 281w, /wp-content/uploads/2021/11/Blackshark2.jpeg?resize=222,125 222w, /wp-content/uploads/2021/11/Blackshark2.jpeg?resize=125,70 125w, /wp-content/uploads/2021/11/Blackshark2.jpeg?resize=107,60 107w, /wp-content/uploads/2021/11/Blackshark2.jpeg?resize=981,552 981w, /wp-content/uploads/2021/11/Blackshark2.jpeg?resize=600,338 600w, /wp-content/uploads/2021/11/Blackshark2.jpeg?resize=50,28 50w, /wp-content/uploads/2021/11/Blackshark2.jpeg?resize=250,141 250w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-457624\" class=\"wp-caption-text\">画像クレジット:Blackshark.ai</p></div>\n<p>サンディエゴのとある地区で利用できる平らな屋上の総面積はどれくらいか? 4000平方メートルのスペースが空いている地方空港は? 山火事のリスクがあるエリアは、更新された風モデルとどのように重なっているか? このように、活用法を思いつくのは難しいことではない。</p>\n<p>「これは、考えれば考えるほどユースケースが出てくるアイデアの1つです」とプッツ氏は話す。「政府機関、災害救助、スマートシティ、自動車や飛行機などの自律型産業などで応用できます。これらの産業はすべて人工的な環境を必要とします。単に『これをやりたい』ということではなく、必要とされていることでした。そして、この2D-3Dは巨大な問題を解決する唯一の方法なのです」。</p>\n<p>今回の2000万ドルのラウンドは、M12(Microsoftのベンチャーファンド)とPoint72 Venturesがリードした。プッツ氏は、アドバイザーとしておなじみの顔ぶれが参加したことに感激した。Google Earthの共同創業者であるBrian McClendon(ブライアン・マクレンドン)氏、Airbus(エアバス)の元CEOであるDirk Hoke(ダーク・ホーク)氏、Y Combinator(Yコンビネーター)の元COOで現在はApplied Intuition(アプライド・インチュイション)のCEOであるQasar Younis(カサール・ユーニス)氏らだ(これらの人々は助言をしているのであって、取締役会に参加しているわけではない)。</p>\n<p>事業の拡張はプロダクトを作り上げるというより、市場投入のことだ。もちろん、エンジニアや研究者を増やすことは必要だが「賢いスタートアップ」から「3D合成地球の世界的プロバイダー」になることを急がなければ、他の賢いスタートアップに美味しいところを持っていかれるかもしれない。そこで、営業とサポートのチーム、そして「ハイパースケーリング・コンパニオンの残りの部分」も編成する、とプッツ氏は話した。</p>\n<p>同氏が挙げた明白なユースケースの他に、想像できるかと思うが、メタバースアプリケーションの可能性もある。ただし、これはでたらめではなくアイデアだ。ゲームから旅行ガイドまで、おもしろいAR/VR/その他のアプリケーションが、最近レンダリングされた地球のバージョンをベースに、仮想体験をしたいと思えばそれが可能になる。それだけでなく、地球以外の世界も同じ方法で生成することができるため、もしあなたが地球のレイアウトを崩して新しい惑星を作りたいと思ったら(誰がそれを非難できるだろう)、今週中にはそうすることができる。すばらしいことではないか?</p>\n<p>新しい資金が使われるようになれば、地球の表面で行われている複雑なマーケットやプロセスの新世代のより詳細なシミュレーションに「Powered by Blackshark.ai」などと表示されるようになるだろう。</p>\n<p><small>画像クレジット:Blackshark.ai</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/11/10/blackshark-ai-digital-twin-of-earth-microsoft-funding/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Devin Coldewey、翻訳:<a target=\"_blank\" href=\"https://twitter.com/pressnote55\" rel=\"noopener\">Nariko Mizoguchi</a>)</p>\n",
        "authorId": 138115512,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/Blackshark.jpeg",
        "author": {
          "id": 138115512,
          "slug": "nmizoguchi",
          "name": "Nariko Mizoguchi",
          "description": ""
        },
        "categories": [
          {
            "postId": 457622,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 457622,
            "tagId": 434,
            "tag": {
              "id": 434,
              "slug": "earth",
              "name": "地球(用語)",
              "description": "地球に関する記事一覧"
            }
          },
          {
            "postId": 457622,
            "tagId": 2131,
            "tag": {
              "id": 2131,
              "slug": "3d",
              "name": "3D / 3Dモデル(用語)",
              "description": "3D / 3Dモデルに関する記事一覧"
            }
          },
          {
            "postId": 457622,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 457622,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 457622,
            "tagId": 366276375,
            "tag": {
              "id": 366276375,
              "slug": "australia",
              "name": "オーストラリア(国・地域)",
              "description": "オーストラリアに関連する記事一覧"
            }
          },
          {
            "postId": 457622,
            "tagId": 692507344,
            "tag": {
              "id": 692507344,
              "slug": "metaverse",
              "name": "メタバース(用語)",
              "description": "メタバースに関する記事一覧"
            }
          },
          {
            "postId": 457622,
            "tagId": 692508021,
            "tag": {
              "id": 692508021,
              "slug": "digital-twin",
              "name": "デジタルツイン(用語)",
              "description": ""
            }
          },
          {
            "postId": 457622,
            "tagId": 692509419,
            "tag": {
              "id": 692509419,
              "slug": "microsoft-flight-simulator",
              "name": "Microsoft Flight Simulator(製品・サービス)",
              "description": "「Microsoft Flight Simulator」に関する記事一覧"
            }
          },
          {
            "postId": 457622,
            "tagId": 692516051,
            "tag": {
              "id": 692516051,
              "slug": "blackshark-ai",
              "name": "Blackshark.ai(企業)",
              "description": "「Microsoft Flight Simulator」に搭載されているデジタル地球を開発するオーストラリアの企業。"
            }
          }
        ]
      }
    },
    {
      "postId": 457274,
      "categoryId": 366275726,
      "post": {
        "id": 457274,
        "slug": "nvidia-omniverse-avatar",
        "createdAt": "2021-11-10T11:18:18.000Z",
        "updatedAt": "2021-11-11T08:46:45.000Z",
        "title": "NVIDIAが多機能でリアルなAIアバター・AIアシスタントが作れるプラットフォーム「Omniverse Avatar」を発表",
