News

Financal Times とArcelorMittalが主催するBoldness in Business Awards 2017において、Technology Awardを受賞しました

英ロンドンで現地時間3月17日に開催された「FT ArcelorMittal Boldness in Business Awards 2017」において、Preferred Networks(以下PFN)が「Technology Award」を受賞しました。

PFNが開発するIoTおよび深層学習・機械学習技術に関して、ファナック株式会社との産業用ロボットによる工場の自動化、異常検知への応用、トヨタ自動車株式会社との自動運転への応用などが高く評価されました。

    ● FT ArcelorMittal Boldness in Business Awardsについて

    Financial Times と世界最大級の鉄鋼・鉱業会社ArcelorMittal が2008年に創設したビジネス賞で、9回目となる今回は、6つのカテゴリーにおいて、世界中から革新的な企業がノミネートされました。受賞者は、Financial Timesの編集者Lionel Barber、ArcelorMittalの会長兼最高経営責任者Lakshmi Mittalを含む専門家のパネルによって選ばれます。

・Awardの詳細および受賞者一覧
https://live.ft.com/Events/2017/FT-ArcelorMittal-Boldness-in-Business-Awards

・ロンドンで行われた授賞式の写真
https://www.flickr.com/photos/45442848@N05/33110753460/in/album-72157678023721663/

・Financial TimesでのPFNの紹介記事
Preferred Networks teaches robots to collaborate through deep learning
https://www.ft.com/content/a1f3c3a0-d368-11e6-b06b-680c49b4b4c0

ソラコムと Preferred Networksが独ハノーバーで開催される「CeBIT2017」で機械学習技術をIoT機器の上で利用する「エッジヘビーコンピューティング」の共同デモを実施

株式会社ソラコム(本社:東京都世田谷区、代表取締役社長:玉川憲、以下、ソラコム)と、株式会社 Preferred Networks(本社:東京都千代田区、代表取締役社長:西川徹、以下 PFN)は、3月20日から24日に独ハノーバーで開催される「CeBIT(セビット)2017(国際情報通信技術見本市)」において、PFNが開発する深層学習の技術を、ソラコムに繋がったIoT機器の上で利用する「エッジヘビーコンピューティング」の共同デモを行います。

ソラコムは、IoT通信プラットフォーム「SORACOM」を提供しています。「SORACOM」を採用することにより、IoTに特化した無線通信を、リーズナブルに、WebコンソールもしくはAPI からプログラマブルにご利用いただけるだけではなく、通信経路上での暗号化や、クラウド連携など、セキュアかつ迅速にIoTシステムを構築・運用いただけます。

PFNは、IoTと深層学習をはじめとする機械学習の技術に強みを持ち、製造業や交通、バイオ・ヘルスケアを中心とする応用分野で高度なインテリジェンスを実現するため、分散協調的にデータ解析処理を行うプラットフォーム製品の開発・提供を行っています。

ソラコムが提供するセルラー回線などの無線技術により、IoT機器からデータを直接クラウドに送信することは簡易になってきています。しかし、帯域やデータ量を考えた場合、映像や音声といった大規模データをリアルタイムで継続的に送信することは、依然として課題があります。

今回のデモ展示は、IoT機器上で深層学習技術を実行し、データ解析することで、これらの課題を解決し、本当に価値のあるデータだけを効率的にクラウドへ送信することを可能にするものです。PFNではこの技術を「エッジヘビーコンピューティング」と呼んでいます。この手法を用いることで、高度なリアルタイム解析と、小さいデータ通信量の両立、加えて映像データ自体は解析後すぐ破棄するためプライバシーなどの問題も解決することができます。

 

エッジヘビーコンピューティング」の共同デモ詳細:

1.デモの内容

IoT機器に接続されたカメラに映った人物のデモグラフィックをその場で分析し、分析結果のみをクラウドへ転送して可視化を行うデモです。
今回、組み込み向けの高性能GPUモジュールである「NVIDIA(R) Jetson(TM) TX1」上でPFNの深層学習プラットフォーム「DIMo(ダイモ、Deep Intelligence in-Motion)」を動作させます。そして、「NVIDIA Jetson TX1」に接続されたカメラに映った人物のデモグラフィックをその場で映像に基づいて分析します。その後、要約された情報のみを「SORACOMAir」でクラウドに転送し、「SORACOM Harvest」を利用して可視化します。

 

2.「エッジヘビーコンピューティング」のメリット

カメラがとらえた人物の年齢・性別や映像内の位置情報と言った大ざっぱな情報だけをクラウドに転送することで得られるメリットは以下の通りです。

  •  映像を直接クラウドに送って解析する典型的なケースと比べて圧倒的に小さいデータを送るだけで済む
  • データサイズを気にせずに高品質で高い解像度の映像を分析できる
  • クラウドに映像を送る場合は解像度と品質を落とさなければならないため、分析の難易度が上がる
  • 映像はクラウドに蓄積せず、分析後カメラ側で破棄するためプライバシーを守りやすい

 

3.共同デモの展示詳細

時期:2017年3月20日~24日

会場:ドイツ・ハノーバー「CeBIT(セビット)2017(国際情報通信技術見本市)」

ブースナンバー:Hall 12, Stand B37   http://www.cebit.de/exhibitor/soracom-dk/U177198

※なお、ソラコムとしては、Japan Pvillion内、Hall 4, Stand A38 にもブースがありますが、上記のデモ展示はHall 12のみとなります。

 

「エッジヘビーコンピューティング」の共同デモにあたり、エンドースメントのご紹介

エヌビディア合同会社様に、本デモ展示にあたり、エッジデバイスをご提供いただきました。

エヌビディア合同会社 日本代表 兼 米国本社副社長 大崎真孝様

「エヌビディアはAIコンピューティングカンパニーとして、サーバーサイドのディープラーニングの学習からエッジサイドでの推論まで、End-to-Endでソリューションを提供しています。今回の「エッジヘビーコンピューティング」のデモはエヌビディアのディープラーニングソリューションを具現化するものであり、今後も両社の取り組みをサポートして参ります。」

 
demo1

demo2

株式会社ソラコムについて

株式会社ソラコムは、 IoT 向けの通信プラットフォーム「SORACOM」を提供します。このプラットフォームは、2015年9月にサービス提供開始された、IoTに特化したモバイル通信サービスです。お客様はSORACOMを利用することにより、IoTシステムに不可欠な通信を、リーズナブルに、セキュアに、プログラマブルにシステムに組み込むことができます。

 

株式会社 Preferred Networksについて

IoTにフォーカスした深層学習技術のビジネス活用を目的に、2014年3月に創業。デバイスが生み出す膨大なデータを、ネットワークのエッジで分散協調的に処理する「エッジヘビーコンピューティング」を提唱し、交通システム、製造業、バイオ・ヘルスケアの3つの重点事業領域において、新しいイノベーションの実現を目指しています。
最先端の深層学習技術を提供するDeep Intelligence in-Motion(DIMo、ダイモ)プラットフォームをベースとしたソリューションの開発・提供をはじめ、トヨタ自動車株式会社、ファナック株式会社、国立がん研究センターなどの世界をリードする組織と協業し、先進的な取り組みを推進しています。

 

NVIDIA Jetson TX1について

Jetson TX1 はクレジットカードサイズのモジュールに搭載されたスーパーコンピューターです。 NVIDIA Maxwell(TM) アーキテクチャ、256 NVIDIA CUDA(R) コア、64 ビット CPU を備え、非常に効率的な処理能力を見せます。また、ディープラーニング、コンピュータービジョン、GPU コンピューティング、グラフィックスの最新技術を備え、組み込みビジュアル コンピューティングに最適なモジュールとなっています。

NVIDIA Jetson TX1

 

***********************************************************

■会社概要

会社名: 株式会社ソラコム
代表取締役社長: 玉川憲
本社: 東京都世田谷区玉川四丁目5番6号尾嶋ビル3F
資本金: 37億2755万4044円(資本準備金含む)
ウェブサイト https://soracom.jp/

会社名: 株式会社Preferred Networks
代表取締役社長: 西川徹
本社: 東京都千代田区大手町1丁目6番1号大手町ビル2F
ウェブサイト https://www.preferred-networks.jp

※DIMo(TM)は、株式会社Preferred Networksの日本国およびその他の国における商標です。また、記載されている会社名および商品名は、各社の商標または登録商標です。

 

■本件に関するお問い合わせ

株式会社ソラコム  広報担当/田渕 E-mail:pr@soracom.jp
株式会社Preferred Networks 広報担当/坂口 E-mail:pfn-pr@preferred.jp

Preferred Networksとファナック、第3回日本ベンチャー大賞において経済産業大臣賞(ベンチャー企業・大企業等連携賞)を受賞

株式会社Preferred Networks(本社:東京都千代田区、代表取締役社長:西川徹、以下PFN)は、経済産業省などが主催する第3回「日本ベンチャー大賞」において、「経済産業大臣賞(ベンチャー企業・大企業等連携賞)」をファナック株式会社と共に受賞しました。
PFNの最先端のAI技術と、ファナックが長年培ってきた世界最高水準の機械制御技術を連携させ、モノづくりの現場を革新する両社の取り組みを高くご評価いただきました。

  • 「日本ベンチャー大賞」について
    若者などのロールモデルとなるような、インパクトのある新事業を創出した起業家やベンチャー企業を表彰し称える制度です。起業を志す人々や社会に対し、積極的に挑戦することの重要性や起業家一般の社会的な評価を浸透させ、もって社会全体の起業に対する意識の高揚を図ることを目的としています。
  •  

    (経済産業省Webページ)
    http://www.meti.go.jp/press/2016/02/20170220006/20170220006.html
    (第3回「日本ベンチャー大賞」パンフレット)
    http://www.meti.go.jp/press/2016/02/20170220006/20170220006-1.pdf

    • 2017年2月20日(月)に総理官邸にて開催された表彰式の様子

      世耕経済産業大臣から表彰状を授与
      左から、世耕経済産業大臣、PFN西川、ファナック稲葉善治会長兼CEO

      安倍総理と記念写真
      安倍内閣総理大臣と西川

      受賞者記念撮影
      左から、安倍内閣総理大臣、PFN西川、世耕経済産業大臣、ファナック稲葉善治会長兼CEO

      世耕経済産業大臣、ファナック稲葉善治会長兼CEOと西川、岡野原
      左から、PFN西川、世耕経済産業大臣、ファナック稲葉善治会長兼CEO、PFN岡野原

    人工知能のトップ会議AAAI-17で深層学習実装のチュートリアルを行いました

    現地時間2月5日、サンフランシスコで開催中の国際会議AAAI-17において、PFNメンバーの得居と大野が深層学習の実装とフレームワークに関し”Deep Learning Implementations and Frameworks (DLIF)”と題したチュートリアルを行いました。

