【レポート】A-1『AWS における AI サービス』at【福岡開催】AWS Solution Seminar 〜今日からはじめる ML（機械学習）と AI（人工知能）サービス〜

福岡だより

#レポート

#Amazon Forecast

#Amazon Personalize

#AWS

梶原大使

2019.11.20

この記事は公開されてから1年以上経過しています。情報が古い可能性がありますので、ご注意ください。

福岡オフィスの梶原です。昨日 2019年 11月 19日(火) エルガーラホールにて
【福岡開催】AWS Solution Seminar 〜今日からはじめる ML（機械学習）と AI（人工知能）サービス〜が開催されましたので、参加してきました！

どのセッションも満席で、福岡でもAI(人工知能）サービスの盛り上がりをかなり感じました。さっそくですが、本記事では、セッションA-1『AWS における AI サービス』についてレポートしたいと思います。

尚、同セミナーで行われたの他のセッションレポートはこちらになります。

セッション概要

A-1 『AWS における AI サービス』
https://aws-seminar.smktg.jp/public/session/view/871

機械学習や人工知能といったキーワードから難しい印象をもつ方もいらっしゃるかもしれません。AWS では、すべての開発者に機械学習を届けることをミッションに、機械学習を詳しくない方でもAPI経由で機械学習を利用できる AI サービスを提供しています。AI サービスを利用することによって、従来のアプリケーションに機械学習を容易に組み込むことが可能です。本セッションでは、AI サービスの概要に加え、特にAmazon PersonalizeやAmazon Forecastについて詳しく説明します。

(お客様事例のご紹介）
株式会社ヤマップ樋口浩平様
YAMAP は登山向けサイトで、登山者の活動日記のシェア、登山のための地図の閲覧、登山者のコミュニティ管理などの機能を提供しています。すでに多くのコンテンツが YAMAP にあるため、ユーザに対して適切なコンテンツを提示するためにレコメンドの機能を検討しており、ユーザーの活動日記、地図のレコメンドを行うために、Amazon Personalizeを利用しました。本セッションでは、Amazon Personalizeの利用について事例を紹介したいと思います。特に、「誰が、何を、いつ見たか」という閲覧履歴のみでレコメンドできるため、容易にリコメンド機能を構築できる点に魅力を感じました。

スピーカー

アマゾンウェブサービスジャパン株式会社
技術統括本部
西日本担当ソリューションアーキテクト
桶谷拓也様

事例紹介

スピーカー

株式会社ヤマップ
取締役 CTO
樋口浩平様

登壇資料

<<資料公開されましたら、後日リンクをさせて頂きます。>>

セッションレポート

Amazonにおける機械学習の取りくみ
- Amazon の機械学習のイノベーション
  - Amazon.comで培われた機械学習の技術が使用されている
- 顧客体験、事業運営、意思決定、イノベーション、競争上の優位性
- AWSとして
  - あらゆる開発者とデータサイエンティストに機械学習を提供する
  - AWSの機械学習へのアプローチ
    - 顧客中心のサービス開発
    - イノベーションのペースがはやく
    - 広く深い機能
    - マルチフレームワーク
    - 数多くのお客様がAWS上で機械学習を実施中（アイコンが多すぎて見えないレベル）
  - 機械学習にAWSを使用する理由
    - 最も広く深いAIとMLのサービス
    - SageMaker MLを中心に
- AWSにおけるAIサービス
  - サービススタックの紹介
  - AI Service AWSによって最適化された機械学習モデルをAPIで簡単に利用できるマネージドサービス
  - 映像
  - 音声
  - 自然言語
  - 時系列データ予測
  - リコメンデーション
- 映像
  - 画像認識: Rekognition
    - 顔認識
    - 有名人認識
  - 事例紹介:
    千株式会社さま「はいチーズ！」
    自分の子供が写っている写真を探して、選んで購入できる
  - Rekognitionを使用しているが、構成がわかれていて後付けすることも可能
  - 人物トラッキング
    - 人、犬の認識
    - 歩いている軌跡
  - 玄関でのカメラによる顔認識
    - 登録済みの家族
    - 登録されてない人を認識
  - ユースケース
    - 監視カメラのストリームを、リアルタイムで分析してすばやいアクション
- テキスト認識
  - Amazon Textract
  - 画像としてスキャンされた文章からテキスト（英語のみ）を抽出
- Text To Speech
  - Amazon Polly
    - ことしのアップデート、自然に話すことが可能に（一部の言語）
    - 10種類以上の言語で対応
    - 品質
    - 音声再生
    - 庭には二羽鶏がいる(キレイに発音されてました！)
  - 事例: FM和歌山
    - キャスター不要のニュース配信
- Speech to Text
  - 音声をテキストに変換
  - Amazon Transcribe
    - 英語を含む16言語に対応
    - 日本語は現在未対応
    - 別々の人がしゃべっているのを認識
  - ユースケース
    コールセンターの音声データの可視化
- 自然言語理解
  - Amazon Comprehend
    - テキスト（日本語を含む12言語）に対して分析可能
    - カスタム語彙ドメインの固有名詞（製品名、人の名前など）を登録可能
    - カスタム分類文書分類のカテゴリ
    - ユースケース
      - SNSのデータを読み込んでタグ付け
      - ナレッジ目ネジ面とと検索既存のドキュメント軍に対してトピック分析
    - comprehend Medical 医療用の言語に特化
      - 電子カルテの内容を分析
  - Amazon Translate
    - テキスト翻訳
    - 32言語対応
    - 日本語から31言語へ翻訳可能
    - AWSコンソール, APIからも実現可能
    - 機械翻訳の課題
    - 事例：
      - VM Ware 様 LionBridge 様
        ウェブコンテンツの翻訳に使用
- チャットボット
  - Amazon Lex
    - チャットボットを簡単に作成可能
    - ユースケース
      - 患者向けチャットボットの作成
- 時系列データ予測
  - Amazon Forecast
    - Amazon.comと同様の技術で、様々なドメインに対応可能
      - 在庫管理
    - 複数の関連するデータを学習可能
    - 新商品の予測の生成
      - 履歴データをもとに新商品を予測
    - 利用のながれ履歴データを収集し、S3バケットに保存、学習
    - 予測用のアルゴリズム最適なアルゴリズムをForecastに選択させる
    - カスタマイズされた予測用のAPI
    - 活用可能なデータ
      - 時系列データ
      - 関連する時系列データ
        