        "content": "<p><img loading=\"lazy\" class=\"aligncenter size-full wp-image-457276\" src=\"/wp-content/uploads/2021/11/main-16.jpg\" alt=\"\" width=\"1024\" height=\"576\" srcset=\"/wp-content/uploads/2021/11/main-16.jpg 1600w, /wp-content/uploads/2021/11/main-16.jpg?resize=300,169 300w, /wp-content/uploads/2021/11/main-16.jpg?resize=768,432 768w, /wp-content/uploads/2021/11/main-16.jpg?resize=1024,576 1024w, /wp-content/uploads/2021/11/main-16.jpg?resize=1536,864 1536w, /wp-content/uploads/2021/11/main-16.jpg?resize=711,400 711w, /wp-content/uploads/2021/11/main-16.jpg?resize=400,225 400w, /wp-content/uploads/2021/11/main-16.jpg?resize=738,415 738w, /wp-content/uploads/2021/11/main-16.jpg?resize=640,360 640w, /wp-content/uploads/2021/11/main-16.jpg?resize=220,124 220w, /wp-content/uploads/2021/11/main-16.jpg?resize=281,158 281w, /wp-content/uploads/2021/11/main-16.jpg?resize=222,125 222w, /wp-content/uploads/2021/11/main-16.jpg?resize=125,70 125w, /wp-content/uploads/2021/11/main-16.jpg?resize=107,60 107w, /wp-content/uploads/2021/11/main-16.jpg?resize=981,552 981w, /wp-content/uploads/2021/11/main-16.jpg?resize=600,338 600w, /wp-content/uploads/2021/11/main-16.jpg?resize=50,28 50w, /wp-content/uploads/2021/11/main-16.jpg?resize=250,141 250w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" />NVIDIAは11月9日、仮想コラボレーションとリアルタイムシミュレーションのためのプラットフォーム「<a target=\"_blank\" href=\"https://www.nvidia.com/ja-jp/omniverse/\" rel=\"noopener\">NVIDIA Omniverse</a>」(オムニバース)上で使えるインタラクティブなAIアバターが作れる機能「<a target=\"_blank\" href=\"https://www.nvidia.com/ja-jp/omniverse/\" rel=\"noopener\">Omniverse Avatar</a>」(アバター)を発表した。</p>\n<p><div class=\"aside aside-related-articles\"><h2>関連記事</h2><ul><li><a href=\"/2022/03/29/2022-03-28-lapsus-passwords-okta-breach/\">ハッカーLapsus$はOkta侵入前にSitelのパスワード一覧にアクセスしていた</a></li><li><a href=\"/2022/03/25/2022-03-23-nvidias-clara-holoscan-mgx-means-to-bring-high-powered-ai-to-the-doctors-office/\">NVIDIAが高性能AIを医療の現場にもたらす、AI搭載の医療機器開発プラットフォーム「Clara Holoscan MGX」を発表</a></li><li><a href=\"/2022/03/24/2022-03-22-byd-lucid-are-latest-ev-makers-to-adopt-nvidias-self-driving-toolkit/\">BYDとLucidがNVIDIAの自動運転プラットフォームを採用する最新のEVメーカーに</a></li></ul></div>Omniverse Avatarは、単にインタラクティブに動かせるレンダリングされた3Dキャラクターを作るだけではなく、音声、AI、自然言語理解、レコメンデーションエンジン、シミュレーションといったNVIDIAのテクノロジーが駆使され、見たり、聞いたり、多言語で話したりができるAIアシスタントとして機能する。NVIDIAの創業者でCEOのジェンスン・フアン氏はこれを、「インテリジェントな仮想アシスタントの夜明け」と称している。</p>\n<p>NVIDIA Omniverseの新機能として追加された「Omniverse Avatar」には、次の要素が盛り込まれている。</p>\n<ul>\n<li><strong>音声認識</strong>:複数言語の音声を認識するソフトウェア開発キット「<a target=\"_blank\" href=\"https://developer.nvidia.com/riva\" rel=\"noopener\">NVIDIA Riva</a>」をベースに会話の応対を行う</li>\n<li><strong>自然言語理解</strong>:「<a target=\"_blank\" href=\"https://developer.nvidia.com/blog/using-deepspeed-and-megatron-to-train-megatron-turing-nlg-530b-the-worlds-largest-and-most-powerful-generative-language-model/\" rel=\"noopener\">NVIDIA Megatron 530B</a>大規模言語モデル(Large Language Model)」をベースに、複雑な文書の作成、幅広い分野の質問への回答、長いストーリーの要約、他言語への翻訳などを行う</li>\n<li><strong>レコメンデーション エンジン</strong>:大量のデータを処理し、賢明な提案を行うことを可能にするディープラーニング レコメンデーション システムを構築するためのフレームワーク「<a target=\"_blank\" href=\"https://developer.nvidia.com/nvidia-merlin\" rel=\"noopener\">NVIDIA Merlin</a>」を利用</li>\n<li><strong>認知機能</strong>:ビデオ分析用のコンピュータービジョン・フレームワーク「<a target=\"_blank\" href=\"&lt;/a&gt;\" rel=\"noopener\">NVIDIA Metropolis</a>」を活用</li>\n<li><strong>アバターのアニメーション</strong>:2Dおよび3DのAIによるフェイシャルアニメーションとレンダリングの技術「NVIDIA Video2Face」と「<a target=\"_blank\" href=\"https://www.nvidia.com/en-us/omniverse/apps/audio2face/\" rel=\"noopener\">NVIDIA Audio2Face</a>」を使用</li>\n<li>これらの技術がアプリケーションに組み込まれ、「<a target=\"_blank\" href=\"https://developer.nvidia.com/ucf\" rel=\"noopener\">NVIDIA Unified Compute Framework</a>」を使ってリアルタイムで処理される</li>\n</ul>\n<p>フアン氏のアバターを使ったデモでは、同僚とのリアルタイムの会話が披露され、生物学や気象科学などの話題について語った。また、別のデモでは、レストランの2人の客にカスタマーサービス担当アバターが対応し、ベジタブルバーガーとフライドポテトと飲み物の注文を受けることができた。さらに、騒々しいカフェでビデオ通話をする女性の音声を正確に聞き取り、その言葉をリアルタイムで書き写し、その女性と同じ声とイントネーションで、ドイツ語、フランス語、スペイン語に翻訳して見せたとのことだ。</p>\n<p><span class=\"embed-youtube\" style=\"text-align:center; display: block;\"><iframe loading=\"lazy\" class=\"youtube-player\" width=\"640\" height=\"360\" src=\"https://www.youtube.com/embed/U9Zh57dGsH4?version=3&#038;rel=1&#038;showsearch=0&#038;showinfo=1&#038;iv_load_policy=1&#038;fs=1&#038;hl=en-US&#038;autohide=2&#038;wmode=transparent\" allowfullscreen=\"true\" style=\"border:0;\" sandbox=\"allow-scripts allow-same-origin allow-popups allow-presentation\"></iframe></span></p>\n<p><span class=\"embed-youtube\" style=\"text-align:center; display: block;\"><iframe loading=\"lazy\" class=\"youtube-player\" width=\"640\" height=\"360\" src=\"https://www.youtube.com/embed/jhDiaUL_RaM?version=3&#038;rel=1&#038;showsearch=0&#038;showinfo=1&#038;iv_load_policy=1&#038;fs=1&#038;hl=en-US&#038;autohide=2&#038;wmode=transparent\" allowfullscreen=\"true\" style=\"border:0;\" sandbox=\"allow-scripts allow-same-origin allow-popups allow-presentation\"></iframe></span></p>\n",
        "authorId": 136751393,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/2021-11-10-001-index.jpg",
        "author": {
          "id": 136751393,
          "slug": "tetsuokanai",
          "name": "tetsuokanai",
          "description": ""
        },
        "categories": [
          {
            "postId": 457274,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 457274,
            "tagId": 14911,
            "tag": {
              "id": 14911,
              "slug": "developer",
              "name": "開発 / 開発者 / デベロッパー(用語)",
              "description": "開発 / 開発者 / デベロッパーに関する記事一覧"
            }
          },
          {
            "postId": 457274,
            "tagId": 35186,
            "tag": {
              "id": 35186,
              "slug": "nvidia",
              "name": "NVIDIA(企業)",
              "description": "デスクトップパソコンやノートパソコン向けのGPU「GeForce」シリーズなどのGPUを開発、販売する米国の半導体メーカー。"
            }
          },
          {
            "postId": 457274,
            "tagId": 57504,
            "tag": {
              "id": 57504,
              "slug": "voice-recognition",