    深層学習の応用においてソフトウェアフレームワークの利用は欠かせなくなっていますが、本チュートリアルはその実装の基礎や設計における選択肢、およびChainerを含む現存するフレームワークの特徴比較を行い、ユーザーが用途に合ったフレームワークを選択できるようになることを目的としています。

    当日の発表資料とサンプルコードはこちらからダウンロード頂けます。

    AAAIは30年以上の歴史を持つ人工知能分野におけるトップ会議であり、今年は機械学習の理論から、IoTやロボティクスにおける応用など計24のチュートリアルが企画され、DLIFはその中でも最大の事前登録者を集めました。なお、本チュートリアルは産総研の兼村厚範氏との共同発表で、また神嶌敏弘氏と麻生英樹氏に技術アドバイザとしてご協力頂きました。




    (写真右から、PFNの得居誠也、大野健太、産総研の兼村厚範氏)


    PFNはこれからもソフトウェア公開や論文発表、チュートリアルなどを通じて、アカデミアへの貢献を続けていきます。

    ネットワークのエッジで動作する深層学習プラットフォームDeep Intelligence in-Motion(DIMo、ダイモ)v2のβ版先行提供開始のお知らせ

    株式会社Preferred Networks(プリファード・ネットワークス、本社:東京都千代田区、創業者 代表取締役社長:西川 徹、以下PFN)は、ネットワークのエッジで動作する深層学習プラットフォームDeep Intelligence in-Motion(DIMo、ダイモ)v2と、そのアルゴリズムパッケージの一つであるセンサーデータに対する異常検知についてβ版の先行提供(注1)を開始しました。

    DIMo v2 β版をご利用いただくにあたり、DIMoの活用提案、導入支援、実証実験支援などにつきましては、業務提携をしている株式会社Ridge-i(リッジアイ(注2)本社:東京都千代田区永田町1-11-28、CEO:柳原尚史)とも連携し、より早く効率的にお客様のビジネス業務へ活用できるよう促進してまいります。

    DIMo v2 β版およびアルゴリズムパッケージの利用については引き続き募集をしております。アルゴリズムパッケージに含まれるのはお知らせ時点では以下の機能となります。
    ・人・物体検出を行うためのコンピュータビジョンパッケージ
    ・センサーデータ(数値データ)に対する異常検知パッケージ
    ご利用については課題の内容を含めて個別に相談をさせて頂いておりますので、ご興味をお持ち頂けましたら最下部の連絡先のメールアドレスか、PFNの問合せ窓口(https://www.preferred-networks.jp/ja/contact)にご連絡下さい。

    DIMo v2 は2017/4に正式版を公開する予定です。
    これまで提供していた DIMo についても、ポータルを利用するバージョンに徐々に統合していきます。
    以下、以前のお知らせに記載した DIMo の説明を再掲いたします。

     


    DIMoはPFN製の深層学習(注3)フレームワークChainerと、同じくPFN製のIoT向けストリーム処理エンジンSensorBeeを利用し、ネットワークのエッジで発生するストリームデータに対して直接深層学習を適用します。さらにエッジで動作する深層学習をクラウドから管理・制御するためのコンソールを提供し、エッジやフォグ(注4)で動作する既存のIoT/M2Mプラットフォームと深層学習を簡単に連携させられます。

    DIMoはクラウド型の深層学習APIを提供するのではなく、ネットワークのエッジで稼働するデバイスに深層学習のモデルとプログラムを転送し、そのデバイスから発生するデータに対して深層学習を直接適用します。そのため、クラウド型の深層学習サービスと比較して次のようなユースケースに対して有効です:

    (1) 低レイテンシが要求される
    (2) 分析対象のデータをすべてクラウドに転送するのが難しい
    (3) 深層学習の適用頻度が高い

    ネットワークのエッジで直接深層学習を実行することのメリットの一つとして、クラウドへリクエストを送ってレスポンスを受けとるのにかかるネットワークの遅延をカットできる点があります。DIMoでは深層学習を直接ネットワークのエッジやフォグのデバイス上で動かすため、クラウド型のサービスと比較して低レイテンシの処理に向いています。

    また、IoTの環境ではネットワークの帯域不足やプライバシーの保護などの理由でデータをすべてクラウドに転送するのが難しいことがあります。他にもデータの価値密度が低いためすべてのデータをクラウドに保存することにほとんど意味がないケースも多く、とりあえずクラウドに貯めるというアプローチが常にうまく行くわけではありません。DIMoではネットワークのエッジで発生する映像などのサイズの大きな非構造化データから必要な情報をその場で抽出し、さらに重要な情報のみをフィルタリングしてクラウドに転送できます。プライバシーに関しても処理したデータは永続化する必要がなくその場で破棄できるためより安全な解決策を提供できます。

    他にも深層学習をデバイスの制御に利用する際には数ミリ秒単位での推論を求められることがあります。クラウド型の深層学習サービスではAPIの呼び出し回数による課金モデルを採用しているものが多いのですが、高頻度の呼び出しを行う場合には価格が高くなりがちで、シビアな制御に利用することは難しくなります。DIMoではユーザの用意したデバイス上で深層学習を実行する代わりに、学習や推論を含めた実行回数(API呼び出し回数)に制限はありません。

    以上はエッジ側で深層学習を利用するDIMoをクラウド型のサービスと比較した際のメリットです。一方で、クラウドがエッジに対して優位な点ももちろんあります。特に、エッジでは大規模なストレージや強い耐障害性を持った計算クラスタを構築することは困難で、クラウドが得意とするような信頼性の高い大規模集計を行えません。そこで、DIMoはすべてをエッジで解決するのではなく、フォグやクラウドが得意とする部分はそちらに任せ、逆にそれらが苦手とする部分をエッジ側でフォローするような相補的関係を構築します。例えば現在のデータベースは構造化データの取り扱いは得意ですが、音声や映像と言った非構造化データを直接効率的に扱うのは現時点ではまだ得意ではありません。エッジで発生する映像データはネットワークの帯域的な問題でクラウドにアップロードしづらいだけでなく、そのままの形でクラウドの分析ソリューションに持って行っても柔軟な分析は行えません。しかし、DIMoを利用することで、ネットワークのエッジにあるカメラの映像をその場で分析しクラウドには通常時はカメラがとらえた物体の情報のみを構造化データとして送信するといった処理が可能になります。

    DIMo は次のコンポーネントで構成されます:

    * エッジでの深層学習を管理するためのポータル
    * 分野毎のアルゴリズムと学習済みモデルのパッケージ
    * 深層学習の開発・実験基盤(2017/4以降予定)

    アルゴリズムパッケージはβ版では人・物体検出を行うためのコンピュータビジョンパッケージと異常検知用のパッケージを提供します。他にも電力などの需要予測の研究開発を現在進めており、そちらも早期に追加予定です。それぞれのパッケージのアルゴリズムも随時強化され、例えば電力需要予測では将来的に電力最適化アルゴリズムも提供していきます。他にも自律制御向けの強化学習、エッジデバイス同士の自律的なコミュニケーション手段を構築するためのアルゴリズムなども随時追加されます。


     

    (注1)以前のお知らせにて提供を予告していたものとなります (https://www.preferred-networks.jp/ja/news/dimo-beta
    (注2)株式会社Ridge-i:   深層学習・強化学習などを中心としたAI領域に特化した技術支援、コンサルティング、ソリューション開発、「DIMo」導入支援、実証実験支援などを提供
    (注3)多層構造のニューラルネットワークを用いる近年急速に発展した機械学習の一手法
    (注4)Cisco Systemsが提唱するクラウドとエッジの中間に位置するレイヤー

     

    ■ 本件に関するお問い合わせ先
    株式会社Preferred Networks
    pfn-info@preferred.jp

    人工知能(AI)を活用した統合的がん医療システム開発プロジェクト開始

    国立研究開発法人 国立がん研究センター(理事長:中釜 斉)と株式会社Preferred Networks(代表取締役社長:西川 徹、以下、PFN社)、国立研究開発法人 産業技術総合研究所(理事長:中鉢 良治、以下、産総研)人工知能研究センター(研究センター長:辻井 潤一)は、国立研究開発法人 科学技術振興機構の戦略的創造研究推進事業(CREST)における「イノベーション創発に資する人工知能基盤技術の創出と統合化」研究領域に採択され、人工知能(AI:Artificial Intelligence)技術を活用した統合的ながん医療システムの開発プロジェクト(以下、本プロジェクト)を開始します。

    本プロジェクトでは、国立がん研究センターに蓄積されている膨大な罹患者の詳細な臨床情報やマルチオミックスデータ*1(ゲノム、エピゲノム*2、画像情報および血液など網羅的な生体分子情報)、さらに疫学データと文献情報を、AI技術を利用して統合的に解析し、日本人のがん罹患者個々人に最適化された医療(Precision Medicine)の提供を目指した革新的がん医療システムの開発を目的とします。また、システムを実用化し、社会全般に普及させることにより、がん医療の質の向上を推進することを目指します。

     

    ■背景
    国立がん研究センターは、これまで世界でも有数の質の高いがんの基礎研究・臨床研究および疫学研究を長い間継続的に行なっており、蓄積されたがんの診断データは膨大な量になります。これらを統合的に解析することで、個々人に最適化された医療を提供できると考えられていますが、これまでは、このようながんに関するビッグデータを解析する手法が無く、実現に至っておりませんでした。しかし、近年、診断に利用されるデータの電子化が進んできたこと、複数のコンピュータやプロセッサを利用した分散処理技術の発展によりビッグデータ解析が可能になってきたこと、および、深層学習に代表される AI技術の発展により、構造化されたデータのみならず、構造化されていない多様ながんのビッグデータであっても、統合解析をすることで、医療の質の向上へと繋げられる可能性が高まってきました。

     

    ■研究概要
    本プロジェクトでは、最前線の深層学習技術の研究開発・産業化を推進しているPFN社、およびAI研究開発を先導する産総研 人工知能研究センターと共同で、国立がん研究センターが保持している膨大ながんに関する臨床データ、マルチオミックスデータおよび疫学データを統合的に解析するメディカルAI技術を開発します。その上で複雑ながんの本態を解明し、がんの診断・治療および創薬へ応用していきます。例えば最近様々な分野で利用が広がる深層学習技術をPFN社はがん診断に適用することで、様々ながんの早期予測精度を画期的に改善することを示し始めています。また、産総研で研究されている機械学習・統計手法により、がんの有無・進行度の判別や効果ある治療法の選択が容易になるバイオマーカー(生体物質)探索の効率化が期待できます。このように最先端のAI技術を導入することで、より迅速でかつ精度の高いがんの診断・治療および創薬システムを、産・官・学が密接に連携して開発します。

