財務省ランチミーティング - mof.go.jp · 予測式a 売上=10.3-2.1×降水量...
TRANSCRIPT
人工知能ビジネス活用の四つの波
財務省ランチミーティング
2017年6月27日
NEC データサイエンス研究所 主席研究員
産総研 NEC-産総研人工知能連携研究室 副連携研究室長
理研 理研AIP-NEC連携センター 副連携センター長
森永 聡
人工知能ビジネス活用の四つの波
大規模データ見える化システム
人間では見きれない大量データを人工知能で整理・表示
大規模予測システム
精度と解釈性を両立する予測器を人工知能で構築・運用
大規模意思決定システム
制約・リスクも勘案して、人工知能で複雑な計画・戦略を立案
人工知能間の交渉・協調・連携
意思統一されていない人工知能間で自動交渉・挙動調整
まとめ
4 © NEC Corporation 2017
活用の高度化
2000 2015 2030
①見える化(可視化・BI)
過去や現在を整理して記述
一通り普及
照合・集計
人工知能ビジネス活用の歴史
大規模データ見える化システム
6 © NEC Corporation 2017
高速な検索と集計技術→大規模データ可視化システム
辞書 PID 2005 2006 2007 2008 種別 名称 剤形 コード 性別・年代301A 50796 --------------------------------@--------------- 医薬品 テオフィリン内用薬 R03B2 M_05-09_301U 50796 --------------------------------@--------------- 医薬品 ジアゼパム 外用薬 N03A- M_05-09_301T 50796 ------------------------@-------@--------------- 診療行為 CRP 160054610 M_05-09_301T 50796 ------------------------@-------@--------------- 診療行為 末梢血液一般 160008010 M_05-09_301T 50796 --------------------------------@--------------- 診療行為 Ca 160021510 M_05-09_301T 50796 --------------------------------@--------------- 診療行為 グルコース 160019410 M_05-09_301T 50796 --------------------------------@--------------- 診療行為 Na及びCl 160021110 M_05-09_301T 50796 --------------------------------@--------------- 診療行為 K 160021410 M_05-09_301t 50796 ------------------------@----------------------- 診療行為 像 160008210 M_05-09_301S 50796 --------------------------------@--------------- 傷病 痙攣発作 R568 M_05-09_301E 50796 50796 -------------------+-------------++------------- 医薬品 塩酸エプラジノン内用薬 R05C- M_05-09_ 50796 -------------------+-----+-+++--+++--+--++--++-- 医薬品 L-カルボシステイン内用薬 R05C- M_05-09_ 50796 -------------------+-+---+--+--------+--++--++-- 医薬品 フマル酸クレマスチン内用薬 R06A- M_05-09_ 50796 ---------------------+-------------------------- 医薬品 トラネキサム酸内用薬 B02A1 M_05-09_ 50796 ---------------------+-+---------++------+-----+ 医薬品 セフテラムピボキシル内用薬 J01D1 M_05-09_ 50796 ---------------------+-----------+-------------- 医薬品 ロキタマイシン内用薬 J01F- M_05-09_ 50796 ------------------------+----------------------- 医薬品 ホスホマイシンカルシウム内用薬 J01X9 M_05-09_ 50796 ------------------------+------+---------------- 医薬品 ドンペリドン 内用薬 A03F- M_05-09_ 50796 -------------------------+---+----+-------+----- 医薬品 メキタジン 内用薬 R06A- M_05-09_ 50796 -------------------------+-+++--+-------++---+-- 医薬品 ヒベンズ酸チペピジン内用薬 R05D1 M_05-09_ 50796 -------------------------+---------------------- 医薬品 リン酸オセルタミビル内用薬 J05B4 M_05-09_ 50796 ----------------------------++----+---------++-- 医薬品 クラリスロマイシン内用薬 J01F- M_05-09_
