Review
この商品に対するご感想をぜひお寄せください。
キーワード：
エコシステム/プラットフォーム/次世代チップ/量子コンピュータ/スマートファクトリー/デジタルマーケティング/ブロックチェーン/コネクテッドカー/自動運転/ツール/ソフトウェア/アプリケーション開発/IoT
刊行にあたって
機械学習は、驚異的なペースで進化を遂げており、企業の機械学習導入が加速している。機械学習/ディープラーニングは、技術および産業の裾野が広く、産業振興への貢献度が高く、創業、雇用の創出も期待されている。
2018年は機械学習成長の転換点に達した年であった。2017年から2018年にかけて、機械学習の実装と試験プロジェクトの数は倍増し、さらに2020年までにその倍になると予想されている。また、機械学習APIやクラウドに対応する専用ハードウェア等の実現により、機械学習技術が大企業だけでなく小規模企業でも広く使われ始めている。
自然言語処理技術、自動運転システム、先端医療技術はじめ、機械学習技術は社会・市民生活に対する直接的な影響が強いという点でも出色である。
本白書は、カテゴリー別にその開発・実装動向、市場動向、アルゴリズム高度化など先進的な研究開発動向、業界別活用動向、技術的・手法的課題、機械学習のエコシステム/プラットフォーム形成を巡る動き、次世代チップ/量子コンピュータ/スマートファクトリー/デジタルマーケティング/ブロックチェーン/コネクテッドカー/自動運転などの関連領域の動向を体系的・包括的に取り上げた調査報告書である。
また、最新のツール/ソフトウェア/アプリケーションの開発・サービス動向、今後の進展予測まで、関係する領域を体系的・包括的に取り上げた調査報告書である。
著者一覧
-
目次 + クリックで目次を表示
第1章 機械学習/ディープラーニング 概説
1-1 機械学習 概説
1-2 機械学習の大きな転回点となった2018年
1-3 機械学習/ディープラーニングをビジネスで活用する上での前提理解
1-4 ディープラーニング(多段ニューラルネットによる機械学習)概説
1-5 教師あり学習と教師なし学習
1-6 機械学習と先進認識(識別・回帰)技術
1-7 機械学習を用いた技術性能の評価指標
1-8 ビッグデータ解析と機械学習
1-9 機械学習のエコシステム/プラットフォーム形成を巡る動き
1-10 機械学習プラットフォーム構築を巡る動向俯瞰
1-11 ディープラーニングの研究開発領域とビジネス化動向俯瞰
1-12 次世代ディープラーニングの現状と可能性
1-13 ディープラーニングのビジネス利用と課題点
1-14 主な参入ベンダー:事業特性・最新動向
[1] 概況・近況
[2] 参入企業 概況
第2章 機械学習/ディープラーニング-地域別・機関別動向
2-1 米国
[1] DARPA 「UPSIDE program」
[2] DARPA 「SyNAPSE program」
[3] IARPA 「MICrONS program」
2-2 欧州
2-3 中国
[1] 清華大学/紫光集団
2-4 日本政府
[1] 人工知能技術戦略会議
[2] 「世界最先端IT国家創造宣言・官民データ活用推進基本計画」
2-5 総務省
[1] 情報通信研究機構(NICT)
[2] 総務省 情報通信政策研究所
[3] 「AIネットワーク社会推進フォーラム」(国際シンポジウム)
2-6 文部科学省
[1] 革新知能統合研究センター
2-7 内閣府
[1] 内閣府革新的研究開発推進プログラム(ImPACT)
[2] 全脳アーキテクチャ・イニシアティブ
2-8 内閣府特命担当大臣(科学技術政策)
[1] 人工知能と人間社会に関する懇談会
[2] 世界最先端IT国家創造宣言・官民データ活用推進基本計画
2-9 産業技術総合研究所
[1] 人工知能研究センター
[2] ABCI(AI Bridging Cloud Infrastructure)
2-10 産業競争力懇談会
2-11 知的財産戦略本部 検証・評価・企画委員会 「情報財検討委員会」
2-12 人工知能学会
2-13 IT総合戦略本部 「AI、IoT時代におけるデータ活用ワーキンググループ」
第3章 機械学習/ディープラーニングの基本モデルとその発展
3-1 ニューラルネットワーク(NN)とコネクショニズム
[1] 畳み込みニューラルネットワーク
[2] 再帰型ニューラルネットワーク
3-2 ディープニューラルネットワークのモデル
3-3 ベイズ確率(推定)/単純ベイズ分類器
3-4 サポートベクターマシン(support vector machine, SVM)
3-5 決定木(decision tree)
3-6 ブースティング(Boosting)
3-7 ランダムフォレスト(random forest, randomized trees)
3-8 k近傍法(k-nearest neighbor algorithm)
3-9 EMアルゴリズム(EM法)
3-10 遺伝的プログラミング
3-11 機械学習アルゴリズム高度化と“学習するハードウェア”の取り組み
3-12 機械学習アルゴリズム開発と関連技術の実装
第4章 機械学習/ディープラーニングの注目領域(アテンション・エリア)
4-1 ディープラーニングの研究開発領域とビジネス化 概説
4-2 新技術への関心と取り組み状況
4-3 次世代ディープラーニングの現状と可能性
4-4 ディープラーニングのビジネス利用と課題点
4-5 業界別注目領域
[1] 製造業界
[2] 金融業界
[3] 医療業界
[4] サービス業界
[5] メディア業界
[6] 教育/学習ゲーム業界
[7] マーケティング業界
4-6 研究領域別注目領域
[1] 学習率(learning rate)の精度・速度向上
[2] 機械学習の大規模化と深層学習の高速化
[3] 探索(Explore)機能のスマート化
[4] 場面全体の状況を認識するAI
[5] 画像認識とAR(拡張現実)の結合
[6] 敵対的ネットワーク(GANs)を利用した自動〔無監督〕学習
[7] 研究者とスタートアップをつなぐ機械学習アルゴリズムのマーケットプレイス
第5章 機械学習/ディープラーニングの課題
5-1 業界別適用課題
5-2 技術的課題
5-3 手法的課題
第6章 画像認識・生体認証と機械学習/ディープラーニング
6-1 顔認識システム(Facial Recognition System)
6-2 進展著しいディープラーニング画像認識プラットフォーム
[1] ディープラーニング画像認識プラットフォームとソフトウェア
[2] 深層学習を使った先進画像診断技術
[3] 来店客の画像解析・行列予測
[4] 画像・音声認識とディープラーニングによる競技分析向け実証実験
6-3 コンピュータビジョン/ロボットビジョンと産業用ロボット
[1] 概説
[2] コンピュータビジョンと機械学習
6-4 MVTec Software(独) 産業向けマシン・ビジョン・ライブラリー「HALCON」
第7章 機械学習/ディープラーニングと次世代チップ
7-1 機械学習の高速化専用チップ
7-2 活発化するAI半導体開発競争
7-3 FPGAと同等の機能を、高速・低電力で実現する半導体の開発
7-4 ニューラルネットのファイル形式の違いを吸収する規格「NNEF(Neural Network Exchange Format)」
7-5 「関係性」を理解する専用チップ開発
7-6 脳の神経回路を模倣する非ノイマン型次世代半導体
7-7 GPU並列処理技術とディープラーニングの結合
7-8 AIクラウド/機械学習/ディープラーニング向けサービスへのGPU適用
7-9 インテル チップ単体で自律学習可能なAIチップ「Loihi」
7-10 インテル ディープニューラルネットワークを単独処理可能な専用チップ「Myriad X」
7-11 機械学習/次世代データセンターを支えるコンピュータ・アーキテクチャ
7-12 第5世代SoC
7-13 スタートアップ動向
第8章 自然言語処理の発展と機械学習/ディープラーニング
8-1 自然言語処理(NLP)の活用分野とその市場展望
[1] 人工知能(AI)研究の発展と自然言語処理(NLP)
[2] 世界の企業向け NLP ソリューション市場の展望
8-2 「自然言語」、「テキスト」、「音声」というビッグデータがもたらすビジネスチャンス
8-3 各業界における NLP の活用状況
[1] 各業界における NLP を用いたテキスト分析の活用
[2] 各業界における音声認識/スピーチ分析の活用
[3] 金融
[4] 各種メディア
[5] 流通、運送、小売
[6] その他
8-4 自然言語理解と機械学習
[1] 概説
[2] 意思決定支援・質問応答システム/自然言語生成
[3] 自然言語処理技術を用いた人工知能応用事例
[4] 自然言語処理を行う対話ロボット/コミュニケーション・ロボット
[5] 自然言語処理を行う対話ロボット/コミュニケーション・ロボット事例
8-5 クラスタリングと機械学習
8-6 機械学習と機械翻訳
8-7 機械学習とデータマイニング
8-8 データマイニング向けソフトウェア
第9章 量子アニーリング/量子コンピュータと機械学習/ディープラーニング
9-1 人工知能の発展に不可欠な量子コンピュータ技術
9-2 量子人工知能の現状と展開予測
9-3 スパコンより高速性能を発揮する量子ニューラルネットワーク計算機
9-4 スマートファクトリーと量子アニーリング
第10章 次世代ロボットと機械学習/ディープラーニング
10-1 次世代ロボットと人工知能/機械学習
10-2 機械学習を搭載したロボット技術の進展
10-3 次世代産業ロボットの開発を牽引する分散機械・リアルタイム解析モデル
[1] ビッグデータと機械学習の結合
[2] IoTによるロボットのリアルタイム解析ソリューション
10-4 ファナック/シスコシステムズ 「産業用ロボットの知能化」
10-5 次世代ドローンと機械学習
10-6 機械学習で自律飛行するドローン
10-7 次世代ドローンと機械学習による地図作成システム
10-8 産業用ドローンの自律航行・航行中の動作処理高度化
第11章 教師(ティーチング)不要ロボット[1]
11-1 機械学習とロボット・システム
11-2 ディープラーニングとロボット・システム
11-3 ティーチング作業の制約を克服する取り組み
11-4 カメラで部材を認識・位置補正するティーチングレスシステム
11-5 ファナック/PFN 「強化学習を用いた複数ロボット同士の協調」