    がん医療に伴うAI開発においては、電子化・構造化されたデータのみならず、様々な非構造化がんデータベースの構築と、その多彩なデータベースを解析できる機械学習・深層学習技術の開発が必要になります。そのため、本プロジェクトでは、まず、機械学習・深層学習の適用が可能な正規化されたがんのデータベースを構築し、その上で機械学習・深層学習を利用して解析します。対象としてクリニカルシークエンス*3(ゲノム)データ、ヒストン修飾*4を中心としたエピジェネティクスデータ*5および血液検査データに重点を置き、より正確ながんの診断、個々のがん罹患者にあった治療法の選択、創薬へ応用していきます。CREST事業が求める最初の2年4カ月でProof of Concept (POC:概念実証)の取得を目指し、5年後を目処に実用化を目指していきます。

    Concept diagram of this project

     

    ■採択された研究課題

    国立研究開発法人 科学技術振興機構 戦略的創造研究推進事業(CREST)
    研究領域: 「イノベーション創発に資する人工知能基盤技術の創出と統合化」
    課題名: 「人工知能を用いた統合的ながん医療システムの開発」
    代表者: 国立がん研究センター 研究所 がん分子修飾制御学分野長 浜本 隆二

     

    ■用語解説
    *1 マルチオミックスデータ
    網羅的な生体分子についての情報であり、ゲノム(Genome)やトランスクリプトーム(Transcriptome)、プロテオーム(Proteome)などと呼ばれる、様々な網羅的な分子情報をまとめた情報。

    *2 エピゲノム
    DNA塩基配列の変化を伴わずにDNAやヒストンへの化学修飾が規定する遺伝情報。

    *3クリニカルシークエンス
    臨床検体を用いたがん関連遺伝子変異の網羅的解析。

    *4ヒストン修飾
    クロマチン構成タンパク質であるヒストンに認められるアセチル化、メチル化、リン酸化、ユビキチン化などの化学修飾

    *5エピジェネティクスデータ
    エピゲノム(*2)の網羅的解析によって得られるデータ。主にDNAメチル化およびヒストン修飾を指すことが多い。

     

    ■お問合せ先
    国立研究開発法人 国立がん研究センター
    企画戦略局 広報企画室
    〒104-0045 東京都中央区築地5-1-1
    TEL: 03-3542-2511(代表) FAX:03-3542-2545 E-mail:ncc-admin@ncc.go.jp

    株式会社Preferred Networks
    〒100-0004 東京都千代田区 大手町1丁目6−1 大手町ビル2F
    E-mail:pfn-info@preferred.jp
    URL:https://www.preferred-networks.jp

    国立研究開発法人 産業技術総合研究所
    企画本部 報道室
    〒305-8560 茨城県つくば市梅園1-1-1 中央第1
    つくば本部・情報技術共同研究棟8F
    TEL:029-862-6216 FAX:029-862-6212 E-mail:press-ml@aist.go.jp

    Press Conference

     

    ※11月29日記者発表の様子

    Preferred Networks、SCSKとAsian Frontierグループの業務提携に関するお知らせ

    Preferred Networks、SCSKとAsian Frontierグループの
    業務提携に関するお知らせ

     

    株式会社Preferred Networks(本社:東京都千代田区、代表取締役社長:西川徹 以下、PFN)は、SCSK株式会社(本社:東京都江東区、代表取締役社長:谷原徹、以下SCSK)と株式会社Asian Frontier(社長:ミゲルアンヘル エステベス 安倍 以下AF)およびAFグループの株式会社Ridge-i(本社:東京都千代田区、代表取締役社長:柳原尚史、以下Ridge-i)と業務提携し、SCSKが開発・運用する企業の業務システムへのAI技術活用の一環として、PFNの持つ深層学習(ディープラーニング)を中心にした機械学習のプラットフォーム「DIMo(ダイモ:Deep Intelligence in-Motion)」(注1)の導入を推進します。

    【背景】
    PFNの持つ最先端の機械学習や深層学習の技術はネットワークの進化とともに産業界において広範な適用可能性及び変革の可能性を秘めています。
    一方、SCSKは、金融機関、製造業、流通業、通信業向けなど、すべての業種・業界向けにさまざまな業務システム・サービスを提供しています。特に昨今、金融機関においては、既存業務の効率化や知見の有効活用を目的に、FinTech・AIへの積極投資が進み始め、機械学習・深層学習技術の業務システム・サービスへの適応が求められています。

    【内容】
    他の先進技術と同様に、実際にビジネスの現場においてPFNの技術を適用していくには、各業界におけるビジネスニーズに即して開発が推進される必要があります。
    すでにDIMoのビジネス活用コンサルティング・導入支援において業務提携しているAFグループを含め、広範な業種・業界向けにさまざまな業務システム・サービスを提供しているSCSKをパートナーとして迎える事で、迅速なビジネスへの技術適用を推進していく事に致しました。すでにSCSKおよびAFグループと共同で開始されている金融機関での実証実験の他にも他業界での実証実験も予定されており、商用化を加速してまいります。

    (注1)DIMo (Deep Intelligence in Motion)とは、PFNの持つ深層学習や強化学習などの機械学習技術をライブラリー化し、汎用的に各業界で利用できるようにしたソフトウェアプラットフォームです。

     

    本業務提携における各社の役割

    株式会社Preferred Networks : 深層学習技術を使った「DIMo」の提供及び技術支援
    株式会社Asian Frontier : 『DIMo』を活用した業務改革・システム化構想のコンサルティングサービスを提供
    株式会社Ridge-i : 深層学習・強化学習などを中心としてAI領域に特化した技術支援、コンサルティング、ソリューション開発、実証実験支援、DIMo導入支援などを提供
    SCSK株式会社 : 全業種の業務課題に対するAI技術の適応検討、および業務システムへの実装を提供
     

    ■ 本件に関するお問い合わせ先
    株式会社Preferred Networks
    e-mail:pfn-info@preferred.jp

    株式会社Asian Frontier
    部署:先進技術ソリューション本部
    e-mail:toiawase@asian-frontier.com

    ※掲載されている製品名、会社名、サービス名はすべて各社の商標または登録商標です。

    BBT宇宙天気予報研究会におけるChainer Playgroundの先行利用事例

    京都大学BBT宇宙天気予報研究会では、京都大学をはじめ世界中の人々の努力により、これまでに膨大な観測データが蓄積されている、活動する天体・太陽に対して、深層学習技術を適用することで、人類の文明にも日々影響を与えている太陽活動を予測する研究に取り組まれています。(https://www.usss.kyoto-u.ac.jp/bbt.html

    BBT宇宙天気予報研究会ではPFNが開発しているChainerを利用し、宇宙天気を予測する授業をされておりますが、このたびChainer Playgroundを先行利用することによりPython環境を学生のみなさんのPCにインストールすることなく、深層学習の原理やChainerの使い方を理解することが可能となりました。

    村主 崇行 京都大学 非常勤講師のコメントです。
    「環境のセットアップには毎度、1−2週間とられてしまうほか、学生さんのPCのOSや性能差も大きいので、ブラウザさえあれば動くオンライン教材はとても助かっています。」

    PFNがん研究所 (PFN Cancer Research Institute (PCRI))の設立について

    PFNがん研究所 (PFN Cancer Research Institute (PCRI))の設立について

     

    株式会社Preferred Networks(プリファード・ネットワークス、本社:東京都千代田区、創業者 代表取締役社長:西川 徹、以下PFN)は、自動車、製造業、そしてバイオヘルスケアの3つの分野を重点事業領域として研究開発、産業化を進めております。

    特にバイオヘルスケアの分野においては、近年の次世代ゲノムシークエンサーの発展により、ゲノム解析(DNA, RNA, マイクロRNAや、エピゲノムを含む)による個別化医療が実現可能な時代が近づいてきました。しかしながら、個別化医療を実現するためには、ディープラーニング(深層学習)など最先端の人工知能(AI)技術を活用し、大量のゲノムデータを正確に分析し、各医療機関とも密接に連携を取りながら、個別化医療実現に向けて努力することが急務となっています。

    PFNは、その第一弾として、東京大学産業連携プラザにPFNがん研究所 (PFN Cancer Research Institute (PCRI))を設立しました。PCRIでは、次世代シークエンサーを利用したウェットラボを立ち上げ、最新バイオテクノロジーとディープラーニングに代表される最先端の人工知能技術との融合領域の研究・産業化を進めていきます。具体的には、診断、治療、創薬の3つの分野において、深層学習を利用したがんゲノム研究を進め、
    1)新規がん診断法の確立、
    2)ゲノム分析によるがん治療方針の決定、最適治療薬の選択や術後の予測、
    3)それぞれの患者に適応した個別化創薬、
    など革新的な個別化医療を実現できるようイノベーションを起こし続けます。

    PFNはこれからも、最先端の人工知能技術をいち早く様々なヘルスケアの分野に応用し、皆様の健康やQOL( Quality of Life:生活の質) の向上のために貢献していきます。

    ■ 本件に関するお問い合わせ先
    株式会社Preferred Networks
    pfn-info@preferred.jp

    ネットワークのエッジで動作する深層学習プラットフォームDeep Intelligence in-Motion(DIMo、ダイモ)のβ版先行提供を12月中旬から開始します

    ネットワークのエッジで動作する深層学習プラットフォームDeep Intelligence in-Motion(DIMo、ダイモ)のβ版先行提供を12月中旬から開始します

     

    株式会社Preferred Networks(プリファード・ネットワークス、本社:東京都千代田区、創業者 代表取締役社長:西川 徹、以下PFN)は、ネットワークのエッジで動作する深層学習プラットフォームDeep Intelligence in-Motion(DIMo、ダイモ)のβ版先行提供を12月中旬から開始します。DIMoはPFN製の深層学習(注1)フレームワークChainerと、同じくPFN製のIoT向けストリーム処理エンジンSensorBeeを利用し、ネットワークのエッジで発生するストリームデータに対して直接深層学習を適用します。さらにエッジで動作する深層学習をクラウドから管理・制御するためのコンソールを提供し、エッジやフォグ(注2)で動作する既存のIoT/M2Mプラットフォームと深層学習を簡単に連携させられます。

    DIMoはクラウド型の深層学習APIを提供するのではなく、ネットワークのエッジで稼働するデバイスに深層学習のモデルとプログラムを転送し、そのデバイスから発生するデータに対して深層学習を直接適用します。そのため、クラウド型の深層学習サービスと比較して次のようなユースケースに対して有効です:

    (1) 低レイテンシが要求される
    (2) 分析対象のデータをすべてクラウドに転送するのが難しい
    (3) 深層学習の適用頻度が高い

    ネットワークのエッジで直接深層学習を実行することのメリットの一つとして、クラウドへリクエストを送ってレスポンスを受けとるのにかかるネットワークの遅延をカットできる点があります。DIMoでは深層学習を直接ネットワークのエッジやフォグのデバイス上で動かすため、クラウド型のサービスと比較して低レイテンシの処理に向いています。