        価格
        
        Webヒット数
      - 商品属性、カテゴリー、ジャンル等
    - 信頼区間も出力できるため、悲観的、楽観的な予測値を採用できる。
    - さまざまなドメインに適用可能
      - リテール
      - EC2キャパシティ
      - Webトラフィックなど
      - カスタムも可能
- リコメンデーション
  - Amazon Personalize
    - ユーザーに合わせたリコメンデーション
    - Amazon.comと同様の技術で、幅広い対象に対して適用可能
  - Pesonalizeが解決する課題
    - 人気の商品だけでなく、個人の好みを反映できる
    - リアルタイムにレコメンド可能
    - 本日バッチ推論のサポートが発表された特定の期間レコメンドしたいなど
    - 少ない履歴からも適切な推薦が可能
    - スケール可
    - 利用の流れ
      1. データの用意
      2. 特徴を自動で認識
      3. アルゴリズムの選択、自動でも可能
      4. レコメンデーション用のAPIが作成される
    - データに合わせたモデルの構築
    - API経由でも学習をさせることができる

事例紹介

Amazon Personalizeの登山サービスでの活用事例のご紹介
- 自己紹介
  - システム開発全般を担当
- やマップ様の事業紹介
  - 登山サービス
  - 登山地図アプリと登山コミュニティ
  - 登山道のマップも保持
  - YAMAP MAGAZIN
  - YAMAP 登山保険
  - YAMAP Store
- 登山サービスYAMAP紹介
  - 動画
  - 山のどこにいるかがわかる
  - 登山記録が作成できる（活動日記）
  - 絶景ポイントがわかる
  - 山登りだけでなく、スキーやランニングなどでも使える
- 本日お話すること(Agenda)
  - Amazon Personalizeで実現したい事
  - Amazon Personalizeの利用手順
  - 結果どうだったか？
  - 本格導入にむけて
- Amazon Personalizeで実現したい事
  - 本当によい活動日記を簡単にレコメンドしたい
- Amazon Personalizeの利用手順
  - 活動日記の閲覧履歴をCSVで出力する (10万件～100万件)
  - S3へ保存
  - コンソールでデータセット作成
  - スキーマを作成（ＣＳＶの各項目を指定する）
  - ソリューションを選択
    - レコメンドしたいものを選択
  - 学習実施
  - キャンペーンの作成
    - パラメータ設定
  - レコメンド結果を取得して検証
- 結果どうだったか？
  - 実際の結果(デモ)
  - 同じ山の紅葉がきれいな日記
  - 元の日記と同じで写真がきれいな日記が抽出されている
  - 近辺の山の景色がきれいな日記
    - これをプログラムで作成してもってくるのは大変
  - 他の日記を元にしてレコメンドを実施
  - 精度が高く、しかも簡単に実装できる
  - 同じ山に上った記録もあれば、その周辺の山に上った記録もあり
  - ある程度ばらつきがあってレコメンド内容として良いものだった。
  - 社内に機械学習に詳しいものがいないが簡単に実現できた。
- 本格導入に向けて
  - データの更新頻度について検討していく
- まとめ
  - Amazon Personalizeを利用することで実際に簡単に実現することができる