TOP イマ、ココ、注目社長! 少量のデータでリアルタイムに学習するAIが、分散型社会を実現!様々な業界の一極集中問題を解決したい。

2020/07/15

1/2ページ

第100回

少量のデータでリアルタイムに学習するAIが、分散型社会を実現!様々な業界の一極集中問題を解決したい。

  • イマ、ココ、注目社長!
  • 経営者
  • 組織
  • 経営
  • 株式会社QuantumCore(クアンタムコア)  代表取締役 CEO 秋吉 信吾氏

 

現役一流経営者の記事が読める!60秒で簡単メンバー登録はこちら  >

 

 

AIといえば、その主流はディープラーニングですが、ディープラーニングは膨大な学習データ量を必要とするため、対応できない領域もあります。例えば、個人データ(ヘルスケア、話者認識など)や、工業現場(異常の発見、機械制御など)、また自然現象など複雑すぎる問題では、諸事情から取れるデータが少なすぎて、高精度のモデルの作成は困難でした。

そうした課題を「レザバーコンピューティング」を活用することで解決し、《少量学習データで超高速・高精度、かつ簡単・安価な》ソリューションを提供しているのが『株式会社QuantumCore(クアンタムコア)』です。同社代表取締役CEO・秋吉信吾氏に話をうかがいました。

 

(聞き手/井上和幸)

 

 

ディープラーニングでは対応できない分野で大きな強みを発揮。 

秋吉さんは、大学院(修士課程)を修了後、2010年にエキサイト株式会社に入社。それと並行して、2012年から独学でディープラーニングの研究を始めました。2014年に移ったスタートアップスタジオMistletoeミスルトウ)株式会社では、創業者の孫泰蔵氏からその研究が評価されて、音声・画像認識、文書要約、エージェントシステムなどの研究開発を担当ています 

実は、秋吉さんは学部生時代にスタートアップに短期間関わったことがありそのときの経験があまりにも大変だったため、就職する前には起業は一旦いいかなという気持ちになっていとのこと。ところが、Mistletoeで孫泰蔵氏のビジョンに触発さるなどして、「2020年までには自分の事業を持ちたい」という気持ちになっていったといいます。 

 

その後、株式会社デジタルガレージを経て、2018年に株式会社QuantumCoreを設立。ディープラーニングの次を担うとされる、レザバーコンピューティングを活用した新しい次世代多変量時系列処理(RNN)ソリューションを提供ています。 

 

Reservoirは貯水池という意味でレザバーコンピューティングはリカレントニューラルネットワーク(Recurrent Neural Network:RNNの一種で、最近新たな機械学習方式として注目されている。入力層、中間層(リザーバー層)、出力層(リードアウトニューロン層)の3層で構成される教師あり学習を行う。リカレントニューラルネットワーク(Recurrent Neural Network:RNN)とは日本語で再帰型ニューラルネットワークとも呼ばれ、時系列に意味のあるデータを学習させるのに適したニューラルネットワークのこと。前の時刻の隠れ層の出力を、次の時刻の隠れ層の入力としてフィードバックする時系列情報を保持したネットワーク 

 

――そもそも秋吉さんがディープラーニングから、レザバーコンピューティングへと進んだ理由は何だったのでしょうか? 

 

秋吉 ディープラーニングはビッグデータが中心大量のデータを集めてコンピューティングパワーで何とかしようという世界です私も音声認識などをつくる過程でデータ不足にとてもっていました。そこで、集めるデータを何とか少なくできないだろう?」いろいろアイデアを考え中で1つ上手くいったのがレザバーコンピューティングの技術の応用でした。 

レザバーコンピューティングというのは、物理学の複雑系力学という分野で使う技術です。世間的にはビッグデータを溜め込んでこそという流れあり、私そう思う部分ある一方で、ビッグデータによって人間が普遍的に使うようなシステムをつくるだけではなくて、個人に合わせた何かをつくってきたいっていました。 

 

特に現代は、より多様性の時代になり、様々な行動様式が生まれていますそういったものをカバーできるアルゴリズムが今後は必要なのではないか考えたんです。で確信を持ってレザーコンピューティングに進みました。 

 

――これは余談というか、個人的な疑問なのですが、取材の下調べをしたときに、「レザバーコンピューティング」という名称は媒体によって表記が異なっているように見受けられました。正式にはどうなのでしょうか。 

 

