Press release

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

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

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。

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。

 

トヨタ自動車からの出資引受に関するお知らせ

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。