11-6 ファジィニューロ学習・推論エンジンを搭載した産業用ロボット
11-7 ティーチングフリーを実現した小型5軸多関節ロボッ
ト
11-8 自律的判断対応型バラ積みピッキングロボット
11-9 教師レスのAI荷卸しロボット
11-10 動作軌道自動生成ロボット
11-11 安全柵設置が不要な協働ロボット
11-12 ディープラーニングと予測学習を使っマルチモーダルAIロボットアーム
第12章 スマートマニファクチャリング/スマートファクトリーと機械学習/ディープラーニング
12-1 サイバーフィジカルシステム(CPS)と機械学習/ディープラーニング
12-2 スマートファクトリーと事前学習済み機械学習モデル
12-3 インダストリー4.0とAI
12-4 インダストリー4.0の課題とAIによる解決
[1] 概説
[2] 次世代産業用ロボットに欠かせない人工知能
[3] IoT対応・人工知能搭載型携帯電話
12-5 インダストリーIoTと音声認識、視線の分析技術
12-6 機械学習/ディープラーニング援用によるIoT志向のスマートファクトリー
12-7 既存のバウンダリーを無効化するIoT/スマートマニファクチャリング
12-8 富士通研究所 「IoT/エッジコンピューティングとAI/機械学習の実証実験」
12-9 Microsoft 「Azure Machine Learnin」に基づいたエキスパートシステム
12-10 事例紹介
[1] オークマ 機械学習機能を搭載した「OSP-AI」
第13章 医療診断支援/次世代医療技術と機械学習
13-1 人工知能を使った症状のメカニズム解明
13-2 次世代医療技術での活用が有望視される人工知能
13-3 ビッグデータ解析と予防医療
13-4 機械学習/ディープラーニングがもたらす医療画像認識技術の顕著な発展
13-5 ディープラーニングによる電子カルテ診療データ解析技術
13-6 電子カルテデータをもとに機械学習を使った予後の予測
13-7 機械学習を用いたICU向け先進電子カルテシステム
13-8 地域間医療格差是正と多職種間の連携
13-9 IoT/生体センシング/機械学習を活用したヘルスケア・ソリューション
13-10 メンタルヘルスの定量化を実現する人工知能
[1] メンタルヘルスの定量化共同プロジェクトの始動
[2] 機械学習を活用したメンタルヘルスのシステム化
[3] ストレスチェック支援クラウド
第14章 ディープラーニングがもたらす医療画像認識技術の顕著な発展
14-1 概説
[1] 概況・近況
[2] 医療画像診断の技術革新を促す人工知能
[3] ディープラーニングがもたらす医療画像認識技術の顕著な発展
[4] 深層学習を使った先進画像診断技術
14-2 8K画像/8K(硬性)内視鏡の開発と人工知能による診断支援
[1] 概況・近況
[2] 病理診断への活用
[3] 診断支援への活用
[4] 内視鏡(硬性鏡)への活用
[5] 総務省 「8K技術の応用による医療のインテリジェント化に関する検討会」
第15章 フィンテック/ブロックチェーンとAI/機械学習
15-1 フィンテック普及のカギを握るオープンイノベーション促進
15-2 AI/ディープラーニングを使った金融プラットフォーム
15-3 AIによる為替・株式売買の判断支援
15-4 AIによる金融資産分析/商機発掘
15-5 AIによるリアルタイムビッディング(RTB)
15-6 AIによる自動対話サービス
15-7 AIによる銀行店舗接客支援
15-8 投資運用戦略における機械学習技術活用
[1] ビットコインを使った全自動取引アルゴリズム
[2] トレーディングにおけるディープニューラルネットワーク適用
[3] センチメント分析による株式銘柄のスコアリング
15-9 AI/脳科学を使った顧客の投資行動パターン分析/行動態様分析による審査
[1] SMBCコンシューマーファイナンス) 「統計的経験則に基づくリスク評価・審査モデル」
[2] ZestFinance 「返済意思」を重視した審査モデル
15-10 「アカウントアグリゲーション」のモデル/手法
15-11 ロボアドバイザー
15-12 投資サポート
15-13 機械学習活用による金融商品販売のチェック業務効率化
15-14 不動産業のブロックチェーン適用
15-15 リアルテックで展開が予想される主な分野
15-16 フィンテック活用/フィンテック投資動向
[1] 概況・近況
[2] IBM
[3] Lendr 「人工知能を利用した住宅ローンのリヴァースオークション・プラットフォーム」
[4] Crowdsurfer 「ソーシャライズファイナンス/シェアエコノミー向けプラットフォーム」
[5] 大和証券グループ/デジタルガレージ
[6] 千葉銀行
[7] 新日鉄住金ソリューションズ
[8] メタップス
第16章 次世代自動車と機械学習/ディープラーニング
16-1 自動運転、人工知能、モビリティーサービスのシナジー
16-2 機械学習で連携が進む自動車業界
16-3 次世代自動車と機械学習/ディープラーニング 研究開発動向
16-4 AI/機械学習による次世代車載システムの開発
16-5 第5世代SoC採用に向けた動き
16-6 車載LAN「CAN」におけるハッキング信号の機械学習
第17章 コネクテッドカーと機械学習/ディープラーニング
17-1 概説
17-2 OTA(Over The Air)と機械学習
17-3 自動運転向けIoTクラウドサービス
17-4 クラウド型リアルタイム走行データ収集・蓄積プラットフォーム
17-5 クラウド型運転情報レコメンドサービス
17-6 AIクラウドとコネクテッドカー:主要プラットフォーム
[1] Bosch 「Bosch Automotive Cloud Suit」
[2] Microsoft 「Microsoft Azure」
[3] Google 「Android」
[4] BMW 「BMW Connected」
17-7 ディープラーニングを活用した車載/端末解析
17-8 研究開発/参入メーカー動向
[1] NVIDIA
[2] デンソー/東芝
[3] トプスシステムズ
第18章 自動運転と機械学習/ディープラーニング
18-1 概説
[1] 概況
[2] 世界中に広がる自動運転車の開発と公道での運行開始
[3] 人工知能搭載自動車がもたらすモビリティ・イノベーション
[4] ロボット/センサーとの統合と自動運転システムの高度化
18-2 Waymo(グーグル)の取り組み
18-3 Google Carにおけるロボット制御サイクル
18-4 フォードの取り組み
18-5 トヨタ 「MOBILITY TEAMMATE CONCEPT」
第19章 ADAS/自動運転向け機械学習プラットフォーム
19-1 “Cloud-to-Car”の潮流
19-2 位置・地図情報ベンダー動向
[1] 概況・近況
[2] Mobileye 「REM」
[3] HERE 「HD Live MAP」
[4] TomTom
[5] NVIDIA
[6] Intel 「Intel GO」/Mobileye買収
[7] Google 「Google Map」
[8] Uber Technologies
[9] ZF/Bosch/Volvo Cars
[10] AImotive
[11] ダイナミックマップ基盤企画(DMP)
[12] パイオニア
19-3 自動運転ベンダー/主要プラットフォーム動向
[1] NVIDIA 「DRIVE PX」/「DRIVE PX2」
[2] ティアフォー/NVIDIA/AutonomouStuff 「Autoware」
[3] バーテックス 「CarSim」
[4] ESI Grou/日本イーエスアイ
第20章 コネクテッドホームと機械学習/ディープラーニング
20-1 概説
20-2 活発化する産学連携体制によるAI/コネクテッドホーム開発の取り組み
20-3 機械学習によるコネクテッドホームの拡張
20-4 AIによるユーザー嗜好の学習・レコメンド機能搭載家電
20-5 事例紹介
[1] Amazon 「Amazon Echo/Amazon Homekit」
[2] Google 「Google Asistant」
[3] Google 「Google Home」
[4] Microsoft 「Office 365」/「Dynamics 365」
第21章 VR/AR/MRと機械学習/ディープラーニング
21-1 拡張現実(仮想現実)と機械学習
[1] 概況・近況
[2] 経過
21-2 シミュレーテッドリアリティと機械学習/ディープラーニング
21-3 コンピュータビジョン/ロボットビジョンと機械学習
21-4 ニューラルインターフェース(思考/脳の活動)を検知する次世代ゲーム
21-5 生体情報のモニタリング/バイタルサイン技術とVR/AR技術の統合
21-6 VRを用いた多地点協働型手術支援システム
21-7 参入企業動向
[1] DeepMind Technologies
[2] Blippar
[3] Ceva
[4] wrnch
第22章 デジタルマーケティングと機械学習/ディープラーニング
22-1 マーケティング自動化サービスの台頭
22-2 次世代のマーケティングプラットホーム
22-3 データと機械学習を利用したABM向けのマーケティング分析ツール
[1] 概況
[2] Kenshoo 「Kenshoo Social」
[3] Kenshoo導入事例
22-4 レコメンドサービスとビッグデータ活用
22-5 ALBERT ビッグデータ分析と機械学習を活用したマーケティング支援システム
第23章 コグニティブコンピューティングと機械学習/ディープラーニング
23-1 IBM Watsonに見る人工知能の進化と人間の未来
23-2 クラウド経由で提供するWatson関連サービス
第24章 RPAと機械学習/ディープラーニング
24-1 概説
24-2 機械学習とRPA
24-3 自然言語処理とRPA
24-4 マクロのAIによる進化
24-5 AIによる仕訳・自動分類作業の自動化
24-6 ディープラーニングによる画像自動分類
24-7 異常仕訳を自動的に識別する機械学習アルゴリズム
24-8 AIによるRPAツール開発
24-9 RPAへのコグニティブ(認知)機能追加
第25章 建設・土木ITと機械学習/ディープラーニング
25-1 ディープラーニングによる地面掘削作業の自動化
25-2 GPUによる建機の自律動作
第26章 スマートシティと機械学習/ディープラーニング
26-1 スマートシティのホリスティックアプローチを促進するAI/機械学習
