製造設備
原材料、プロダクト
予防保全
顧客中心主義
迅速に革新し、より機敏になる
スマート プロダクト
サービス エコシステム
コネクテッド コンシューマー
顧客 サプライチェーン 設計開発 製造 マーケティング 販売 サービス完全自動運転で100%無事故を
実現しようとすると最低でも
88億マイル
をテストしなければならない
1
2020年、自動運転車は
1日に約4,000GB
のデータ
を生成、消費
2
Paris Auto Show Automobility Los Angeles Gartner TechRadar Earthdata Automobility Los Angeles
2020年、
204億のモノ
がつながる
3
90分のアニメーション映像を製作するために
6,500万時間分
の画像レンダリング
が必要
4
2020年、飛行機から
1日に40TB
のデータ
が生成
6
NASAの地球観測システムおよび
情報システム (EODSIS) は
1日に約28テラバイト
のデータ
を配信
5
高度なワークロード
Web + モバイル
IoT (Internet of Things)
マイクロサービス
サーバーレス
アイデンティティ管理
データ
+ 分析
Cognitive Services
HPC
コア インフラストラクチャ
コンピューティング ストレージ ネットワーキング セキュリティ
ツール
2012
深層学習
Google Brain が、
YouTube で
75% の精度で
猫を識別
機械学習
学習させ続ける事で
自律的に改善し続ける
プログラム
AI
コンピューターが
人間が通常
行っている事を行う
AI
ニューラル
ネットワーク
機械学習
(ニューラル ネットワークの進化)
深層学習
1956
用語
「人工知能」
が使用される
最初の
「AIの冬」
2回目の
「AIの冬」
1974-1980
1987-1993
2006
深層学習の
台頭
2015
DeepMind の
AlphaGo が
囲碁で Lee
Sedol を破る
2016
マイクロソフトが
会話の音声認識で
人間と同じ
精度を実現
マイクロソフトが
画像認識で
人間と同じ
精度を実現
サービス
インフラストラクチャ
• 雑草
農薬にお金
コンバイン x AI
大幅
Eラーニングシステム
動画配信
Azure Media Services
字幕作成
Azure Media
Indexer
字幕翻訳
Microsoft Translator
+
+
+
✓
動画配信システムの初期導入コストの大幅削減
✓
字幕の作成、翻訳にかかる時間とコストを大幅に削減
✓
マルチ デバイスに対応した動画配信
✓
多数のユーザーの同時視聴に耐えうる動画配信
✓
視聴ログを基にした自動評定
✓
教員自らが動画コンテンツを管理できる仕組みの提供
✓
教員間での動画コンテンツの共有・移譲
特徴
90分のコンテンツ
現状
導入後
字幕起こし費用
最低15000円?
平均153円
字幕起こし時間
900分?
平均29分程度
字幕翻訳費用
20,000円?
＜50円
字幕翻訳期間
15～20日?
平均20分程度
1/100
1/30分
1/400分
1/1080分
John F. Kennedy (JFK)
November 22, 1963
Azure Web Apps
(azsearch.js)
Azure Blob
Storage
Azure Functions
Skills:
Computer Vision
OCR + Handwriting
Entity Linking
CIA Cryptonyms
Azure Search
Azure
Cosmos DB
Azure
Machine Learning
Cognitive
Skill Set
JFK FILES
COGNITIVE SEARCH
ARCHITECTURE
Skill: Topics
Positive
Entities Identified
Positive
Text Analytics
"entityTypeHints": [ "Person" ],
"entityTypeDisplayHint":
"Explorer"
"entityTypeHints": [ "Drug"
"entityTypeHints": [
"Place"
Positive
Entities Identified
Text Analytics
Entity Linking Intelligent Service
Entities Type
Copyright 2018 Cogent Labs. All Rights Reserved.
