ウィリアムのいたずらの、まちあるき、たべあるき

ウィリアムのいたずらが、街歩き、食べ物、音楽等の個人的見解を主に書くブログです(たま~にコンピューター関係も)

DeNAのAI活用したサービス開発とかを、聞いてきた!(9/6・7追加)

2017-09-01 21:18:22 | Weblog
8月31日、ソフトウェアエンジニアリングシンポジウム2017で、

機械学習とソフトウェア工学 機械学習時代のソフトウェア工学への扉を開く
パネリスト PFN 丸山氏、DeNA 濱田氏、NII 石川先生
司会:南山大 青山先生

を聞いてきた!のでメモメモ

※(9/6追加)ちなみに、このパネルのコミュニティが出来たらしいよ
ML and SE
https://www.facebook.com/MLxSE/


※(9月7日追加)この発表に関する資料

DeNA

https://www.slideshare.net/hamadakoichi/dena-ai-service-development


PFN
機械学習工学に向けて
https://drive.google.com/file/d/0B5WkwkHClB9tdTR4NkpZWkhTa28/view


石川先生
http://research.nii.ac.jp/~f-ishikawa/work/files/1506-MLdebt.pdf



■青山先生から

ソフトウェア工学の直面する新世界
 ビッグチャレンジの2つの地平線

・解空間のオープン化
 問題空間のオープン化

 決定的/答えが正しいかわからない
 機械学習を利用したオープンシステム

・オープンな問題における完全自動化
 アウディ AB レベル3

・機械学習時代のソフトウェア工学への扉を開く
 拝啓MLとSEの新しい現実

・シナリオ
  事例紹介、問題提起、討議


■DeNAのAI活用したサービス開発

slide shareで公開するよ!
https://www.slideshare.net/hamadakoichi/dena-ai-service-development

・AI活用したサービス開発
 先端AI技術を活用し、価値あるサービスを提供・洗練する
 2010年から開始・継続

 軸
  AI技術
  サービス
  大規模データ

 成果:ゲームプラットフォーム
  漫画ボックス
  Record Keeper:人の代わりにゲーム学習
  いつでもどこでも多様なキャラクターと対話を楽しめる

 →新たなトライ、研究開発

・開発プロセス・心がけていること
 提供したいのは、新たな価値ある体験・サービス
  →どのくらい価値があるかやってみないとわからない
   わからないことはやってみる
 AI研究開発
  実装・再現レベルでのモデル精度の感覚を持つ
  実装しても、再現できるとは限らない:学習再現
 大規模サービスデータの利用
  汎化させるうえで
 データへ投資する
  発話内容→アノテーション、トピック:教師データ
 サービスを用いた新AI技術
 新たな提供体験・価値を考える

  AI研究開発
  ユーザー会見設計
  サービス設計
  洗練サイクル設計:もとのアルゴリズムへのフィードバック
  連携データ設定
  ログ設計
  分散アルゴリズム設計
  分散実装

■機械学習応用システムの開発とその課題
・今までのシステムの作り方
  モデル、段階的操作
・機械学習:零時による帰納的方法

・汎用計算機構としての深層学習

・典型的な機械学習応用システム

 実行 推論
 プログラム:学習

・典型的なシステム構築サイクル
  AI危機 ソフトウェア危機

■機械学習とソフトウェア工学 ソフトウェア工学の立場からの問題意識
・MLXSEへのかかわり
 自律システムとV&V
 機械学習どうしたら・・・

・従来のソフトウェアとはだいぶ性質が異なる
  技術的負債
 →もがいた先がやばい:基本的に全然違う

・CASE
 ソフトウェア;分離して、変わらない
 コードにしかやってないことをデータに
 隠れフィードバックループ

・正解を知らないから、MLを使う
 疑似オラクル:受け入れ可能なもの

・別の正解ペア

・個人的な問題提起
 MLやばい
 SE的ノウハウ、手法・ツールの不足

 →正解定義、報酬定義
  
・MLかSEか
  SE:モデルが書ける=人がルールを作った
  ML:モデルに書けないもの

・自動で回っていく:洗練サイクル
 一部を変えると、全部変わるかもしれない

・根本的な内容を解決したほうがいい
 →今の方法は最適ではない

・すそ野が広がっていっている

・経験的にわかっている
  →階層的に
 リユースパターン

・品質保証、説明できること
 どこのウェイトが効いているか

・ディープラーニング:人が理解できない
 →人が理解できる問題ならルールベース
 もっともらしい設定

・範囲
 テスト
 機械学習に限らず、ソフトウェア工学の人が言っている
 合意形成の問題

  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする