ディープラーニング活用事例

業種や会社名・フリーワードで探す

 

全46件

・ネットオークション・フリマサービスにおいて、1,000 万件以上の膨大な取引データとディープラーニング特化型スパコン「kukai」(注)を活用し、「偽物出品検知AI」 を開発。
(注)「kukai」とはヤフー株式会社が開発した、ディープラーニング活用に特化した省エネ性能の高いスーパーコンピュータ。スパコンの省エネ性能ランキング「GREEN500」において世界第2 位を獲得(2017 年6 月発表)。
・出品完了後数秒以内に、その出品物が偽物である確率を判定。偽物である確率が高いと判定した場合、優先的に人手による削除検討に移行。
・実際の出品情報50 万件を用いて「偽物出品検知AI」による判定を行ったところ、従来の機械学習を用いた不正出品検知システムと比較して、検知精度が約3.1 倍に向上
出典:「G検定公式テキスト第2版」(翔泳社・2021年)より
・スーパー店舗内に約700 台のカメラを設置。解析映像をマーケティング領域に応用。ディスプレイ広告の前に立った顧客をカメラが捉え属性を分析。属性に合わせた広告を表示。
・カメラの映像からは来店客の人数、属性(性別や年齢層)、移動経路などを把握することが可能。
→顧客がどの通路を通り、どこの棚に立ち止まったのか、どの商品を手に取 り、どれを棚に戻したのか、結果的にどの商品をカートに入れたのか等を、属性別に分析することができる。
・ディスプレイ広告の前に立った顧客をカメラが捉え属性を分析。属性に合わせた広告を表示。
・少ないデータ量から「最適な棚割り・棚位置の指定」などを学習可能とするために、あわせて「敵対的生成ネットワーク(GAN)」※を活用。
※敵対的生成ネットワーク(GAN:Generative Adversarial Network):偽のデータを作成する贋作 AIとその真贋を判別するAIが競合、切磋琢磨することでAIを学習させていくトレーニング手法
出典:「G検定公式テキスト第2版」(翔泳社・2021年)より
・(多くの期間と費用を要することが多い)「リード化合物の探索と最適化」の支援を目的とした取り組み。
・ディープラーニングを用いた学習モデル「Graph Convolutional Network(GCN)(注)」をベースとして以下を開発。
(注)化合物に代表されるような「つながりと関係性」を学習し、情報抽出する技術のこと。

1. 化合物とタンパク質の相互作用予測モデル
→化合物の構造からタンパク質への活性を学習し、予測することが可能に
(「創薬候補化合物」のスクリーニング効率化に寄与)。
→ DeepChem(注)と同等の精度をベンチマークテストにて記録。
(注)既存の創薬のためのPython ライブラリ(スタンフォード大学の研究者らが開発)。
2. 化合物デザインを支援する、化合物構造の可視化
→従来のディープラーニング技術では、化合物のタンパク質への活性予測理由を提示することが困難。
→当モデルを用いることで「化合物中の活性発現に効果的な部分/効果的ではない部分」を見える化することが可能に。
3. 新しい化合物を提案する化合物生成モデル
→既存の化合物から「創薬に適した化合物」を、多様かつ大量に提案することが可能に。
→従来、研究者が自身の経験に基づき実施していた化合物デザインの提案プロセスを代替/効率化。

上記事例は、LINC(Life Intelligence Consortium)※における活動の一貫として開発されたものです。

※ LINC:創薬AI を開発している産学連携プロジェクト。国内を中心に 129 の製薬やライフサイエンス、IT 関連企業、研究組織から 622 人の研究者らが参加し、2020 年 9 月までの 3 カ年プロジェクトとして取り組まれてきたもの。2021 年 4 月より組織を法人化した上で、引き続き各種活動を実施していくことが発表されている。

出典:「G検定公式テキスト第2版」(翔泳社・2021年)より
・100 万戸を超える賃貸物件の画像をWeb サイトに掲載する際に、従来は営業スタッフが手作業でリビングやキッチン、玄関、洗面所などのカテゴリに分類していた(1 部屋あたり約20 枚の外観・室内写真に対して、分類を実施)。
・膨大な作業時間の効率化が課題に(登録作業には物件1 件あたり5 〜10 分を要し、その登録総数は年間30 万件近くにのぼる)。
・「働き方改革」の一環として、ディープラーニングを活用した賃貸物件の画像分類システムを構築。
→ディープラーニングにより物件画像を21 種のカテゴリに分類し、Web サイトへの登録作業まで自動化することで作業時間を70%、月3,000 時間削減。
・画像分類モデルには畳み込みニューラルネットワーク(CNN)を採用。誤った分類結果に関する修正ログの蓄積を行うことで、今後のさらなる分類精度向上に活用していく方針。