カイドク 自然言語理解エンジン
-文書を探しやすくして間違いや
問合せをなくし検索にかかる時間を短縮
気づいていなかった文書間の関係性の発見
-
業務文書の検索の高度化
-
問合せサポート業務の改善
-
トレンド分析
-
業務報告書からの行動分析
さまざまな文書を理解しマッピング
「ドキュメントを入れる」または「検索」
目的の文書を探し出すことができます
データ
1. 顔の解析
2. 画像への タグ 付け
3. 顔の感情分析
4. OCR
1. テキストからの重要語句の抽出
2. テキストの感情分析
REFERENCE ASSEMBLY ImageCommon;
REFERENCE ASSEMBLY FaceSdk;
REFERENCE ASSEMBLY ImageEmotion;
REFERENCE ASSEMBLY ImageTagging;
@objects
=
PROCESS
MegaFaceView
PRODUCE FileName, NumObjects int, Tags string
READONLY FileName
USING new
Cognition.Vision.ImageTagger()
;
@tags
=
SELECT FileName, T.Tag
FROM
@objects
CROSS APPLY
EXPLODE(SqlArray.Create(Tags.Split(';')))
AS T(Tag)
WHERE T.Tag.ToString().Contains("dog") OR
T.Tag.ToString().Contains("cat");
@emotion_raw
=
PROCESS
MegaFaceView
PRODUCE FileName string, NumFaces int, Emotion string
READONLY FileName
USING new
Cognition.Vision.EmotionAnalyzer()
;
@emotion
=
SELECT FileName, T.Emotion
FROM
@emotion_raw
CROSS APPLY
EXPLODE(SqlArray.Create(Emotion.Split(';')))
AS T(Emotion);
@correlation
=
SELECT T.FileName, Emotion, Tag
FROM
@emotion
AS E
INNER JOIN
@tags AS T
ON E.FileName == T.FileName;
Images
Objects
Emotions
filter
join
aggregate
https://medium.com/@samim/generating-stories-about-images-d163ba41e4ed
https://github.com/ryankiros/neural-storyteller
運用
データの準備
モデルの構築
Azure Machine Learning
Experimentation Service
Azure Machine Learning
Model Management
プロジェクトの依存関係の管理
トレーニング ジョブのローカル、スケールアップまたは
スケールアウトの環境から選択
Git ベースのチェックポイントとバージョン管理
実行メトリック、出力ログ、およびモデルの
サービス サイド キャプチャ
お気に入りのIDE、および任意のフレームワークを利用
U S E T H E M O S T P O P U L A R I N N O V A T I O N S
U S E A N Y T O O L
U S E A N Y F R A M E W O R K O R L I B R A R Y
Spark
SQL Server
GPU インスタンス
AKS (Kubernetes)
Azure Machine
Learning Workbench /
AI Tools for VS
SQL Server
Machine Learning Server
オ ンプレミ ス
エ ッジ コンピ ュー テ ィ ング
Azure IoT Edge
実験、モデルの管理
Azure Machine Learning
Ser vices
トレーニングとデプロイ
リモート監視、制御
多数のIoTデバイスからの収集データを集約
先進AIの適用を可能にする、無限に近い
コンピューティング リソース、ストレージ
リアルタイム応答に必要な低遅延、
厳しい制御
プライバシーデータや知的財産の保護
Azure IoT Edge
Azure IoT Hub
D
ev
ic
es
Local Storage
Azure Machine
Learning
(Container)
Module
Management
Agent
Device
Twin
Device
Twin
Azure Stream
Analytics
(Container)
Azure Functions
(Container)
Cognitive Services
(Container)
Custom Code
(Container)
Module
Twin
Module
Twin
Module
Twin
Module
Twin
Module
Twin
Module
Twin
Module
Twin
Module
Twin
Module
Twin
Module
Twin
Module
Twin
Module
Twin
Module
Twin
Module
Twin
Device
Twin
Module
Module
Twin
Module
Twin
Twin
Module
Twin
Device
Twin
IoT
機械学習
ルール ベー
© 2018 Microsoft Corporation. All rights reserved. Microsoft, Windows, Windows Vista and other product names are or may be registered trademarks and/or trademarks in the U.S. and/or other countries.
The information herein is for informational purposes only and represents the current view of Microsoft Corporation as of the date of this presentation. Because Microsoft must respond to changing market conditions, it should not be interpreted to be a commitment on the part of Microsoft, and Microsoft cannot guarantee the accuracy of any information provided after the date of this presentation.