26-2 スマートシティのサイエンティック・アプローチと機械学習/ディープラーニング
[1] 2000-watt society
[2] 蟻コロニー最適化
26-3 都市ガバナンスとAI/機械学習
26-4 ビッグデータ/AI/機械学習を活用した新たなスマートシティ・サービス創造
26-5 事例紹介
[1] 米国政府 「ビッグデータイニシアティブ」
[2] マサチューセッツ州 「ビッグデータイニシアティブ」
[3] シンガポール政府機関 「Singapore Safe City Test Bed」
[4] 欧州委員会 「ビッグデータ・プライベート・フォーラム」への資金提供
[5] ドイツ/産官学一体プロジェクト 「Industry(インダストリー)4.0」
[6] Siemens(シーメンス) 「ネクスト47」
[7] ビッグデータ専用アプリケーション活用によるスマートシティサービス
第27章 フォグ/エッジ・コンピューティングとAI
27-1 “フォグ”とAIによる次世代コネクテッドインダストリー
27-2 クラウドからエッジへシフトを遂げるディープニューラルネットワークのモデル
27-3 マイクロデータセンター実現に向けた動向
27-4 低電力でAI/機械学習を実現するエッジコンピューティング
27-5 ビッグデータ向けネットワーク基盤コンソーシアム創設
第28章 IOTプラットフォームとディープラーニングフレームワークの連携・統合[1]
28-1 アマゾン・ウェブ・サービス(AWS)「Lambda」/「AWS IoT」
[1] 概況・近況
[2] IoTサービス「AWS IoT」
28-2 IBM 「IBM Watson」/「Cloud Foudry」
[1] 概況・近況
[2] IoTデバイスとWatsonの結合
[3] Cloud Foundry
28-3 ボッシュ(Robert Bosch) 「Bosch IoT Cloud)」/「TraQ」(Track Quality)」
[1] 概況・近況
[2] IoT情報基盤「Bosch IoT Cloud)」
[3] センサーソリューション「TraQ」(Track Quality)
[4] モバイル生産アシスタントの「APAS」シリーズ
[5] 工具をスマート化するソリューション 「Process Quality Manager」
[6] IoTベース自動運転技術の開発
28-4 ゼネラル・エレクトリック(GE) 「Predix」
28-5 シーメンス(Siemens AG) 「Digital Enterprise」/「MindSphere」
[1] 概況・近況
[2] Digital Enterprise/The Digital Enterprise Software Suite
[3] TIA(Totally Integrated Automation)
[4] MindSphere
[5] Holistic Security Concept
28-6 マイクロソフト 「Azure Machine Learning」
28-7 KUKA 「KUKA Connect」
[1] 概況・近況
[2] 「KUKA Connect」
第29章 IOTプラットフォームとディープラーニングフレームワークの連携・統合[2]
29-1 ファナックなど4社 「FANUC Intelligent Edge Link and Drive system」
29-2 ファナック 「FIELD system」
29-3 日立製作所 IoTサービス基盤「Lumada(ルマーダ)」
[1] 概況・近況
[2] 「Lumada(ルマーダ)」
[3] Preferred Network
[4] 「M2Mトラフィックソリューション」
29-4 富士通 「Zinrai」
[1] 「Zinrai」
29-5 日本電気 「NEC Industrial IoT」/「CONNEXIVE」
[1] 概況・近況
[2] 「NEC Industrial IoT」
[3] 「CONNEXIVE」
29-6 ソフトバンク 「ARMエコシステム」
[1] 概況・近況
[2] ARMによるインダストリーIoTエコシステム形成の取り組み
29-7 ルネサス エレクトロニクス 「R-IN(Renesas’s platform for INdustry」
29-8 三菱電機 「e-F@ctory/e-F@ctoryAlliance」
[1] 概況・近況
[2] 「e-F@ctoryAlliance」
[3] ニューラルネットワーク設計支援プラットフォーム
29-9 安川電機 「ソリューションファクトリー」
[1] 概況・近況
[2] 「ソリューションファクトリー」
29-10 安川情報システム 「MMCloud」
29-11 ヤマザキマザック 「iSmart Factory」
[1] 概況・近況
[2] 「iSmart Factory」
29-12 オークマ 「OSP-AI」
[1] 「OSP-AI」
第30章 機械学習/ディープラーニング開発向けツール
30-1 人工知能関連各種開発言語/APIツール
[1] Artificial Intelligence Markup Language
[2] Google TensorFlow
[3] Amazon Deep Scalable Sparse Tensor Network Engine(DSSTNE:デスティニー)
[4] Microsoft Cognitive Services
[5] Microsoft Computational Network Toolkit(CNTK)
第31章 ディープラーニング向けツール/ソフトウェア/アプリ
31-1 機械学習アルゴリズムを備えたソフトウェアスイート
[1] SAS
[2] RapidMiner
[3] LIONsolver
[4] KNIME
[5] Weka
[6] Oracle Data Mining (ODM)
[7] Apache Mahout
第32章 機械学習/ディープラーニング向けクラウド・サービス
32-1 クラウド・サービスと機械学習/ディープラーニングの同期的進化
32-2 AIクラウド/学習済みクラウドAIの国際的な進展
32-3 機械学習分析向けクラウドサービス/機械学習エンジンAPIサービス
32-4 機械学習エンジンを搭載した クラウド型プラットフォーム
32-5 クラウド型リアルタイムデータ収集・蓄積プラットフォーム
32-6 クラウド型ビッグデータ解析/レコメンドサービス
32-7 機械学習を活用したサイバー攻撃対策プラットフォーム
32-8 機械学習エンジンを搭載したクラウド型コンテンツマーケティングプラットフォー
ム
32-9 クラウド型機械学習サービス導入にあたっての検討事項
32-10 製品・サービス紹介
[1] オークマ 工作機械の自律的異常予見診断技術「OSP-AI」
[2] オープンストリーム クラウド型運転情報レコメンドサービス「LogStream」
[3] さくらインターネット 「高出力コンピューティング」
第33章 機械学習/ディープラーニング・フレームワーク[1]
33-1 概説
33-2 TensorFlow
33-3 Caffe
33-4 Caffe2
33-5 Caffe2
33-6 Chainer
33-7 ChainerMN
33-8 Theano
33-9 Touch7
33-10 PyTorch
33-11 Chainer
33-12 MXNet
第34章 機械学習/ディープラーニング・フレームワーク[2]
34-1 The Microsoft Cognitive Toolkit (CNTK)
34-2 Qualcomm ディープラーニングフレームワーク「NPE」
34-3 Deep Insight 「KAIBER」
34-4 Keras
34-5 Amazon Deep Scalable Sparse Tensor Network Engine(DSSTNE)
34-6 Lasagne
34-7 neon
34-8 NNabla(Neural Network Library)
34-9 NVIDIA TensorRT
34-10 DeCAF(A Deep Convolutional Activation Feature for Generic Visual Recognition)
34-11 Deeplearning4j
34-12 DataRobot
34-13 exaBase
第35章 リアルタイムAI向けディープラーニング・プラットフォーム
35-1 Microsoft 「Project Brainwave」
35-2 Preferred Infrastructure(PFI) 「SedueforBigData」
35-3 SAS Institute Japan 「リアルタイム解析ソリューション」
35-4 ディープラーニング技術を実装したリアルタイム解析AI
第36章 機械学習/ディープラーニング・標準形式
36-1 ONNX(Open Neural Network Exchange)
36-2 NNEF (Neural Network Exchange Format)
36-3 CoreML
第37章 機械学習/ディープラーニングの開発言語
37-1 機械学習タスクの特性
37-2 開発言語の評価
[1] Python
[2] MATLAB(Octave)
[3] Julia
[4] R
[5] その他言語
第38章 関連団体とその動向
38-1 日本ディープラーニング協会(JDLA)
38-2 22-2 AIビジネス推進コンソーシアム
38-3 日本RPA協会
38-4 FiNC Wellness AI Lab(FiNC Wellness 人工知能研究所)
付章A 主要AIクラウド・サービス[1]
A-1 概況・近況
A-2 Google Cloud Platform
[1] 概説
[2] Google Cloud Platformの活用事例
A-3 Google Cloud Platformとデータ収集・分析基盤の構築
[1] Cloud Pub/Sub/Cloud Interconnect
[2] Cloud DateFlow
[3] BigQuery
A-4 Google Cloud Datalab
A-5 Google Cloud Machine Learning
A-6 Googleの機械学習 API
[1] Google Cloud Vision API
[2] Google Cloud Video Intelligence API