    また、IoTの環境ではネットワークの帯域不足やプライバシーの保護などの理由でデータをすべてクラウドに転送するのが難しいことがあります。他にもデータの価値密度が低いためすべてのデータをクラウドに保存することにほとんど意味がないケースも多く、とりあえずクラウドに貯めるというアプローチが常にうまく行くわけではありません。DIMoではネットワークのエッジで発生する映像などのサイズの大きな非構造化データから必要な情報をその場で抽出し、さらに重要な情報のみをフィルタリングしてクラウドに転送できます。プライバシーに関しても処理したデータは永続化する必要がなくその場で破棄できるためより安全な解決策を提供できます。

    他にも深層学習をデバイスの制御に利用する際には数ミリ秒単位での推論を求められることがあります。クラウド型の深層学習サービスではAPIの呼び出し回数による課金モデルを採用しているものが多いのですが、高頻度の呼び出しを行う場合には価格が高くなりがちで、シビアな制御に利用することは難しくなります。DIMoではユーザの用意したデバイス上で深層学習を実行する代わりに、学習や推論を含めた実行回数(API呼び出し回数)に制限はありません。

    以上はエッジ側で深層学習を利用するDIMoをクラウド型のサービスと比較した際のメリットです。一方で、クラウドがエッジに対して優位な点ももちろんあります。特に、エッジでは大規模なストレージや強い耐障害性を持った計算クラスタを構築することは困難で、クラウドが得意とするような信頼性の高い大規模集計を行えません。そこで、DIMoはすべてをエッジで解決するのではなく、フォグやクラウドが得意とする部分はそちらに任せ、逆にそれらが苦手とする部分をエッジ側でフォローするような相補的関係を構築します。例えば現在のデータベースは構造化データの取り扱いは得意ですが、音声や映像と言った非構造化データを直接効率的に扱うのは現時点ではまだ得意ではありません。エッジで発生する映像データはネットワークの帯域的な問題でクラウドにアップロードしづらいだけでなく、そのままの形でクラウドの分析ソリューションに持って行っても柔軟な分析は行えません。しかし、DIMoを利用することで、ネットワークのエッジにあるカメラの映像をその場で分析しクラウドには通常時はカメラがとらえた物体の情報のみを構造化データとして送信するといった処理が可能になります。

    DIMoは次のコンポーネントで構成されます:

    * エッジでの深層学習を管理するためのポータル
    * 分野毎のアルゴリズムと学習済みモデルのパッケージ
    * 深層学習の開発・実験基盤(2017/4以降予定)

    アルゴリズムパッケージはβ版では人・物体検出を行うためのコンピュータビジョンパッケージと異常検知用のパッケージを提供します。他にも電力需要予測の研究開発を現在進めており、そちらも早期に追加予定です。それぞれのパッケージのアルゴリズムも随時強化され、例えば電力需要予測では将来的に電力最適化アルゴリズムも提供していきます。他にも自律制御向けの強化学習、エッジデバイス同士の自律的なコミュニケーション手段を構築するためのアルゴリズムなども随時追加されます。

    DIMoは2017/4に正式版を公開する予定です。

    (注1)多層構造のニューラルネットワークを用いる近年急速に発展した機械学習の一手法
    (注2)Cisco Systemsが提唱するクラウドとエッジの中間に位置するレイヤー

     

    ■ 本件に関するお問い合わせ先
    株式会社Preferred Networks
    pfn-info@preferred.jp

    深層学習をウェブブラウザ上で学習できる「Chainer Playground」の無償公開について

    深層学習をウェブブラウザ上で学習できる「Chainer Playground」の無償公開について

     

    株式会社Preferred Networks(プリファード・ネットワークス、本社:東京都千代田区、創業者 代表取締役社長:西川 徹、以下PFN)は、深層学習をウェブブラウザ上で学習できる環境、「Chainer Playground」を無償で公開します。ChainerはPFNが開発したPythonベースの深層学習(注1)フレームワークで、複雑なニューラルネットワーク(注2)を柔軟に記述するために開発されました。Chainer Playgroundでは深層学習とChainerの基礎を実際のプログラミングを通しながら学べます。Chainer Playgroundを利用するにあたって必要なのはウェブブラウザのみで、PythonやChainerのインストールも必要ありません。ブラウザでChainer Playgroundに接続するだけですぐに学習を始められます。

    Chainer Playgroundのコンテンツとして、まずは公式ドキュメントベースのChainerチュートリアルと、深層学習の基礎を学べる教科書を公開します。教科書は書き終わったところから公開し、随時加筆していく予定です。これらのコンテンツではあらかじめ提供されているオープンデータセットを使ってGPU上で実際に実験を行えます。

    Chainer Playgroundの公開は11月初旬を予定しています。その後は深層学習を使う上で必要なテクニックを分野毎に一問一答形式で学べる「深層学習100本ノック(仮称)」、より初心者向けの深層学習教材、深層学習や機械学習の経験がないアプリケーションデベロッパー向けのChainerチュートリアルなどを随時増やしていきます。

    (注1)多層構造のニューラルネットワークを用いる近年急速に発展した機械学習の一手法
    (注2)神経回路に似た計算構造を持つ機械学習モデルの一種

    ■ 本件に関するお問い合わせ先
    株式会社Preferred Networks
    pfn-info@preferred.jp

    CEATEC JAPAN 2016 に出展します

    株式会社Preferred Networksは、2016年10月4日(火)〜7日(金)幕張メッセにて開催されております、CEATEC JAPAN 2016(www.ceatec.com)に出展しております。

    Preferred Networksは、特別企画展示エリア内の人工知能パビリオンにおいて、人工知能(AI)の中核技術といわれるディープラーニング(深層学習)の製品への適用事例を、以下3点展示しております。

     

    1.ドローン 深層強化学習に基づくドローン制御

    複雑で制御が難しい対象(Cyber-Physical Systems)を物理モデルベースではなく強化学習を使って制御し、ドローンが自ら学習して飛行するデモを展示いたします。Preferred Networksは、深層強化学習を用いた自動運転や工場用ロボットの制御等で先端的かつ汎用的な技術を持っており、このデモではドローンというさらに複雑な制御対象にも適用できることを示します。

    * Cyber-Physical Systems
    実世界(Physical System)に浸透した組み込みシステムなどが構成するセンサーネットワークなどの情報を、サイバー空間(Cyber System)の強力なコンピューティング能力と結びつけ、より効率のよい高度な社会を実現するためのサービスおよびシステム

    2.ロボット 棚から多様な物体を取出しできるロボット

    現実世界の多種多様な物体をロボットで正しく認識して持ち運ぶことは、物流倉庫の自動化において非常に重要な課題であり、将来的には産業用だけでなく、家庭環境へも応用範囲が広がっていきます。倉庫内ピッキングに関する世界的な大会であるAmazon Picking Challenge 2016でも優秀な成績を修めたシステムを改良し、ドローン等と連携するシステムも構築しました。

    3.DIMo  Deep Intelligence in Motion (ディープラーニングを利用した弊社データ解析プロダクト)による映像解析

    深層学習を利用したデータ解析プロダクトによる映像解析のデモを実施します。展示では、例としてドローンを模したカメラからの映像を処理し、人を検知して男女などの属性を推定する技術を示します。監視用・マーケティング用を含めて現在使用されているカメラは無数にあり、それらを人が全て監視したり、単に記録用に使われたりするのではなく、リアルタイム性が高くインテリジェンスな分析ができることで、新しい防犯やマーケティングの仕組みを作ることができると期待されています。

    ■ CEATEC開催期間中に予定されている講演について
    CEATEC期間中に予定されている弊社の講演は以下のとおりです。
    ・10/4(火) 11:15-12:15  IoT推進コンソーシアム総会 「IoTに向けた世界の取り組みと日本の取り組み〔仮〕」(CEO西川)
      http://www.iotac.jp/event/plenary2016/
    ・10/4(火) 15:10-16:10  ICTイノベーションフォーラム2016 「AI・ロボット技術の基礎研究と社会展開・社会実装との橋渡し」(CEO西川)
      http://www.keieiken.co.jp/if2016/
    ・10/6(木)  11:00-11:40  【CEATEC×産総研人工知能カンファレンス~PAVILION DAY】
    「IoTのエンジンとなるディープラーニング」(CEO西川)
      http://www.ceatec.com/ja/conference/confDateList.html?date=2016-10-06  
    ・10/7(金) 10:00-11:00 CPS/IoTトレンドセッション 「実世界の人工知能 ~交通、製造業、バイオヘルスケア~」(CSO丸山)
    ・10/7(金) 12:30-14:30 AIと知財について「学習済モデルの再利用について(仮)」(CSO丸山)
    ・10/7(金) 14:40-16:55 特別展示企画セッション(FANUC稲葉専務取締役と弊社CEO西川の対談)
      http://www.ceatec.com/ja/conference/confDateList.html?date=2016-10-07

    ぜひご来場の際は、ブースや講演にお立ち寄りください!

    2016 US-Japan Innovation Awardsにて日本発の革新的なスタートアップ企業に選出

    スタンフォード大学で行われたシンポジウムで表彰されるPFN西川社長CEO

    Preferred Networksが2016年US-Japan Innovation Awardsにおいて、日本発の革新的なスタートアップ企業5社に選出

    ~スタンフォード大学において開催された2016 US-Japan Innovation Awardsで、Innovation Showcaseを受賞~

     

    株式会社Preferred Networks(プリファード・ネットワークス、本社:東京都千代田区、創業者 代表取締役社長:西川 徹、以下PFN)は米国時間7月22日(金)にスタンフォード大学にて開催された、2016 Japan-US Innovation Awardにおいて、日本発の革新的なスタートアップ企業を選出する「2016 Innovation ShowCase」の1社に選ばれましたので、お知らせいたします。

    US-Japan Innovation Awardsは、Japan Society of Northern California (北カリフォルニア日米協会)が Stanford University のUS-Asia Technology Management Center (スタンフォード大学US-アジア技術経営センター) の協力を得て、2011年より運営しているプログラムで、その中で”Innovation Showcase”は日本発のエキサイティングなスタートアップ企業に贈られる賞です。

     

    PFNについて

    東京を拠点とし、Internet of Things (IoT)において深層学習を中心とした機械学習技術を用いたソリューションにフォーカスしているベンチャー企業です。機械学習技術の先進技術を提供するDeep Intelligence in-Motion(DIMo)プラットフォームをベースとしたソリューションの研究開発に取り組んでいます。Preferred Networksは自動車業界や産業用ロボットにおいてそれぞれトヨタ自動車株式会社やファナック株式会社などの世界をリードする企業と協業し先進的な取り組みを推進しています。詳細は、http://www.preferred-networks.jpをご覧ください。