              "name": "音声認識 / Voice Recognition(用語)",
              "description": "人間の声などをコンピュータに認識させて、言葉を文字列に変換したり、発声している人を識別する技術。\r\n"
            }
          },
          {
            "postId": 457274,
            "tagId": 87088,
            "tag": {
              "id": 87088,
              "slug": "recommendation",
              "name": "レコメンデーション / おすすめ(用語)",
              "description": "レコメンデーション / おすすめに関する記事一覧"
            }
          },
          {
            "postId": 457274,
            "tagId": 126376,
            "tag": {
              "id": 126376,
              "slug": "avatar",
              "name": "アバター(用語)",
              "description": "アバターに関する記事一覧"
            }
          },
          {
            "postId": 457274,
            "tagId": 366272174,
            "tag": {
              "id": 366272174,
              "slug": "deeplearning",
              "name": "ディープラーニング / 深層学習(用語)",
              "description": "ディープラーニングに関連する記事一覧"
            }
          },
          {
            "postId": 457274,
            "tagId": 366272533,
            "tag": {
              "id": 366272533,
              "slug": "natural-language-processing",
              "name": "自然言語処理 / NLP(用語)",
              "description": "自然言語処理に関連する記事一覧"
            }
          },
          {
            "postId": 457274,
            "tagId": 366275148,
            "tag": {
              "id": 366275148,
              "slug": "%e5%8b%95%e7%94%bb%e5%88%86%e6%9e%90",
              "name": "動画分析",
              "description": ""
            }
          },
          {
            "postId": 457274,
            "tagId": 366280321,
            "tag": {
              "id": 366280321,
              "slug": "smart-assistant",
              "name": "スマートアシスタント(用語)",
              "description": "スマートアシスタントに関する記事一覧"
            }
          }
        ]
      }
    },
    {
      "postId": 457292,
      "categoryId": 366275726,
      "post": {
        "id": 457292,
        "slug": "2021-09-24-ai-tradeoffs-balancing-powerful-models-and-potential-biases",
        "createdAt": "2021-11-10T09:45:22.000Z",
        "updatedAt": "2021-11-10T09:34:02.000Z",
        "title": "【コラム】AIのトレードオフ:強力なパワーと危険な潜在的バイアスのバランス",
        "content": "<p>新たなAIツールのリリースが続く現在、有害なバイアスが存続するリスクがますます高まっている。特に、今までAIアルゴリズムのトレーニングに使用されてきた社会的・文化的規範の多くが改めて認識された<a target=\"_blank\" href=\"/2020/08/04/2020-08-02-ai-is-struggling-to-adjust-to-2020/\" rel=\"noopener\">2020年</a>以降、このリスクは増大し続けると考えられる。</p>\n<p>膨大な量のトレーニングデータを元に本質的に強力な基本モデルがいくつか開発されているが、有害なバイアスのリスクは残存している。私たちはこの事実を認識する必要がある。</p>\n<p>認識すること自体は簡単だろう。理解すること、そして将来のリスクを軽減することははるかに困難だ。AIモデルの開発にともなうリスクをより正しく理解するためには、まずバイアスの根源を確実に知る必要がある。</p>\n<h2>バイアスの隠された原因</h2>\n<p>現在のAIモデルは、事前に学習されたオープンソースであることが多く、研究者や企業はAIをすばやく導入し、個々のニーズに合わせて調整することができる。</p>\n<p>このアプローチではAIを商業的に利用しやすくなるが、真の弱点もここにある。つまり、業界や地域を問わず、AIアプリケーションの大半が一握りのモデルに支えられているのだ。これらのAIモデルは、検出されていないバイアス、あるいは未知のバイアスから逃れられず、これらのモデルを自分のアプリケーションに適応させることは、脆弱な基盤の上で作業することを意味する。</p>\n<p>スタンフォード大学のCenter for Research on Foundation Models(CRFM)が最近行った<a target=\"_blank\" href=\"https://arxiv.org/pdf/2108.07258.pdf\" rel=\"noopener\">研究</a>によると、これらの基本モデルやその基礎となるデータに偏りがあると、それが使用されるアプリケーションにも引き継がれ、増幅される可能性があるという。</p>\n<p>例えばYFCC100MはFlickrで公開されているデータセットで、一般的にモデルの学習に利用される。このデータセットの人物画像を見ると、全世界(であるはず)の画像が<a target=\"_blank\" href=\"http://projects.dfki.uni-kl.de/yfcc100m/browse?q=person&amp;adj=&amp;m=b\" rel=\"noopener\">米国に大きく偏っていて</a>、他の地域や文化の人々の画像が不足していることがわかる。</p>\n<p>このように学習データに偏りがあると、AIモデルの出力に、白人や欧米の文化に偏るといった過小評価や過大評価のバイアスがかかる。複数のデータセットを組み合わせて大規模なトレーニングデータを作成すると、透明性が損なわれ、人や地域、文化がバランス良く混在しているかどうかを知ることがますます困難になる。結果として重大なバイアスが含まれたAIモデルが開発されてしまうのは当然と言えるだろう。</p>\n<p>さらに、基本となるAIモデルが公開されても、通常、そのモデルの限界に関する情報はほとんど提供されない。潜在的な問題の検出はエンドユーザーによるテストに委ねられているが、このステップは往々にして見過ごされる。透明性と特定のデータセットの完全な理解がなければ、女性や子ども、発展途上国の出力結果が偏るといったAIモデルの限界を検出することは困難だ。</p>\n<p>Getty Images(ゲッティイメージズ)では、さまざまなレベルの能力を持つ人、性的流動性、健康状態など、実存して生活している人物の画像を含む一連のテストで、コンピュータビジョンモデルにバイアスが存在するかどうかを評価している。すべてのバイアスを検出することはできないが、包括的な世界を表現することの重要性を認識し、存在する可能性のあるバイアスを理解し、可能な限りそれに立ち向かうことが重要だと考えている。</p>\n<h2>メタデータを活用してバイアスを軽減する</h2>\n<p>具体的にはどうすれば良いのだろうか?Getty ImagesでAIを使用する際は、まずトレーニング用データセットに含まれる人物の年齢、性別、民族などの内訳を確認することから始める。</p>\n<p>幸いなことに、Getty Imagesがライセンスを供与するクリエイティブコンテンツでは、モデルリリース(写真の被写体による当該写真を公表することへの許諾)を要求しているので、この確認が可能である。そして、写真のメタデータ(データを記述する一連のデータ、データに関するデータ)に自己識別情報を含めることで、Getty ImagesのAIチームは何百万枚、何千万枚もの画像を自動的に検索し、データの偏りを迅速に特定できる。オープンソースのデータセットは、メタデータの不足によって制約を受けることが多い。複数のソースのデータセットを組み合わせてより大きなデータセットを作ろうとすると、メタデータの不足という問題はさらに悪化する。</p>\n<p>しかしながら、現実としては、すべてのAIチームが膨大なメタデータにアクセスできるわけではないし、Getty Imagesも完璧ではない。より強力なモデルを構築するためにトレーニングデータセットを大きくすればするほど、そのデータに含まれる歪みやバイアスの理解は犠牲になってしまう、という本質的なトレードオフが存在するのだ。</p>\n<p>世界中の産業や人々がデータに依存している現在、AI業界はこのトレードオフを克服する方法を見つける必要がある。鍵となるのは、データを中心としたAIモデルをもっと注視していくことであり、<a target=\"_blank\" href=\"https://eval.how/dcai2021/index.html\" rel=\"noopener\">その動きは徐々に活発になっている</a>。</p>\n<h2>私たちができること</h2>\n<p>AIのバイアスに対処するのは簡単ではなく、今後数年間はテクノロジー業界全体で協力していく必要があるが、小さいながらも確実な変化をもたらすために、実務者が今からできる予防的な対策がある。</p>\n<p>例えば基本となるモデルを公表する際には、その基礎となったトレーニングデータを記述した<a target=\"_blank\" href=\"https://arxiv.org/pdf/1803.09010.pdf\" rel=\"noopener\">データシート</a>を公開し、データセットに何が含まれているかの記述統計(データの特徴を表す数値)を提供することが考えられる。そうすれば、ユーザーはモデルの長所と短所を把握することが可能で、情報に基づいた意思決定を行えるようになる。このインパクトは非常に大きいはずだ。</p>\n<p>前述の基本モデルに関するCRFMの<a target=\"_blank\" href=\"https://arxiv.org/pdf/2108.07258.pdf\" rel=\"noopener\">研究</a>では「十分なドキュメンテーションを提供するための、コストがかかり過ぎず、入手が困難ではない適切な統計情報は何か?」という問題が提起されている。ビジュアルデータでいえば、メタデータとして年齢、性別、人種、宗教、地域、能力、性的指向、健康状態などの分布が提供されれば理想的だが、複数のソースから構成された大規模なデータセットでは、コストがかかり過ぎ、入手も困難である。