JR東日本、AIで突風予測

どうも、かわばっちゃんです。

 

今回は、JR東日本が突風予測にAIの導入を検討している事例を紹介します。

 

何にAIを導入するのか

 

突風の原因となる日本海上に発生する空気の渦を発見する解析にAIを導入します。

 

日本海の上に空気の渦ができると、東北の日本海側(山形県あたり)を電車が通過する際に、突風への警戒が必要です。

 

なので、空気が渦になっているか渦になっていないかということが重要になっていて、渦になっている場合は早期発見することで、電車の突風による事故を防ぐことができます。

 

技術としては画像認識技術です。

 

 

渦を可視化する技術は元々ありました(ドラップラー・レーダーを使った手法)。

 

ただ、この技術では渦を誤認識してしまうことや逆に渦を認識できないこともありました。

 

ここにAIを組み合わせることで、より正確に渦を認識できるようになったようです。

 

 

私の見解

 

電車の事故は人死が出ることがあったり、電車の修理代が半端じゃなくかかることがあるので、大きな問題だったと思います。

 

東北の突風事情は分かりませんが、どうやらとても大きな問題だったようですね。

 

AIが人の生活に役立つ好例だと感じました。

 

クボタ、NVIDIAと農業機械の自動運転化を目指す

どうも、かわばっちゃんです。

 

今回は、クボタがNVIDIAと提携し、自動運転できる農業機械の開発をしている話を紹介します。

 

 

クボタとは

 

日本首位の農機メーカーです。

CMもよく流されているので知っている方も多いと思います。

僕の故郷である大阪に本社があります。

 

 

NVIDIAとは

 

アメリカの半導体メーカーです。

ソフトバンクからArm社を買い取るなど、最近話題の会社です。

GPUの技術を持つため、AIに絡んだ話題が多いですね。

 

 

何にAIを導入するのか

 

自動運転技術にAIを導入します。 

 

自動運転にはAIが不可欠と言われております。

 

今回は画像・映像認識技術と動作の自動化を目指すようです。

 

 

なぜ自動運転を目指すのか

 

高齢化が進む日本での離農の増加への懸念や、農作業の効率化が背景にあるようです。

 

 

防衛省、戦闘機にAI利用

どうも、かわばっちゃんです。

 

今回は、防衛省無人戦闘機のためにAIの導入を検討している事例を紹介します。

 

何にAIを導入するのか

 

 

防衛省2035年までに、有人戦闘機が複数の無人機を同時に動かす「チーミング」にを実現をめざしています。

 

そのチーミングを実現するためには高度なAI技術が必要で、そのAI技術を研究開発します。

 

ただし、研究開発をするのは防衛省ではありません。

 

無人機の操作や飛行制御技術はSUBARUが研究を進めています。

 

また、複数の無人機間の情報共有システムは三菱重工業三菱電機が研究します。

 

 

私の見解

 

昔、漫画やアニメで見た、無人戦闘機の話が現実味を帯びて来ましたね。

 

実際、ドローンでの爆撃は2年以上前から行われていますが、無人機での戦争となると恐ろしいですね。

 

ドローンがAIで人間を探し、備え付けの機関銃で人間を撃つ、というような映像を想像してしまいます。

 

ターミネーターで似たようなシーンが出てきましたね。

 

北朝鮮のような危険な国に高度な技術が渡ることだけは避けて欲しいと思います。

 

決定木とは

どうも、かわばっちゃんです。

 

今回は決定木について紹介します。

 

 

決定木とは

 

決定木とは樹形図のような形で、データを分類していく手法のことを言います。

 

主に分類に用いられますが、値予測などに使うことも可能です。

 

汎用的な手法であり、AIやデータ分析に携わる人は知っておく必要がありますね。

 

ランダムフォレストとは

どうも、かわばっちゃんです。

 

今回はランダムフォレストについて紹介します。

 

 

ランダムフォレストとは

 

機械学習アルゴリズムの一つです。

 

複数の決定木による学習器を統合し、汎化性能を向上させるアンサンブル学習アルゴリズムです。

 

主に、分類や値予測に使用されます。

 

特徴としては

・決定木よりも分類や値予測の性能が良い

非線形関係も分析可能

過学習が生じない

 

複数の決定木を使った後、分類の用途で使う場合は決定木の結果を多数決で判断し、値予測に使う場合は決定木の結果を平均します。

 

機械学習で度々使われる手法なので、覚えておくと良いと思います。

GANとは

どうも、かわばっちゃんです。

 

今回は、AIの話の際に、時々、耳にする「GAN」を説明しようと思います。

 

 

GANとは

 

