現場へのAI導入をどこよりも早く。大企業×スタートアップ連携で起こす「AIの民主化」

エンジニア以外も、AI開発に参加できる企業へ。

パナソニックがAI利活用の先駆的企業になるべく、スタートアップと組んで新たな仕組みを構築しようとしている。この仕組みならAIエンジニアが少ない現場でも、AIシステムを構築できるという。

家電の開発や製造工程など、さまざまな業務でAIの利活用が期待されるパナソニック。この仕組みによって、AIの導入を加速できるのか。カギを握る2人に話を聞いた。

エンジニアでなくても、AI開発に参加できるようになる

――いまやさまざまな場面で使われているAIですが、その開発手法に大きな変化が起きていると聞いています。

小塚そうなんです。一言で言えば、アルゴリズム主導からデータ主導へのシフトです。

――アルゴリズムは情報処理の中枢を担う、AIの基幹要素ですよね。

小塚はい。アルゴリズムが大事なのは、いまも変わりません。ただAIの世界では主要なアルゴリズム、つまりAIの基本的な仕組みがいくつかネット上などで公開されて、誰でも入手できるようになっているんです。

――アルゴリズムを1から開発しなくても、AIシステムをつくれるようになっていると。

小塚そのとおりです。一方で重要性を増しているのが、データです。AIシステムをつくる過程では、正確に情報処理できるようにするため、大量のデータを読み込ませて「学習」させる必要があります。

たとえば冷蔵庫内の果物を識別できるシステムをつくる場合、オレンジ色の細長い物体の画像と「ニンジン」という言語情報が入った画像データを何パターンも読み込ませて、正しくニンジンを認識できるようにするんです。

小塚このAIに教えるためのデータを「教師データ」といいます。最近のAIシステムの開発では、この教師データを確保するのに9割近くの労力を割くことが多いんです。

今回、パナソニックはAIスタートアップのFastLabelさんと連携を始めましたが、この取り組みも教師データがテーマなんです。

――FastLabelは、教師データに関連する事業を展開しているのですか。

鈴木そうですね。われわれは、AIシステムの開発全体を支援するプラットフォームやプロフェッショナルサービスを展開しています。とくに、教師データ作成の部分が強みです。小塚さんが挙げたニンジンの例でいうと「この画像内のこの部分がニンジンである」と定義づけてあげる人手の作業が必要なのですが、われわれのプラットフォームはその仕事をスムーズに行なえるワークフローを提供しています。

鈴木つまりこのプラットフォームを使えば、小塚さんが紹介したようにAIシステムの開発で重要性が増している教師データの作成業務を、簡単かつ効率的に進められるんです。ユーザーインターフェースは日々進化していて、直感的な操作が可能なので、AIエンジニアでなくても教師データ作成を担えるようになります。

AIが電力のようなあたり前のインフラになる、「AIの民主化」

――では、パナソニックとFastLabelの協業について聞かせてください。

小塚パナソニックが開発したHIPIEという独自技術をFastLabelさんのプラットフォームに組み込んで、パナソニックグループ全体で使えるようにしようとしています。

――HIPIEとは。

小塚すでに述べた「この画像のこの部分がニンジンである」と定義づける作業を、自動化できる技術です。教師データを作成するうえでとても大事な作業なのですが、鈴木さんが言ったように一般的には人手で行なわれています。

ニンジンの例で言うと、画像のなかのニンジンに該当する部分をソフトウエア上のマーカーで囲ったりして、指定する仕事です。日常的に使われているAIの多くが、こうした単純作業の積み重ねによって生まれているんですよ。

――HIPIEを使うと、その作業を自動化できるのですね。

小塚ええ。「Carrot」と入力すると、ニンジンに該当する部分が自動でマークされます。これによって、ニンジンがどんなものかをAIに学習させるのに必要な、教師データの1つができあがるんです。

実験では、60秒くらいかかっていた従来の作業を、5秒程度に時間短縮できることを確認しました。

――すごいですね。そのHIPIEがFastLabelのプラットフォームと連携する意義は、どこにあるのですか。

小塚HIPIEはたしかにインパクトのある技術なのですが、教師データを用意するだけでは、AIシステムはつくれません。FastLabelさんのプラットフォームなら、データの収集やアルゴリズムの調整など、そのほかの工程も一体的にサポートできます。それに鈴木さんが触れたとおり、このプラットフォームはインターフェースがとてもよくできていて、エンジニアでなくても扱えるような仕様なんです。

