世界は大変革期の真っ只中

生産年齢人口の減少やSDGs、カーボン・ニュートラルへの対応は喫緊の課題です。この大きく変化してゆく社会への対応は、データを価値に変えてビジネスモデルの変革を進める必要があります。

それは例えば
価値観が変容しつつある顧客の期待に応え、そして、期待を超えていくために
デジタルデータから「Signal」を捉えて、”さすが”、”まさか”といった言葉を引き出す顧客体験を創出したり、

商品・サービスアップデートの高速化を実現するために
デジタルデータから「Signal」を捉えて、「顧客理解」、「インサイト獲得」、「メカニズム理解」を得て競争優位性を構築することです。

Digital Dataから「Signal」を捉えて「Action」へ変換する

これまでよりもひときわインテリジェントな製品と、サービスと、経験とを顧客に提供し、プロセスを自動化し、事業を大きく成功させるためには、データに含まれるSignalを捉えて戦略・戦術に沿った行動に移すことが重要です。

「Signal」を整理する

Signalとは、大量のデータの中に含まれている本当に大事なデータポイントのことでありビジネス資産として扱うべきものです。良質なSignalを捉えられれば、たちまちライバル企業より優位に立つことができます。

「明示Signal」を「Action」へ変換すると出来ること

「暗黙Signal」を「Action」へ変換すると出来ること

「暗黙Signal」を捉える仕組みを導入する

プロセスを通じて、計画・考察を記録し共有し、「顧客理解」「インサイト獲得」「メカニズム理解」に役立つSignalを取り出します。

「暗黙Signal」で競争優位性を構築する

インテリジェントな製品と、サービスと、経験とを顧客に提供し、プロセスを自動化し、事業を大きく成功させます。

Service

Product Solution

Console Trainer Telemetry
「暗黙Signal」を活用した戦略・戦術立案し、「Action」を可視化するダッシュボード 「暗黙Signal」を得るたの「AIモジュール」を構築して「学習済みパラメータ」を生成するためのプラットフォーム 運用中の「学習済みパラメータ」の性能モニタリング、サンプリングデータ収集、再学習パラメータ配布、AIエッジコンピュータ管理ツール
効果的に戦略を立案できていない
インパクトを考慮して実施する優先順位を設定できていない
散らばった実験結果
チームで仕事ができていない
複数のデータ源の取り扱いに時間を取られている
現場の推論性能を把握できていない
リアルタイム推論が必要
戦略に基づいた、戦術の定義実現
ダッシュボードにより実行状況をモニタリング
チームでの仕事を実現
整理された実験結果
ナレッジ共有の進展
暗黙Signalの捕捉
現場の統計情報を収集推論性能をモニタリング
Trainerと連携して再学習済みパラメータを展開
エッジで推論を実現

UnimatrixZero Console

優れたAI・データ戦略を策定し、AIの力で解決できるビジネス上の課題を明らかにすることが重要であり、AI戦略についての合意なくして、AIの導入を成功させて実際のビジネスで成果をあげるのは不可能である。本サービスは、AI・データ戦略策定を支援します。
  • 人工知能技術により「明示Signal」「暗黙Signal」を捉えた場合の「Action」を定義することにより、迅速な行動へ変換するための「AI戦術」を定義(随時)
  • 定義した「AI戦術」の実現優先順位を定義
  • Signalを検出する「人工知能モジュール」の開発達成状況を
可視化
  • Signalを起点にした「Action」の実行状況を可視化
  • 戦術を実現するのに役立つ論文・インターネット記事をリコメンド機能(将来機能)
ダッシュボード

Consoleの特徴:戦術の可視化技術

「暗黙シグナル」を捉えた時の「行動」を記述することにより戦術を定義します。これらの定義は、「意思決定マトリクス」「プロコン表」のフレームワークを通して優先順位を決定することが出来ます。戦術と関連づけた「人工知能モジュール」の開発状況可視化と戦術実行状況を可視化するためのダッシュボードを統合します。

