ベンダーも悩むDL導入の「時間がかかる」問題 どう解決する?「専門家でなくても扱えるDLソフトウェア」

DLは企業の生産性の向上が期待できる技術だ。だが実際に使い始めると幾つもの課題に直面する。それはDLサービスを提供するベンダーも同じだという。日立製作所にこうした課題への対策について話を聞いた。

» 2019年11月25日 10時00分 公開
[PR/@IT]
PR

 ディープラーニング(DL)などの人工知能(AI)関連技術が企業で注目されている。例えばDLを用いた画像認識技術を利用すれば、たくさんの画像の中から一般人の目では確認できない違いを見つけることができる。これを利用して、工場での製造ラインにおける不良品検査の効率化や省力化につなげることが可能だ。建設業においては橋やトンネルなどの工事現場の状況把握に利用できる。医療分野では、レントゲンなどの画像解析に応用することで診断の効率化につながる。

 このようにDLは、業務の省力化や効率化を図り、人材不足を解消するための有効な手段だといえる。だが、DLは企業の現場に適用すればすぐ成果が出るわけではない。

 DLの利用には幾つかの課題がある。例えばDLは業務や適用する現場ごとにカスタマイズが必要だ。そのため導入には時間がかかる。せっかく導入しても精度が不十分だったり、導入時と業務環境が変わってしまったりして、改めて膨大な時間とコストをかけてDLモデルを更新しなければならない、といった事態にもなり得る。

 実はこうした課題はDLを利用する企業だけでなく、企業にDLサービスを提供するベンダーも同じ課題を抱えているという。DLを活用した課題解決に取り組み、その成果を製品やサービスとして提供している日立製作所もその内の1社だ。

 日立製作所は、IBM製マイクロプロセッサ『POWER』を採用したハードウェア展開など、IBMとは長く協業を続けている。そのPOWERプロセッサを搭載したDL専用サーバやそれらを用いたDLクラウドサービスを提供している。

 同社はどうやってこの課題を解決したのだろうか。担当者に話を聞いた。

DL導入の取り組みで企業が抱える3つの課題とは

 「企業がDLの利用に際して直面しやすい課題は3つに大別できます」――こう語るのは日立製作所の主任技師、寺本康弘氏(IoT・クラウドサービス事業部HPCソリューションセンタ)だ。

画像 日立製作所の寺本康弘氏

 「課題の1つ目は、解析エンジンのカスタマイズが必要で本格的な導入に時間がかかること。2つ目は、企業の基幹業務に利用できるセキュリティや高信頼性を備えたサービスが少ないこと。3つ目は、単発の導入ではその成果に継続性がないことです。これらの課題は個別に対処するだけでは不十分です。日立製作所は、自社のクラウドサービスにより解析エンジン開発環境、セキュリティ、高信頼・高可用性などを含めたトータルソリューションとして解決策を提供しています。必要な要素をニーズに応じて組み合わせることで、それぞれの企業に合う方法でDLを本格的に活用できるようになるでしょう」(寺本氏)

 1つ目の「導入に時間がかかる」という課題について、日立製作所はDLを用いた各種解析サービスをクラウドサービスのメニューとして開発し、企業に提供することで解決しているという。企業は「手書き帳票の認識」「目視検査」など業務目的に応じたサービスを選んで利用できるため、迅速に現場への適用が可能だ。

 2つ目のセキュリティや高信頼サービスの課題に対しては、ミッションクリティカルが求められるシステム提供の経験と実績を生かした「高信頼、高可用性」なクラウドサービス基盤を構築している。これにより、企業の本格的な業務にも安心して利用できるサービスを提供する。

 3つ目の継続性の課題については、開発ベンダーやシステムインテグレーター(SIer)のために日立製作所はDLの解析エンジンの開発環境や学習環境をサービスとして利用できる仕組みを用意している。新しい解析エンジンの開発や再学習と運用を効率良く実施できるようになれば、ユーザー企業はDLの取り組みを「概念実証(PoC)止まり」にすることなく、継続して取り組めるだろう。