辞書記号A:原因薬U:治療薬T:診療行為S:副作用傷病名
E:辞書マッチ終了
医療イベントビュワー: EHR、傷病DB、医薬品DBの対応づけ
7 © NEC Corporation 2017
人の見える化 - 世界No.1の顔認証技術
他社を凌駕する超高精度だからこそ
安全に関わるクリティカルな場面で
多数採用
出入国管理
容疑者の出入国を水際で阻止
ブラジル主要14空港で採用
警察向け犯罪捜査支援
オーストラリア北部準州警察で採用
犯罪者捜査のスピード向上と大幅な効率化
空港のゲートチェックで容疑者を高精度に発見
街中、車両に設置した数百台のカメラ映像から容疑者を高精度に発見
精度、速度ともに世界No.1の
顔認証技術
・実運用データ評価でNo.1・姿勢変動評価でNo.1・経年変化評価でNo.1・多人種評価でNo.1
・160万件のDBから0.3秒で照合
認識精度 No.1
認識速度 No.1
※ 米国国立標準技術研究所(NIST)主催
米国政府主催※の技術コンテストで4連覇を達成
投影のみ
8 © NEC Corporation 2017
置き去り検知
異常挙動検知(急に走る・ぶらつく・落下等)
持ち出し検知
人物カウント 速度検知
群衆検知侵入検知
Page 8
行動の見える化 - 犯罪の兆しを捉える映像認識技術
実環境で圧倒的性能を持つ多様な映像解析技術群を、世界各地の課題ごとに組み合わせることで、迅速に最適なソリューションを提供
オートバイ2人乗り
投影のみ
投影のみ
投影のみ
投影のみ
投影のみ
投影のみ
投影のみ
投影のみ
9 © NEC Corporation 2017
環境の見える化 - 犯罪の舞台となる混雑状況の可視化技術
エリア全体の混雑状況を俯瞰し把握することが可能→職員の現場派遣・人々の誘導や、利用者へのスマートホンやモニタを通じた情報提供により、混雑平準化・解消を促進
異常な群衆状態を検出し、職員や警備員に通知し現場に派遣・対処
豊島区防災システム
投影のみ
10 © NEC Corporation 2017
活用の高度化
2000 2015 2030
①見える化(可視化・BI)
過去や現在を整理して記述
一通り普及
照合・集計
②予測分析(判別・異常検知)
見えない情報を推定
今の主戦場
数理統計機械学習
人工知能ビジネス活用の歴史
大規模予測システム
12 © NEC Corporation 2017
大規模予測システム
大量の予測対象に対して予測結果を継続的に出力していくシステム ビル管理システムにおけるエネルギー需要予測:
数十~数百のビルにおける、各階の主要分電盤別に
48時間後までの30分毎の電力需要予測を15分おきに出力
水道施設運用システムにおける水道需要予測:
数十の地区別に24時間後までの15分毎の水道需要量を
数十分おきに出力
小売チェーン自動発注システムにおける商品需要予測:
店舗×商品別に3日先までの半日毎の需要を毎日出力
他にも色々やってます
数千、数万、数十万の対象に対して、予測結果を出し続けていく
13 © NEC Corporation 2017
予測システムの基本的構造
Sun
Sat
色々なデータ
入力 出力
予測器
予測モデル
予測結果
予測モデル: 入力データから予測結果を計算する式・手順→業務知識や大量データ分析に基づき
予測対象ごとに事前に構築しておく→大変なので人工知能にやらせる(機械学習)
14 © NEC Corporation 2017
一般的な予測モデルの構築手順⇒人工知能にやらせてること
①予測に使えそうな「説明変数」を選択
②過去データに基づき予測対象と説明変数間に成立している法則を抽出
予測対象
③当該法則を表す式やその計算手順が予測モデル
説明変数
Y=-2.6×気温
+0.5×降水量
等など
予測モデル(回帰分析の例)
15 © NEC Corporation 2017
単純でも
複雑な挙動のデータに
フィット困難
高精度でもモデルが複雑すぎて人間によるチェック困難
人工知能に作らせる予測モデルにも色々なタイプがあります
画像認識など
SVMDeep Learning
決定木
回帰分析
(判定理由不要)
ビジネス分析(オペレーションの改善)
単純な式
判定チャート
脳シミュレータ
超複雑な式
16 © NEC Corporation 2017
精度とホワイトボックス性のトレードオフ
DeepLearningSVM
決定木回帰分析
ホワイトボックス
高精度
17 © NEC Corporation 2017
精度とホワイトボックス性の両立
回帰分析が苦手とする異種混合データ
?