鈴木誰でもAI開発に携われるようにする仕組みですね。私は「AIの民主化」と呼んでいます。個人的にAIは近い将来、電力みたくあたり前のインフラになると思っているのですが、パナソニックさんとの協業が、そんな未来に向けた布石になると信じています。

パナソニックの意思決定は、想像以上に速い

――FastLabelとパナソニックは、どんなきっかけで出会い、協業することになったのですか。

鈴木東京で開かれたAI関連の展示会がパナソニックさんとの最初の接点でしたね。当時私たちは創業したばかりで、データを重要視する「データセントリック」の考えは、いまほど広まっていませんでした。

小塚個人的には、それ以前から鈴木さんのことは注目していたんですよ。私は2016〜2019年に米国スタンフォード大学AI研究所（SAIL）に在籍していて、同大学でデータセントリックを提唱するアンドリュー・ング教授に強く影響を受けているんです。それで、同じ日本人でデータセントリックに共鳴する鈴木さんのことを知って、勝手に「同志だ！」と（笑）。

鈴木そうなんですね（笑）。もちろん私も、アンドリュー教授に強く影響を受けています。たしかに小塚さんとはデータセントリックの話が合って、すぐに意気投合しましたよね。

――連携はスムーズですか。

小塚いまのところ、すごく順調です。協業が決まってからの動きも速いですしね。

鈴木私も過去に大企業勤務を経験しているので、正直なところ小塚さんたちはスタートアップほど身軽には動けないのでは、と思っていました。でも協業が始まると、想像以上に意思決定が速いことに驚きました。

小塚AI開発に関する経営層の考えが統一されているので、意思決定はとても速いですね。現場としては迷うことなく進められています。経営層からはむしろ「もっと速くやれないか」とはっぱをかけられているくらいです。

AIエンジニア不足だからこそ、期待される現場主導のAI開発

――HIPIEとFastLabelのプラットフォームが連携する仕組みを、パナソニックグループ内でどう使っていくのでしょうか。

小塚いろいろな可能性があると思います。事業領域が、本当に幅広いですからね。何度か例に挙がったニンジンの話で言うと、食材をAIで認識する機能をつくりやすくなるので、将来的により便利な冷蔵庫の開発に貢献できるかもしれません。

あとは、製造工程でも大いに活用できると思います。たとえば、部品の検査工程とかですね。良品と不良品をAIが自動判別する仕組みを、従来より効率よくつくれるはずです。

鈴木ポイントは、HIPIEとFastLabelの連携によって、その仕組みを現場の人がつくれるようになることです。良品と不良品の違いが一番わかるのは、現場で作業する人ですよね。AIエンジニアではありません。

パナソニックさんとの連携で一番楽しみなのは、そこです。現場ドリブンで、いままでよりはるかに効果的なAIシステムが生まれるのではないかと、期待しています。

――課題はありますか。

小塚本当の苦労は、これからでしょうね。事業領域が幅広いだけに、扱うデータの種類はさまざまです。現在は画像データにフォーカスしていますが、今後は動画や3Dなど違う種類のデータにも対応しないといけません。

鈴木AIが動画や3Dのデータを処理する技術は、世界的に見てもまだまだ発展途上です。画像認識で実績を積んだあとは動画や3Dへと対応範囲を広げ、先進事例を発信していきたいと考えています。

うかうかしていたら、あっという間にほかの企業に先を越されてしまう。簡単なテーマではありませんが、時間をかけているわけにはいきません。

――ゆくゆくは、パナソニックグループの外にもこの仕組みを提供していきたいと考えていますか。

小塚計画は未定ですが、個人的にはそうしたいと思っています。多くの企業でAIを活用するプロジェクトや新規事業が生まれていますが、一方でAIエンジニアは不足し続けている。だからこそ、エンジニアでなくてもAIシステムの開発に参画できるこの仕組みは、大いに求められているはずです。

鈴木FastLabelのパーパスは、「AIインフラを創造し、日本を再び『世界レベル』へ」です。そして日本の競争力の源泉は、たとえばパナソニックさんの製造工程など、現場の力だと思っています。だからこそ、現場主導のAI開発を促すこの仕組みを、多くの企業に使ってもらいたいと思っています。

小塚鈴木さんの言う「AIの民主化」に、深く共感しています。AIというと、なんとなく自分とは縁遠いと感じる人も多いかもしれません。でも鈴木さんが指摘するとおり、AIは近い将来、あたり前のインフラになるはずです。微力ながら、そういった大きな変革の一翼を担えたら、うれしいですね。

【関連記事はこちら】