Tech Summit 2018 Day1 (Igniteハイライト AI, IoT, ビッグデータ)

「Microsoft Tech Summit 2018」の1日目では、基調講演があり、それからセッションを2つ受けましたが、その一つ「【Microsoft Ignite ハイライト】Data が企業の力となる時代の最新 Big Data x IoT x AI 最前線」について簡単にまとめました。

 

Data が企業の力となる時代の最新 Big Data x IoT x AI 最前線

AIをただの流行りで取り入れるのではなく、仮説をしっかりと立てること。
昔と比べて選択は広がっているので、ユーザをより理解する必要があり、そのためにデータを集め、分析、予測(仮説)して、実行(検証)していく必要がある。

Innovationのためのシナリオとして「Realtime」「Simulation」「Recommendation」の3つの軸から、ユーザ中心に考えて提供していく必要がある。
【Realtime】
リアルタイムプライシングについての事例でした。
ECで何かを購入するためにカゴに入れると他の値段が変わります。また同じ商品を2つカゴに入れると1つ当たりの単価が安くなります。
今では実際にダイナミックプライシングをAIで活用している記事もよく見かけています。宿泊や交通では当たり前ですが、他のものにも利用され始めています。
それは在庫管理を最適化にするためなので、チケットなどもそうですが、リテールなども価格がデジタル化すれば、時間帯などでクイックに変更していくと考えています。

【Simulation】
売上からユーザやクライアントが行ったデータや外部要因を分析することで、シミュレーションをする事例でした。
いくつかのデータを変更することと、それにより売上予測が出てくるので、売上を最適化するためのアクションを決めることができます。
リテールでももちろん必要ですが、工場や医療など危険が含まれているものは特に今後シミュレーションを行い、安全性を高めていく必要があると思います。

【Recommendation】
行動履歴より嗜好の近いユーザ、商品の類似性より、レコメンドさせていくとの説明でした。
実際はこの行動履歴のデータをどこまで取っていくのかが重要かと考えています。オフラインの状態で見ていた商品の時間や、SNSなどのライフログの分析までできると面白いかと思っています。
自分はAIのRecommendationとして、今後セレンディピティの機会を作ってくれることを期待しており、これは何よりものエクスペリエンスとなり得ると考えています。

ユーザを理解するためにデータをどのように取得、保存、利用するのか?
Azure Data Platformであれば、センサーデータ(IoT)、ログやメディア、ファイル(非構造化)、アプリ内データ(構造化)から取得し、保存、抽出し、分析して、PowerBIで可視化したり、予測してサポートすることができます。

特にIoTからのデータ取得・分析が実現できるようになってきたので、デジタルシミュレーション(デジタルツイン)として自動運転、ドローン、交通予測など様々なことに利用されることが期待されています。
次世代の IoT ソリューションを作成するために必要な基盤として「Azure Digital Twins」(プレビュー)が紹介されました。
 ・実世界をモデル(デジタル)化し、双方向性も実現
 ・テレメトリーデータに基づく各エンドポイントでのアクションの自動化
 ・業界でよく使われている事象をテンプレート化
これによって、デバイス(障害検知・予知保全)や人(生産性や安全性)、空間(占有率と利用率)まで最適化できます。

Microsoft社内活用例として「Cognitive Service」 + 「Microsoft Bot Farmework v4.0」を利用したテレセールスによるヒアリングでの優先付けでのChatBotサポートサービスについて
「Microsoft Bot Farmework v4.0」
 ・DialogやVisual Cardのカスタマイズ性の向上
 ・EmulatorやCLIの拡充
 ・Cognitive Servicesなど各種Azureサービスとのシームレスな連携
1.ビジネスルールとして不整合なデータを取り除く(コスト削減)
2.リード(見込み客)をスコアリングして、リードの確度が高い順にコールの優先度を上げる(コスト削減、利益最大化)
3.最後にBot活用、対応困難なものは人に繋ぐ(コスト削減、利益最大化)

ガートナーは2020年までに顧客サービス/サポート業務の25%が仮想顧客アシスタントを使用するとの見解を発表しています。またIBMによれば、ミレニアル世代の65%がボットとのやり取りを好むと報告しています。
しかし、少し前に提供された「ズボラ旅」が人気になっていましたが、これはチャットボットをあえて入れず、人がLineで相手側のフランクな要求に旅のプランを提供するというサービスでした。人だからこそできるサービス、そこにはアップセルやクロスセルといったチャンスもあるので、ヘルプデスク以外では検討する必要があると考えています。

ラムダアーキテクチャで検索するための「Azure Data Explorer」
 ・インタラクティブなクエリ
 ・巨大なデータセットへの高速クエリ実行
 ・テラバイト級を数分でスケール
 ・ストリーム、ファイルなど多様なデータをサポート(プレビュー)
クエリを選択して、実行する(Shift + Enter キー)と1億件のデータに対して、1秒未満でテーブルやグラフを出力することができていました。
Web サイト、IoT などの大量で多様なデータの分析に最適であり、診断、監視、報告、機械学習に利用されることが期待されています。

「Azure Machine Learning Service(プレビュー)」の「Automated Machine Learning」
AIにとって、データも大切ですが、学習するためのモデルも大切です。モデルが違うだけで精度が異なってきてしまいます。
どのモデルで行うのが最善か見つけるため、人が特徴量の変数をどれを使用するか、アルゴリズムはどれが良いのかなど試行錯誤して行う必要がありました。
しかし「Automated Machine Learning」を使うことで、最適なモデルを教えてくれることができます。この処理自体も学習されており、総当たりで試すのではなく、可能性が高いものから試し、目標の%を見つけた時点で処理を終了してくれます。
Azure Notebooksの連携でデモを行い、すぐに最適なモデルを発見できていました。

ただ過学習とは違うのかもしれませんが、モデルが学習データに依存しすぎている可能性もあるので、検証や理解は必要になっていくのかと思います。

 

他のセッションについては、下記をご覧ください。

 Microsoft Tech Summit 2018に参加 (Tech Summitとは)
 Tech Summit 2018 Day2 (HoloLens, Dynamics365, Power Platform)
 Tech Summit 2018 Day3 (Azure Functions, Dureble Functions)