複数の法則が混在⇒式一本ではそもそも無理
Y=-2.6x1-1.4x2
+0.5x3-0.2x4
?
全然的中しない予測モデル
18 © NEC Corporation 2017
精度とホワイトボックス性を両立したい⇒人工知能を新規開発
複数の単純な法則で複雑な挙動をモデル化
曜日が日曜日?
予測式A売上=10.3-2.1×降水量
曜日が土曜日?
予測式B売上=7.3+6.5×気温
-1.6×降水量
予測式C売上=3.1+0.8×割引率
yes no
yes no
昼間?
yes no
「異種混合学習技術」による予測モデル構築
複数の法則が混在⇒式一本ではそもそも無理
法則それぞれの単純な式と切り替えルールを自動発見#法則数の決定や#説明変数の選択も自動
19 © NEC Corporation 2017
異種混合学習の仕組み
FAB: Factorized Asymptotic Bayesian Inference(因子化漸近ベイズ推論)
ベイズ理論に基づき、異種混合学習用の新情報量基準FICを定式化
FICを最大化するモデルをどのデータが、どの法則に属するか
各法則は、どのような式で表せるか
モデルの縮退によりさらにFICを上げられないか
を繰り返し推定・評価することにより効率的に探索するアルゴリズムFABを開発
→現実的な計算量で複数の法則と切り替えルールを自動発見
Liu, et. Al. “Scalable Model Selection for Large-Scale Factorial Relational Models”, ICML2015
Wang, et. Al. “Trading Interpretability for Accuracy”, KDD2015
Oiwa, Fujimaki, “Partition-wise Linear Models”, NIPS2014
Eto, et. al. "Fully-Automatic Bayesian Piecewise Sparse Linear Models", AISTATS2014.
Hayashi, Fujimaki, "Factorized Asymptotic Bayesian Inference for Latent Feature Models", NIPS2013.
Fujimaki, Hayashi, “Factorized Asymptotic Bayesian Hidden Markov Models” ICML2012
Fujimaki, Morinaga, “Factorized Asymptotic Bayesian Inference for Mixture Modeling” AISTATS2012.
20 © NEC Corporation 2017
異種混合学習技術の位置づけ
DeepLearningSVM
決定木回帰分析
異種混合
ホワイトボックス
精度
21 © NEC Corporation 2017
実際に異種混合学習で出力されたエネルギー需要予測モデル
参考文献1
藤巻、森永、江藤、本橋、菅野“異種混合学習技術とビッグデータ分析ソリューションの研究開発”先端技術大賞フジサンケイビジネスアイ賞受賞論文、2015. (http://www.fbi-award.jp/sentan/jusyou/2015/7.pdf)
より抜粋
22 © NEC Corporation 2017
電力生産・販売事業者
エネルギー需要予測ソリューション
• 電力需要量の把握、需要量に見合った電力の生産及び調達。
• NEC独自の「異種混合学習技術」を用いて、ビルや病院、鉄道、工場等での過去の電力量の需要傾向を学習。
• 学習結果に基づいて今後のエネルギー需要を1時間単位で高精度に予測することで、発電や電力調達の計画、及び電力需要家への節電要請を自動決定。
• 電力需要量に関係しそうな影響因子(施設毎の過去電力消費量、天候、カレンダーイベントなど)の種類が多いほど、異種混合学習技術が効果を発揮。