</p>\n<p><div class=\"aside aside-related-articles\"><h2>関連記事</h2><ul><li><a href=\"/2022/03/08/2022-03-04-in-the-metaverse-responsible-ai-must-be-a-priority/\">【コラム】メタバースで優先されるべき課題は「責任あるAI」</a></li><li><a href=\"/2022/03/02/2022-02-01-vc-backed-dao-startups-are-racing-to-define-what-daos-actually-are/\">【コラム】すべての自律分散型組織が「自律的」あるいは「分散型」というわけではない</a></li><li><a href=\"/2022/03/02/2022-03-01-elon-musk-and-tesla-need-a-tim-cook/\">【コラム】イーロン・マスクとテスラには「ティム・クック」が必要、今こそ「大人」が跡を継ぐときだ</a></li></ul></div>これを補完するアプローチとして、基本モデルの既知のバイアスや一般的な制約をまとめたリストにアクセスできるようにする。簡単にアクセスできるバイアステストのデータベースを開発し、そのモデルを使用するAI研究者に定期的にアクセスしてもらうこともできるだろう。</p>\n<p>この例としては、Twitter(ツイッター)は先ごろ、AIのエキスパートにアルゴリズムのバイアスを検出してもらうという<a target=\"_blank\" href=\"https://www.zdnet.com/article/could-bug-bounties-help-find-biased-algorithms-this-competition-put-the-idea-to-the-test/\" rel=\"noopener\">コンペ</a>を開催した。繰り返しになるが、認識と自覚はバイアスを緩和するための鍵である。このコンテストのような取り組みが、あらゆる場面でもっと必要だ。このようなクラウドソーシングを定期的に実践すれば、個々の実務者の負担も軽減することができる。</p>\n<p>まだ答えがすべて出ているわけではないが、より強力なモデルを構築していくためには、業界として、使用しているデータをしっかりと見直す必要がある。強力なモデルではバイアスが増幅されるから、モデル構築の際に自分が果たすべき役割を受け入れなければならない。特に、AIシステムが実際の人間を表現したり、人間と対話したりするために使用される場合は、使用しているトレーニングデータをより深く理解する方法を模索することが重要だ。</p>\n<p>このように発想を転換すれば、どのような規模でもどのような業種でも、歪みをすばやく検出し、開発段階で対策を講じてバイアスを緩和することが可能だ。</p>\n<p>編集部注:本稿の執筆者<a target=\"_blank\" href=\"https://twitter.com/donotclassify\" rel=\"noopener\">Andrea Gagliano</a>(アンドレア・ガリアーノ)氏は、<a target=\"_blank\" href=\"https://www.gettyimages.com/\" rel=\"noopener\">Getty Images</a>のデータサイエンス部門の責任者。</p>\n<p><small>画像クレジット:<a target=\"_blank\" href=\"https://www.gettyimages.com/search/photographer?family=creative&amp;photographer=Hiroshi+Watanabe\" rel=\"noopener\">Hiroshi Watanabe</a> / Getty Images</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/09/24/ai-tradeoffs-balancing-powerful-models-and-potential-biases/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Andrea Gagliano、翻訳:Dragonfly)</p>\n",
        "authorId": 176261049,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/GettyImages-1282056852.jpg",
        "author": {
          "id": 176261049,
          "slug": "katsuyukiyasui",
          "name": "katsuyukiyasui",
          "description": ""
        },
        "categories": [
          {
            "postId": 457292,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 457292,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 457292,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 457292,
            "tagId": 366273907,
            "tag": {
              "id": 366273907,
              "slug": "column",
              "name": "コラム(用語)",
              "description": "コラム記事一覧"
            }
          },
          {
            "postId": 457292,
            "tagId": 366275439,
            "tag": {
              "id": 366275439,
              "slug": "bias",
              "name": "バイアス(用語)",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 456987,
      "categoryId": 366275726,
      "post": {
        "id": 456987,
        "slug": "2021-11-08-landing-ai-machine-learning-operations-tools",
        "createdAt": "2021-11-09T01:15:33.000Z",
        "updatedAt": "2021-11-09T00:47:41.000Z",
        "title": "Landing AIがデータセントリックMLOpsツールで次世代AIを実現するため約64.5億円の資金を確保",
        "content": "<p><a target=\"_blank\" href=\"https://landing.ai/\" rel=\"noopener\">Landing AI</a>(ランディングAI)は、主力製品の発売からわずか1年余りで、製造業者がより簡単かつ迅速に人工知能システムを構築・導入できるツールの開発を続けるために、5700万ドル(約64億5000万円)のシリーズA資金を獲得した。</p>\n<p><div class=\"aside aside-related-articles\"><h2>関連記事</h2><ul><li><a href=\"/2021/11/25/2021-11-22-neu-ro-announces-zero-emissions-model-building-solution/\">北極圏にデータセンターを構えて実質無料で冷却、Neu.roはゼロエミッションの機械学習モデル構築ソリューションを発表</a></li><li><a href=\"/2021/11/22/2021-11-20-get-used-to-hearing-about-machine-learnings-operations-mlops-startups/\">機械学習運用基盤(MLOps)スタートアップの話をよく聞くようになってきた</a></li><li><a href=\"/2021/11/21/2021-11-18-mlops-startup-comet-nabs-50m-series-b-just-six-months-after-raising-its-a/\">企業の機械学習利用の空隙を満たすMLOpsのスタートアップCometが約57億円調達</a></li></ul></div>元GoogleとBaiduのAI第1人者であるAndrew Ng(アンドリュー・ン)氏が立ち上げた同社は、AIとディープラーニングを応用して製品の欠陥をより迅速かつ正確に見つけることができる目視検査ツール<a target=\"_blank\" href=\"https://techcrunch.com/2020/10/21/landing-ai-launches-new-visual-inspection-platform-for-manufacturers/\" rel=\"noopener\">「LandingLens」を開発</a>した。</p>\n<p>ン氏は、産業界はAIの構築にデータセントリック(=データ中心)アプローチを採用すべきだと述べている。これは、メーカーがAIモデルに何をすべきかを教えるためのより効率的な方法を提供するもので、マウスを数回クリックするだけで高度なAIモデルを1日足らずで構築できるノーコード / ローコード機能を備えている。</p>\n<p>「我々はデータセントリックAIのムーブメントをキックオフし、他の企業がそれを話題にし始めたことを非常に喜ばしく思っています」。と同氏はTechCrunchに語った。「製造業では、工場ごとに異なることをしているので、多くのマンパワーを雇うことなく、1万社のメーカーが1万種類のモデルを作るのをいかに支援するかが問題になります」。</p>\n<div id=\"attachment_456989\" style=\"width: 1034px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-456989\" loading=\"lazy\" class=\"wp-image-456989 size-large\" src=\"/wp-content/uploads/2021/11/image001.jpeg?w=1024\" alt=\"\" width=\"1024\" height=\"682\" srcset=\"/wp-content/uploads/2021/11/image001.jpeg 1280w, /wp-content/uploads/2021/11/image001.jpeg?resize=300,200 300w, /wp-content/uploads/2021/11/image001.jpeg?resize=768,512 768w, /wp-content/uploads/2021/11/image001.jpeg?resize=1024,682 1024w, /wp-content/uploads/2021/11/image001.jpeg?resize=600,400 600w, /wp-content/uploads/2021/11/image001.jpeg?resize=400,267 400w, /wp-content/uploads/2021/11/image001.jpeg?resize=738,492 738w, /wp-content/uploads/2021/11/image001.jpeg?resize=540,360 540w, /wp-content/uploads/2021/11/image001.jpeg?resize=220,147 220w, /wp-content/uploads/2021/11/image001.jpeg?resize=258,172 258w, /wp-content/uploads/2021/11/image001.jpeg?resize=188,125 188w, /wp-content/uploads/2021/11/image001.jpeg?resize=125,83 125w, /wp-content/uploads/2021/11/image001.jpeg?resize=90,60 90w, /wp-content/uploads/2021/11/image001.jpeg?resize=828,552 828w, /wp-content/uploads/2021/11/image001.jpeg?resize=551,367 551w, /wp-content/uploads/2021/11/image001.jpeg?resize=50,33 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><p id=\"caption-attachment-456989\" class=\"wp-caption-text\">創業者兼CEOのアンドリュー・ン氏(画像クレジット:Landing AI)</p></div>\n<p><a target=\"_blank\" href=\"https://internetofbusiness.com/a-i-2030-13-trillion-boost-to-economy-but-deep-disparity-mckinsey/#:~:text=Artificial%20intelligence%20(AI)%20could,from%20management%20consulting%20firm%2C%20McKinsey.