ベンダーも悩む「工数増大」問題

 「日立ディープラーニング・ソリューション」は企業が実務の現場で容易にDLを適用できるようにすることを目的にしたサービスだ。製品の外観検査、インフラ施設の劣化診断、設備の保守点検などの分野で多くの適用実績がある。

 ある自動車部品製造企業は、製品特性上、従来の画像検査の判定精度が不十分であり、熟練工による目視検査に頼っていた。そこで日立製作所はDLのカスタムモデルを開発し、量産品の製品画像を不良区分ごとに大量に学習させた。その結果、不良品の認識率は熟練工も納得する95%以上を達成できたという。

 ある自治体は「危険な場所の設備点検作業を減らしたい」という要望を持っていた。日立製作所はDLの画像解析でインフラ施設の劣化箇所の画像を学習させたことで、認識率90%以上を確認し、一次スクリーニングとしては十分な精度を達成した。これにより、インフラ点検の専門家の負担が大幅に省力化されるという。

 こうした成果は、日立製作所のDLスペシャリストが顧客のニーズに応じてさまざまに分析し、独自に解析エンジンを開発した結果だ。だが日立製作所は新たな課題に直面した。顧客のニーズが増えれば増えるほどDLのスペシャリストなどの工数が増大し、リソースが足りなくなったのだ。

画像 実務の課題

 「例えば画像解析は、データ前処理やラベリングなどの『前工程』と、モデル選定やパラメーター調整などの『後工程』にかなりの時間がかかります。そのため多くのお客さまの要求に対して即座に応えられなくなる可能性が出てきました」(寺本氏)

 具体的には、前工程では「学習に必要なデータ量が十分に確保できない」「画像の中の物体を認識させるためのラベリングに時間がかかる」ことが課題であった。後工程では「DLスペシャリストの工数が足りず、かといって、他の人では適切なモデル選定やパラメーター調整のノウハウが分からない」という状況に陥った。

 これらの課題を解消するために日立製作所が採用したツールが「IBM PowerAI Vision」(以下、PowerAI Vision)だ。

30時間かかっていたラベリング作業が9時間に短縮

 PowerAI Visionは、DLによる画像認識に特化したツールだ。コーディングの知識を必要とせず、グラフィカルユーザーインタフェース(GUI)の操作で画像の分類や物体の検出、セグメンテーションなどができる。PowerAI Visionを使うことで、DLの高度な専門知識がないソフトウェアエンジニアでも学習モデルの作成や利用が可能になる。このツールを採用した背景について寺本氏はこう話す。

 「IBMとは長く協業を続けてきました。IBMはソフトウェア面でも信頼性のあるツールを提供しているので、お客さまへの提案を含め、さまざまなシーンで活用しています。PowerAI Visionは、われわれが抱えていた前工程と後工程の課題を解消できるツールとして最適なものでした」(寺本氏)

 前工程では「オートラベリング」と「データ拡張」機能が採用の決め手になったという。オートラベリングとは、映像(画像)の中で学習したい物体にラベリングを数回実施すると「どの物体を学習すべきか」を自動的に認識し、以降のラベリングを自動的に実行する機能だ。

画像 オートラベリングの流れ

 例えば、道路を走っている大型車を認識させたいなら「どれが大型車か」を数回選択すれば、後は自動的に大型車を認識する。手動でラベリングする手間がなくなり、大幅な時間短縮が可能となる。

 データ拡張は、精度を高める学習に必要な画像データを自動的に生成(拡張)する機能だ。通常、学習に必要な画像データは一つ一つ集める必要がある。大型車を特定したい場合であれば、さまざまな車種の画像を相当数用意しなければならない。データ拡張機能を使えば車種の画像が少なくても、処理に必要な車のデータを自動的に増やせるのだ。

