Solutions

事業紹介 > 役立つAIコンサル・開発

#AIデータ #AI開発 #AI予測 #AIモデル開発

「役立つAI」コンサル&開発

AIモデル開発からアプリまで
一気通貫型のフルスタックAI開発

01

AI に取り組んだが
思ったよりも役に立たなかった...
その原因はAIのせいでは
ないかもしれません

昨今、データさえあればAIをプログラマでなくても開発できるようなプラットフォームやサービスが出てきています。
ですが、同時にAIは思ったよりも役に立たなかったという声も聞くようになりました。
役に立つAIを開発するには、データの特性を読み解き(探索的データ分析)、目的や課題にあったAIのモデルを検討・設計することが本来とても重要です。
この部分をないがしろにしてしまうと、簡単につくれるが役に立たないAIモデルができてしまう可能性が高くなります。

02

課題とデータの特性を元に
アセスメントおよびプランニングから
ご提案します

KoozytのAI開発では、課題とデータの特性を元にアセスメントおよびプランニングから開始し、AIを使う必要性も含めて検討・コンサルティングします。
また、単にAIモデル開発にとどまらず、webやスマホのアプリの中に開発したAIを組み込むことも行っています。一気通貫のフルスタックAI開発が可能です。

Process

AI開発プロセス
一言に AI と言っても、概念は幅広く
さまざまな技術や
アルゴリズムが存在します
役に立つ AI の開発には
目的に沿ったステップが重要です

課題およびデータ内容の把握>そもそもAIが必要かも含めて、データの特徴と課題からAIアルゴリズムを検討>データから特徴量エンジニアリング>必要に応じて海外最先端論文の調査>モデルの実装>モデルの評価とチューニング

Characteristics

クウジットAI開発・分析の特徴
画像認識
物体認識
音声・音楽分析
時系列予測
不正検知
画像生成
※AIやデータ分析に関する分野であれば広く対応可能
こんな課題に応えます


                            包括的なコンサルティング,
                            AI発プロセスのコンサル,
                            よりよい方法の提案

                            データ利活用,
                            データの可視化,
                            データ分析によりインサイトを得る

                            AI の可能性検討,
                            やりたいことは AI で実現できるか,
                            PoCによる実証

                            AI の利活用,
                            業務プロセスにAIを組み込む(AI Ops)

                            AI アプリの開発,
                            スマホ用AIアプリ,
                            クラウドAIアプリ

                            論文実装・評価,
                            海外論文の調査,
                            海外論文の実装・評価
※課題とそれに対するデータがあれば基本的に分野は問わず適用可能

Case Study

アプローチ例
TUNA SCOPE/匠の目利きを、AIで解決

検証の目的

熟練された職人の目によるマグロ検品の技を、AIが受け継ぐことができるか?
プロジェクト体制:
電通、ISID(現電通総研) イノラボ、双日株式会社などが主体となる「TUNA SCOPETM」プロジェクトに、AI データ解析 / システム開発担当として参加しました。

開発ステップ:
1. 課題・データについてヒアリング
2. お見積り
3. アセスメント/プランニング
4. データ収集
5. AI エンジン開発・性能評価
6. チューニング
7. モバイルアプリ開発・現地テスト

プロジェクト概要:
市場や水産工場において天然マグロの品質を判定するためには、熟練された職人が尻尾の断面を目視することによって行われている。
その尻尾の断面画像と検品結果を学習させたAIを開発し、スマートフォンアプリに搭載することで、誰でも簡単に検品を行えるシステムを開発。
クウジットは本プロジェクトの技術担当として協力いたしました。
分析:
マグロの尻尾の断面画像を大量に取得し、それらに対する職人の検品結果(正解データ)をAIに学習させて職人の着眼点を覚えさせていく。
犬/猫を判別するケースとは異なり、すべてマグロ断面の画像であるため違いは微妙であるが、前処理の工夫やさまざまなモデルの試行錯誤を行うことで精度をあげていった。
結果:
80%以上の精度で匠の評価と合致。
成果:
開発されたAIエンジンをスマートフォンアプリに搭載。
誰でも簡単に使える「目利きアプリ」として、実際のマグロ検品現場にも活用できた。
結論:
職人の目による検品の技をAIに受け継がせることが可能であると証明できた。
検品対象となる大量の画像と検品結果さえあればAIに学習させることは可能なため、他の分野にも応用できると考えている。

Article List

関連記事一覧

news0
Coming Soon

Contact Us

まずはご相談から