    Preferred Networks とDeNA、合併会社設立のお知らせ

    Preferred Networks とDeNA、人工知能技術を用いた
    企業向けソリューションを提供する合弁会社PFDeNAを設立

    ~ディープラーニングを中心とした高度な機械学習技術で様々なデータの価値を最大化~

    株式会社Preferred Networks(プリファード・ネットワークス、本社:東京都千代田区、創業者 代表取締役社長:西川 徹、以下PFN)と株式会社ディー・エヌ・エー(本社:東京都渋谷区、代表取締役社長兼CEO:守安 功、以下DeNA)は、ディープラーニング(深層学習)※1や高度な機械学習※2など最先端の人工知能※3(AI)技術を活用した企業向けソリューションや消費者向け商品・サービス等の提供を目的として、本日、合弁会社を設立しました。

    新会社である株式会社PFDeNA(ピー・エフ・ディー・エヌ・エー、以下PFDeNA)では、DeNAが多彩なインターネットサービスの運営を通じて蓄積してきた様々なデータや複数事業領域での経験と、PFNのAI技術、特にディープラーニングに関する広範囲な知見や最先端の技術を組み合わせることにより、DeNAあるいは顧客企業の持つ様々なデータの価値の最大化を図ります。事業領域としては、ゲーム、ヘルスケア、自動車・交通関連のほか、大規模データを扱うあらゆる産業を検討していきます。

    PFDeNAの設立により、PFNは、AI技術の活用に必要となるデータへのアクセスがDeNAを通じて可能になることで、多数の利用者とAI技術との接点を作り、AI技術で社会に大きな影響を与えることができるようになります。DeNA は、既存の事業領域でAI技術を活用できるようになるだけでなく、自社でのAI技術活用の成功例を他社にソリューションとして販売したり、新たな事業領域に進出したりすることが可能となります。

    合弁会社の概要

    会社名 株式会社PFDeNA
    所在地 東京都渋谷区渋谷2-21-1
    設立日 2016年7月14日
    資本金等 30百万円(出資比率 DeNA:50.0% PFN:50.0%)
    役員 代表取締役社長:守安 功(現 DeNA代表取締役社長兼CEO)

    取締役:西川 徹(現 PFN代表取締役社長)

    取締役:岡野原 大輔(現 PFN取締役副社長)

    取締役:川崎 修平(現 DeNA取締役)ほか1名

    事業内容 人工知能技術(ディープラーニングをはじめ高度な機械学習技術)の共同研究開発およびその成果を利用した商品またはサービスの企画、開発および運営
    公式サイト http://pfdena.com

    ※1 人間の神経細胞のような多層構造のネットワークを用いた機械学習で、複雑かつ膨大なデータの処理が可能。Deep learning。
    ※2 コンピュータが人間の助けなしに自ら新しいことを学ぶ能力。Machine learning。
    ※3 学習・推論・分析などの知的な能力を持ったコンピュータのプログラム。Artificial intelligence (AI)。

    PFNについて

    東京を拠点とし、Internet of Things (IoT)において深層学習を中心とした機械学習技術を用いたソリューションにフォーカスしているベンチャー企業です。機械学習技術の先進技術を提供するDeep Intelligence in-Motion(DIMo)プラットフォームをベースとしたソリューションの研究開発に取り組んでいます。Preferred Networksは自動車業界や産業用ロボットにおいてそれぞれトヨタ自動車株式会社やファナック株式会社などの世界をリードする企業と協業し先進的な取り組みを推進しています。詳細は、http://www.preferred-networks.jpをご覧ください。

    株式会社ディー・エヌ・エー(DeNA)について

    DeNAは、ゲーム、eコマース、エンターテインメント、ヘルスケア、キュレーション、オートモーティブなどの様々な領域で、モバイル端末向けを中心としたインターネットサービスを提供している東証一部上場企業(2432)です。1999年にPC向けのオークションサイトを運営するベンチャー企業として東京で創業されて以来、DeNAは、ひとつの事業領域にこだわることなく、次々と時代を切り拓く新しいインターネットサービスを生み出すことで進化を遂げてきました。特にモバイル端末向けのゲームは大きな成長エンジンとなり、現在では世界中で約2,000人以上の従業員がDeNAグループで働いています。また、DeNAはプロ野球チームと陸上チームを所有しており、スポーツの領域でもその名を知られています。詳細は、http://dena.comをご覧ください。

    Amazon Picking Challenge 2016のPick Task部門で第2位を獲得しました

     
     
    Preferred Networksのメンバで構成されたチームPFNは、ライプチヒで6/29-7/3に行われましたAmazon Picking Challenge 2016に参加し、”pick task”で第2位(1位とは同スコア)を獲得、また”stow task”では第4位となりました。
     
    Amazon Picking Challenge (http://amazonpickingchallenge.org/) は、2つのタスクに分かれ、”pick task”は棚の各ボックスに入れられた46のアイテムから決められた12アイテムを取り出すことを競い、”stow task”は1つの箱に入れられた12のアイテムを取出し、すでに34のアイテムが入った棚に格納することを競います。またこれらのタスクにおいてロボットは自律的に動き、人間は何も操作を行うことはできず、物体判別や物体の状態認識、モーションプランニング、物体把持プランニングが要求されます。
     
    PFNチームは、自社で開発したOSSであるChainerを使ったディープラーニングを利用して、カメラセンサからの画像や3Dマップを入力として物体認識とその物体に対する最適なアプローチ位置を割り出しています。FANUCの6軸ロボットアームを2つ使用し、それぞれ吸引と把持を行う異なる仕様のエンドエフェクタをハンドメイドで開発して接続しています。またロボットの自律的なモーション制御も我々で開発し、本システムを3か月という短い期間で構築し、世界の強豪を上回る結果を残すことができました。
     
    今回の成果は、産業IoTやロボティクスの高度化において、非常に重要なものであると考えております。

    参考:

    Amazon Picking Challenge 2016に参加します

    Preferred Networksは6月29日から7月3日までドイツのライプツィヒで開催されるAmazon Picking Challenge 2016(http://amazonpickingchallenge.org/)に参加いたします。

    Amazon Picking Challengeは、人が介在しない自律制御されたロボットによって、棚の中にある様々な形状の物体を取り出すタスク、およびカゴの中にある物体を棚に入れるタスクの正確性を競うコンペティションです。弊社のチームは、深層学習技術を使った物体認識や、異なるロボットを組み合わせた効率の高い動作を強みとして挑戦します。Preferred NetworksはIoT分野の変革に向けた深層学習関連技術の研究開発を続けており、今回のコンペティションもその成果の一つとなります。どうぞご期待ください。

    製造業のリーダー企業によるコラボレーション: アナリティクスによる製造業の「モノづくり」最適化

    ロボットとファクトリー オートメーションの世界的サプライヤーであるファナック株式会社は、ITによるデジタル化をけん引する世界的リーダー企業、シスコ、産業用オートメーションと情報ソリューションを専門とする世界の大手Rockwell Automation、人工知能ソリューションの先進プロバイダーであるPreferred Networksと協業します。これらの企業は共同で、CNC(コンピュータ数値制御装置)とロボットのみならず周辺デバイスとセンサーを接続して製造・生産を最適化するためのアナリティクスを提供するプラットフォーム、FANUC Intelligent Edge Link and Drive(FIELD)systemを開発します。

    FIELD systemは、ファナックのオートメーション システムで使用されるCNC、ロボット、周辺デバイス、センサー向けの高度なアナリティクスを提供するためのプラットフォームです。これは、マシンの信頼性、品質、柔軟性、スピードの向上を通じて総合設備効率(OEE)と収益率を向上させるものです。また、高度な機械学習機能とディープ ラーニング機能も提供します。ファナックは、シスコ、Rockwell Automation、Preferred Networksと協業することで、ネットワークおよびコンピューティング インフラストラクチャ、アプリケーション、ミドルウェア プラットフォームを含む完全なソリューションを提供します。このオープン プラットフォームを利用することで、アプリケーション開発者、センサーおよび周辺デバイス メーカー、システム インテグレーターは、設備効率、生産高、品質を向上させるソリューションを構築することができます。

    これまでの成功をさらに加速
    FIELD systemは、ファナックの現在のZDT(Zero Downtime)コネクテッド ロボット プロジェクトをさらに拡張させるものです。このプロジェクトにおいて、コネクテッド ロボットの数は、2016年末には6000台から10000台に達するものと見込まれています。ZDTは、シスコのクラウド、IoTデータ収集ソフトウェア、エンドツーエンドのセキュリティ機能から構成されます。これら4社が連携し、産業用イーサネットスイッチを利用してロボットをCisco UCS(Unified Computing System)に接続することで自動車メーカー向けのシステムを実装します。システムはすべて、ファナックとシスコのZDTデータ収集ソフトウェア上で実行されます。このシステムを導入する自動車業界のお客様は、製造ダウンタイムの大幅な短縮とさらなるコスト削減を、短期間のうちに実現することができます。

    インテリジェントな製造業
    FIELD systemは、お客様とアプリケーション開発者が高度な機械学習と人工知能を活用することによって、製造業でのさらなる生産性向上と効率化をもたらします。ファナックとPreferred Networksは、バラ積みロボットの高度化、高精度な異常検知、故障予測などのアプリケーションにおいて新しい技術を確立しました。FIELD systemは人工知能とエッジコンピューティング技術を組み合わせることで分散型機械学習(Distributed Machine Learning)を可能にします。機械から収集されたデータを、ネットワークのエッジでリアルタイムに処理することにより、機械がお互いに柔軟にかつ賢く協調し今までになかった高度な製造業を実現します。

     

    FIELD systemの詳細と各社の役割

    ファナック:マシンの信頼性、品質、スピードの向上に必要な主要指標を追跡するためのセンサーが埋め込まれたCNCとロボットを提供します。

    ファナック、シスコ、Preferred Networks:シスコは、メッセージ ブローカー、セキュリティおよびアプリケーション ライフサイクル管理(ALM)アプリケーションを含むミドルウェア プラットフォームを提供します。また、Preferred Networksのオープンなディープ ラーニング フレームワーク(Chainer)、IoT向けのストリーム エンジン(SensorBee)、さらにはDIMo(Deep Intelligence in-Motion)プラットフォーム内の高度な機械学習ライブラリを活用します。

    シスコ、Rockwell Automation:CNC、ロボット、その他セル装置をFIELDアプリケーションに接続するためのネットワーキング、コンピューティング、セキュリティ インフラストラクチャを提供します。そのすべてがRockwell Automationとシスコの共同開発によるConverged Plantwide Ethernet(CPwE)アーキテクチャ(セキュリティ、接続性、柔軟性、拡張性をさらに向上させます)をベースとし、単一の小規模セルから数百セルの大規模工場までの接続を可能にします。