秋吉 実は、つい最近まで日本国内では研究者によっても表記が揺れていました。私がこの会社を創業した時には「リザーバコンピューティング」とう名称が優勢でしたが、それが徐々に変わってきて、今年、IPA独立行政法人 情報処理推進機構)』が毎年発行しているAI 白書の2020年版では「レザバーコンピューティング」という表記になっていました。これによってそれが日本でのスタンダードな名称になるだろうと考えて、弊社でも今年から「レザバーコンピューティング」で統一することにしています。 

 

――なるほど、納得できました(笑)。専門的なことはあまりわからないのですが、この分野で技術的な独自性を確立するためには非常に高度な研究が必要なのでしょうね。 

秋吉 レザバーコンピューティング自体は、もともと物理の世界で研究されていて、我々がやっているようなソフトウェアやコンピューターの世界からは少し遠いところにありました。その応用先として徐々に近づいてきたという経緯があって、なかなか研究者も含めてクロスしない部分でもあったんです。 

 

――用途として、こちら側に持ってきたというケースがなかったですね。 

 

秋吉 はい。レザバーコンピューティングは、「新しいコンピューターをこの先につくっていくぞ」という意気込みで研究されているものです。我々のようにソフトウェアでどうこうではなくて、全く違う新しい素材を使って、それこそコンピューターの中のCPU のチップからつくっていくところが中心なんです。例えば、IBMならば「光コンピューティング」という名前で、光の仕組みを使いながら計算を解きますが、これもレザバーコンピューティングの一種です。 

 

――レザバーコンピューティングについて、文系の人間にイメージしやすい解説をもう少ししていただけるとうれしいですが。 

 

秋吉 前提としてAIと呼ばれるような分野特に重要なのは機械学習になるですが、機械学習の分野には2つ大きな機能があります。1は、の特徴を取り出こと。もう1は、その特徴がであるかを判断することです。 

 

ディープラーニング登場以前は、この特徴を取り出す部分を人が設計していました。例えば、「音声ならこの人」、「画像だとこの人」といった、それぞれの領域に専門家の方がいて、上手く特徴を抽出していですしかし、これでは効率が悪いので登場してきたのがディープラーニングあり、ビッグデータを流し込むことで勝手にこの特徴を取り出せるようになりました。ただ、ビッグデータがあればいいのですが、ない場合は上手い特徴の取り方ができないので、結果として上手くいきません 

 

そこで、我々はその特徴を取り出す部分を複雑系力学と呼ばれる物理の分野に置き換えたわけです。複雑系力学とはかというと、大量のデータを流し込んで何か物をつくるというよりも、この世にある普遍的なもの、例えば、レーザーの波長や波動く水面などから特徴を取り出すことのできるコンピューティングです。 

 

例えば水面というのはランダムでもないし、規則性もないような複雑な動きをしていますこれが複雑系と言われるものですが、例えば、「小石の特徴を取り出そうとしたときに、小石を水面に投げ込むと波紋が立ちますよね。この波紋小石の特徴して使うのがレザバーコンピューティングということになります。 

 

――ありがとうございます。それ以上の説明はより専門的な媒体に譲るとして(笑)、かくにもレザバーコンピューティング個体差や環境差、時間差などの影響が大きくてビッグデータを取得できない領域で大いに強みを発揮する、ということですね。 

 

御社のホームページを拝見すると、パーソナルな分野では「心電図での疾患発見」や「会議などでの話者の特定」、「においによる排泄タイミングの特定」、また工業分野では、「音による異常検知」、「センサーでの作業特定」、さらには、「住宅価格の予想」などが、かなり高い精度で判・推定できるとか……そうした用途をうかがうと、レザバーコンピューティングは、まさしく今後求められる技術だと感じます 

 

1

2

プロフィール

  • 秋吉 信吾氏

    株式会社QuantumCore(クアンタムコア)  代表取締役 CEO

    小学校低学年の頃よりマイコンによるコンピュータプログラミングを始め、 その後、ロボット型検索エンジンに出会い、大きな感銘を受ける。 大学院で自然言語処理の研究に従事した後、エキサイト株式会社に入社し、 自然言語処理を活用した新規サービスの開発、検索エンジン導入プロジェクトなどを担当。 また2012年ごろから深層学習を独学、その後Mistletoe株式会社に入社し、 音声/画像認識、対話エージェントなどAI関連技術のR&Dを担当。 2018年当社設立。現在、コア技術の研究部門の直接統括を通じた経営戦略への橋渡しと、 全PoCプロジェクトに対し横串で監修。 今良くも悪くも大きく生活様式が変わろうとしている世界を見据え、 これまでのビッグデータによる作りきりのモデルではなく、 全く新しいスモールデータによる個人・環境特化型のAIの時代を作るべく、 日々活動している。