• 膨大な計算量が必要となる学習部分をNECの大規模計算サーバーで実施することで、ユーザ様の初期導入コストを低減。
お客様の課題
ソリューション効果
導入ポイント
電力需要家(ビル、病院、鉄道、工場、店舗等)
電力需要予測システム
NEC(異種混合学習エンジン)
Y=a1x1+ ・・・ +anxn
Y=a1x1+ ・・・ +anxn
予測
式
実績
デー
タ
• 過去の電力消費の実績データを元に、NECの異種混合学習エンジンが電力需要予測式を生成、電力需要予測システムに定期的にアップロード。
• 電力需要予測システムに逐次過去の実績データを入力して電力需要予測を行い、発電計画の立案や電力需要家への節電要請を実施。
• 気象データ• カレンダーイベント
節電要請
電力
消費
状況
節電
協力
電力
提供
電力
調達
節電
要請
電力生産
節電計画
23 © NEC Corporation 2017
エネルギー需要予測ソリューション
• ビル全体やビル内のある特定の設備、或いはプラントなどを対象として、将来(1~24時間後、2日後、1週間後等)のエネルギー(電力や空調熱量等)の需要量を予測。
• 対象設備の過去のエネルギー消費実績、設備稼働/非稼働データ、ビルプロフィール情報
• 営業日情報、従業員数
• 気温、湿度、日照時間、等
• 時系列グラフ(実績値と予測値の比較)
• エネルギー需要予測式と場合分け
予測式1:Y=0.9x1-0.1
予測式3:Y=1.4x2+1.3x3+1.0x4-0.9
Y :24時間後の電力需要量
x1:現在の電力消費量
x2:20時間前の電力消費量
x3:今日が月曜日かどうか(1 or 0)
x4:24時間後の気温
• 予測に使われた影響因子の影響度
エネルギー需要予測例
予測に用いる影響因子の例
結果イメージ
yes no
noyes
24時間後の気温が24.3℃未満?
土曜日以外?
予測式1 予測式2
予測式5現在の電力消費量が890kwh以上?
予測式3 予測式4
月曜日以外?
noyes
noyes
24 © NEC Corporation 2017
異種混合学習技術による大規模予測システムの実用化
▌需要予測や適正化など、社会の様々な予測を実現
品質予測 劣化予測 チャーン予測 購買予測
電力需要予測 商品需要予測 適正価格予測
25 © NEC Corporation 2017
活用の高度化
2000 2015 2030
①見える化(可視化・BI)
過去や現在を整理して記述
一通り普及
照合・集計
②予測分析(判別・異常検知)
見えない情報を推定
今の主戦場
数理統計機械学習
③意思決定(最適化・制御)
アクションの最適化
先端エッジ
ORリスク分析
人工知能ビジネス活用の歴史
大規模意思決定システム
27 © NEC Corporation 2017
水道施設における課題
パイプ劣化による漏水
配水計画が重要
配水不足(断水)
過剰配水による電力効率低下
ポンプやバルブを適切に調整し、ムダなく需要を満たすよう水の流れを制御
適切に制御できないと発生する問題
•漏水率:ロンドン15%、日本7%
(1都市で総給水量5億m3/年間、 漏水率20%、生産原価150円/m3 のケースで損失額150億円/年間)
•水道施設の電力使用量:日本全国計75億kWh/年間(全国電力使用量総計の約1%)
60年前は20%
管路総延長:1,000km給水戸数: 10万戸
浄水施設から家庭に水が届くまでの時間:2時間(国内地方都市の例)
28 © NEC Corporation 2017
水道施設・機器の運転計画の立案を人工知能にやらせる
▌予測需要量を満たし、過剰浄水の無駄は少なく、パイプを傷めない水圧で、高効率ポンプ出力で、電気は安い時間帯に使い、、、、
▌しかも、多少予測が外れても緊急対応不要な安全マージンをもって、、
電力需要、ガス需要など社会インフラリソースの最適化に効果発揮
正確な水需要予測 浄水・貯水・配水計画最適化
Weather,Temperature,
etc.