 PowerAI Visionによって、どのくらいの手間と時間が削減されたのか。オートラベリングについては、日立製作所が実施した「900秒の動画、5000カ所のラベリング」という物体検知の事例によると、従来のラベリング作業で30時間かかっていたものが9時間に短縮できたという。

DLスペシャリストを代替するDLツール

 後工程では、DLスペシャリストでなくてもツールを活用できる点が決め手になったという。PowerAI Visionには各種パラメーターに推奨の初期値が設定されており、そのまま使うだけでも精度の高い認識率を実現できる。部分的ではあるがDLスペシャリストの代替として利用できる。

 「対象の画像データやデータ量によって時間削減効果は異なりますが、学習用のデータ準備やラベリングの時間を約3分の1にまで削減できます。特に映像(ビデオ)データに対して有効です。モデル選定やパラメーター設定についても、最小では『YOLO』『R-CNN』という2つの代表モデルから選択するだけで済みます。高度な専門知識を必要としないので、一般的なスキルのソフトウェアエンジニアでも部分的にDLスペシャリストの業務を代替できるようになりました」(寺本氏)

 YOLOは「速度を重視した最適化」をする場合に適しており、R-CNNは「正確さを重視した最適化」に適したモデルだ。もしこれらで精度が不十分な場合は、Googleが提供する機械学習ライブラリ「TensorFlow」を使いカスタムにコーディングした「Custom」モデルを選択できる。日立製作所は解析の難易度やお客さまのスピード感などに合わせて、これらを使い分けているという。

 DLのニーズが高まるにつれ、企業の現場ではまずPoCから始めてみるケースが増えていると寺本氏は解説する。システム開発においてもPoCで効果や実現性の課題を確認することも少なくないという。

 PowerAI Visionは研究開発から業務適用まで幅広い分野で使えるため、DL製品やサービスを提供するベンダーとしても欠かせないツールになっていると寺本氏は明かす。

日立製作所のDLに対する取り組み

 日立製作所は「専門家でなくても扱えるDLツール」を利活用したい企業に対する支援を進めている。「日立DLクラウドサービス」は、顧客が本番業務にDLツールを組み込む前の検証に役立つという。「必要な時に必要なリソースを利活用できるクラウドであれば短期間の効果検証に最適です」と寺本氏は語る。

 提供するのはクラウドサービスだけではない。オンプレミス環境でDLを稼働させたい顧客のためには、GPUサーバ「SR24000/DL1」を提供する。このサーバは、日立製作所とIBMが共同開発したディープラーニング専用モデルだという。「お客さまが品質管理などの業務にDLを組み込んで長期間にわたって利用するのに向いています」と寺本氏は説明する。

 この他、日立製作所は顧客のDL業務利用を促進するための「DL学習支援サービス」「導入支援サービス」などをトータルソリューションとして提供しており、「クラウド環境、オンプレミス環境を問わず、DLツールを活用したいお客さまのさまざまなご要望に対し、安心してご利用、ご活用いただける提案ができる体制を整えています」と寺本氏は話す。

 DL技術の進歩は著しい。そのため日立製作所は、新しい成果を取り入れながら、ユーザー企業がDLに挑戦する取り組みを支援していく構えだ。DLに取り組むユーザー企業にとってDLスペシャリストの時間、手間をどうするかという課題は悩ましい。PowerAI VisionのようなDLツールやDL専用サーバ、そして企業のビジネスを支えられるクラウドを利用すればそういった課題を解決することも可能だろう。

Copyright © ITmedia, Inc. All Rights Reserved.


提供:日本アイ・ビー・エム株式会社
アイティメディア営業企画/制作:@IT 編集部/掲載内容有効期限:2019年12月24日

RSSについて

アイティメディアIDについて

メールマガジン登録

@ITのメールマガジンは、 もちろん、すべて無料です。ぜひメールマガジンをご購読ください。