GANとはGenerative Adversarial Networksの略で、

 

日本では「敵対的生成ネットワーク」と呼ばれています。

 

これは人工知能アルゴリズムの一つです。

 

今、話題のディープフェイクに使われていますね。

 

ディープフェイクとはある画像から、その画像そっくりの画像を作り出す技術です。

 

アダルトビデオに出演しているセクシー女優の顔をアイドルの顔に作り変え、

まるでアイドルがアダルトビデオに出演しているかのようにしたことで、

2020年に逮捕者が出ましたが、その技術がディープフェイクです。

 

GANにはGeneratorと呼ばれる生成モデルとDiscriminatorと呼ばれる識別モデルがあります。

 

 

簡単に言うと、入力された画像からGeneratorが画像を作成し、それをDiscriminatorが識別し、その画像を偽物と判断したら、その結果からGeneratorがさらに本物に近い画像を作ろうとします。

 

さらに、Discriminatorもより偽物だと識別する能力を高めていきます。

 

このGeneratorとDiscriminatorが切磋琢磨することによって、最終的にはGeneratorが本物そっくりのレベルにまで精巧に画像を作成できるようになります。

 

これは詐欺の構造に似ています。

 

詐欺師は警察官に捕まらないように、巧妙に詐欺を行います。

 

警察官はその詐欺から学び、今度はその詐欺師を捕まえられるようになります。

 

そうすると、詐欺師はさらに巧妙な詐欺に及びます。

 

このようにして、どんどん詐欺が巧妙になっていくということです。

 

 

私の見解

 

画像を生成する側だけ能力を向上させるのではなく、識別する側のレベルも上げていくという仕組みは非常に賢い戦略だと感じました。

 

うーん、世界の頭の良い人の発想を見習いたいです。

 

これからどんどん新しいAIのアルゴリズムが増えていくことが楽しみです。

 

悪用も加速していきそうですがね。

キリンビール、工場での濾過計画にAI導入

どうも、かわばっちゃんです。

 

今回は、キリンビールが工場でAIを導入した事例を紹介します。

 

何にAIを導入したのか

 

 

ビールの醸造時の業務の一つである濾過計画を立てるプロセスをAIで自動化しました。

 

ビールの醸造プロセスは仕込み、発酵、貯蔵、濾過、保管・パッケージの順で行われます。

 

キリンビールでは、仕込みから濾過までを「仕込み・酵母計画」、濾過からパッケージまでの計画を「濾過計画」としており、今回はこの「濾過計画」をAIで自動化するシステムを作りました。

 

濾過計画とは

 

ビール製造の工程をさらに詳細に伝えると、麦芽のエキス分を抽出した後、そこに酵母を添加して発酵、熟成させ、その後に濾過し、容器に詰めて出荷します。

 

濾過というのは、この添加した酵母を取り除く工程のことを指します

 

酵母は生き物であるため、ビールの味や質はタンクごとに微妙な異なります。

 

複数のタンクを混ぜることで製品の基準に合わせます。

 

濾過後のビールは貯蔵できる期間が短いため、なるべく早く容器に詰める必要があるため、濾過する量を最適に決めなければなりません。

 

また、複数ある設備のどれを使用するのが最適かの判断も求められます。

 

この複雑な条件がある濾過の計画を立てるのが、濾過計画です。

 

 

なぜAIを導入したのか

 

この濾過計画を立てるのに、非常に時間がかかっていたため、その時間を短縮することが目的です。

 

この濾過計画を一度立てようと思うと、熟練の社員が最大6.5時間かけて考える必要がありました。

 

今回、AIを導入したことで、計画一回あたり最短で55分で可能になりました。

 

また、濾過計画を立てるには、熟練者をその業務の専任にし、その熟練者の知見から考えられていたため、属人的なノウハウに頼るところが大きかったという点も問題点となっていました。

 

その点もAIで解消できました。

 

 

技術の提供者は

 

NTTデータです。

 

 

 

私の見解

 

 

このシステムが最初に導入された福岡工場では年間約1500時間の業務が短縮されたようです。

 

また、その後、横浜工場、滋賀工場にも導入されたようですが、そちらは合わせて年間約2500時間の業務短縮になるようです。

 

この合計、4000時間の業務短縮は大きいですね。

 

それにノウハウが属人的になっているということは非常にまずい状況だと思います。

 

職人を育てることは大変な労力なので、必然的に職人は限られて来ますが、その職人が例えば新型コロナウイルスにかかったり、テックキャンプでIT業界に転職を考えてしまったら、大打撃です。

 

大企業ほど仕組み化が大事ですね。