修理履歴
パイプ
土壌
DMA
スマートメーター
季節
Usage result
異種混合学習予測型意思決定最適化
施設群・機器群を運転する計画を自動立案する!!
人工知能を新規開発
29 © NEC Corporation 2017
予測型意思決定技術を用いた配水自動計画
不確実性を考慮したリスクの少ない計画策定、リアルタイム設備制御により大規模・複雑なシステム運転を大幅に効率化
頻繁に運用変更が発生
Wate
r volu
me
需要量
供給量
水不足供給過多無駄な電力
time Wate
r volu
me
需要量
供給量
time
Before After
浄水場
浄水場
給水所給水場
浄水場
浄水場
安定かつ効率の良い配水運用
予測された需要量
余剰量
必要最小限の余剰量で安定給水をサポート
水需要予測値
余剰量
施設の特性に応じた緻密な設備制御
ポンプ切替
小ポンプ 大ポンプ
20%の電力効率化
ロバスト最適化
水道サービス
30 © NEC Corporation 2017
予測分析ソリューションから意思決定ソリューションへ
商品売上
水需要
通勤需要移動時間
部品需要
価格/品揃え戦略
造水/配水計画
交通機関の運行計画
物流の最適化
競争力のある店舗
安全・効率な水運用
待ちのない通勤
無駄のない物流
設備/インフラの劣化
設備の保全スケジュール
安全安心な社会インフラ
予測 意思決定
31 © NEC Corporation 2017
4. 予測型意思決定最適化技術《デモ動画》(投影のみ)
32 © NEC Corporation 2017
ビジネス上の課題
【小売】発注最適化(商品需要予測+発注計画最適化)
在庫切れによる売上機会損失・顧客満足低下
在庫過剰・ばらつきによる廃棄損失・利益低下
発注業務にかかる店長の負担過大
発注最適化ソリューション
学習器 データの相関関係を解析
• 店舗/POSから取得するデータ• センサーから取得するデータ• 外部から取得するデータ
発注システム
予測器
最適化器
店舗・商品ごとに複数の予測式を生成、需要予測
損失が最小になる発注量・タイミングを算出
異種混合学習による高精度な予測
カニバリゼーション(共食い)を考慮した発注数決定
大量(店舗数×商品数)の予測モデルを自動管理
店長のスキルに依存せず、在庫切れや在庫過剰を抑制し、売上と利益を最大化。
再学習 継続的に学習し予測精度を維持・向上
実績・差異・他条件
異種混合学習
予測型意思決定最適化
33 © NEC Corporation 2017
ビジネス上の課題
【交通】ドライバー管理(事故リスク予測+トレーニング計画)
事故防止、ドライバー教育の効率的な推進が急務
運行業務の質向上と事業の効率化の両面の対策が必要
•車載センサーから取得するデータ•人事情報などの社内データ
トレーニングシステム
実績・差異・他条件
学習器 データの相関関係を解析
予測器
最適化器
予測式を生成、ドライバーごとの評価スコア算出
トレーニング計画・スケジュールを作成
再学習 継続的に学習し予測精度を維持・向上
異種混合学習
予測型意思決定最適化
「事故を起こしそうなドライバー」を、高い精度で特定
個人や要因に合った予防的・能動的トレーニングを自動的にあてがい、ドライバー管理を効率化
事故防止により、顧客満足度が向上。車両メンテナンス・保険コストも最少に抑えられる。
ドライバー管理ソリューション
34 © NEC Corporation 2017
ビジネス上の課題
【サービス】顧客関係構築(顧客離反予測+プロモーション最適化)
解約率による収益悪化、新規顧客獲得コスト増大
