2017/11/22 ABEJA Night でのABEJA Platform ご紹介資料です。

1. マーケティングから見た
ABEJA Platformの重要性
株式会社ABEJA
Marketing Director 小島 英揮

3. AIへの流れは不可避か？

4. 4
1956 1970 1980 1995 2010 2015
第一次AIブーム 第二次AIブーム 第三次AIブーム
人工知能
Artificial Intelligence
機械学習
Machine Learning
深層学習
Deep Learning
“第三次”AIブーム
クラウドコンピューティング
のスタート

5. クラウド以降のエコシステムが作った
ITの「不可避」な流れ
2006 -
Big Data
Mobile
2016 -
IoT
AI
VR/AR/MR
（仮想体験）
Service
Layer
Cloud
Computing

6. Google as AI First
2002年頃に、私はグーグルの社内パーティーに
出席していた。
ペイジの返事はいまでも忘れられない。「僕ら
が本当に作っているのは、AIなんだよ」と彼は
答えたのだ。
AIを使って検索機能を改良しているのではなく、
検索機能を使ってAIを改良しているのだ。
私の予想では、2026年までにグーグルの主力
プロダクトは検索ではなくAIになるはずだ。

8. AI、特にディープラーニングの適用範囲
今まで分からなかった
ことが分かる
INPUT
これまでデータとして使うのが
難しかった動画や画像等の情報を
処理できるデータとして活用
OUTPUT
判断の精度が上がる
精度を下げず大量
に処理できる

9. 分かりやすく言うと・・・
熟練工による
目視検査過程
検査精度の向上
検査工程を複製
（増やす）
新しい検査方法
の発見

10. 分かりやすく言うと・・・
ドローン等での定点観測写真
× 障害発生データ
障害の早期検知、
プラント稼働率向上
保守、点検時の危険度、
時間の短縮
未然に障害を検知

11. AI導入での成功には
フィードバックループ
が働くことが重要

12. AIで成果を上げるうえでは、常に
運用し続ける＝スケールすること
が求められる

13. AIの市場動向
MM総研調べ：
http://news.mynavi.jp/news/2017/04/26/198/

14. Question:
皆さんの周りで、
ディープラーニングな案件は
進行していますか？

16. Solution Delivered by

17. 社名 株式会社ABEJA
設立 2012年9月10日
住所 東京都港区虎ノ門4-1-20田中山ビル10F
資本金
（資本準備金含む）
1,400,268,000円
企業理念 イノベーションで世界を変える
事業内容
ディープラーニングを活用した
産業構造変革

18. • Archetype Ventures, Inc.
• Innovation Network Corporation of Japan
• Inspire Corporation
• Inspire PNB Partners Corporation
• ITOCHU Corporation
• Mitsubishi UFJ Capital Company Limited
• Mizuho Capital Company Limited
• NTT Docomo Ventures, Inc.
• NVIDIA Corporation
• Sakura Internet, Inc.
• salesforce.com, Inc.
• Toshiba Tec Corporation

19. 19
AI/DLの
専門人材
■量質ともに国内最高レベルの人材を確保
•システム・インテグレーション 等からの”派生人材” ではなく
•「AI/DLの専門性」を有する人材を、世界各国から採用・育成
1
自社開発
ソリューション
■企業に円滑なAI/DL導入を保証し、パフォーマンス最大化が可能
•自社開発ゆえの、品質・生産性・運用安定性の高さ
•日本政府*や、海外リーディングカンパニー**からの評価も獲得
2
実 績
■国内AIブーム黎明期の2012年より、実績・経験を積み上げ
•研究や分析に留まらず、リアルな “現場” への導入実績多数
•数万以上のIoTセンサを管理し、安定稼働ノウハウを蓄積
3
* 経済産業省、NEDO、IoT推進ラボ等から、IoT関連プロジェクトの委託先として採択実績
** NVIDIAやsalesforce.comと提携済み
ABEJA Overview

20. 収集 蓄積 学習 実行
継続的インテグレーション
5年に及ぶソリューション提供で理解したこと：
学習モデルの構築同様、「運用」し続けることが重要であり、
同時に工数もかかる

21. 課題：運用部分をスクラッチで作るか、
既存のプラットフォームを利用するか
迅速スタート
共有ノウハウ
モデル開発に集中
構築に工数
独自ノウハウ
モデル開発以外にも多大な
リソース必要
スクラッチで
環境構築・運用
プラットフォーム
を利用

22. 収集 蓄積 学習 実行
継続的インテグレーション
「運用」し続けるためのプラットフォーム
ABEJA Platform

23. IaaS
○○
SaaS
○○
SaaS
API on API
API
PaaS
System
Processor
スクラッチ
＋
自社DC
スクラッチ
＋
IaaS

24. スケールし続ける、
AI（ディープラーニング）環境構築、
運用にクラウドの力を！

25. More Information
and case studies will be
available at…

27. AWS re:Invent 期間中(11/28) のイベント：
AWS re:Invent参加者でAIビジネスでのネットワーキング
を考えている方はぜひ！

28. Questions?