\" rel=\"noopener\">マッキンゼーの調査</a>によると、AIは2030年までに世界の経済に13兆ドル(約1470兆円)の実現価値を生み出すと予想されている。ン氏は、さまざまなAIモデルを構築することが依然として困難であるため、まだその多くが実現されていないと語る。</p>\n<p>同氏は、Landing AIがこれらのモデルを構築するためのコードを解明したと考えており、製品のマーケットフィットを確認し、製品をより良くするためにチームを拡張できるようにしたいと考え、シリーズAラウンドを調達した。</p>\n<p>インダストリアルIoT(IIoT)に特化した投資会社であるMcRock Capitalがこのラウンドを主導し、Insight Partners、Taiwania Capital、Canadian Pension Plan Investment Board(CPP Investments)、Intel Capital、Samsung Catalyst Fund、Far Eastern GroupのDRIVE Catalyst、Walsin Lihwa、AI Fundが参加した。</p>\n<p>Landing AIは製品の構築に向けて前進しているが、ン氏は、同社がデータセントリックAIムーブメントの初期段階にあることから、さらなる進歩を遂げ、まだ不足している技術を革新していきたいと述べている。</p>\n<p>例えば、以前、3億5千万のデータポイントを持つ音声認識システムを構築した際、それだけ多くのデータポイントのために発明されたAI技術は、欠陥を見つけるための画像が限られている製造現場ではうまく機能しないことがわかったという。データセントリックな動きの一環として、50枚以下の画像を活用して、何が欠陥なのかを明確に示すことで、ドメインエキスパートを支援するツールを開発している。</p>\n<p>ン氏は次のように述べている。「当社はこれが機能する段階に達しており、すべてをスケールアップしたいと考えています。どうやってレシピを解読してAIを他の業界に持っていくか、何年も前から関心を持ってきましたが、データセントリックAIでようやくそれが実現しつつあります」。</p>\n<p><small>画像クレジット:Landing AI</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/11/08/landing-ai-machine-learning-operations-tools/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Christine Hall、翻訳:Aya Nakazato)</p>\n",
        "authorId": 176261049,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/image002.png",
        "author": {
          "id": 176261049,
          "slug": "katsuyukiyasui",
          "name": "katsuyukiyasui",
          "description": ""
        },
        "categories": [
          {
            "postId": 456987,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 456987,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 456987,
            "tagId": 366272257,
            "tag": {
              "id": 366272257,
              "slug": "fundraising",
              "name": "資金調達(用語)",
              "description": "国内外スタートアップの資金調達に関する最新ニュース"
            }
          },
          {
            "postId": 456987,
            "tagId": 692509750,
            "tag": {
              "id": 692509750,
              "slug": "no-code",
              "name": "ノーコード(用語)",
              "description": "ノーコード開発に関連する記事一覧"
            }
          },
          {
            "postId": 456987,
            "tagId": 692512903,
            "tag": {
              "id": 692512903,
              "slug": "mlops",
              "name": "MLOps(用語)",
              "description": "Machine Learning Operations。MLOpsに関する記事一覧。MLOpsは、機械学習用のDevOpsといった意味合いで、「機械学習」(ML。Machine Learning)とソフトウェア分野における継続的な開発手法「DevOps」を組み合わせた造語。\r\n"
            }
          },
          {
            "postId": 456987,
            "tagId": 692516007,
            "tag": {
              "id": 692516007,
              "slug": "landing-ai",
              "name": "Landing AI(企業)",
              "description": "AIとディープラーニングを応用して製品の欠陥をより迅速かつ正確に見つけることができる目視検査ツール「LandingLens」を開発する企業。"
            }
          }
        ]
      }
    },
    {
      "postId": 456590,
      "categoryId": 366275726,
      "post": {
        "id": 456590,
        "slug": "skydisc-toyota-kyushu",
        "createdAt": "2021-11-05T10:17:53.000Z",
        "updatedAt": "2021-12-23T07:44:01.000Z",
        "title": "スカイディスクとトヨタ自動車九州、品質検査で「音」を聞き分けるAI異音検査システムを共同開発し本稼働開始",
        "content": "<p><img loading=\"lazy\" class=\"aligncenter size-full wp-image-456592\" src=\"/wp-content/uploads/2021/11/2021-11-05-007-001.jpg\" alt=\"スカイディスクとトヨタ自動車九州、品質検査で「音」を聞き分けるAI異音検査システムを共同開発し本稼働開始\" width=\"1024\" height=\"768\" srcset=\"/wp-content/uploads/2021/11/2021-11-05-007-001.jpg 3264w, /wp-content/uploads/2021/11/2021-11-05-007-001.jpg?resize=300,225 300w, /wp-content/uploads/2021/11/2021-11-05-007-001.jpg?resize=768,576 768w, /wp-content/uploads/2021/11/2021-11-05-007-001.jpg?resize=1024,768 1024w, /wp-content/uploads/2021/11/2021-11-05-007-001.jpg?resize=1536,1152 1536w, /wp-content/uploads/2021/11/2021-11-05-007-001.jpg?resize=2048,1536 2048w, /wp-content/uploads/2021/11/2021-11-05-007-001.jpg?resize=533,400 533w, /wp-content/uploads/2021/11/2021-11-05-007-001.jpg?resize=400,300 400w, /wp-content/uploads/2021/11/2021-11-05-007-001.jpg?resize=738,554 738w, /wp-content/uploads/2021/11/2021-11-05-007-001.jpg?resize=210,158 210w, /wp-content/uploads/2021/11/2021-11-05-007-001.jpg?resize=220,165 220w, /wp-content/uploads/2021/11/2021-11-05-007-001.jpg?resize=480,360 480w, /wp-content/uploads/2021/11/2021-11-05-007-001.jpg?resize=80,60 80w, /wp-content/uploads/2021/11/2021-11-05-007-001.jpg?resize=229,172 229w, /wp-content/uploads/2021/11/2021-11-05-007-001.jpg?resize=167,125 167w, /wp-content/uploads/2021/11/2021-11-05-007-001.jpg?resize=125,94 125w, /wp-content/uploads/2021/11/2021-11-05-007-001.jpg?resize=736,552 736w, /wp-content/uploads/2021/11/2021-11-05-007-001.jpg?resize=489,367 489w, /wp-content/uploads/2021/11/2021-11-05-007-001.jpg?resize=50,38 50w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" /><a target=\"_blank\" href=\"https://skydisc.jp/\" rel=\"noopener\">スカイディスク</a>と<a target=\"_blank\" href=\"https://www.toyota-kyushu.com/\" rel=\"noopener\">トヨタ自動車九州</a>は11月4日、レクサスを生産するトヨタ九州宮田工場の検査ラインにおいてAIを活用した異音検査システムを2021年8月から導入し、本稼働を開始したと発表した。