優良顧客の見極めとその解約防止が困難
•顧客行動履歴などの記録データ•キャンペーンなどのCRMデータ
CRMシステム
実績・差異・他条件
顧客関係構築ソリューション
異種混合学習
予測型意思決定最適化
顧客を全方位から分析し、優良顧客の解約を正確に予測
最適なフォローアップ施策を選択し、効果を最大化するプロモーション実施計画を自動的に生成
プロアクティブなプロモーション実施により、収益改善、顧客との長期的な関係構築を実現。
学習器 データの相関関係を解析
予測器
最適化器
予測式を生成、離反(解約)しそうな顧客を予測
個々人に効果が最大となるフォローアップ施策を決定
再学習 継続的に学習し予測精度を維持・向上
35 © NEC Corporation 2017
活用の高度化
2000 2015 2030
①見える化(可視化・BI)
過去や現在を整理して記述
一通り普及
照合・集計
②予測分析(判別・異常検知)
見えない情報を推定
今の主戦場
数理統計機械学習
③意思決定(最適化・制御)
アクションの最適化
先端エッジ
ORリスク分析
ビッグデータ分析事業の歴史
36 © NEC Corporation 2017
人の知的創造活動を最大化するNECの最先端AI技術群
顔認証
群衆行動解析
光学振動解析
音声・感情認識
物体指紋
インバリアント分析
異種混合学習
テキスト含意認識
RAPID機械学習
時空間データ横断プロファイリング
自律適応制御
予測型意思決定最適化
学習型超解像
自己学習型システム異常検知
分析 制御・誘導見える化
37 © NEC Corporation 2017
人の知的創造活動を最大化するNECの最先端AI技術群
パブリックセーフティ マーケティング
街中映像監視
群衆行動解析
重要設備マネジメント
国民ID・出入国管理
オペレーション変革
サイバーセキュリティ
スマート・ウォータ制御
土砂災害検知・予測
発電所故障予兆監視
プラント故障予兆監視
電力需要予測
特売価格最適化
VIP検知接客支援
お客さまの声分析
日配品需要予測
人材マッチング
画像・重量検品
個体認証トレーサビリティ
品質・性能予測分析
保守部品需要予測
情報ガバナンス強化
ソリューション
光学振動解析
学習型超解像
音声・感情認識
テキスト含意認識 自律適応制御異種混合学習
顔認証
物体指紋 群衆行動解析
予測型意思決定最適化
見える化 分析 対処
38 © NEC Corporation 2017
活用の高度化
2000 2015 2030
①見える化(可視化・BI)
過去や現在を整理して記述
一通り普及
照合・集計
②予測分析(判別・異常検知)
見えない情報を推定
今の主戦場
数理統計機械学習
③意思決定(最適化・制御)
アクションの最適化
先端エッジ
ORリスク分析
④連携協調(交渉・調整)
他者と自動交渉
次来る
マルチエージェントゲーム理論
人工知能ビジネス活用の歴史
人工知能間の交渉・協調・連携
40 © NEC Corporation 2017
人工知能間の交渉・協調・連携
AIによる自動制御が広く普及し、社会価値増大に貢献するためには
意思統一されていないAI間でも挙動を調整できる仕組みが必要
統合制御されていないAI間でも、自動交渉による協調・連携で・干渉を回避/緩和し、それぞれが目的を円滑に達成・Win-Win機会を発見/最適化し、互恵関係を形成
干渉を回避/緩和しそれぞれが目的を円滑に達成
経路・軌道計画を互いに通知・依頼・合意しあい、挙動を調整
自動運転社会
緊急車両公共交通
マイカー
楽しくドライブ
定刻で駅へ病院!!