[3] Google Cloud Speech API
[4] Google Natural Language API
[5] Google Cloud Translation API
[6] Google Cloud Jobs API
付章B 主要AIクラウド・サービス[2]
B-1 Amazon 「Amazon Machine Learning」
[1] AmazonMLとAIクラウド
[2] AIスピーカーで頭角を現すAmazon
[3] 次世代顧客チャネルとしてのEcho/Alexa
B-2 AWS API
[1] AWS IoT DEVICE MANAGEMENT
[2] Amazon REKOGNITION
[3] Amazon REKOGNITION VIDEO
[4] Amazon POLLY
[5] Amazon LEX
[6] Amazon TRANSCRIBE
[7] Amazon TRANSLATE
[8] Amazon COMPREHEND
[9] GREENGRASS ML INFERENCE
[10] Amazon SAGEMAKER
[11] AWS IoT DEVICE DEFENDER
付章C 主要AIクラウド・サービス[3]
C-1 Microsoft 「Azure Azure Machine Learning」
C-2 Face API/Emotion API
C-3 Microsoft 「Project Brainwave」
C-4 Microsoft 「Workbench」
付章D 主要AIクラウド・サービス[4]
D-1 IBM Watson Developer Cloud (WDC)
D-2 IBM Services Platform with Watson
D-3 IBM Cloud(Bluemix)/IBM Watson
[1] 概説
[2] 学習済みWatson
D-4 IBM Bluemix/Watson API
[1] Concept Expansion
[2] AlchemyAPI
[3] AlchemyVision
[4] AlchemyData News API
[5] AlchemyVision Face Detection/Recognition
[6] Language Translation
[7] Concept Insights
[8] Personality Insights
[9] Quetion and Answer
[10] Visual Recognition
[11] Relationship Extraction
[12] Natural Language Classifier
[13] Dialog
付章E 主要AIクラウド・サービス[5]
E-1 Infor 「Infor CloudSuite」/「Coleman」
E-2 LINE 「Clova」
E-3 UEI/シグマクシス 「ディープシグマDPA(Document Process Automation)」
E-4 システムインテグレータ ソフトウェア画像認識 AI「Design Recognition AI サービス」
付章F 分野別ディープラーニング関連API一覧
F-1 自然言語処理
[1] docomo 発話理解
[2] docomo 言語解析
[3] docomo シナリオ対話
[4] docomo トレンド記事抽出
[5] docomo 知識Q&A
[6] docomo 雑談対話
[7] Jetrun センシティブ分析
[8] Jetrun マーケティング分析
[9] Jetrun 文集約技術
[10] Jetrun 感情分析
[11] Jetrun 構文解析
[12] Jetrun 文概要分析
[13] Jetrun カテゴリ分析
[14] Jetrun TrueTALK
[15] Jetrun キーワード抽出
[16] Jetrun 関連語抽出
[17] Jetrun キュレーション技術
[18] Jetrun 丁寧度判定
[19] Jetrun キーワードゆらぎ取得
[20] IBM Watson AlchemyLanguage
[21] IBM Watson Concept Insights
[22] IBM Watson Dialog
[23] IBM Watson Language Translation
[24] IBM Watson Natural Language Classifier
[25] IBM Watson Personality Insights
[26] IBM Watson Relationship Extraction
[27] IBM Watson Retrieve and Rank
[28] IBM Watson Tone Analyzer
[29] IBM Watson AlchemyData News
[30] Microsoft Bing Spell Check
[31] Microsoft Linguistic Analysis
[32] Microsoft Text Analytics
[33] Microsoft Web Language Model
[34] Microsoft Academic Knowledge
[35] Microsoft Entity Linking Intelligence Service
[36] Microsoft Knowledge Exploration Service
[37] Repl-AI
[38] Google Translate
[39] goo 商品評判要約
[40] Affectiva
[41] LEXALYTICS Semantria
[42] RxNlp
[43] Studio Ousia Semantic Kernel
[44] Linklify
[45] Orbit Entity extraction
[46] Orbit Language detection
[47] Orbit Classification
[48] Orbit Sentiment analysis
[49] Dandelion Entity Extraction
[50] Dandelion Text Categorization
[51] Dandelion Sentiment Analysis
[52] Dandelion Text Similarity
[53] chatbots.io
[54] Thomson Reuters Open Calais
[55] Diffbot Analyze
[56] Diffbot Article
[57] Diffbot Discussion
[58] Diffbot Image
[59] Diffbot Product
[60] Diffbot Video
[61] Semantic Biomedical Tagger
[62] Free Natural Language Processing Service
[63] NLP Tools
[64] MeaningCloud Topics Extraction
[65] MeaningCloud Text Classification
[66] MeaningCloud Sentiment Analysis
[67] MeaningCloud Language Identification
[68] MeaningCloud Spelling, Grammar and Style Proofreading
[69] MeaningCloud Corporate Reputation
[70] MeaningCloud Text Clustering
[71] lang id
[72] Rosette Language Identifier
[73] Rosette Base Linguistics
[74] Rosette Entity Extractor
[75 Rosette Entity Resolver
[76] Rosette Name Indexer
[77] Rosette Name Translator
[7]8 WritePath Traslation
[79] Microsoft Translator
[80] wit.ai
F-2 画像解析
[1] docomo 画像認識
[2] docomo 文字認識
[3] Microsoft Computer Vision
[4] Microsoft Emotion
[5] Microsoft Face
[6] Microsoft Video
[7] IBM Watson AlchemyVision
[8] IBM Watson Visual Insights
[9] IBM Watson Visual Recognition
[10] GOOGLE CLOUD VISION API
[11] clarifai
[12] Emotient
[13] imagga
[14] KAIROS EMOTION ANALYSIS
[15] KAIROS FACE RECOGNITION
[16] APICloud.Me ColorTag
[17] APICloud.Me FaceRect
[18] APICloud.Me FaceMark
[19] Animetrics Face Recognition
[20] Betaface
[21] eyedea
[22] FACE++
[23] SKYBIOMETRY
F-3 音声解析
[1] docomo 音声合成
[2] docomo 音声認識
[3] Microsoft Custom Recognition Intelligent Service (CRIS)
[4] Microsoft Speaker Recognition
[5] Microsoft Speech
[6] IBM Watson Speech to Text
[7] IBM Watson Text to Speech
[8] GOOGLE CLOUD SPEECH API
[9] ALEXA
[10] DEEPGRAM
[11] api.ai
F-4 その他
[1] docomo 動作推定
[2] IBM Watson Document Conversion
[3] IBM Watson Tradeoff Analytics
[4] Microsoft Recommendations
[5] Google Now
[6] GOOGLE Prediction API
[7] indico
[8] Qalendra Predictions
