Amazon Web Services ブログ
【開催報告 & 資料公開】AWS AI/ML サービス事例祭り ～最新アップデートとお客様活用事例をまとめてご紹介～
アマゾン ウェブ サービス ジャパン合同会社 機械学習ソリューションアーキテクトの卜部です。2022年6月2日にオンラインで開催されたAWS AI/ML サービス事例祭りでは、AWS の AI/ML サービスを活用いただいている日本のお客様から、Amazon SageMaker およびAWS AI サービスの活用事例をご紹介いただきました。まずは、AWS田原よりAWSのAI/MLサービスの最新アップデートをご紹介いたしました。その後、各講演者様にご登壇いただき、AI/ML で解決したいビジネスの課題からAI/ML サービス活用のコツまで、幅広いトピックでお話いただきました。
「AWS AI/ML サービスアップデート」[Slides]
アマゾン ウェブ サービス ジャパン合同会社
技術統括本部
ソリューションアーキテクト 田原 慎也
本セッションでは、AWS が提供する AI/ML サービスに関連した2022年の注目アップデートをご紹介しました。
機械学習分野の深い知識なしにご活用頂ける AI サービスからは、5つのアップデートについて紹介しました。例えば、コンピュータビジョンを用いた製品画像の欠陥や異常を発見する Amazon Lookout for Vision でエッジデバイスでの異常検知が一般提供開始、言語翻訳のための Amazon Translate で「表現の丁寧さ（フォーマル度）」をカスタマイズ可能に、といったアップデートがありました。
また、独自の機械学習モデル開発を効率化する ML サービスからは、7つのアップデートについて紹介しました。ノーコードの機械学習環境である Amazon SageMaker Canvas が東京リージョンでできるようになり、また「行のフィルタリング」や「タイムスタンプの変換と抽出」といった新たなデータ準備機能が追加されました。さらに、Amazon SageMaker Serverless Inference が一般提供開始になり推論処理の新たな選択肢に、といったアップデートをご紹介させて頂きました。
「AWS サービスのみで MLOps 成熟度モデル Level 4 を目指す話」[Slides]
イーピーエス株式会社(旧 株式会社EPクロア)
デジタルトランスフォーメーション推進室
髙木 毅 氏
井上 秀樹 氏
髙木様からは、EPクロア様が取り組んでいる AI/ML による業務改善の研究の取り組みについてご紹介いただきました。製薬企業の医薬品開発を支援され、特にプロジェクト管理、サービス品質向上、ビジネスアジリティといったテーマで研究開発をされています。例として、時系列予測による業務量の予測や、回帰モデルと XAI による要因分析、NLP による専門用語のコーディング、などを紹介されました。その中で MLOps を進めるターゲットの1つである、専門用語のコーディングの業務部分について説明いただきました。製薬企業は副作用を必ず当局に報告をする必要があり、報告の際には、MedDRAという辞書に登録されている用語で報告する必要があります。副作用の記載語は医師によって表記ゆれがあり、辞書を使って読み替える必要がありますが、適切に置き換えるには専門知識が必要です。そこで医師が記載した言葉からMedDRA用語を推論する機械学習を用いた業務システムを開発されました。その業務システムの MLOps について井上様より紹介いただきました。運用メトリクスに基づく自動的な再学習判断ができる状態を目指すにあたって、1. ベースライン性能の計測と制約を生成する、2. 推論モデルへの入出力をキャプチャする、3. 運用中の推論性能を記録する、4. 運用メトリクスによりモデルを漸次的に差し替える、ことが必要だと考え、ワークフローとして AWS Step Functions、ETL としてAWS Glue と Amazon Athena、学習と推論に Amazon SageMaker、キャプチャとモデルの監視に Amazon SageMaker Model Monitor を利用されており、本番運用を待つ状況まで実現されています。
「『遊戯王ニューロン』学習処理の自動化による効率的なアプリケーション運用」[Slides]
株式会社 コナミデジタルエンタテインメント
制作支援本部 技術開発部
田中 秀和 氏