マス・カスタマイゼーション社会
発注A社
こういうの欲しい
加工と組立が得意
組立B社材料C社
特殊材料作れる
Win-Win機会を発見/最適化し互恵関係を形成
自社利益の最大化を目的とする各業務システム間で、受発注条件を自動調整
41 © NEC Corporation 2017
社会実装の3条件と産官学の動向
人工知能間の交渉・協調・連携が社会実装されるための三つの必要条件
① 調整原理の確立
AI間で交渉等を行うための良いアルゴリズムがあること。
② 調整基盤の稼働
原理実行のための通信や記録等の標準プロトコルが定められ、
必要な品質が満たされたものを必要なシーンで安心して利用可能であること。
③ 調整制度の遵守
違反やただのりを排除するためのしくみや制度等があること。
交渉・調整の結果起きた事象に関する権利・義務・責任について社会合意されていること。
①はベンダー等が切磋琢磨すべき競争領域→皆が自由闊達に研究開発
②③は相互接続性、公共の利益が本質になる協調領域→産官学連携へ
総務省:「AIネットワーク社会推進会議」
産業競争力懇談会:「人工知能間の交渉・協調・連携による社会の超スマート化」
他にもドメイン(自動運転、家電)特定の協議会等が活動中
42 © NEC Corporation 2017
リーダー、事務局:
日本電気
メンバー(所属五十音順):
渥美坂井法律事務所、JAXA、沖電気、産総研、NICT、中央大学
デンソー、東京大学、農工大、東芝、豊田通商、名工大、日本総研、
日立製作所、富士電機、三菱電機、理研、早稲田大学、日本電気、NTT
オブザーバー/アドバイザー:
内閣府:総合科学技術・イノベーション会議事務局
総務省:情報通信国際戦略局、情報通信政策研究所
経済産業省:産業技術環境局
政策提言活動 「産業競争力懇談会」(COCN)人工知能間の交渉・協調・連携による社会の超スマート化
43 © NEC Corporation 2017
ユースケースとSociety5.0
ユースケース 交渉・調整内容 想定する関連府省庁 Society5.0「目指すべき将来像」
物理的挙動の協調・連携
無人建設機械 動作計画 総務省、経産省、国交省インフラ維持管理・更新
自然災害に対する強靭な社会
製造機器連携危険回避動作
協調動作総務省、経産省
新たなものづくりシステムスマート生産システム
居住空間内ロボット連携
危険回避動作協調動作
総務省、厚労省、経産省、国交省
地域包括ケアシステムおもてなしシステム
自動運転車・移動体
危険/非効率回避動作
警察庁、総務省、経産省、国交省
高度道路交通システム
複数人工衛星システム間の協調地球観測
動作計画ミッション補完
総務省、文科省、経産省地球環境情報プラットフォーム
新しい事業・サービス
経済的挙動の協調・連携
製造バリューチェーン自動接続
仕様・納期・金額 総務省、経産省、国交省新たなものづくりシステム
スマート生産システムスマート・フードチェーンシステム
スマートシティ電力・水
消費計画・料金総務省、厚労省、経産省、国交省
エネルギーバリューチェーンスマート生産システム
相対融資マッチング 融資条件内閣官房、金融庁、総務省、
農水省、中小企業庁FinTech (日本再興計画より)
金融自動取引管制悪意オペレーショ
ン排除金融庁、総務省 FinTech (日本再興計画より)
医療・介護リソースマッチング
専門家・設備・救急搬送等の運用計
画
総務省、消防庁、厚労省、経産省
地域包括ケアシステム
短納期リテールロジスティクス
仕入・配送計画警察庁、総務省、経産省、国交省
スマート・フードチェーンシステムおもてなしシステム
両方
スマートシティ交通・人流
流入・流出計画 警察庁、総務省、国交省自然災害に対する強靭な社会
おもてなしシステム高度道路交通システム
COCN政策提言の柱と実行スケジュール
44
戦略的大型NP・相互運用性関連部分を
一気に一体開発
実験特区の指定・複数ユースケースを同時実装・詳細制度設計と改善・社会受容性の醸成・普及の壁の突破
国際議論牽引・日本に合った形に標準や制度を国際的に収斂
インフラ整備
まとめ
人工知能ビジネス活用の四つの波
大規模データ見える化システム
人間では見きれない大量データを人工知能で整理・表示
大規模予測システム
精度と解釈性を両立する予測器を人工知能で構築・運用
大規模意思決定システム
制約・リスクも勘案して、人工知能で複雑な計画・戦略を立案
人工知能間の交渉・協調・連携
意思統一されていない人工知能間で自動交渉・挙動調整