付章G 機械学習/ディープラーニング向けクラウド・サービス
G-1 IBM Watson Analytics
G-2 IBM Alchemyapi
G-3 Amazon Machine Learning
G-4 Google Now
G-5 Google Prediction API
G-6 Microsoft Azure Machine Learning
G-7 bigml
G-8 Orbit AI
G-9 indico
G-10 BuildFax
G-11 MKT METAL (Marketing Engine, Tactics and Loyalty)
G-12 api.ai
G-13 Alice
G-14 Sirius
G-15 Vicarious
G-16 Wit.ai
G-17 Viv
G-18 seldon
付章H 機械学習/ディープラーニング関連学習教材・チュートリアル
1-1 機械学習 概説
1-2 機械学習の大きな転回点となった2018年
1-3 機械学習/ディープラーニングをビジネスで活用する上での前提理解
1-4 ディープラーニング(多段ニューラルネットによる機械学習)概説
1-5 教師あり学習と教師なし学習
1-6 機械学習と先進認識(識別・回帰)技術
1-7 機械学習を用いた技術性能の評価指標
1-8 ビッグデータ解析と機械学習
1-9 機械学習のエコシステム/プラットフォーム形成を巡る動き
1-10 機械学習プラットフォーム構築を巡る動向俯瞰
1-11 ディープラーニングの研究開発領域とビジネス化動向俯瞰
1-12 次世代ディープラーニングの現状と可能性
1-13 ディープラーニングのビジネス利用と課題点
1-14 主な参入ベンダー:事業特性・最新動向
[1] 概況・近況
[2] 参入企業 概況
第2章 機械学習/ディープラーニング-地域別・機関別動向
2-1 米国
[1] DARPA 「UPSIDE program」
[2] DARPA 「SyNAPSE program」
[3] IARPA 「MICrONS program」
2-2 欧州
2-3 中国
[1] 清華大学/紫光集団
2-4 日本政府
[1] 人工知能技術戦略会議
[2] 「世界最先端IT国家創造宣言・官民データ活用推進基本計画」
2-5 総務省
[1] 情報通信研究機構(NICT)
[2] 総務省 情報通信政策研究所
[3] 「AIネットワーク社会推進フォーラム」(国際シンポジウム)
2-6 文部科学省
[1] 革新知能統合研究センター
2-7 内閣府
[1] 内閣府革新的研究開発推進プログラム(ImPACT)
[2] 全脳アーキテクチャ・イニシアティブ
2-8 内閣府特命担当大臣(科学技術政策)
[1] 人工知能と人間社会に関する懇談会
[2] 世界最先端IT国家創造宣言・官民データ活用推進基本計画
2-9 産業技術総合研究所
[1] 人工知能研究センター
[2] ABCI(AI Bridging Cloud Infrastructure)
2-10 産業競争力懇談会
2-11 知的財産戦略本部 検証・評価・企画委員会 「情報財検討委員会」
2-12 人工知能学会
2-13 IT総合戦略本部 「AI、IoT時代におけるデータ活用ワーキンググループ」
第3章 機械学習/ディープラーニングの基本モデルとその発展
3-1 ニューラルネットワーク(NN)とコネクショニズム
[1] 畳み込みニューラルネットワーク
[2] 再帰型ニューラルネットワーク
3-2 ディープニューラルネットワークのモデル
3-3 ベイズ確率(推定)/単純ベイズ分類器
3-4 サポートベクターマシン(support vector machine, SVM)
3-5 決定木(decision tree)
3-6 ブースティング(Boosting)
3-7 ランダムフォレスト(random forest, randomized trees)
3-8 k近傍法(k-nearest neighbor algorithm)
3-9 EMアルゴリズム(EM法)
3-10 遺伝的プログラミング
3-11 機械学習アルゴリズム高度化と“学習するハードウェア”の取り組み
3-12 機械学習アルゴリズム開発と関連技術の実装
第4章 機械学習/ディープラーニングの注目領域(アテンション・エリア)
4-1 ディープラーニングの研究開発領域とビジネス化 概説
4-2 新技術への関心と取り組み状況
4-3 次世代ディープラーニングの現状と可能性
4-4 ディープラーニングのビジネス利用と課題点
4-5 業界別注目領域
[1] 製造業界
[2] 金融業界
[3] 医療業界
[4] サービス業界
[5] メディア業界
[6] 教育/学習ゲーム業界
[7] マーケティング業界
4-6 研究領域別注目領域
[1] 学習率(learning rate)の精度・速度向上
[2] 機械学習の大規模化と深層学習の高速化
[3] 探索(Explore)機能のスマート化
[4] 場面全体の状況を認識するAI
[5] 画像認識とAR(拡張現実)の結合
[6] 敵対的ネットワーク(GANs)を利用した自動〔無監督〕学習
[7] 研究者とスタートアップをつなぐ機械学習アルゴリズムのマーケットプレイス
第5章 機械学習/ディープラーニングの課題
5-1 業界別適用課題
5-2 技術的課題
5-3 手法的課題
第6章 画像認識・生体認証と機械学習/ディープラーニング
6-1 顔認識システム(Facial Recognition System)
6-2 進展著しいディープラーニング画像認識プラットフォーム
[1] ディープラーニング画像認識プラットフォームとソフトウェア
[2] 深層学習を使った先進画像診断技術
[3] 来店客の画像解析・行列予測
[4] 画像・音声認識とディープラーニングによる競技分析向け実証実験
6-3 コンピュータビジョン/ロボットビジョンと産業用ロボット
[1] 概説
[2] コンピュータビジョンと機械学習
6-4 MVTec Software(独) 産業向けマシン・ビジョン・ライブラリー「HALCON」
第7章 機械学習/ディープラーニングと次世代チップ
7-1 機械学習の高速化専用チップ
7-2 活発化するAI半導体開発競争
7-3 FPGAと同等の機能を、高速・低電力で実現する半導体の開発
7-4 ニューラルネットのファイル形式の違いを吸収する規格「NNEF(Neural Network Exchange Format)」
7-5 「関係性」を理解する専用チップ開発
7-6 脳の神経回路を模倣する非ノイマン型次世代半導体
7-7 GPU並列処理技術とディープラーニングの結合
7-8 AIクラウド/機械学習/ディープラーニング向けサービスへのGPU適用
7-9 インテル チップ単体で自律学習可能なAIチップ「Loihi」
7-10 インテル ディープニューラルネットワークを単独処理可能な専用チップ「Myriad X」
7-11 機械学習/次世代データセンターを支えるコンピュータ・アーキテクチャ
7-12 第5世代SoC
7-13 スタートアップ動向
第8章 自然言語処理の発展と機械学習/ディープラーニング
8-1 自然言語処理(NLP)の活用分野とその市場展望
[1] 人工知能(AI)研究の発展と自然言語処理(NLP)
[2] 世界の企業向け NLP ソリューション市場の展望
8-2 「自然言語」、「テキスト」、「音声」というビッグデータがもたらすビジネスチャンス
8-3 各業界における NLP の活用状況
[1] 各業界における NLP を用いたテキスト分析の活用
[2] 各業界における音声認識/スピーチ分析の活用
[3] 金融
[4] 各種メディア
[5] 流通、運送、小売
[6] その他
8-4 自然言語理解と機械学習
[1] 概説
[2] 意思決定支援・質問応答システム/自然言語生成
[3] 自然言語処理技術を用いた人工知能応用事例
[4] 自然言語処理を行う対話ロボット/コミュニケーション・ロボット
[5] 自然言語処理を行う対話ロボット/コミュニケーション・ロボット事例
8-5 クラスタリングと機械学習
8-6 機械学習と機械翻訳
8-7 機械学習とデータマイニング
8-8 データマイニング向けソフトウェア
第9章 量子アニーリング/量子コンピュータと機械学習/ディープラーニング
9-1 人工知能の発展に不可欠な量子コンピュータ技術
9-2 量子人工知能の現状と展開予測
9-3 スパコンより高速性能を発揮する量子ニューラルネットワーク計算機
9-4 スマートファクトリーと量子アニーリング
第10章 次世代ロボットと機械学習/ディープラーニング
10-1 次世代ロボットと人工知能/機械学習
10-2 機械学習を搭載したロボット技術の進展
10-3 次世代産業ロボットの開発を牽引する分散機械・リアルタイム解析モデル
[1] ビッグデータと機械学習の結合
[2] IoTによるロボットのリアルタイム解析ソリューション
10-4 ファナック/シスコシステムズ 「産業用ロボットの知能化」
10-5 次世代ドローンと機械学習
10-6 機械学習で自律飛行するドローン
10-7 次世代ドローンと機械学習による地図作成システム
10-8 産業用ドローンの自律航行・航行中の動作処理高度化
第11章 教師(ティーチング)不要ロボット[1]
11-1 機械学習とロボット・システム
11-2 ディープラーニングとロボット・システム
11-3 ティーチング作業の制約を克服する取り組み
11-4 カメラで部材を認識・位置補正するティーチングレスシステム
11-5 ファナック/PFN 「強化学習を用いた複数ロボット同士の協調」
11-6 ファジィニューロ学習・推論エンジンを搭載した産業用ロボット
11-7 ティーチングフリーを実現した小型5軸多関節ロボッ
ト
11-8 自律的判断対応型バラ積みピッキングロボット
11-9 教師レスのAI荷卸しロボット
11-10 動作軌道自動生成ロボット
11-11 安全柵設置が不要な協働ロボット
11-12 ディープラーニングと予測学習を使っマルチモーダルAIロボットアーム
第12章 スマートマニファクチャリング/スマートファクトリーと機械学習/ディープラーニング
12-1 サイバーフィジカルシステム(CPS)と機械学習/ディープラーニング
12-2 スマートファクトリーと事前学習済み機械学習モデル
12-3 インダストリー4.0とAI
12-4 インダストリー4.0の課題とAIによる解決
[1] 概説
[2] 次世代産業用ロボットに欠かせない人工知能
[3] IoT対応・人工知能搭載型携帯電話