UnimatrixZero Trainer

極めて重要なデータセットが何か特定し、自社の利益のためにそうしたデータを用いて質の高いAIアルゴリズムを作りだすサービス。付加効果として、継続的に人工知能技術を活用をする反復過程を仕組み化します。
  • 「人工知能モジュール」は、Docker技術とオリジナルエージェント技術をベースとしたものであり、各種ライブラリバージョンを固定できるためオープソースライブラリの更新に伴い動作しなくなる問題を回避可能
  • 複数の「データソース」から分析・学習するモデル構築が容易
  • 学習時に利用した「データセット」「学習モデル」「ハイパーパラメータ」「学習結果」を自動記録
  • 協調動作する複数のモジュールで根拠を示す推論が可能
  • サンサンブル学習により推論精度を高めることが可能
進行中のプロジェクト一覧

Trainerの特徴:人工知能モジュール技術

人工知能モジュールとは、UnimatrixZeroの学習実行器が生成した学習計画及び合成計画と連動して学習を実行する為にUnimatrix-Agentとオープンソースを活用したディープラーニングモデルを封入したKubernetes(仮想環境)上で実行可能なDockerイメージです。

UnimatrixZero Telemetry

学習済みパラメータを1度現場へ導入して完了ではない。常に推論性能をモニタリングして性能低下、環境変化に対応するための再学習・再配布のフローを運用する必要がある。本サービスは、学習済みパラメータの運用を支援します。
  • 複数のロケーションへデバイスを配置して、動作状況・各種統計情報を効率的にモニタリング可能
  • 現場のデータを分散サンプリング可能
  • UnimatrixZero Trainerとの連動モード運用の場合、再学習済みパラメータの自動配布を実現可能
※1,※2: ダウンロード形式で「学習済みパラメータ」を利用する場合、UnimatrixZero Telemetry の機能はご利用できません
モニタリング

Telemetryの特徴:AIエッジコンピュータを制御するエージェント技術

Edge-Agentは、データセンシング+推論を実行しつつ、UnimatrixZeroとはセキュリティ確保+負荷コントロールしたデータ通信を行います。

UnimatrixZeroのConcept

「明示Signal」に加え、販売データやソーシャルデータ、天気情報や統計情報などのオープンデータと組合せて人工知能技術で「顧客理解」「インサイト獲得」「メカニズム理解」に役立つ「暗黙Signal」を取り出すと、競争優位性を構築できます。


その為には、「複数のデータソース」と学習済みパラメータを用いた複数の推論エージェントが協調する必要があります。私達のソリューションは、それぞれの役割を担ったエージェントの共同体に似ています。


私達は、この人工知能モジュールの様子から、サイバネティクス(人工頭脳学)※1 に基づいて描かれたあるアメリカのSFテレビドラマシリーズに登場する「ユニマトリクス・ゼロ」を彷彿しました。この物語では、電脳空間にて集合体の社会が形成され、再生と活動が繰り返されています。この世界観は、人工知能モジュールをKubernetes上で実行して、独自のアンサンブル学習技術で予測性能の向上と維持を実現する私達のソリューションに近いと考えて本ソリューションに命名しました。
UnimatrixZero導入による付加効果
Reproducible
再現性
9ヶ月前に学習したモデルが全く同じ環境で、同じデータで再学習でき、ほぼ同じ(数%以内の差)の精度を得られるべきである
Accountable
説明可能性
本番で稼働しているどのモデルも、作成時のパラメータと学習データ、更に生データまでトレースできるべきである
Collaborative
協調性
他の同僚の作ったモデルを本人に聞くことなく改善でき、非同期で改善とコードやデータのマージができるべきである
Continuous
連続性
手動での作業0でモデルはデプロイできるべきであり、統計的にモニタリングできるべきである
[Marsden, 2019]「Challenges for Machine Learning Systems toward Continuous Improvement」
※1: サイバネティックス(英語: cybernetics)または人工頭脳学(じんこうずのうがく) 通信工学と制御工学を融合し、生理学、機械工学、システム工学を統一的に扱うことを意図して作られた学問

Showroom