    ファナック、Rockwell Automation、Preferred Networks:FIELDミドルウェアおよびインフラストラクチャ プラットフォーム上で実行される初期アプリケーション ソフトウェアを提供します。これは、現在導入されているLINK-iおよびZDTアプリケーション、およびファナックとPreferred Networksの協業によるディープ ラーニング技術を活用したアプリケーションを拡張するものです。迅速に導入できるよう、Rockwell Automationの製造業向けソフトウェア製品(FactoryTalk View、FactoryTalk VantagePoint、およびFactoryTalk Production Centerなど)はFIELD systemにシームレスに統合される予定です。

    各社のコメント

    シスコ、シニア バイス プレジデント IoT兼 アプリケーション担当
    ローワン・トロロープ(Rowan Trollope)
    「今回の協業は、産業界において歴史的変革であり、IoTと産業オートメーション、機械学習を一体化して“未来の工場”を実現しようとするものです。これまで長年にわたって検討されてきたことが今、現実に起ころうとしています。シスコがその取り組みに参画できることをこの上なく嬉しく思うと同時に、これによって今後、デジタル化の恩恵を実現させようとする他の業界においても重要な役割を担って行けるものと大いに期待しています。」

    Preferred Networks、代表取締役社長 CEO、西川 徹
    「この協業により製造業の高度化をさらに加速できることを非常に嬉しく思っています。ファナックとの協業では、当初から個々の機械を賢くするだけではなく、機械同士がリアルタイムで連携・協調し、継続的な生産性向上を目的として機械学習・人工知能の技術の確立を目指してきました。FIELD systemはそのビジョンの実現に向けて中核を担う商品であると確信しています」

    Rockwell Automation、シニア バイス プレジデント 兼 最高技術責任者(CTO)、サジート・チャンド(Sujeet Chand)氏
    「Rockwell Automationはワールドクラスの企業と連携することで、製造業が現在利用しているインテリジェント デバイスからのデータを活用して企業全体のアナリティクス戦略を推進し、製造業の投資効率の最大化に貢献します。デバイスからエンタープライズ全体へのデータの分析に対するセキュアで拡張性に優れたコンピューティングのアプローチにより、ユーザーは運用を改善し、組織のニーズに適合した、情報に基づく意思決定を行えるようになります」

    ファナック株式会社について
    富士山麓に本拠を置くファナック株式会社は、世界で最も革新的なファクトリー オートメーション、ロボット、ロボマシンのメーカーであり、グローバル リーダーです。46か国で252拠点を展開するファナックは、ワールドクラスのサービスとサポートを世界のお客様に提供しています。1972年の発足以来、ファナックは、コンピューター数値制御装置の開発におけるパイオニア企業としてマシン ツールの自動化に貢献してきました。ファナックのテクノロジーは、単一マシンの自動化から生産ライン全体の自動化へと進化した世界の製造革命をリードしてきました。詳細については、http://www.fanuc.co.jp/eindex.htmをご覧ください。

    シスコシステムズ合同会社について
    シスコシステムズ合同会社は、米国シスコ(NASDAQ:CSCO)の日本法人です。シスコは、ビジネスの基盤となるインテリジェントなネットワーキングソリューションから、音声、映像、データ、ストレージ、セキュリティ、エンターテイメントをはじめとする新しい分野、そして、人々の仕事や生活、娯楽、学習のあり方を一変させることのできるネットワーク プラットフォームの提案を目指しています。
    シスコの会社概要・詳細は以下のWebサイトでご参照頂けます。http://www.cisco.com/jp

    株式会社Preferred Networksについて
    東京を拠点とし、Internet of Things (IoT)において深層学習を中心とした機械学習技術を用いたソリューションにフォーカスしているベンチャー企業です。機械学習技術の先進技術を提供するDeep Intelligence in-Motion(DIMo)プラットフォームをベースとしたソリューションの研究開発に取り組んでいます。Preferred Networksは自動車業界や産業用ロボットにおいてそれぞれトヨタ自動車株式会社やファナック株式会社などの世界をリードする企業と協業し先進的な取り組みを推進しています。詳細については、http://www.preferred-networks.jp/ja/をご覧ください。

     

    PFN&PFI2016夏季インターン募集

    昨年に引き続き、Preferred Networks (PFN), Preferred Infrastructure (PFI)は合同で夏季インターンを実施します。今年度も学生のみなさまの応募をお待ちしております。昨年までにご応募いただいた方のエントリーも可能です。 私たちと一緒に新しいソフトウェアやサービスを創り上げていきましょう。

    PFI/PFNインターンの特徴
    ・情報検索、自然言語処理、深層学習、アルゴリズム、分散処理、コンピュータビジョンなど
    様々な分野のスペシャリストがメンターとしてつき、一緒に議論・開発ができます。
    ・ベンチャー企業の表と裏が見放題。
    将来的にベンチャー企業に就職したい人、または創業したい人は、ぜひ生の職場を体験してください!
    ・インターン実施中に研究成果として面白い結果が出た場合、
    公開可能な範囲でインターン後にOSSや論文にすることも可能です。

    募集要項
    募集内容・実施条件はPFIとPFNで同一です。ただし、PFIでの実施課題に取り組む場合、日本語がネイティブと同等程度に扱えることが条件となります。テーマ毎にPFIとPFNいずれかでのインターン採用になります。

    ▼期間
    2016年8月1日~9月30日 ※参加者の予定、希望により実施時期の調整は可能です。

    ▼実施場所
    〒100-0004 東京都千代田区大手町1-6-1 大手町ビル2F

    ▼待遇
    時給:高校生1200円~/高専生・大学生・大学院生1500円~
    勤務時間:原則実働8時間・週5日(祝日を除く)
    交通費支給(月10000円まで)

    ▼応募資格
    ソフトウェアを個人で開発できる能力と高いモチベーションを持っている方を募集しています。また、下記テーマに沿った知識や開発経験を持っている方は考慮されますが、無くても構いません。資格の必要条件は以下の通りです。
    ・現在、18歳以上の学生であること(高校生・高専生・大学生・大学院生、他要相談)
    ・コミュニケーションを主体的にとれる方
    ・プログラミング経験がある方(言語問わず)
    ・インターン期間中の平日、東京オフィスに来社できる方
    ・PFIでの実施課題に取り組む場合、日本語がネイティブと同等程度に扱えることが条件となります(英語・中国語ができればなお可)

    ※尚、遠方にお住まいの方には住居を用意する予定です。
    ※女性、日本語以外の言語をネイティブとする方のインターンも積極的に採用いたします。
    ※本格的なソフトウェア開発を行ったことがない方も、ぜひ積極的にご応募ください。

    ▼応募方法
    intern-apply@preferred.jpに以下の応募書類を送付してください。
    応募に関するご質問もこちらで受け付けております。

    ▼応募書類
    1.履歴書(名前・住所・経歴・連絡先)
    2.能力を証明、アピールするものをA4一枚程度にまとめたもの
    (関係したソフトウェア、サービス・受賞歴、論文リスト、ポートフォリオ、プログラミングコンテストの参加歴、ブログやサイト、twitterアカウント等)
    3.実施したいテーマ(複数可)を記述の上、インターンへの応募動機・学びたいことをまとめたもの
    (選考の重要なポイントになるので、なるべく詳細に記述してください。)

    ▼応募締切
    2016年5月8日(日)23:59(日本時間)

    ▼選考フロー
    書類選考…5/8(日)締め切り後、合否を約一週間で通知

    事前課題選考…書類選考の合格者にメールにて通知

    6月中に面接(1回)…遠方の方はskypeで対応

    7月初旬 インターンとして採用の決定

    実施テーマ
    テーマによりPFI, PFNいずれでのインターンか決定します。必ず応募書類に記載ください。

    【PFIでの実施】
    1. 技術分野:自然言語処理
    自然言語処理を用いたテキスト分析を行うため、以下のようなテーマに取り組んでいます。
    ・自動分類
    ・固有表現抽出
    ・類義語抽出
    ・自動要約
    ・類似文書検索

    2. 技術分野:音声認識
    音声データを用いたデータ分析を行うため、以下のようなテーマに取り組んでいます。
    ・深層学習による音素推定
    ・深層学習による文章推定
    ・話者推定(話者識別)
    ・ノイズフィルタリング

    【PFNでの実施】
    1. 応用分野
    ・画像認識
    ・異常検出
    ・ロボティクス(二足歩行・自動運転制御)
    ・ゲノム・エピゲノム・プロテオーム解析
    ・画像生成
    ・組み込みシステムへの深層学習の適用
    IoT向けストリーム処理

    2. 研究分野
    ・教師データの少ない機械学習(半教師あり学習・弱教師あり学習・one-shot learning)
    ・分散深層学習・分散アルゴリズム
    ・深層生成モデル
    ・シミュレーションを用いた機械学習


    ※※PFI/PFNの情報※※

    Preferred セミナー:毎週木曜日昼に、メンバーがセミナーをしています。
    https://www.youtube.com/user/preferredjp
    リサーチブログ:技術的な話題について記事を書いています。
    http://research.preferred.jp/
    Twitter
    PFI https://twitter.com/preferred_jp
    PFN(ja) https://twitter.com/PreferredNetJP
    PFN(en) https://twitter.com/PreferredNet


    ※※PFIの過去参加者の記録※※

    2015夏季インターン最終発表会
    http://www.ustream.tv/recorded/71791769
    http://www.ustream.tv/recorded/74391829

    2015夏季インターンブログ
    久米さん https://research.preferred.jp/2015/08/intern2015kume/
    小林さん http://hytae.hatenablog.com/entry/2015/10/03/2015_PFIインターン
    澤井さん http://nupioca.hatenadiary.jp/entry/2015/10/07/031101

    2014夏季インターン最終発表会
    http://www.ustream.tv/recorded/53153399

    2013夏季インターン最終発表会
    #1 http://www.ustream.tv/recorded/39248263
    #2 http://www.ustream.tv/recorded/3924839
    #3 http://www.ustream.tv/recorded/39249101
    #4 http://www.ustream.tv/recorded/39249245

    以前の参加者
    http://nullnull.hatenablog.com/entry/20130512/1368335029
    http://d.hatena.ne.jp/obfuscation/20110410
    http://d.hatena.ne.jp/goth_wrist_cut/20110511/1305100343
    http://d.hatena.ne.jp/mr_konn/20101017/1287309185
    http://d.hatena.ne.jp/kisa12012/20101007/1286461504
    http://d.hatena.ne.jp/repeatedly/20101003/1286036800
    http://d.hatena.ne.jp/repeatedly/20101011/1286763963
    http://d.hatena.ne.jp/sotarok/20091009/1255031349
    http://d.hatena.ne.jp/tb_yasu/20091010/1255171210
    http://d.hatena.ne.jp/viver/20090909/p1