12-5 インダストリーIoTと音声認識、視線の分析技術
12-6 機械学習/ディープラーニング援用によるIoT志向のスマートファクトリー
12-7 既存のバウンダリーを無効化するIoT/スマートマニファクチャリング
12-8 富士通研究所 「IoT/エッジコンピューティングとAI/機械学習の実証実験」
12-9 Microsoft 「Azure Machine Learnin」に基づいたエキスパートシステム
12-10 事例紹介
[1] オークマ 機械学習機能を搭載した「OSP-AI」
第13章 医療診断支援/次世代医療技術と機械学習
13-1 人工知能を使った症状のメカニズム解明
13-2 次世代医療技術での活用が有望視される人工知能
13-3 ビッグデータ解析と予防医療
13-4 機械学習/ディープラーニングがもたらす医療画像認識技術の顕著な発展
13-5 ディープラーニングによる電子カルテ診療データ解析技術
13-6 電子カルテデータをもとに機械学習を使った予後の予測
13-7 機械学習を用いたICU向け先進電子カルテシステム
13-8 地域間医療格差是正と多職種間の連携
13-9 IoT/生体センシング/機械学習を活用したヘルスケア・ソリューション
13-10 メンタルヘルスの定量化を実現する人工知能
[1] メンタルヘルスの定量化共同プロジェクトの始動
[2] 機械学習を活用したメンタルヘルスのシステム化
[3] ストレスチェック支援クラウド
第14章 ディープラーニングがもたらす医療画像認識技術の顕著な発展
14-1 概説
[1] 概況・近況
[2] 医療画像診断の技術革新を促す人工知能
[3] ディープラーニングがもたらす医療画像認識技術の顕著な発展
[4] 深層学習を使った先進画像診断技術
14-2 8K画像/8K(硬性)内視鏡の開発と人工知能による診断支援
[1] 概況・近況
[2] 病理診断への活用
[3] 診断支援への活用
[4] 内視鏡(硬性鏡)への活用
[5] 総務省 「8K技術の応用による医療のインテリジェント化に関する検討会」
第15章 フィンテック/ブロックチェーンとAI/機械学習
15-1 フィンテック普及のカギを握るオープンイノベーション促進
15-2 AI/ディープラーニングを使った金融プラットフォーム
15-3 AIによる為替・株式売買の判断支援
15-4 AIによる金融資産分析/商機発掘
15-5 AIによるリアルタイムビッディング(RTB)
15-6 AIによる自動対話サービス
15-7 AIによる銀行店舗接客支援
15-8 投資運用戦略における機械学習技術活用
[1] ビットコインを使った全自動取引アルゴリズム
[2] トレーディングにおけるディープニューラルネットワーク適用
[3] センチメント分析による株式銘柄のスコアリング
15-9 AI/脳科学を使った顧客の投資行動パターン分析/行動態様分析による審査
[1] SMBCコンシューマーファイナンス) 「統計的経験則に基づくリスク評価・審査モデル」
[2] ZestFinance 「返済意思」を重視した審査モデル
15-10 「アカウントアグリゲーション」のモデル/手法
15-11 ロボアドバイザー
15-12 投資サポート
15-13 機械学習活用による金融商品販売のチェック業務効率化
15-14 不動産業のブロックチェーン適用
15-15 リアルテックで展開が予想される主な分野
15-16 フィンテック活用/フィンテック投資動向
[1] 概況・近況
[2] IBM
[3] Lendr 「人工知能を利用した住宅ローンのリヴァースオークション・プラットフォーム」
[4] Crowdsurfer 「ソーシャライズファイナンス/シェアエコノミー向けプラットフォーム」
[5] 大和証券グループ/デジタルガレージ
[6] 千葉銀行
[7] 新日鉄住金ソリューションズ
[8] メタップス
第16章 次世代自動車と機械学習/ディープラーニング
16-1 自動運転、人工知能、モビリティーサービスのシナジー
16-2 機械学習で連携が進む自動車業界
16-3 次世代自動車と機械学習/ディープラーニング 研究開発動向
16-4 AI/機械学習による次世代車載システムの開発
16-5 第5世代SoC採用に向けた動き
16-6 車載LAN「CAN」におけるハッキング信号の機械学習
第17章 コネクテッドカーと機械学習/ディープラーニング
17-1 概説
17-2 OTA(Over The Air)と機械学習
17-3 自動運転向けIoTクラウドサービス
17-4 クラウド型リアルタイム走行データ収集・蓄積プラットフォーム
17-5 クラウド型運転情報レコメンドサービス
17-6 AIクラウドとコネクテッドカー:主要プラットフォーム
[1] Bosch 「Bosch Automotive Cloud Suit」
[2] Microsoft 「Microsoft Azure」
[3] Google 「Android」
[4] BMW 「BMW Connected」
17-7 ディープラーニングを活用した車載/端末解析
17-8 研究開発/参入メーカー動向
[1] NVIDIA
[2] デンソー/東芝
[3] トプスシステムズ
第18章 自動運転と機械学習/ディープラーニング
18-1 概説
[1] 概況
[2] 世界中に広がる自動運転車の開発と公道での運行開始
[3] 人工知能搭載自動車がもたらすモビリティ・イノベーション
[4] ロボット/センサーとの統合と自動運転システムの高度化
18-2 Waymo(グーグル)の取り組み
18-3 Google Carにおけるロボット制御サイクル
18-4 フォードの取り組み
18-5 トヨタ 「MOBILITY TEAMMATE CONCEPT」
第19章 ADAS/自動運転向け機械学習プラットフォーム
19-1 “Cloud-to-Car”の潮流
19-2 位置・地図情報ベンダー動向
[1] 概況・近況
[2] Mobileye 「REM」
[3] HERE 「HD Live MAP」
[4] TomTom
[5] NVIDIA
[6] Intel 「Intel GO」/Mobileye買収
[7] Google 「Google Map」
[8] Uber Technologies
[9] ZF/Bosch/Volvo Cars
[10] AImotive
[11] ダイナミックマップ基盤企画(DMP)
[12] パイオニア
19-3 自動運転ベンダー/主要プラットフォーム動向
[1] NVIDIA 「DRIVE PX」/「DRIVE PX2」
[2] ティアフォー/NVIDIA/AutonomouStuff 「Autoware」
[3] バーテックス 「CarSim」
[4] ESI Grou/日本イーエスアイ
第20章 コネクテッドホームと機械学習/ディープラーニング
20-1 概説
20-2 活発化する産学連携体制によるAI/コネクテッドホーム開発の取り組み
20-3 機械学習によるコネクテッドホームの拡張
20-4 AIによるユーザー嗜好の学習・レコメンド機能搭載家電
20-5 事例紹介
[1] Amazon 「Amazon Echo/Amazon Homekit」
[2] Google 「Google Asistant」
[3] Google 「Google Home」
[4] Microsoft 「Office 365」/「Dynamics 365」
第21章 VR/AR/MRと機械学習/ディープラーニング
21-1 拡張現実(仮想現実)と機械学習
[1] 概況・近況
[2] 経過
21-2 シミュレーテッドリアリティと機械学習/ディープラーニング
21-3 コンピュータビジョン/ロボットビジョンと機械学習
21-4 ニューラルインターフェース(思考/脳の活動)を検知する次世代ゲーム
21-5 生体情報のモニタリング/バイタルサイン技術とVR/AR技術の統合
21-6 VRを用いた多地点協働型手術支援システム
21-7 参入企業動向
[1] DeepMind Technologies
[2] Blippar
[3] Ceva
[4] wrnch
第22章 デジタルマーケティングと機械学習/ディープラーニング
22-1 マーケティング自動化サービスの台頭
22-2 次世代のマーケティングプラットホーム
22-3 データと機械学習を利用したABM向けのマーケティング分析ツール
[1] 概況
[2] Kenshoo 「Kenshoo Social」
[3] Kenshoo導入事例
22-4 レコメンドサービスとビッグデータ活用
22-5 ALBERT ビッグデータ分析と機械学習を活用したマーケティング支援システム
第23章 コグニティブコンピューティングと機械学習/ディープラーニング
23-1 IBM Watsonに見る人工知能の進化と人間の未来
23-2 クラウド経由で提供するWatson関連サービス
第24章 RPAと機械学習/ディープラーニング
24-1 概説
24-2 機械学習とRPA
24-3 自然言語処理とRPA
24-4 マクロのAIによる進化
24-5 AIによる仕訳・自動分類作業の自動化
24-6 ディープラーニングによる画像自動分類
24-7 異常仕訳を自動的に識別する機械学習アルゴリズム
24-8 AIによるRPAツール開発
24-9 RPAへのコグニティブ(認知)機能追加
第25章 建設・土木ITと機械学習/ディープラーニング
25-1 ディープラーニングによる地面掘削作業の自動化
25-2 GPUによる建機の自律動作
第26章 スマートシティと機械学習/ディープラーニング
26-1 スマートシティのホリスティックアプローチを促進するAI/機械学習
26-2 スマートシティのサイエンティック・アプローチと機械学習/ディープラーニング
[1] 2000-watt society
[2] 蟻コロニー最適化
26-3 都市ガバナンスとAI/機械学習
26-4 ビッグデータ/AI/機械学習を活用した新たなスマートシティ・サービス創造
26-5 事例紹介
[1] 米国政府 「ビッグデータイニシアティブ」
[2] マサチューセッツ州 「ビッグデータイニシアティブ」
[3] シンガポール政府機関 「Singapore Safe City Test Bed」
[4] 欧州委員会 「ビッグデータ・プライベート・フォーラム」への資金提供
[5] ドイツ/産官学一体プロジェクト 「Industry(インダストリー)4.0」
[6] Siemens(シーメンス) 「ネクスト47」
[7] ビッグデータ専用アプリケーション活用によるスマートシティサービス
