FastLabel株式会社の鈴木です。弊社はテクノロジーを用いて、AIの教師データ作成を自動化する「FastLabel」を開発しています。

皆さん、AI開発がどのように行われているのかご存じでしょうか。AI開発は主にディープラーニングに代表されるアルゴリズム開発と、そのアルゴリズムに教えるための教師データ作成に分かれるのですが、AIプロジェクトの約70％は後者のデータ作成に費やされています。この作業は人手が必要なので人件費がかかり、結果として予算の3分の1がデータ作成に投じられている状態です。

このデータ作成市場はグローバルで約8兆円規模の超巨大市場ですが、この市場で大きな変化が起きています。それはアルゴリズムのコモディティ化。ディープラーニング等のアルゴリズムは企業がゼロから開発するものではなく、GitHub等のインターネット上に公開されたプログラムを利用する時代になっているのです。

さらに、アルゴリズム改善でのAI精度向上が非常に困難になってきています。著名なAI教授による海外プロジェクトでも、アルゴリズム改善チームは3か月取り組んでも全く精度が上がらなかったのに対し、データ改善チームは17％の精度向上に成功しました。

教師データ作成は、実際にどんな作業をするのか。例えば自動運転AIに「車」を自動認識させるデータの作成作業では、人が手作業で画像内の車を丁寧に囲っていきます。単純作業なので多くの人を使って実施しようとするのですが、品質基準の統一が非常に難しく、作業マニュアルが約20ページに及ぶこともあるのです。

厄介なことに、作業者が別々の基準でデータを作っても、AIのパフォーマンスは一向に上がりません。高品質なデータと低品質なデータでは精度に約10％の違いが出ると言われるほど、品質はAI開発において最重要課題なのです。

自動運転、建設、医療、製造業等の既存産業のAI開発には、複雑なデータ作成が多く存在します。ディープラーニング等では数万件規模の教師データが必要になるため、非常に時間がかかるのです。FastLabelはこの効率と品質のトレードオフを、テクノロジーで解決していきます。

まず、AIによる作業支援です。通常作業では対象を1つひとつ丁寧に丸で囲うのに対して、FastLabelでは矩形（くけい）で囲うだけでAIが自動で輪郭を切り取ります。よって作業効率が大幅にアップ。また自動で品質の低いデータを検出するので、そのデータを人が目視でチェックしてデータの質を効率良く改善できます。

作業者への指導もシステムで自動化。システムにあらかじめ正解データを登録しておくと、システムが作業者へ自動でフィードバックを行います。このフィードバックによって、作業コスト削減と作業品質の底上げが可能です。例えば医者の判断が必要な医療系データでも、この機能でトレーニングして医者の確認負担を約3分の1に下げた事例があります。

FastLabelは、AI開発企業である顧客から発注を受けたら、パートナー企業を選定して作業を行い、FastLabelが品質を確認・コントロールしてデータを納品します。

私は元々早稲田大学大学院で機械学習のアルゴリズムを研究し、その後ワークスアプリケーションズで約5年間、ソフトウェアエンジニアとAIプロジェクトの社会実装を経験しました。今回ご紹介した教師データ品質の課題は、自分が体感してきたペインでもあります。

今後はまず教師データ作成サービスを強化し、その後開発全体を効率化する開発プラットフォームSaaSを提供する予定です。すでに有料版で導入いただく企業も増えております。

基盤が充実した先には「AI as a Service」を提供。これはデータを作成して修正していくだけで実用レベルのAIができるプロダクトです。それに伴ってターゲットの市場も、教師データ市場からAI市場へ移行。実際にそんなことができるのかと疑問に思うかもしれませんが、既存AIプラットフォームとの連携でデータ作成だけでAIができる仕組みも実現しております。

われわれはこれから起きるAI革命のインフラとなります。ご清聴ありがとうございました。