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
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