株式会社コナミデジタルエンタテインメント 田中様からは、遊戯王をより楽しむためのアプリケーション「遊戯王ニューロン」において、遊戯王カードの認識といった機械学習の機能を、効率よく運用する方法をご紹介いただきました。「遊戯王ニューロン」では、新しいカードが追加されるたびに、そのカードを認識するために認識モデルの再学習を行い、再学習後は精度のテストやモバイル向けのデプロイなども行う必要があります。まず、これらの機械学習プロセスを効率化するために、機械学習の前処理、学習、後処理などを Amazon SageMaker に移行し、必要なときにクラウドのリソースを利用できるようにしています。またApache Airflow を活用することで、SageMaker に実装された各処理を End-to-End で自動実行可能にしています。
本発表では、この機械学習プロセスの自動実行を、これまで機械学習を担当していた技術開発部ではなく、アプリ開発を担う制作部側で実行する方法についても紹介いただきました。技術開発部の権限を渡すことなく制作部側が実行できるようにするために、制作部側が実行するための API を構築されています。制作部側が API を利用して、新しい画像データを Amazon S3 にアップロードすると、機械学習パイプラインのための AWS リソースを AWS CloudFormation で生成します。生成されたリソースを利用して、SageMaker で機械学習を実行し、実行が完了すると機械学習モデルをダウンロードできるようになります。
機械学習を本番で運用する際には、運用が複数の部門にまたがるケースがあります。コナミデジタルエンタテインメント様は、なるべく自動化して開発者の介在を減らし、API で連携することによって、負担を減らしつつスムーズな連携を実現されています。
「ローム研究開発センターにおけるAmazon SageMaker活用事例」[Slides]
ローム株式会社
研究開発センター 融合技術研究開発部 新領域技術課
宮前 義範 氏
ローム株式会社 宮前様からは、研究開発センターにデータ分析基盤を導入した事例についてご紹介いただきました。研究開発を担当する部署では主業務のかたわら開発拠点のITインフラ担当を兼任する場合が多くあり、予算内で強固なITインフラ基盤を作りつつユーザの要望にも応える必要があることを、問題提起として冒頭にご説明いただきました。
ローム様では、そのような要望に応えるためにAmazon SageMakerを用いて研究開発部署にデータ分析基盤を導入しました。ローム様では垂直統合型の事業戦略のもとに多彩な研究テーマ・ターゲットを取り扱い、研究者の知識やアイデアを素早く実現する必要があります。SageMakerを選定したポイントとして、AutoMLからオリジナルの環境までさまざまなスキルレベルのメンバーに対応できることを挙げられました。また、具体的な活用例として、高周波帯フィルタのパラメータの自動設計についてもご紹介いただきました。既存の電磁界解析ソフトとSageMakerの環境を組み合わせて、研究者のアイデアを簡単に取り入れながら効率よく開発し、研究者の理解を超えた解析が可能になりました。また、二つ目の活用例として自然言語処理技術を用いた特許情報からの重要技術の抽出についてもお話しいただきました。大量の自然言語データから売上につながる重要な技術を特定する手法を検討する上で、SageMakerの環境であれば前処理から分散表現化・次元削減までシームレスに実施できるところに魅力を感じていただきました。また、Amazon QuickSightを使った可視化についてもご紹介いただきました。
最後に、データ活用に対するセンター全体のIT/プログラミングスキルの向上も課題でしたが、勉強会やセミナーなどの支援体制が充実していることや国内外に多くの事例があることなど、教育・環境面に対するAWSの利点についてもお話しいただきました。
「Amazon Rekognition を活用したAI 顔認証システム DigiFaceAI の紹介」[Slides]
株式会社 ヒューアップテクノロジー
HRM 推進部 部長
神谷 謙吾 氏
株式会社 ヒューアップテクノロジー 神谷様からは、Amazon Rekognition を活用したAI 顔認証システム DigiFaceAI についてご発表いただきました。出退勤を、カードやID/パスワードで行うのではなく、顔認証によって行うことで、システムの導入及び運用にかかる負担を大幅に軽減されています。一方、顔認証技術を独自に開発するには、顔画像データの収集、顔認証モデルの構築が必要となり、これらを行うために時間とコストがかかります。