第27章 フォグ/エッジ・コンピューティングとAI
27-1 “フォグ”とAIによる次世代コネクテッドインダストリー
27-2 クラウドからエッジへシフトを遂げるディープニューラルネットワークのモデル
27-3 マイクロデータセンター実現に向けた動向
27-4 低電力でAI/機械学習を実現するエッジコンピューティング
27-5 ビッグデータ向けネットワーク基盤コンソーシアム創設
第28章 IOTプラットフォームとディープラーニングフレームワークの連携・統合[1]
28-1 アマゾン・ウェブ・サービス(AWS)「Lambda」/「AWS IoT」
[1] 概況・近況
[2] IoTサービス「AWS IoT」
28-2 IBM 「IBM Watson」/「Cloud Foudry」
[1] 概況・近況
[2] IoTデバイスとWatsonの結合
[3] Cloud Foundry
28-3 ボッシュ(Robert Bosch) 「Bosch IoT Cloud)」/「TraQ」(Track Quality)」
[1] 概況・近況
[2] IoT情報基盤「Bosch IoT Cloud)」
[3] センサーソリューション「TraQ」(Track Quality)
[4] モバイル生産アシスタントの「APAS」シリーズ
[5] 工具をスマート化するソリューション 「Process Quality Manager」
[6] IoTベース自動運転技術の開発
28-4 ゼネラル・エレクトリック(GE) 「Predix」
28-5 シーメンス(Siemens AG) 「Digital Enterprise」/「MindSphere」
[1] 概況・近況
[2] Digital Enterprise/The Digital Enterprise Software Suite
[3] TIA(Totally Integrated Automation)
[4] MindSphere
[5] Holistic Security Concept
28-6 マイクロソフト 「Azure Machine Learning」
28-7 KUKA 「KUKA Connect」
[1] 概況・近況
[2] 「KUKA Connect」
第29章 IOTプラットフォームとディープラーニングフレームワークの連携・統合[2]
29-1 ファナックなど4社 「FANUC Intelligent Edge Link and Drive system」
29-2 ファナック 「FIELD system」
29-3 日立製作所 IoTサービス基盤「Lumada(ルマーダ)」
[1] 概況・近況
[2] 「Lumada(ルマーダ)」
[3] Preferred Network
[4] 「M2Mトラフィックソリューション」
29-4 富士通 「Zinrai」
[1] 「Zinrai」
29-5 日本電気 「NEC Industrial IoT」/「CONNEXIVE」
[1] 概況・近況
[2] 「NEC Industrial IoT」
[3] 「CONNEXIVE」
29-6 ソフトバンク 「ARMエコシステム」
[1] 概況・近況
[2] ARMによるインダストリーIoTエコシステム形成の取り組み
29-7 ルネサス エレクトロニクス 「R-IN(Renesas’s platform for INdustry」
29-8 三菱電機 「e-F@ctory/e-F@ctoryAlliance」
[1] 概況・近況
[2] 「e-F@ctoryAlliance」
[3] ニューラルネットワーク設計支援プラットフォーム
29-9 安川電機 「ソリューションファクトリー」
[1] 概況・近況
[2] 「ソリューションファクトリー」
29-10 安川情報システム 「MMCloud」
29-11 ヤマザキマザック 「iSmart Factory」
[1] 概況・近況
[2] 「iSmart Factory」
29-12 オークマ 「OSP-AI」
[1] 「OSP-AI」
第30章 機械学習/ディープラーニング開発向けツール
30-1 人工知能関連各種開発言語/APIツール
[1] Artificial Intelligence Markup Language
[2] Google TensorFlow
[3] Amazon Deep Scalable Sparse Tensor Network Engine(DSSTNE:デスティニー)
[4] Microsoft Cognitive Services
[5] Microsoft Computational Network Toolkit(CNTK)
第31章 ディープラーニング向けツール/ソフトウェア/アプリ
31-1 機械学習アルゴリズムを備えたソフトウェアスイート
[1] SAS
[2] RapidMiner
[3] LIONsolver
[4] KNIME
[5] Weka
[6] Oracle Data Mining (ODM)
[7] Apache Mahout
第32章 機械学習/ディープラーニング向けクラウド・サービス
32-1 クラウド・サービスと機械学習/ディープラーニングの同期的進化
32-2 AIクラウド/学習済みクラウドAIの国際的な進展
32-3 機械学習分析向けクラウドサービス/機械学習エンジンAPIサービス
32-4 機械学習エンジンを搭載した クラウド型プラットフォーム
32-5 クラウド型リアルタイムデータ収集・蓄積プラットフォーム
32-6 クラウド型ビッグデータ解析/レコメンドサービス
32-7 機械学習を活用したサイバー攻撃対策プラットフォーム
32-8 機械学習エンジンを搭載したクラウド型コンテンツマーケティングプラットフォー
ム
32-9 クラウド型機械学習サービス導入にあたっての検討事項
32-10 製品・サービス紹介
[1] オークマ 工作機械の自律的異常予見診断技術「OSP-AI」
[2] オープンストリーム クラウド型運転情報レコメンドサービス「LogStream」
[3] さくらインターネット 「高出力コンピューティング」
第33章 機械学習/ディープラーニング・フレームワーク[1]
33-1 概説
33-2 TensorFlow
33-3 Caffe
33-4 Caffe2
33-5 Caffe2
33-6 Chainer
33-7 ChainerMN
33-8 Theano
33-9 Touch7
33-10 PyTorch
33-11 Chainer
33-12 MXNet
第34章 機械学習/ディープラーニング・フレームワーク[2]
34-1 The Microsoft Cognitive Toolkit (CNTK)
34-2 Qualcomm ディープラーニングフレームワーク「NPE」
34-3 Deep Insight 「KAIBER」
34-4 Keras
34-5 Amazon Deep Scalable Sparse Tensor Network Engine(DSSTNE)
34-6 Lasagne
34-7 neon
34-8 NNabla(Neural Network Library)
34-9 NVIDIA TensorRT
34-10 DeCAF(A Deep Convolutional Activation Feature for Generic Visual Recognition)
34-11 Deeplearning4j
34-12 DataRobot
34-13 exaBase
第35章 リアルタイムAI向けディープラーニング・プラットフォーム
35-1 Microsoft 「Project Brainwave」
35-2 Preferred Infrastructure(PFI) 「SedueforBigData」
35-3 SAS Institute Japan 「リアルタイム解析ソリューション」
35-4 ディープラーニング技術を実装したリアルタイム解析AI
第36章 機械学習/ディープラーニング・標準形式
36-1 ONNX(Open Neural Network Exchange)
36-2 NNEF (Neural Network Exchange Format)
36-3 CoreML
第37章 機械学習/ディープラーニングの開発言語
37-1 機械学習タスクの特性
37-2 開発言語の評価
[1] Python
[2] MATLAB(Octave)
[3] Julia
[4] R
[5] その他言語
第38章 関連団体とその動向
38-1 日本ディープラーニング協会(JDLA)
38-2 22-2 AIビジネス推進コンソーシアム
38-3 日本RPA協会
38-4 FiNC Wellness AI Lab(FiNC Wellness 人工知能研究所)
付章A 主要AIクラウド・サービス[1]
A-1 概況・近況
A-2 Google Cloud Platform
[1] 概説
[2] Google Cloud Platformの活用事例
A-3 Google Cloud Platformとデータ収集・分析基盤の構築
[1] Cloud Pub/Sub/Cloud Interconnect
[2] Cloud DateFlow
[3] BigQuery
A-4 Google Cloud Datalab
A-5 Google Cloud Machine Learning
A-6 Googleの機械学習 API
[1] Google Cloud Vision API
[2] Google Cloud Video Intelligence API
[3] Google Cloud Speech API
[4] Google Natural Language API
[5] Google Cloud Translation API
[6] Google Cloud Jobs API
付章B 主要AIクラウド・サービス[2]
B-1 Amazon 「Amazon Machine Learning」
[1] AmazonMLとAIクラウド
[2] AIスピーカーで頭角を現すAmazon
[3] 次世代顧客チャネルとしてのEcho/Alexa
B-2 AWS API
[1] AWS IoT DEVICE MANAGEMENT
[2] Amazon REKOGNITION
[3] Amazon REKOGNITION VIDEO
[4] Amazon POLLY
[5] Amazon LEX
[6] Amazon TRANSCRIBE
