このページの本文へ

4つのレイヤーで機械学習をサポートするAWSのAI戦略

ニュースと天気をPollyが読む!国内事例も披露されたAWSのAIサービス

2017年08月01日 07時00分更新

文● 大谷イビサ/TECH.ASCII.jp

  • この記事をはてなブックマークに追加
  • 本文印刷

7月31日、アマゾン ウェブ サービス ジャパン(AWSJ)はAIに対する説明会を開催。テキストツースピーチサービスの「Amazon Polly」や画像認識の「Amazon Rekognition」を活用した国内の事例も披露され、利用フェーズに確実に移っていることを伺わせた。

AWSのAIテクノロジーを4つのレイヤーで提供

 発表会で登壇したアマゾン ウェブ サービス ジャパン 技術本部長の岡嵜禎氏は、Alexaやロジスティック、リコメンデーションなどさまざまなAmazonのAIテクノロジーについて説明。「AmazonのAIテクノロジーをもっと簡単に使えないかと、お客様から要望をいただいてきた」(岡嵜氏)。AWSのようなクラウドが登場したことで、大量データの分析を安価に、高速にできるようになり、機械学習が現実的になってきたのが、現状のフェーズだとアピールした。

アマゾン ウェブ サービス ジャパン 技術本部長の岡嵜禎氏

 こうしたAWSの機械学習サービスは、「AIサービス」「AIプラットフォーム」「AIフレームワーク」「AIインフラストラクチャ」など4つのレイヤーから構成されており、ユーザーは利用方法にあわせて最適なサービスを選ぶことができるという。

4レイヤーから構成されているAWSの機械学習サービス

 まずマネージド型のAIサービスとしてはテキストツースピーチの「Amazon Polly」、画像分析の「Amazon Rekognition」、会話型のインターフェイスを構築する「Amazon Lex」などが用意されている。これらはAWSが学習済みモデルを提供しているため、ユーザーはデータさえ用意すればすぐに利用できるという。

 今回発表されたのは、コミュニティFMであるFM和歌山の「BananaFM」でのニュース配信サービスでPollyが採用されたという事例。配信を受けた読売新聞社のニュースや日本気象の天気予報をPollyが読み上げているという。「地方局ということもあって、アナウンサーを定期的に確保するのが難しかった。でもPollyがあれば、タイムリーに情報を発信することができる」(岡嵜氏)とのことで、今後は災害放送での活用が見込まれているという。

FM和歌山でのPollyの採用例

幼稚園・保育園の写真探しを高速化するRekognition活用

 Amazon Rekognitionでは、不動産物件の検索というユースケースが披露された。ここではモバイルアプリから物件の画像を撮り、S3にデータをアップロード。あとはLambdaとRekoginitionを使って、識別された資産や設備にラベルを付与したら、Elastic Searchを使って、検索可能な物件データベースとして活用できるという。

 顔分析や認識などが可能なRekognitionは、従業員の認証や顧客印象の分析、顔の比較などさまざまな用途で利用できる。直近では節度判定を使った不適切な画像の検出やデータベースと連携する有名人認識などの機能も追加されている。人間参加型のアクティブラーニングシステムに画像が登録され、トレーニングを重ねていくため、画像認識の精度もどんどん上がっていくという。

 Rekognitionは千株式会社の「はいチーズ!」というサービスで活用されているという。はいチーズ!は幼稚園・保育園を中心に全国5000団体が利用する写真販売サービスで、スマートフォンから簡単に写真を購入できるというものだ。

 はいチーズ!のカメラマンは保護者のために「園児の一人一人が主人公になる写真」を大量に撮影している。しかし、大規模な園になると園児は200名以上におよぶ。千のものづくり部マネージャーの熊谷大地氏は、「場合によっては1万枚以上の写真の中から自分の子供を探さなければならなかった。お客様は共働き世代も多く、写真探しにも時間がかかっていた」と語る。しかし、Rekognitionの導入により、ユーザーが自身の子供の写真をベースに顔検索し、スピーディに写真探しできるようになったという。

千のものづくり部マネージャーの熊谷大地氏

 自然言語を利用した対話型インターフェイスを構築できるAmazon Lexに関しては、Facebookで旅行を予約するチャットボットのデモを披露。ビジネスシーンで注目度の高いだけに、日本語のサポートも待たれる。

インフラからプラットフォームまで機械学習を支える

 続いて紹介されたAIプラットフォームでは、テストデータの分割や評価手法、APIなどが組み込まれた「Amazon Machine Learning」やフルマネージドなHadoopを提供している「Amazon EMR」などが用意。Amazon EMRに関しては、HDFSではなくS3のデータを直接読み書きしているため、コンピュートとストレージが分離されており、クラスターを複数立ち上げることで同一データに対して並列で処理をかけることができるという。

 また、AIフレームワークでは、MXNetやTensorFlow、Caffe、CNTKなどのディープラーニングフレームワークをワンストップで提供する。特にAWS社員がコミッターとして活躍しているMXNetについては全面サポートしており、CloudForamtionでMXNetクラスターを構築するテンプレートを提供している。さらにディープラーニングをEC2上で簡単に実現するためのDeep Learning AMIも用意されており、各種フレームワークを手軽に利用できるという。

AWSはディープラーニングのフレームワークとしてMXNetを全面サポート

 AIインフラストラクチャとしては、GPUアクセラレーター「NVIDIA Tesla K80」を最大16個搭載可能なディープラーニング用のP2インスタンスを提供。5月にはNVIDIAとの提携も発表し、NVIDIAの新しい製品をいち早くサポートしていく。

 その他、FPGAを搭載したF1インスタンスも4月にGAへ。さらに、ディープラーニングに適した命令セット「AVX512」に対応したIntel Skylakeを搭載したC5インスタンスも昨年発表した。エッジ側のローカル処理においてはAWS Greengrassが用意されており、AWS Lambdaを使ったプログラミングモデルを使い、オフラインでも動作させることが可能だという。

 事例としては、500mメッシュごとに30分後までのタクシーの台数を10分ごとに予測してくれるNTTドコモのAIタクシーが挙げられた。また、東京証券取引所の適時開示情報から決算短信を自動で作成する日本経済新聞社の事例も披露。海外でも、住宅価値の見積もり(Zillow)や市場取引の異常検知・マッチング(FINRA)、レコメンデーション(Netflix)、スポーツのコーチング(Hudl)、レストランの利用予測(Upserve)、自動運転の画像認識(TuSimple)などさまざまな場面で利用されているという。

海外でのAIサービスの活用事例

■関連サイト

カテゴリートップへ

  • 角川アスキー総合研究所
  • アスキーカード