異音検査のAI活用は、設備保全分野で多数の事例があるものの、品質検査分野での実装は国内初という(2021年10月までに公開された実証実験を除く、AI実装の事例対象。スカイディスク調べ)。</p>\n<p>レクサス完成車の検査項目の1つに、走行中に車内で異音がしないか最終確認する「車内異音検査」があり、この車内異音の検査工程にAI異音検査システムを導入した。今後は、今回の実績を基に宮田工場内の別の検査ラインへの導入を検討する。</p>\n<p>トヨタ九州宮田工場は、レクサス製造拠点として各工程に熟練工を配し、世界トップレベルの品質を守り続けているという。ただ、出荷前の検査項目である異音検査は、検査員の聴覚で「音」を聞き分ける官能検査であるため、個人の聴力に影響を受けやすい工程となっていた。また将来予想される検査員の高齢化による聴力の衰えや個人差に対応するため、2018年1月からAI化の検討を開始したという。</p>\n<p>スカイディスクが開発した音に特化したAI分析ソリューションは、検査走行中の車内の音データを人の聴覚特性に基づいて分類し、抽出された約1万個以上の特徴量から異音を判定するAIモデルを作成するというもの。今回の取り組みでは、スカイディスクとトヨタ九州が、AI分析ソリューションをレクサス製造ラインに合わせてカスタマイズし、AI異音検査システムを共同開発した。</p>\n<h2>システム概要と導入ステップ</h2>\n<p>スカイディスクのAI分析ソリューションでは、対象の音に合わせたマイク選定が重要という。そこで今回は、新たに車内異音用に集音マイクを選定し、異音検査における音データをデータベース化した。データに基づいた安定した検査品質の実現のため、熟練検査員の経験や判断をAIに学習させて、検査精度を高めたそうだ。</p>\n<p>2018年4月から、実際の工程でAI異音検査システムの検証を開始。実運用に向けて繰り返し精度向上に取り組むとともに、システム構築を含めた最終調整を実施した。検査精度が安定的に確保できたことから、2021年8月に本稼働を開始した。</p>\n<p>両社は、このAI異音検査システムの開発・導入により、検査員の聴覚に依存していた検査工程の属人化解消・品質安定化を実現したとしている。また、検査作業者の耳の負担や凹凸のある検査路面を運転する際の身体的負担も低減できたそうだ。高い検査品質が求められる最終検査工程かつ、特に人の身体能力に依存し標準化が困難だった異音検査で導入できた実績を基に、今後は他の検査工程への展開も検討するそうだ。<img loading=\"lazy\" class=\"aligncenter size-full wp-image-456593\" src=\"/wp-content/uploads/2021/11/sub1-3.jpg\" alt=\"スカイディスクとトヨタ自動車九州、品質検査で「音」を聞き分けるAI異音検査システムを共同開発し本稼働開始\" width=\"765\" height=\"406\" srcset=\"/wp-content/uploads/2021/11/sub1-3.jpg 765w, /wp-content/uploads/2021/11/sub1-3.jpg?resize=300,159 300w, /wp-content/uploads/2021/11/sub1-3.jpg?resize=754,400 754w, /wp-content/uploads/2021/11/sub1-3.jpg?resize=400,212 400w, /wp-content/uploads/2021/11/sub1-3.jpg?resize=738,392 738w, /wp-content/uploads/2021/11/sub1-3.jpg?resize=640,340 640w, /wp-content/uploads/2021/11/sub1-3.jpg?resize=220,117 220w, /wp-content/uploads/2021/11/sub1-3.jpg?resize=281,149 281w, /wp-content/uploads/2021/11/sub1-3.jpg?resize=236,125 236w, /wp-content/uploads/2021/11/sub1-3.jpg?resize=125,66 125w, /wp-content/uploads/2021/11/sub1-3.jpg?resize=113,60 113w, /wp-content/uploads/2021/11/sub1-3.jpg?resize=600,318 600w, /wp-content/uploads/2021/11/sub1-3.jpg?resize=50,27 50w\" sizes=\"(max-width: 765px) 100vw, 765px\" /></p>\n<p>一般に、官能検査による検査工程は、熟練検査員の経験により不良原因まで推測されるなど、品質管理の向上に寄与してきた歴史があり、検査員が音を聞いて良品・不良品を判断する異音検査もその1つとなっている。しかし異音検査では、人の聴覚で聞き分けるために定量的な判定基準を設けることが難しく、また検査対象の「音データ」が蓄積されていないため、検査員同士での共有・継承が困難だ。</p>\n<p>スカイディスクによると、これら課題をAI分析ソリューションで解決するには、まずは適切なデータ収集(集音)から着手する必要があるという。ものづくり現場の様々な制約条件を考慮した上で、AI開発に最適なデータ収集、ハードウェア・設備を含めたワークフロー設計・開発まで取り組むことで、AI実装による課題解決が実現したとしている。</p>\n",
        "authorId": 188033725,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/2021-11-05-007-index.jpg",
        "author": {
          "id": 188033725,
          "slug": "takashihiga",
          "name": "Takashi Higa",
          "description": ""
        },
        "categories": [
          {
            "postId": 456590,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 456590,
            "tagId": 2355,
            "tag": {
              "id": 2355,
              "slug": "voice",
              "name": "音声(用語)",
              "description": ""
            }
          },
          {
            "postId": 456590,
            "tagId": 692513914,
            "tag": {
              "id": 692513914,
              "slug": "toyota-kyushu",
              "name": "トヨタ自動車九州(企業)",
              "description": ""
            }
          },
          {
            "postId": 456590,
            "tagId": 692515974,
            "tag": {
              "id": 692515974,
              "slug": "%e3%82%b9%e3%82%ab%e3%82%a4%e3%83%87%e3%82%a3%e3%82%b9%e3%82%af",
              "name": "スカイディスク",
              "description": ""
            }
          }
        ]
      }
    },
    {
      "postId": 456463,
      "categoryId": 366275726,
      "post": {
        "id": 456463,
        "slug": "2021-11-04-isomorphic-labs-is-alphabets-play-in-ai-drug-discovery",
        "createdAt": "2021-11-05T02:15:07.000Z",
        "updatedAt": "2021-11-05T02:05:11.000Z",
        "title": "グーグルの親会社アルファベットがAIを活用して創薬に挑むIsomorphic Labsを設立",
        "content": "<p>創薬の分野は<a target=\"_blank\" href=\"https://techcrunch.com/2021/10/18/quris-combines-ai-with-patient-on-a-chip-to-speed-drug-development-and-reduce-animal-testing/\" rel=\"noopener\">AIの能力によって超高速化が進んでいる</a>。複数の企業が<a target=\"_blank\" href=\"https://techcrunch.com/2020/12/02/genesis-therapeutics-raises-52m-a-round-for-its-ai-focused-drug-discovery-mission/\" rel=\"noopener\">さまざまな方法</a>でAIを応用し、膨大な実際上の課題を、扱いやすい情報の問題に変えている。最近の動きとして、Google(グーグル)の親会社であるAlphabet(アルファベット)が、DeepMind(ディープマインド)のトップであるDemis Hassabis(デミス・ハサビス)氏の下で<a target=\"_blank\" href=\"https://www.isomorphiclabs.com/\" rel=\"noopener\">Isomorphic Labs</a>(アイソモルフィックラボ)を設立し、この有望な新分野に挑戦する。</p>\n<p><div class=\"aside aside-related-articles\"><h2>関連記事</h2><ul><li><a href=\"/2022/03/11/2022-03-09-ai-helps-historians-complete-ancient-greek-inscriptions-damaged-over-millennia/\">AIが数千年にわたって損傷で失われていた古代ギリシャ碑文の文章復元を支援</a></li><li><a href=\"/2022/02/18/2022-02-16-ai-acquires-the-power-to-manipulate-fusion-but-wait-its-actually-good-news/\">AIが核融合を操る力を獲得した。