    事務所移転のお知らせ

    このたび株式会社Preferred Networksは平成28年4月25日より下記に移転することになりました。
    新事務所は大手町駅に直結となりまして、よりアクティブな研究・開発活動の拠点となるものと存じます。
    これを機に、皆様の信頼にお応えできるよう倍旧の努力をしてまいる所存でございます。
    今後とも一層のご支援を賜りますようお願い申し上げます。

    [新所在地]  
    ※平成28年4月25日(月)より
    〒100-0004 東京都千代田区大手町1-6-1
    大手町ビル2F

    株式会社Preferred Networks
    代表取締役社長 西川 徹

    比戸将平がロンドンで行われたJAPAN-UK Robotics and Artificial Intelligence Seminarで発表しました。

    2月18日にロンドンで開かれたJapan-UK Robotics and Artificial Intelligence Seminar 2016にPreferred Networksが招待され、Chief Research Officerの比戸将平が登壇しました。本セミナーは駐日イギリス大使館と在英日本大使館の共催で、日英のロボット・人工知能における協業について日英双方のアカデミアおよび政府機関が議論する催しです。
    日本側からは大阪大学の石黒教授を始めとする高名な研究者が参加し、弊社比戸はSocio-economic impactセッションのNew business innovationsの発表の1つとして人工知能技術と自動車、および産業ロボットの融合や実例などについて講演しました。講演後はイギリス政府機関や現地のコンサルティング企業などからコンタクトを受けました。

    ロンドン滞在中にはAlan Turing Instituteを始めとする研究機関・スタートアップを公式訪問し、その他にもImperial College of Londonで1時間の公開セミナーを行うなど、精力的にネットワーキングと関係づくりを行いました。
    Preferred Networksは引き続きヨーロッパを含めた海外地域での協業と人材獲得を精力的に進めてまいります。

    トヨタ自動車からの出資引受に関するお知らせ

    2015国際ロボ展出展

    Preferred Networksは12月2日から5日まで東京ビッグサイトで開催される2015国際ロボット展のFANUCブース内において展示を行います。

    2015国際ロボット展 Officialサイト
    http://biz.nikkan.co.jp/eve/irex/

    NVIDIAおよびPREFERRED NETWORKSの技術提携に関するお知らせ

    2015年9月18日、NVIDIAと Preferred Networksは産業用アプリケーションに向けたディープラーニング (深層学習) 技術の開発および発展において、技術提携関係を確立することに合意しました。

    ■背景
    PFNは産業用ロボット、自動運転、創薬の分野において、最先端のディープラーニングを中心とした分散型機械学習の技術を持ち、産業の変革を推進しています。それらの技術には高性能な演算処理能力が必要になります。NVIDIAはデータサイエンティストおよび研究者がディープラーニングの能力を最大限に活用できるように、GPUで加速化された高性能なコンピューティング・テクノロジーや高度なソフトウェア・ソリューションを提供しており、今回の体制を整えることにしました。

    ■内容
    PFNは既にNVIDIAのGPUを深層学習の研究開発の為に活用しております。PFNが開発したOSS“Chainer”はディープラーニング・モデルの学習において、GPUで加速化させたコンピューティング能力を十分に活用しています。
    IoTをはじめとする様々な分野で深層学習を活用するためには、クラウドだけでなくエッジでもデータ処理を行うことが必要です。GPUは、そのようなエッジのインテリジェント化に向けて大きな役割を果たします。今回の提携は、その流れをさらに加速させることは間違いありません。

    ■お問合せ
    株式会社Preferred Networks
    pfn-info@preferred.jp

    PFNオープンハウスを行います

    この度、PFNは初めての採用イベントを企画しております。PFNは現在大きく成長のステージにあり、熱意のある人材を募集しています。この会は会社の雰囲気やメンバーを知っていただき、現在どのような課題に取り込んでいるか、技術者が普段どのようなことを考えて最先端の技術を作り出しているのかなどについてカジュアルにお話しする場となります。

    当日は、多くのメンバーが参加予定ですので、ぜひお気軽にお越しください。

    日時:10月22日(木)18:30〜20:30(受付開始18時)
    会場:エムワイ貸会議室お茶の水(御茶ノ水駅から徒歩3分)
    住所:〒101-0062 東京都千代田区神田駿河台2-1-20 お茶の水ユニオンビル4F

    アジェンダ:
    – 代表西川より 「会社紹介とPFNメンバーに求めること」
    – 岡野原techトーク…毎週ランチタイムに繰り広げられる岡野原タイムを再現
    – メンバーより入社までと現在の業務への取り組み
    奥田 遼介(エンジニア) / 得居 誠也(リサーチャ) / 田中 大輔(エンジニア)
    – Q&A (採用や実際の業務、会社の雰囲気についてオープンな質問を受けます)

    ▼参加申し込み・イベント詳細に関しては下記URLをご参考ください
    http://connpass.com/event/20898/

    トビアス・ファイファーがパリで開催されたMobiComで登壇しました

    9月7日-11日にパリで開催された21st International Conference on Mobile Computing and Networking (MobiCom)にて、弊社トビアス・ファイファーがパネルディスカッションに参加しました。MobiComはモバイルコンピューティングとワイヤレスネットワーキングの分野でのトップカンファレンスです。

    担当のパネルは以下となります。
    「Big Data, IoT, … Buzz Words For Academia Or Reality For Industry?」
    資料: http://www.sigmobile.org/mobicom/2015/pubformIoT-BigData-1.pdf

    エール大学のWenjun Huと東京大学の江崎浩先生が議長を務め、江崎先生がPFNのエッジヘビーコンピューティングとディープラーニングによるIoTへのアプローチをご紹介くださいました。その後、質疑応答を交えながら、IoTの現状と今後についてパネリストは議論を深めました。学術機関は、どの様に世の中のリアルなデータを取得し研究することが可能か、また今後のIoTの跳躍に必要なことは何なのか、といったことが主なテーマとなりました。

    ファナック株式会社および株式会社Preferred Networksの資本提携に関するお知らせ

    ファナック株式会社(社長:稲葉善治)と株式会社Preferred Networks(社長:西川徹)は、工作機械やロボット等の更に高度なインテリジェント化を目指し、機械学習や深層学習(ディープラーニング)を活かした技術開発において協業を進めるべく、下記のとおり資本提携について合意いたしましたので、お知らせいたします。

    1.ファナックからPreferred Networksへの出資の概要

    出資金額:900百万円

    取得株式:Preferred Networksの発行済株式総数の6.0%相当の株式

    出資方法:Preferred Networksが行う第三者割当増資を引受けることにより出資。

    出資時期:2015年9月末まで(予定)

    2.協業および資本提携の背景
    インダストリー4.0やインダストリアルインターネットなどに代表される次世代の製造業を支える仕組みとして、IoTが非常に多くの注目を集めています。しかし、データ量が飛躍的に増大し、集めた大量のデータ(ビッグデータ)をどのように活かしていくのか、どのようにリアルタイム処理をするのかが大きな課題となりつつあります。
    そこで、よりエッジ(機械側)に近い場所で大量のデータをリアルタイムかつインテリジェントに処理し、工作機械やロボットをコアとするモノづくりの現場における高度な自動化を目指す手段として、機械学習や深層学習を利用することで、両社が協業することとなりました。そして今般、その促進のために資本提携を行うこととなりました。

    3.協業および資本提携により目指す方向
    これまで機械学習や深層学習はサイバー空間での適用が進んできました。しかし、フィジカルなモノづくりの現場での、工作機械やロボットへの適用までには至っていません。そこで、Preferred Networksの持つ最先端の機械学習や深層学習の技術とファナックの持つ多くの技術を融合し、これらの機械に適用します。これにより、インダストリー4.0の適用範囲を包含するモノづくりの現場の多くのレイヤーにおいて、これまでにない高度な自動化の実現を目指します。ファナックとPreferred Networksの協業は、ファナックの業務全般において行われる予定です。例えば、以下のようなものを目指します。
    工作機械やロボットが、
    ・自分で学習し協調する
    ・自分で協調する方法を学習する
    ・自分で不具合を発見し補う

    ■お問合せ
    株式会社Preferred Networks
    pfn-info@preferred.jp

    アジアンフロンティアとの事業提携についてのお知らせ

    株式会社Preferred Networksと株式会社Asian Frontierの業務提携に関するお知らせ
    2015年6月17日

    株式会社Preferred Networks(社長:西川徹 以下、PFN)と株式会社Asian Frontier(社長:ミゲルアンヘル エステベス アベ 以下、Asian Frontier)は、PFNの持つ機械学習や深層学習(ディープラーニング)を各ビジネス領域で適用していくパートナー企業との開発・ビジネス化を推進するにあたり、Asian Frontierがパートナー統括業務を行うことを柱に業務提携を行うことで基本合意致しました。

    【背景】
    PFNの持つ最先端の機械学習や深層学習の技術はネットワークの進化とともに産業界において広範な適用可能性及び変革の可能性を秘めています。しかし、他の先進技術と同様に、実際にビジネスの現場において適用していくには各業界におけるビジネスニーズに沿った開発が推進されなければ活用が進まない課題があります。

    そこで、より効率的にPFNの技術をパートナー企業に活用いただけるように、国内外での経営とITのコンサルティングにおいて実績があるAsian Frontierをパートナー統括担当とすることで、パートナー企業のソリューション開発及びビジネス化の推進を支援する体制を整える事に致しました。

    【内容】
    PFNが持つ機械学習や深層学習の自社製品への適用を検討するパートナー企業様向けにパートナープログラムを立ち上げて、ビジネス適用の支援を行っていく予定です。
    PFNは最先端の技術開発を引き続き推進するとともに、経営的視点を含めたIT技術のビジネス化のコンサルティングノウハウを持つAsian Frontierと業務提携することで、よりパートナー企業の視点に立ったソリューション開発及びビジネス化の推進を支援します。

    今後立ち上げられるパートナープログラムは、各企業のビジネス領域に特化したソリューション向けにDIMo(Deep Intelligence in Motion)パッケージを提供することから開始予定です。 DIMoは機械学習・深層学習の技術基盤の上に各企業のソリューションを開発・実装できる仕組みを提供し、PFNユーザー企業への技術提供のスケールを実現します。

    PFNとAsian Frontierの業務提携を通じて、より迅速に各パートナー企業が自社ソリューションの開発・実装を推進できるようになることを目指しています。

    以上

    ■ Asian Frontierについて
    会社名  :株式会社Asian Frontier
    所在地  :東京都千代田区永田町1-11-28 クリムゾン永田町6階
    代表取締役社長 :ミゲル アンヘル エステベス アベ
    設立日  :2007年9月5日
    会社概要 :経営・IT分野のコンサルティング会社として、主に金融、通信・放送、情報の大手上場企業を中心とした幅広い業種において、経営観点での業務改革支援やシステム化構想/企画、大規模案件の提案・計画策定・実行支援・導入・定着化までの支援、また、各種プロジェクト立上げから安定化までのPMO支援まで、クライアント企業密着型のコンサルティングサービスを提供している。

