「これから始めるディープラーニング」に最適の環境を提供
API系の機能の他には、ディープラーニングの検証を行った。ここでは「バッチ型学習」と「対話型学習」の2つの学習機能を検証した。
①ディープラーニング（バッチ型学習）：専門知識がなくてもブラウザから簡単に操作が可能
バッチ型学習環境はWebブラウザから操作できるので、ディープラーニングの高度な専門知識はあまり必要ない。実装のハードルを大きく下げた結果、ディープラーニングのモデル構築や、ハイパーパラメーター調節といった本質的な部分に労力を集中できるようになった。それ以外の部分でもかなりの工数を削減できる。
「Web ブラウザのGUIからの操作なのでプログラミングが不要になり、大規模データの学習が安価に実現できます。同じく、MacやWindowsなど開発環境が同一ではない場合、開発環境の差分をブラウザによって標準化できるといったメリットもあります。ファイルのアップロード容量制限がある点については、今後の改善を期待しています」
②ディープラーニング（対話型学習）：気軽にトライアル可能なコストパフォーマンス
こちらはコマンドラインインターフェース（CLI）による対話型の学習環境が提供されている。
「検証ではカラーの写真を10万データほど学習させてベンチマークしてみた結果、ハイスペックなノートPCの27倍ほど高いパフォーマンスが出ました。高性能な GPUを占有できて高速学習が可能。しかも GPU1台でも十分に高速なので、小中規模のディープラーニングのトライアルには最適だと思います。環境をPython3に対応していただけると、さらにメリットが増えると考えています」
Zinraiが拓く自社ビジネスへのAI導入、可能性は無限大
続いて手塚氏は、Zinraiの活用が期待できるユースケースとして、「会話ログの蓄積・分析」や「社内ヘルプデスク」「専門家不要の需要予測」「画像解析 AIシステム構築」などの用途を挙げる。
①会話ログの蓄積・分析
企業から要望の多い「会議の議事録の自動作成」や、コールセンターの音声データを解析して利用傾向を分析するといった使い方。Zinrai の自然文解析API＋富士通のクラウドサービスK5の組み合わせで簡単に構築できる。
②社内ヘルプデスク
hitTOのニーズで圧倒的に多いのが社内の需要。総務やIT部門が社内の問い合わせを受けるヘルプデスクの仕組みや、営業支援のためのチャットボットなども、Zinraiには最適の利用分野だと考えられる。
③専門家不要の需要予測
データサイエンティストや特別なツール、知識がなくても需要予測ができるというメリットに対する需要は多いと見ている。例えば小売店舗における需要予測・発注支援などの用途があるのではないか。
④画像解析AIシステム構築
画像データさえあれば、Zinraiのディープラーニングの対話型サービスと連携できる。医療現場でのニーズなども多いが、他にも故障したものや破損したものの画像解析などの業務ニーズにも応えられるだろう。
今後の改善を期待したい課題点もいくつかあるが、AI「Zinrai」に対しておおむね満足の様子のジェナ。最後に、「私たちがZinrai を通じて提唱したいのは、『作らないで作る開発へ』ということです。例えば画像解析ツールを作るときも、ゼロから作るのではなくて、まずは Zinrai の API を組み合わせて簡単に、スピーディーに作ろうといった発想へのシフトです。ビジネスのスピードに負けないAI を社内で実現するために、これから始めてみようという企業はぜひ一度ご相談いただきたい」と手塚氏は語り、セッションを終了した。