でも大丈夫、これは朗報だ</a></li><li><a href=\"/2022/02/03/2022-02-02-deepminds-alphacode-ai-writes-code-at-a-competitive-level/\">DeepMindのAI「AlphaCode」は競技プログラミングレベルのコードを書ける</a></li></ul></div>この会社については、<a target=\"_blank\" href=\"https://www.isomorphiclabs.com/blog\" rel=\"noopener\">初公開のブログ記事</a>と、それに付随するごく一般的なFAQでは、ほとんど何も明らかにされていない。同社の目的は「生体システムを第一原理から理解し、病気治療の新方法を発見する計算プラットフォームを開発する」ことだ。</p>\n<p>もちろん、この設立宣言には、いくつかの前提条件が織り込まれている。その中でも最も重要なのは、創薬に適した方法で生体システムを計算機上でシミュレートすることが可能であるという前提だ。</p>\n<p>過去5年ほどの間に、よく似た目標を追求するために、複数の大企業が形成され、<a target=\"_blank\" href=\"/2021/06/23/2021-06-22-a-i-drug-discovery-platform-insilico-medicine-announces-255-million-in-series-c-funding/\" rel=\"noopener\">何億ドル(何百億円)もの資金が投入された</a>が、目に見える革命や、これまで治療不可能だった病気の特効薬をAIが発見したというようなことはなかった。その理由について考察することは本稿の範囲を超えているが(近い将来、Isomorphic Labsが取り組むことになるだろう)、AIシステムというものは奇跡の工場ではなく、いまだに膨大な時間・資金・試験管を必要とする長く複雑なプロセスの一部に過ぎないことは明らかだ。</p>\n<p>ハサビス氏も馬鹿ではない。同氏は生物学を「情報処理システムです。ただし、非常に複雑で動的な」とやや楽観的に表現しているが(この分野の読者は下にスクロールしてコメント欄に向かっていることだろう)、直後にやや穏やかな言葉に置き換えた。</p>\n<blockquote><p>生物学はあまりにも複雑で混沌としているので、単純な数式では表現できないものです。しかし、物理学を記述する適切な言語は数学だということがわかったように、AIを応用する対象として生物学が最適だということが明らかになるかもしれません。</p></blockquote>\n<p>情報システムと生物システムには共通の構造があるのではないかという考えから「Isomorphic Systems(同型のシステム)」と名づけられた。同型とは、形は似ているが起源が異なるという意味だ。</p>\n<p>同氏の説明の背景には、<a target=\"_blank\" href=\"/2020/12/01/2020-11-30-alphabets-deepmind-achieves-historic-new-milestone-in-ai-based-protein-structure-prediction/\" rel=\"noopener\">2020年、生物学者の度肝を抜いた</a>、DeepMindのAI搭載タンパク質折り畳み構造解析システム「<a target=\"_blank\" href=\"/2021/09/30/2021-07-22-deepmind-puts-the-entire-human-proteome-online-as-folded-by-alphafold/\" rel=\"noopener\">AlphaFold</a>」が有効だとわかり、非常に複雑な分野で新たな常識を生み出すことに貢献したことがあるのは間違いない。</p>\n<p>DeepMindの学習システムが汎用性や知識の伝達に<a target=\"_blank\" href=\"/2020/12/24/2020-12-23-no-rules-no-problem-deepminds-muzero-masters-games-while-learning-how-to-play-them/\" rel=\"noopener\">特に親和性がある</a>ことが明らかになりつつある。さまざまなタスクに再利用できる構造を持つということだ。AlphaFoldの成功が示すように、生物学的システムがこの種のシミュレーションや分析に適しているとすれば、ハサビス氏による検証は同社の幅広い能力を証明することになるかもしれない。</p>\n<p>しかし、それが実現するのはしばらく先のことだろう。DeepMindがAI研究でスタートダッシュを見せたとしても、Isomorphicは基本的にこの問題をゼロから始めることになる(今後も両社は別々の会社として存在する見込みだが、研究結果は共有される可能性がある)。Isomorphicは、採用により「世界レベルの学際的なチーム」を構築しており、おそらく1~2年後には、同社の野望から生まれる成果の最初の兆候を目にすることができるだろう。</p>\n<p><small>画像クレジット:Isomorphic Labs</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/11/04/isomorphic-labs-is-alphabets-play-in-ai-drug-discovery/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Devin Coldewey、翻訳:<a target=\"_blank\" href=\"https://twitter.com/pressnote55\" rel=\"noopener\">Nariko Mizoguchi</a>)</p>\n",
        "authorId": 138115512,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/Isomorphic.png",
        "author": {
          "id": 138115512,
          "slug": "nmizoguchi",
          "name": "Nariko Mizoguchi",
          "description": ""
        },
        "categories": [
          {
            "postId": 456463,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 456463,
            "tagId": 12374,
            "tag": {
              "id": 12374,
              "slug": "ai-artificial-intelligence",
              "name": "AI / 人工知能(用語)",
              "description": "人工知能に関連する記事一覧"
            }
          },
          {
            "postId": 456463,
            "tagId": 210341831,
            "tag": {
              "id": 210341831,
              "slug": "deepmind",
              "name": "DeepMind(企業)",
              "description": "Googleの親会社Alphabetの傘下にある英国のAI技術企業。"
            }
          },
          {
            "postId": 456463,
            "tagId": 362823203,
            "tag": {
              "id": 362823203,
              "slug": "alphabet",
              "name": "Alphabet / アルファベット(企業)",
              "description": "Alphabetは、2015年にGoogleおよびグループ企業の持株会社として設立された企業。"
            }
          },
          {
            "postId": 456463,
            "tagId": 692507586,
            "tag": {
              "id": 692507586,
              "slug": "drug-discovery",
              "name": "創薬(用語)",
              "description": "創薬に関する記事一覧"
            }
          },
          {
            "postId": 456463,
            "tagId": 692515963,
            "tag": {
              "id": 692515963,
              "slug": "isomorphic-labs",
              "name": "Isomorphic Labs(企業)",
              "description": "「生体システムを第一原理から理解し、病気治療の新方法を発見する計算プラットフォームを開発」するAlphabetが設立した創薬会社。"
            }
          }
        ]
      }
    },
    {
      "postId": 456276,
      "categoryId": 366275726,
      "post": {
        "id": 456276,
        "slug": "2021-11-03-scale-ai-acquires-siasearch-to-give-companies-the-same-data-engine-superpowers-that-tesla-has",
        "createdAt": "2021-11-04T01:30:28.000Z",
        "updatedAt": "2021-11-04T00:19:55.000Z",
        "title": "「機械学習データセットのためのGoogleフォト」実現加速のためScale AIがSiaSearchを買収",