ヒューアップテクノロジー様では、Amazon Rekognition を活用することで、顔認証機能をすぐに導入することに成功しました。出退勤時に顔画像をAmazon Rekognition に送信すると、Amazon Rekognition は事前登録された顔画像の集合 (コレクション) から、送信された顔画像と同じ顔画像を探します。もし一致した顔画像があれば、その顔画像の人物が出退勤していると判定します。神谷様からは、顔認証を利用する際のポイントについて3点ご紹介いただきました。まず1点目として、精度を高く維持するために、顔画像一致率のしきい値を利用者ごとに適切に設定されています。利用者によっては、ヘルメットやマスクなどを着用している場合があり、これらを着用していても同一と判定できるようにしきい値を設定します。2点目は、マスクを着用している顔画像の認識精度を上げるため、コレクションにもマスク着用画像を登録する方法を紹介いただきました。この方法は、顔の向きの違いや、ヘルメットの有無などにも有効とのことです。3点目として、Amazon Rekognition による顔認証と同時に、年齢、性別、感情などの情報を同時に推定できる点を挙げられました。顔画像から様々な情報を読み取ることで、出退勤以外にも用途を広げられるようです。
Amazon Rekognition 以外にも、AWS のサーバーレスのサービスを活用いただくことで、短期間での開発と運用コストの削減を実現されています。結果として、利用者に安価にサービス提供できていると、AWS サービスのメリットを挙げていただきました。
「2011年ボタン一発でサーバ起動 2021年ボタン一発でビジネス起動 〜 AIシステムを若手社員が高速開発 〜」[Slides]
株式会社コーセー 情報統括部
グループマネージャー 進藤広輔 氏
横山 春佳 氏
株式会社コーセー進藤様、横山様からは、AIサービスを使ってお客様のお悩みを相談可能にするチャットボットを高速開発した取り組みについてお話しいただきました。コロナウイルスで顧客の来店を前提とした対面型の接客スタイルが困難になった状況下で、コーセー様はBeforeコロナへの回帰を前提としない取組みを進めています。そのためには“IT”・“デジタル”の活用がカギとなり、従来接客を超える新たな価値体験を提供することで真のオンラインカウンセリングが実現できるとお話しされてました。
コーセー様ではこれまでにECサイトやオンラインカウンセリングを導入されていましたが、お客様一人一人に寄り添った対応をさらに実現するために、24時間対応のチャットボットを第3のサービスとして展開することを決定されました。このチャットボットには一般的な質問をシステムの自動応答で解決する無人チャットと、よりパーソナルな質問・悩みを美容部員である専門のビューティコンサルタントに相談する有人チャットで構成されます。
開発期間は2ヶ月半と短く、担当者の知識・経験も不足している状況でしたが、Amazon Lex を用いることで必要な機能を取り入れつつ素早く開発することができました。開発時には、Amazon QnABot や Lex Web UI といった AWS Solutions のようなリファレンス実装や提供されているサンプルを活用しながら、必要な機能を順次開発・追加する方式をとりました。この構成のメリットとして、コンソール上から質問の追加や設定の変更ができたり、有人チャットへの接続も Amazon Connect や AWS Lambda を使ってスムーズに行えるところを挙げられておりました。システム構築で最も苦労したのはチャットカウンセリング自体の品質向上でした。対面に比べて圧倒的にお客様の情報が限られるため、Amazon Lex でやユーザ情報や、お悩みのジャンルを事前に収集しておき、専門のビューティコンサルタントや有人チャットに接続する際に伝達しておく工夫について述べられました。
このチャットボットシステムの完成により、お客様との新しい接点が生まれました。お客様は来店しなくてもオンラインカウンセリングやチャットカウンセリングでカウンセリングを受けることが可能です。お客様と接するビューティコンサルタントについても自宅からお客様の悩みに寄り添うことができるため在宅勤務での新しい働き方が確立され、お客様・社員双方にメリットが生まれました。
まとめ
今回は「AWS AI/ML サービス事例祭り」というテーマで、AWS の AI/ML サービスを活用いただいている日本のお客様から、Amazon SageMaker およびAWSのAIサービスの活用事例をご紹介いただきました。自社のビジネスへのAWSのサービスの使いどころだけでなく、活用のメリットや選定にいたった過程・理由についても具体例をあげてご紹介いただき、非常に学びの多いイベントとなりました。
AWSでは2022年7月22日（木）にも「AWS AI/ML Updateと事例紹介」と題してAWS の AI/ML サービスを活用いただいている日本のお客様から、実際の活用事例について講演いただきます。ご興味ある方は下記のリンクよりぜひご登録・参加いただければと思います。
2019年に開催した「Amazon SageMaker事例祭り」、2020年からスタートした「AWS AI/ML@Tokyo」の開催報告と登壇スライドは、以下のリンクからご覧いただけます。