出典:「G検定公式テキスト第2版」(翔泳社・2021年)より
・EC販売業務の商品登録業務効率化に関する取り組み。
・画像及び自然言語を解析し、類似の商品画像から自動的に最適なタグを抽出/付 与。
・CNNのファッションアイテム抽出とアイテムと背景の境界線で切り出すアルゴリ ズムを用いてノイズカットしたデータから画像特徴量を算出することにより、一 般的な画像認識技術のノイズの多さによる問題を解消するアプローチ。
・ファッションEC販売業務の商品登録業務に適用することにより、年間2,583時 間(注)かけていた作業時間を約1,800時間に削減。
(注)1型の作業時間10分×年間型数15,500型=年間作業時間2,583時間

出典:「G検定公式テキスト第2版」読者WEB特典(翔泳社・2021年)より
・進行がん(特に子宮がん及び乳がん)の病巣では、がん組織が壊死したり、病巣 部分に細菌が感染したりすることにより強い病臭を呈することがある。
・病臭成分を分析し、当該成分に最適な消臭方法を選択することにより、個々の患 者ケアに活かしていくことを目指す取り組み。
・がん病巣から放たれるニオイ成分の特徴や微弱な変化をディープラーニングを用 いて学習し、臭気(注)判定を実現。
(注)なお、本項では、疾病(原疾患、感染症、褥瘡等)により直接および間接的に体内や体表か ら生じる臭気を病臭と定義。
・ニオイ検知センサとしては、PID センサ (PhotoIonization Detector)と半導体ガ スセンサを使用。
・100 種近くの VOC(揮発性有機化合物)ガスを分離・識別。
出典:「G検定公式テキスト第2版」読者WEB特典(翔泳社・2021年)より
・畳み込みニューラルネットワーク(CNN)を活用し、内視鏡画像から胃がんを検出。
・6mm 以上の胃がんを熟練の内視鏡医レベルに匹敵する精度で発見。
・1 画像の診断にかかる時間は約0.02 秒であり、人間の解析速度を遥かに凌駕。
・本事例発表時においてAI を活用した胃がん内視鏡診断支援システムの報告はなく、本報告は世界初とのこと。
・2019 年11 月、米国食品医薬品局(FDA)よりブレイクスルーデバイス指定(注)(画期的医療機器/ デバイス指定)を受ける。
(注)米国内での医療機器承認取得の際、優先的に審査を受けることが可能に。

出典:「G検定公式テキスト第2版」(翔泳社・2021年)より
・コンクリート護岸の画像から、コンクリートの劣化をディープラーニングで判定。 ・劣化検知のアルゴリズムはTensorFlowで実装。
8
深層学習教科書 ディープラーニング G検定(ジェネラリスト)公式テキスト 第2版
・まずは八千代エンジニヤリング社の業務での活用からサービスをスタートし、将 来的には地方自治体や建設関連企業への提供を目指す。

出典:「G検定公式テキスト第2版」読者WEB特典(翔泳社・2021年)より
・バイクシェアで提供する自転車の最適な再配置を行う実証実験を実施。
・人口統計、利用実績、気象データ、周辺施設データなどを組み合わせることで、 自転車の貸出・返却需要を予測するモデルを作成。
・2018年時点で580ヶ所5900台の自転車を管理するにあたり、再配置作業を人に 頼っている状態が課題となっていた。この技術により、「使いたい時にサイクル ポートに自転車がない」という状況の改善を目指す。

出典:「G検定公式テキスト第2版」読者WEB特典(翔泳社・2021年)より
・介護初心者が実際にケアをしている様子を動画で撮影。
・当該動画を、熟練の介護者がタブレットで視聴(注)。
→被介護者が「介護拒否を起こしやすいコミュニケーション」を採っていないか、赤ペンを入れながら指導実施。
(注)当該プロセスを経ることにより、指導内容を教師データ化。
・次の介護研修の際、「天井に設置したカメラと介護者が装着したメガネ型カメラによって撮影された動画」を、前項で学習させた内容をもとに解析・評価。
・上記により、都度、熟練介護者が指導を行わなくても、介護初心者が的確な指導を受けることが可能に。
・介護効果を高めることを狙うとともに、あわせて「介護拒否が起きにくくなるアプローチを採る」ことにより、介護士の負担を軽減することを狙った取り組み。
・実際に福岡で行われた実証実験(2017 年)では、被介護者の認知症における行動
/ 心理症状が20% 低下するとともに、あわせて介護者の心理負担感も28% 軽減される結果に。

出典:「G検定公式テキスト第2版」(翔泳社・2021年)より

ディープラーニングの活用事例を募集しています

JDLAでは、ディープラーニングを活用した事例の情報を募集しております。
申請いただいた情報は、内容を確認後、JDLAの公式サイトにて掲載させていただく予定です。
以下のリンク先のフォームに必要事項をご記入の上、申請お願いいたします。