        "content": "<p>Scale AI(スケールAI)は、欧州でのリーチ拡大と最新製品の開発スピードアップに貢献する<a target=\"_blank\" href=\"https://scale.com/blog/siasearch-acquisition\" rel=\"noopener\">小規模なスタートアップを買収</a>した。</p>\n<p><div class=\"aside aside-related-articles\"><h2>関連記事</h2><ul><li><a href=\"/2022/02/04/2022-02-02-scale-ai-gets-into-the-synthetic-data-game/\">Scale AIが人工知能関連で最もホットで新しい合成データゲームに参入</a></li><li><a href=\"/2021/11/04/2021-11-03-scale-ai-acquires-siasearch-to-give-companies-the-same-data-engine-superpowers-that-tesla-has/\">「機械学習データセットのためのGoogleフォト」実現加速のためScale AIがSiaSearchを買収</a></li><li><a href=\"/2021/06/14/2021-06-10-scale-to-launch-a-mapping-product-to-address-the-changing-needs-of-its-autonomous-driving-customers/\">自動運転技術開発のニーズに応えるためScale AIがマッピング分野に進出</a></li></ul></div>買収にともなう合意条件は明らかにされていない。</p>\n<p>欧州のベンチャースタジオMerantixからスピンアウトしたSiaSearchは、先進運転支援システムや自動運転システムが取得するペタバイト規模のデータの検索エンジンとして機能するデータ管理プラットフォームを構築している。すでにフォルクスワーゲンやポルシェなどの大手自動車メーカーと提携しているこのスタートアップは、車両群が収集した生センサーデータのインデックスを自動作成し、構造化することができる。</p>\n<p>その機能は、Scale AIの既存の技術とうまく調和している。Scale AIは、ソフトウェアと人を使って、画像、テキスト、音声、ビデオデータにラベルを付け、機械学習アルゴリズムを構築する企業に提供している。Scale AIは当初、自律走行車メーカーに、機械学習モデルのトレーニングに必要なラベル付きデータを提供することを目的として設立された。これにより、ロボタクシー、自動運転トラック、倉庫やオンデマンド配送に使用される自動ロボットなどの開発・展開が可能になる。しかし、同社はデータラベリングにとどまらず、データマネジメントのプラットフォームとしての役割を果たしている。政府、金融、EC、エンタープライズなどの他の業界にもサービスを提供しており、現在はAirbnb(エアビーアンドビー)、DoorDash(ドアダッシュ)、Pinterest(ピンタレスト)などの企業と提携している。</p>\n<p>ベルリンを拠点とするSiaSearchは、Scale AIの共同創業者兼CEOであるAlexandr Wang(アレクサンダー・ワン)氏が以前「我々の未来の最初の製品」と呼んだNucleusの構築において、特に有益な存在となり得る。ワン氏によると、SiaSearchチームをNucleusの活動に組み込むことを計画しているという。</p>\n<p>Nucleusは、ワン氏が「機械学習データセットのためのGoogleフォト」と呼ぶAI開発プラットフォームだ。この製品は、膨大なデータセットを整理、管理し、モデルのテストやパフォーマンス測定などを行うための手段を顧客に提供する。SiaSearchによって、Scale AIは取り組みを加速させ、さらには機械学習のライフサイクル全体をサポートするために機能を拡張することができる、とワン氏はいう。</p>\n<p>今後の目的は、SiaSearchの技術をNucleusに組み込み、自動車やAV技術以外でも、あらゆるAI開発者が使用できる完全なデータエンジンを提供することだ。これは、ロボットメーカーや自動車メーカーなど、データの取得、ラベル付け、整理だけでなく、自社製品のアルゴリズムを改善するために必要な新しい種類のデータを継続的に再定義するための追加ツールが必要な企業にとって、非常に有用なものとなるだろう。</p>\n<p>ワン氏は、Tesla(テスラ)が同社の先進運転支援システム「オートパイロット」の改良のためにデータエンジンのコンセプトを率先して導入したことを指摘し、これはテスラが行ってきたことに似ています、と語った。</p>\n<p>ワン氏は、自動車メーカーやロボットメーカーは、車両やロボットなどのフリートが拡大するにつれ、膨大な量のデータをどのように活用するかに頭を悩ませていると語る。これらのデータをすべてクラウドにアップロードするだけでも、文字通り何十億ドル、何百億ドル(何千億円、何兆円)ものコストがかかると同氏はいう。</p>\n<p>「基本的に、すべてのAIチームが求めているのは、いかにして機械学習の開発を加速させ、Teslaのようにデータセットの取り組みを加速させるかということです」とワン氏。「当社は、Teslaが持っているのと同じように、モバイルフリートから最も関連性が高く、最も興味深いデータを使って、常にアルゴリズムをスーパーチャージできるというスーパーパワーを彼らに与えようとしているのです」。</p>\n<p><small>画像クレジット:Scale AI</small></p>\n<p>[<a target=\"_blank\" href=\"https://techcrunch.com/2021/11/03/scale-ai-acquires-siasearch-to-give-companies-the-same-data-engine-superpowers-that-tesla-has/\" rel=\"noopener\">原文へ</a>]</p>\n<p>(文:Kirsten Korosec、翻訳:Aya Nakazato)</p>\n",
        "authorId": 176261049,
        "featuredMediaUrl": "/wp-content/uploads/2021/11/PandaSet-flyover-GIF-credit_-Scale-AI.gif",
        "author": {
          "id": 176261049,
          "slug": "katsuyukiyasui",
          "name": "katsuyukiyasui",
          "description": ""
        },
        "categories": [
          {
            "postId": 456276,
            "categoryId": 366275726,
            "category": {
              "id": 366275726,
              "slug": "ai",
              "name": "人工知能・AI",
              "description": "人工知能(AI:Artificial Intelligence)に関する最新ニュース"
            }
          }
        ],
        "tags": [
          {
            "postId": 456276,
            "tagId": 10731863,
            "tag": {
              "id": 10731863,
              "slug": "merger-and-acquisition",
              "name": "買収 / 合併 / M&A(用語)",
              "description": "買収と合併(M&amp;A)に関連する記事一覧"
            }
          },
          {
            "postId": 456276,
            "tagId": 365821213,
            "tag": {
              "id": 365821213,
              "slug": "adas",
              "name": "先進運転支援システム / ADAS(用語)",
              "description": "Advanced driver-assistance systems。先進運転支援システム / ADASに関する記事一覧"
            }
          },
          {
            "postId": 456276,
            "tagId": 366073455,
            "tag": {
              "id": 366073455,
              "slug": "autonomous-driving",
              "name": "自動運転 / 自律走行(用語)",
              "description": "自動運転 / 自律走行に関する記事一覧"
            }
          },
          {
            "postId": 456276,
            "tagId": 366271062,
            "tag": {
              "id": 366271062,
              "slug": "machine-learning",
              "name": "機械学習 / ML(用語)",
              "description": "機械学習に関連する記事一覧。明示的な指示を用いることなく、その代わりにパターンと推論に依存して、特定の課題を効率的に実行するためにコンピュータシステムが使用するアルゴリズムおよび統計モデルの科学研究。"
            }
          },
          {
            "postId": 456276,
            "tagId": 692508676,
            "tag": {
              "id": 692508676,
              "slug": "scale-ai",
              "name": "Scale AI(企業)",
              "description": "Scale AIは、ソフトウェアと人間の力をあわせて、機械学習アルゴリズムを開発する企業向けに画像、LIDAR(光を用いる距離測定方法または装置)、地図データを処理し、ラベルを付けるスタートアップだ。"
            }
          }
        ]
      }
    },
    {
      "postId": 456203,
      "categoryId": 366275726,
      "post": {
        "id": 456203,
        "slug": "2021-11-02-activeloop-snags-5m-seed-to-build-database-for-ai-applications",
        "createdAt": "2021-11-04T01:00:18.000Z",
        "updatedAt": "2021-11-04T00:00:53.000Z",
        "title": "AIアプリケーションのためのストリーミングデータベースを構築するActiveloopが約5.7億円調達",
        "content": "<p>Y Combinatorの<a target=\"_blank\" href=\"https://www.ycombinator.com/companies/activeloop\" rel=\"noopener\">2018年夏季</a>から巣立った<a target=\"_blank\" href=\"https://www.activeloop.ai/\" rel=\"noopener\">Activeloop</a>は、メディアに特化した人工知能アプリケーションのために特別に設計されたデータベースを開発している。米国時間11月2日、同社は 468 CapitalとCM Venturesがリードする500万ドル(約5億7000万円)のシード投資を発表した。これにはTribe CapitalとShasta Ventures、およびテクノロジー業界のさまざまなエンジェルたちが参加した。</p>\n<p>同社の創業者でCEOのDavit Buniatyan(ダビット・ブニアティヤン)氏によると、同社は彼がプリンストン大学で行っていた研究から生まれた。そのとき彼は、AIのユースケースのために特別に設計された、画像や動画など非定型データのストリーミングデータベースが必要だと感じていた。同社はこの度、商用プロダクトのアルファバージョンを立ち上げている。</p>\n<p>「私たちのAIのためのデータベースは、具体的には、データを極めて効率的に保存し、これを機械学習のアプリケーションや、コンピュータービジョン、音声処理、NLP(自然言語処理)などのモデルの訓練へストリーミングするレイターです」とブニアティヤン氏は説明している。</p>\n<p>実用面では、ビデオやオーディオなどのデータをマシンが理解できる数学的表現に変換するためのオープンソースのAPIだ。さらにそのAPIでデータの異なるバージョンを追跡でき、そして最終的にはそれを、Amazon S3のようなにリポジトリに保存できる。</p>\n<p>データがストリ