    【この件に関する問い合わせ先】
    株式会社Preferred Networks
      e-mail:pfn-info@preferred.jp

    株式会社Asian Frontier
      http://asian-frontier.com
      部署:先進技術ソリューション本部
      担当:西田 
      TEL:03-6206-1592
      e-mail:toiawase@asian-frontier.com

    Interopで基調講演を担当しました

    6/9-10、西川と岡野原がInterop Tokyo 2015にて講演を致しました。10日の基調講演では、パナソニック様とファナック様との協業についても発表させて頂きました。
    講演にお越し頂いた皆様、誠に有難う御座います。

    —————
    協業に関する詳細は各発表をご覧ください。

    NEWS
     「パナソニック株式会社との協業に関するお知らせ」
     「ファナック株式会社との協業に関するお知らせ」

    —————
    講演で使用したディープラーニングのロボット制御に関するデモは、YouTubeにてご覧いただけます。本デモは弊社松元が担当致しました。技術的な解説はブログ記事にまとめましたのでご覧ください。

    YouTube
    「分散深層強化学習によるロボット制御」(7:13)
      Japanese / English
    Preferred Research Blog
     「分散深層強化学習でロボット制御」

    —————
    ディープラーニングのフレームワークOSS「Chainer」についても以下にまとめて御座いますのでご覧ください。本OSSのプロジェクトリーダーを務めました得居より、なぜ今、新しいフレームワークをリリースしたのかということについてブログで述べました。

    Officialサイト
      Chainer.org
    NEWS
     「ディープラーニングフレームワーク“Chainer”をオープンソースとして公開しました」
    Preferred Research Blog
     「Deep Learning のフレームワーク Chainer を公開しました」

    —————
    また本件に関し以下メディアにて記事にして頂きました。

    日本経済新聞
    http://www.nikkei.com/article/DGXLASDZ10HRX_Q5A610C1TJC000/
    http://www.nikkei.com/article/DGXLASDZ11HJK_R10C15A6TJC000/

    日刊工業新聞
    http://www.nikkan.co.jp/news/nkx0120150611aaam.html

    IT Pro
    http://itpro.nikkeibp.co.jp/atcl/news/15/061001951/?top_nhl

    Wall Street Journal 
    http://www.pressreader.com/china/the-wall-street-journal-asia/20150610/281586649216941/TextView
    http://www.wsj.com/articles/panasonic-in-deal-to-help-computers-learn-on-the-job-1433840398
    http://blogs.wsj.com/cfo/2015/06/10/the-morning-ledger-startups-employ-novel-metrics-to-lure-investment/

    ファナック株式会社との提携についてのお知らせ

    ファナック株式会社(社長:稲葉善治 以下、ファナック)と株式会社Preferred Networks(社長:西川徹 以下、PFN)は、工作機械やロボット等の更なる高度なインテリジェント化を目指して、機械学習や深層学習(ディープラーニング)を活かした技術開発において協業することで基本合意致しました。

    ■背景
    インダストリー4.0やインダストリアルインターネットなどに代表される次世代の製造業を支える仕組みとして、IoTが非常に多くの注目を集めています。しかし、データ量が飛躍的に増大し、集めた大量のデータ(ビッグデータ)をどのように活かしていくのか、どのようにリアルタイム処理をするのかが大きな課題となりつつあります。
    そこで、よりエッジ(機械側)に近い場所で大量のデータをリアルタイムかつインテリジェントに処理し、工作機械やロボットをコアとするモノづくりの現場における高度な自動化を目指す手段として、機械学習や深層学習に着目致しました。

    ■内容
    これまで機械学習や深層学習はサイバー空間での適用が進んできました。しかし、フィジカルなモノづくりの現場での、工作機械やロボットへの適用までには至っていません。そこで、PFNの持つ最先端の機械学習や深層学習の技術とファナックの持つ多くの技術を融合し、これらの機械に適用します。これにより、インダストリー4.0の適用範囲を包含するモノづくりの現場の多くのレイヤーにおいて、これまでにない高度な自動化の実現を目指します。PFNとの協業はファナックの業務全般において行われる予定です。
    例えば、以下のようなものを目指します。
    工作機械やロボットが、
      ∙自分で学習し協調する
      ∙自分で協調する方法を学習する
      ∙自分で不具合を発見し補う
    この結果、
      ∙機械やロボットの高度に最適化された動作
      ∙高度な予防保全
      ∙止まらない工場
    を実現する。

    ■お問合せ
    株式会社Preferred Networks
    pfn-info@preferred.jp

    パナソニック株式会社との事業提携についてのお知らせ

    弊社社長の西川はINTEROP 2015 Tokyo基調講演において、パナソニック株式会社(代表取締役社長:津賀一宏)と事業提携を行うことを発表いたしました。この提携を通して、パナソニックが持つ最先端のハードウェア技術と弊社が持つ最先端の機械学習・ディープラーニング技術の融合をめざします。
    パナソニックからは、自動車分野への応用や、デジタルAV機器の高度化などを期待されています。
    さらに本提携により得られるディープラーニングを中心とした要素技術についても、様々な分野へ応用・展開していきます。

    オープンソース深層学習フレームワークのChainerをリリースしました

    Preferred Infrastructure 及び Preferred Networks はディープラーニングフレームワーク「Chainer」を開発し、オープンソースとして公開しました。
    Chainerに関するニュースは各種メディアを通じて情報発信いたします。

    公式サイト: http://chainer.org

    Twitter:@ChainerOfficial

    Google group:Chainer User Group

    また、Google+のDeep Learningコミュニティにもリリース情報等を発信していく予定です。

    Chainerの開発コンセプト・技術的特徴に関してはPreferred Research ブログをご覧下さい。

    Cisco Live! 2015出展

    Preferred Networksは6月8日から11日まで米カリフォルニア州サンディエゴで開催されるCisco Live! 2015に出展致します。

     

     

    IoT向けインテリジェンスを実現するソフトウェア製品・Deep Intellience in-Motion (DIMo) バージョン1.0を用いた映像解析ソリューションのライブデモを展示します。最新の研究成果である、深層学習を用いた自律的な最適行動獲得技術を、実際のラジコンカーに適用した動画を初公開します。

    Preferred Networksは映像だけではなく様々なセンサーの情報を統合したインテリジェンスの実現による都市交通や製造業を含むIoT分野の変革のために、深層学習関連技術の研究開発を続けており、今回の展示はその成果です。場所は、World of Solutionsの3131番ブースで、現在参加中のCisco Entrepreneur in Residenseプログラムの一員としての出展です。皆様のお越しをお待ちしております。

     

     

     

     

     

    夏のインターンシップを募集します

    ITpro EXPO 2014において優秀賞を受賞しました

    10月15日から東京ビッグサイトで開催されたITpro EXPO 2014においてIntel様ブース内に出展し、「ディープラーニングを応用した映像解析ソリューション」をデモ展示致しました。
    3日間で多くの方々にご覧いただき、おかげさまでITpro EXPO AWARD 2014 優秀賞を受賞することが出来ました。ブースにお越しいただいた皆様、ありがとうございました。

     

    ■EXPO会期中に取材を受けたITproニュース
    http://itpro.nikkeibp.co.jp/atcl/news/14/101601466/

    今回の展示したのは小売業での応用に特化したプロトタイプで、人物を検出した上でブース内の立ち位置を推定することで、マップ上にリアルタイム表示します。複数カメラが協調するため、1つのカメラから見て物陰に隠れてしまっても他のカメラで捉えることができれば検出可能です。検出した人物は性別・年齢・ジャケットの有無などが認識され、結果はエリアごとの割合や、ファンネルプロットとして表示することができます。本技術をベースとして、小売業向け映像解析ソリューションの商用化に向けて開発を進めてまいります。
    今回の出展にあたり、インテル株式会社様、株式会社ネクスコム・ジャパン様には多大なご協力を頂きました。ありがとうございました。

    ※ITpro EXPO AWARDとは、全ての出展企業を対象として、日経BP社のIT系媒体の編集部が共同で取材・審査し、製品・サービスとして優れていると同時に、来場者に対しわかりやすくインパクトがあると評価された展示に与えられるものです。

    CEATEC JAPAN 2014に出展しました

    2014年10月7日~11日、幕張メッセで開かれたCEATEC JAPAN 2014のNEDOブースにおいてJubatusを用いた動画解析デモンストレーションを展示致しました。CEATECは国内最大規模の展示会であり、5日間の会期中多くの方に来場頂き、ブース内の映像から実際に人物が検出され、機械学習技術によってタグ付けが行われる様子をご覧頂くことが出来ました。経済産業省の副大臣も視察時に弊社最高戦略責任者・長谷川からの説明を熱心にお聞きいただきました。また、10日午前にはNEDOブース内ステージで弊社Chief Research Officerの比戸が「インテリジェントなIoT実現のためのデータ解析技術」と題して現在のIoT活用の潮流と、Preferred Networksのビジョンについて講演しております。

    今後も映像解析を始めとする先進的IoTアプリケーションの分野で研究開発を続けてまいります。

    2015年10月の掲載メディア一覧

    Nikkei Electronics
    “IoT特化の機械学習で新会社,NTTも出資”

    Read More

    Cloud Watch
    “NTTとPFNが資本・業務提携、IoT向け次世代ビッグデータ技術の確立目指す”

    Read More

    Converge! Network digest
    “NTT Backs a Start-up for Distributed Processing and Machine Learning”

    Read More

    telecompaper
    “NTT, PFN to develop Big Data technologies for IoT”

    Read More

    The Wall Street Journal

    “NTT, Toyota Seek ‘Deep Learning’ Expertise”

    Read More

    IT pro by Nikkei Computer

    “PFIが深層学習専業の「Preferred Networks」を設立、NTTが出資しトヨタと共同研究も”

    Read More

    NTTと資本・業務提携契約を締結

    トヨタ自動車と共同研究を開始

    株式会社Preferred Networks(本社:東京都文京区、代表取締役:西川 徹)は、トヨタ自動車株式会社(本社:愛知県豊田市、代表取締役社長:豊田 章男)と機械学習、Deep Learningの応用の可能性を探るため、自動運転領域における共同研究契約を進めてまいります。

    CSOの長谷川順一がOECD知識経済に関するグローバルフォーラムで発表します

    トビアス・ファイファーがブリュッセルで行われた会議”5th EU-Japan Symposium in ICT Research and Innovation”で発表しました