[7] Amazon TRANSLATE
[8] Amazon COMPREHEND
[9] GREENGRASS ML INFERENCE
[10] Amazon SAGEMAKER
[11] AWS IoT DEVICE DEFENDER
付章C 主要AIクラウド・サービス[3]
C-1 Microsoft 「Azure Azure Machine Learning」
C-2 Face API/Emotion API
C-3 Microsoft 「Project Brainwave」
C-4 Microsoft 「Workbench」
付章D 主要AIクラウド・サービス[4]
D-1 IBM Watson Developer Cloud (WDC)
D-2 IBM Services Platform with Watson
D-3 IBM Cloud(Bluemix)/IBM Watson
[1] 概説
[2] 学習済みWatson
D-4 IBM Bluemix/Watson API
[1] Concept Expansion
[2] AlchemyAPI
[3] AlchemyVision
[4] AlchemyData News API
[5] AlchemyVision Face Detection/Recognition
[6] Language Translation
[7] Concept Insights
[8] Personality Insights
[9] Quetion and Answer
[10] Visual Recognition
[11] Relationship Extraction
[12] Natural Language Classifier
[13] Dialog
付章E 主要AIクラウド・サービス[5]
E-1 Infor 「Infor CloudSuite」/「Coleman」
E-2 LINE 「Clova」
E-3 UEI/シグマクシス 「ディープシグマDPA(Document Process Automation)」
E-4 システムインテグレータ ソフトウェア画像認識 AI「Design Recognition AI サービス」
付章F 分野別ディープラーニング関連API一覧
F-1 自然言語処理
[1] docomo 発話理解
[2] docomo 言語解析
[3] docomo シナリオ対話
[4] docomo トレンド記事抽出
[5] docomo 知識Q&A
[6] docomo 雑談対話
[7] Jetrun センシティブ分析
[8] Jetrun マーケティング分析
[9] Jetrun 文集約技術
[10] Jetrun 感情分析
[11] Jetrun 構文解析
[12] Jetrun 文概要分析
[13] Jetrun カテゴリ分析
[14] Jetrun TrueTALK
[15] Jetrun キーワード抽出
[16] Jetrun 関連語抽出
[17] Jetrun キュレーション技術
[18] Jetrun 丁寧度判定
[19] Jetrun キーワードゆらぎ取得
[20] IBM Watson AlchemyLanguage
[21] IBM Watson Concept Insights
[22] IBM Watson Dialog
[23] IBM Watson Language Translation
[24] IBM Watson Natural Language Classifier
[25] IBM Watson Personality Insights
[26] IBM Watson Relationship Extraction
[27] IBM Watson Retrieve and Rank
[28] IBM Watson Tone Analyzer
[29] IBM Watson AlchemyData News
[30] Microsoft Bing Spell Check
[31] Microsoft Linguistic Analysis
[32] Microsoft Text Analytics
[33] Microsoft Web Language Model
[34] Microsoft Academic Knowledge
[35] Microsoft Entity Linking Intelligence Service
[36] Microsoft Knowledge Exploration Service
[37] Repl-AI
[38] Google Translate
[39] goo 商品評判要約
[40] Affectiva
[41] LEXALYTICS Semantria
[42] RxNlp
[43] Studio Ousia Semantic Kernel
[44] Linklify
[45] Orbit Entity extraction
[46] Orbit Language detection
[47] Orbit Classification
[48] Orbit Sentiment analysis
[49] Dandelion Entity Extraction
[50] Dandelion Text Categorization
[51] Dandelion Sentiment Analysis
[52] Dandelion Text Similarity
[53] chatbots.io
[54] Thomson Reuters Open Calais
[55] Diffbot Analyze
[56] Diffbot Article
[57] Diffbot Discussion
[58] Diffbot Image
[59] Diffbot Product
[60] Diffbot Video
[61] Semantic Biomedical Tagger
[62] Free Natural Language Processing Service
[63] NLP Tools
[64] MeaningCloud Topics Extraction
[65] MeaningCloud Text Classification
[66] MeaningCloud Sentiment Analysis
[67] MeaningCloud Language Identification
[68] MeaningCloud Spelling, Grammar and Style Proofreading
[69] MeaningCloud Corporate Reputation
[70] MeaningCloud Text Clustering
[71] lang id
[72] Rosette Language Identifier
[73] Rosette Base Linguistics
[74] Rosette Entity Extractor
[75 Rosette Entity Resolver
[76] Rosette Name Indexer
[77] Rosette Name Translator
[7]8 WritePath Traslation
[79] Microsoft Translator
[80] wit.ai
F-2 画像解析
[1] docomo 画像認識
[2] docomo 文字認識
[3] Microsoft Computer Vision
[4] Microsoft Emotion
[5] Microsoft Face
[6] Microsoft Video
[7] IBM Watson AlchemyVision
[8] IBM Watson Visual Insights
[9] IBM Watson Visual Recognition
[10] GOOGLE CLOUD VISION API
[11] clarifai
[12] Emotient
[13] imagga
[14] KAIROS EMOTION ANALYSIS
[15] KAIROS FACE RECOGNITION
[16] APICloud.Me ColorTag
[17] APICloud.Me FaceRect
[18] APICloud.Me FaceMark
[19] Animetrics Face Recognition
[20] Betaface
[21] eyedea
[22] FACE++
[23] SKYBIOMETRY
F-3 音声解析
[1] docomo 音声合成
[2] docomo 音声認識
[3] Microsoft Custom Recognition Intelligent Service (CRIS)
[4] Microsoft Speaker Recognition
[5] Microsoft Speech
[6] IBM Watson Speech to Text
[7] IBM Watson Text to Speech
[8] GOOGLE CLOUD SPEECH API
[9] ALEXA
[10] DEEPGRAM
[11] api.ai
F-4 その他
[1] docomo 動作推定
[2] IBM Watson Document Conversion
[3] IBM Watson Tradeoff Analytics
[4] Microsoft Recommendations
[5] Google Now
[6] GOOGLE Prediction API
[7] indico
[8] Qalendra Predictions
付章G 機械学習/ディープラーニング向けクラウド・サービス
G-1 IBM Watson Analytics
G-2 IBM Alchemyapi
G-3 Amazon Machine Learning
G-4 Google Now
G-5 Google Prediction API
G-6 Microsoft Azure Machine Learning
G-7 bigml
G-8 Orbit AI
G-9 indico
G-10 BuildFax
G-11 MKT METAL (Marketing Engine, Tactics and Loyalty)
G-12 api.ai
G-13 Alice
G-14 Sirius
G-15 Vicarious
G-16 Wit.ai
G-17 Viv
G-18 seldon
付章H 機械学習/ディープラーニング関連学習教材・チュートリアル
