「IYO」について

9DWのオリジナル汎用型AIコアシステム「IYO」の主な特徴は「複数種類データの同時解析を主としたシステムの認知力向上」

9DWのオリジナル汎用型AIコアシステム「IYO」の主な特徴は、

「複数種類データの同時解析を主としたシステムの認知力向上」

弊社のAIシステム「IYO」は、単一種類のデータ解析を重視ではなく、複数種類のデータを同時に解析する汎用型AIです。

例えば、自然言語から音声・画像・動画・数値・それらの時系列データが組み合わさった複雑なデータを解析し、動物の病気兆候の早期発見や畜産牛の発情期予測、自動運転技術や空間認識による屋内の自動マッピングに自然言語による対話エンジンなど、様々な分野のデータを解析学習してその分野に特化したAIシステムを提供しています。

IYOの利用イメージ IYOの利用イメージ

海外競合との比較

9DWの目指す方向性は

「複数種類データの同時解析を主としたシステムの認知力向上」です。

我々が開発しているIYOは、自然言語から音声・画像・動画・数値・それらの時系列データが組み合わさった、複雑なデータを解析し、動物の病気兆候の早期発見や畜産牛の発情期予測、自動運転技術や空間認識による屋内の自動マッピングに自然言語による対話エンジンなど、様々な分野のデータを解析学習してその分野に特化したAIシステムを提供しています。

IYOのイメージ IYOの利用イメージ

「IYO」が今まで出来ている事

日本語の意味まで含む理解 日本語の意味まで含む理解

日本語の意味まで含む理解ができます。
日本語は世界でトップクラスの難解な言語です(表現がファジーな為)。
肯定を示す言葉だけでも、
「はい、OK、了解、うん、いいよ」など、
多岐に渡る為です。
この言葉の概念をちゃんと学習出来るのは、
国内では「弊社のみ」です。

画像や動画から物体を高速に認識 画像や動画から物体を高速に認識

画像や動画から物体を高速に認識します。
写真や動画に写っている建物や乗り物、人や動物といったものの
高精度な認識と「区別」ができます。
これは上記の言語理解でも共通なのですが、
人や乗り物などの「概念」をちゃんと学習出来ている為です。

「複数種類の花束の写真から、どの種類の花が何本あるか?」を
ミリ秒単位で答えられます。
この精度は「人間以上」です。

3Dモデルデータの形状理解と自動生成 3Dモデルデータの形状理解と自動生成

CADデータなどの3Dモデルデータの形状理解と、自動生成ができます。そしてCADデータの複雑な三次元構造のデータを、大量に「解析・学習」する事が出来ます。

これにより、学習データによっては「地形から適切な建造物を生成」したり、「身体欠損部分の義肢のデザイン」、「家具や道具のデザイン」など、三次元データの生成が可能です。
これは「世界初の技術」です。

時系列データの解析 時系列データの解析

時系列データの解析ができます。これは特にディープラーニングでは不得意とされている「時系列データ」の
解析と学習が可能という意味で画期的です。
これにより、IoT機器などのセンシング機器からの
データの高度な解析が可能となります。

現状では牛等の動物の生体データをセンシングしたデータから、
個々体毎の生体データの違いを吸収した高精度な病気などの
異常検知が行えています。

人工知能技術レベル4(深層学習)の開発をおこなう

LEVEL –1

単純制御

指示されたことをそのまま行う/予め定められたルールに従い制御する(人工知能搭載◯◯)
  • 気温が上がるとスイッチを切るエアコン
  • 洗濯物の重さで洗濯時間を自動的に変更する洗濯機
  • ヒゲの伸び具合で剃り方を変える電気シェーバーなど

LEVEL –2

学習・推論

指示されたことを自ら考えて行動する/外の世界を観測することによって振る舞いを変える。
振る舞いのパターンを多くするために、予め用意された指示に従い学習・推論し実行する。
  • 「駒がこの場所にあるときは、こう動かすのがいい」といった予め決められたルールに従って、これからの打ち手を検索して打つことができる囲碁や将棋のシステム
  • 与えられた知識ベースに従って、検査結果から診断内容や処方する薬を決めて出力する、医療診断システムなど

LEVEL –3

機械学習

学習の着眼点は人間が教えるが、対応パターンは自動的に学習する。
人間が予めルールを細かく決めて組み込んで置かなくても、コンピューターが自ら大量のデータを分析し、
機械学習を活用し対応パターンを自ら見つけ出す。ただし、学習のための着眼点(特徴量)は人間が設計。
  • 「駒がこの場所にあるときは、こう動かすのがいい」ということを設定して置かなくても、対戦を繰り返すことでコンピューター自身が自分で学習する囲碁や将棋のシステム
  • 診断データや生体データを多数読み込み、ある病気とある病気に相関があるということを自分で学ぶ医療診断システムなど

LEVEL –4

深層学習

学習の着眼点を人間が教えなくても、対応パターンを自動的に学習する。
学習に使う変数(着眼点/特徴量)を自分で学習して見つけ、対応のパターンを見つけ出す。
  • 一つの駒の位置だけでなく、複数の駒の関係性を見たほうが良いという事を、自分で見つけ出す囲碁や将棋のシステム
  • 「一連の症状が患者の血糖異常を表していて、複数の病気の原因となっているようだ」という事を、自分で見つけ出すことができる医療診断システム
※我々9DWが扱うAIは「LEVEL-4」です
PAGETOP