【レポート】ビジネスを加速するAI活用 – Amazon Forecast と Amazon Personalize #AWSSummit

こんにちは、中村です。
2019年6月12日から14日まで開催しているAWS Summit Tokyo 2019参加のため幕張メッセに来ております。

本記事で取りあげるセッションは、「ビジネスを加速するAI活用 - Amazon Forecast と Amazon Personalize」です。スピーカーは、Amazon Web Services, Inc. ML Solutions Principal BDM David Pearson氏です。

概要

Amazon.comでも活用されている、AIでデータを効果的に利用できるAWSの二つのサービスをご紹介します。Amazon Forecast は、時系列データから需要予測・リソース予想・経済指標の予測まで簡単に実現します。Amazon Personalize は、Amazon.comでの経験をベースとし、顧客満足度、マーケティング効果を高めるパーソナライゼーションとレコメンデーションを提供します。このセッションでは、サービスの導入事例を紹介しながら、AIや機械学習の構築に関する複雑なプロセスを構築することなく、ビジネス課題を迅速かつ効果的に解決する方法を解説します。

レポート

AWSミッション

• 機械学習を全てのデベロッパーに
• Amazon ML Stack
  • ML Frameworks + infrastructure
    • 機械学習エンジニアがみんな使っているエンジンやフレームワークを用意している
  • ML Services
    • SageMaker
      • データサイエンスをやりたい人が実際に機械学習をどのようにやるか理解できる
      • Step by stepでカスタムモデルを作成できる
      • やり方は簡単なのでたくさんのモデルを作成して最適なものを利用できる
      • 最適かしたモデルはAPIエンドポイントとして展開できる
      • 既にに最適化されたbuildinアルゴリズムを利用することもできる
      • 全てのコストを減らすことができ、モデルはより最適化している
  • AI Services
    • MLを特定の領域に最適かしたサービス
    • APIでアクセスできる
    • VISION SPEECH LANGUAGE CHATBOT PERSONALIZE FORECAST....
    • 活用例
      • AIによる顧客の声を分析
        • SNS・Emailは、テキストをComprehend感情分析、翻訳
        • callは、Transcribeでテキスト化した後SNS・Emailと同様に分析
      • 文書ワークフローの最適化
        • textractを利用してデータを抽出
      • Video metadata generation
        • 動画内におけるメタデータの抽出
      • Contact center modernization
        • コンタクトセンターのエージェント応答を提案
        • 多言語対応

Amazon Forecast

• 過去の時系列データを利用し、将来のデータを予測する
• 特定のドメインだけでなく、様々なドメインで利用できる
• 精度予測が15%向上すると、税引前当期純利益は3%改善できる
  • リソースの無駄の排除・機会損失の回避
• 実世界の予測は複雑
  • 季節やメタデータ、外部要素、履歴データがないなど複雑に絡まった要素がある
• 自動化された時系列データ予測
  • Amazon.comで利用してきた
  • 従来の50%精度向上
  • アルゴリズムの選択も可能
• 利用方法
  • コンソール・API
  • データセットスキーマをアップロードする
  • 5回のクリックで、アップロードしたデータでカスタムモデルを作成できる
  • 正しいデータフォーマットである必要がある
  • AutoMLかビルトインアルゴリズムを選択
  • 実際に推論の検証を行い、精度が良ければデプロイする
• Feature
  • ディープラーニングで精度向上
    • MQ-RNN algorithmでAmazon.comのデータを最適に予測実績がある
  • コンソールが簡単
    • 利用にあたりデータ準備のみに注力できる
  • データの取り込み
    • 3つのデータ
      • 履歴データ（ターゲットデータ、必須）
      • 関連データ
      • 商品属性
      • アルゴリズムの最適化にはデータを大量に用意する
  • Amazon Forecastが示す重要指標
    • Forecastの表示する確度には幅がある
  • 複数の予測モデルの結果を可視化
    • ダッシュボードで確認できる
  • モデルデプロイ
    • 要求精度を超えたモデルにて予測結果を生成
    • APIやスケジュールドリブンで生成が可能

Amazon Personalize

• リアルタイムパーソナライズとレコメンデーション
• Amazon.comでも活用
• 機械学習の専門知識は不要
• 正しいレコメンデーションではカスタムモデルは必須
  • そしてレコメンデーションのためには利用できるデータも必要
• 仕組み
  • アクティビティストリーム
    • ユーザーの行動
  • インベントリ
    • 商品や記事動画などデータ
  • デモグラ情報
    • ユーザーの情報
  • 上記の3つを元にモデルを作成する
  • これらの他の情報も拡張可能
  • 与えられたデータを検証に、アルゴリズムを選択、ハイパーパラメータの調整、モデルトレーニング、デプロイ、リアルタイムキャッシュの作成などを全てAWSが行う
  • オフラインデータもリアルタイムデータも利用できる
• コンソール・APIでモデル学習可能
  • アルゴリズムの選択（自動選択も可能）、トレーニング、精度比較の2つのAPIで学習を始められる
• 用意されたアルゴリズム
  • 既存でアルゴリズムが存在しているのでユーザーは選択（自動・主導）しトレーニングする
  • Search Personalization
    • Personalized Ranking
  • Related Item
    • SIMS
  • User Personalization
    • HRNN
    • HRNN-metadata
    • HRNN-coldstart
• キャンペーンを作成してモデルをデプロイ
  • キャンペーンでエンドポイントを含むインフラをデプロイ
  • オートスケールし、APIで取得できる
  • インフラについては一切考えなくて良い
• Web Appでのユースケース
  • ブラウザでアクセスしたタイミングでリアルタイムデータをPersonalizeに送信
  • 表示のためにリコメンド要求をし、結果を元にWebページの表示を変更
  • これによりカスタマイズされたCXが提供できる
• 操作が容易なコンソールになっておりでテスト可能
• Key Features of Amazon Personalize
  • 顧客のリアルタイム情報に追従する
  • 自動で機械学習する
  • ディープランニングアルゴリズム
  • SageMakerにて生成したアルゴリズムも利用できる

まとめ

Amazonで実際に活用されているPersonalizeおよびForecastのOverviewセッションでした。従来独自でエンジンを作成していくのが主流でコストが大きかったですが、同サービスの登場により容易にアプリケーションへ導入が進みそうです。個人的には、ForecastのGAに期待しています。