▶平日 毎朝7時に公式LINE@で新着記事を配信しています。友達申請はこちらから！
▶ICCの動画コンテンツも充実! Youtubeチャネルの登録はこちらから！
「先端テクノロジー X スタートアップのCo-Creationを徹底議論」【F17-5D】セッションの書き起し記事をいよいよ公開！8回シリーズ(その2)では、IBM森本さんから、AIやデータを活用したビジネスを展開する上で重要なことについてお話いただきました。Googleなどの多くのデータが集まる企業が確実に勝てるとは限らないといったお話しも頂きました。是非御覧ください。
▶ICCパートナーズではコンテンツ編集チームメンバー(正社員&インターン)とオフィス／コミュニティマネジャーの募集をすることになりました。もし興味がございましたら採用ページをご覧ください。
ICCカンファレンス KYOTO 2017のプラチナ・スポンサーとして、IBM BlueHub（日本アイ・ビー・エム株式会社）様に本セッションをサポート頂きました。
ICCサミットは新産業のトップリーダー600名以上が集結する日本最大級のイノベーション・カンファレンスです。次回 ICCサミット FUKUOKA 2018は2018年2月20日〜22日 福岡市での開催を予定しております。参加登録は公式ページをご覧ください。
▼
【登壇者情報】
2017年9月5〜7日開催
ICCカンファレンス KYOTO 2017
Session 5D
先端テクノロジー X スタートアップのCo-Creationを徹底議論
Supported by IBM BlueHub
(スピーカー)
尾原 和啓
菊池 新
株式会社ナビタイムジャパン
取締役副社長 兼 最高技術責任者
西條 晋一
株式会社WiL
共同創業者ジェネラルパートナー
森本 典繁
日本アイ・ビー・エム株式会社
執行役員 研究開発担当
(モデレーター)
高宮 慎一
株式会社グロービス・キャピタル・パートナーズ
パートナー/Chief Strategy Officer
▲
▶「先端テクノロジーのビジネス化を徹底議論」の配信済み記事一覧
連載を最初から読みたい方はこちら
最初の記事
【新】量子コンピュータなどの先端テクノロジーのビジネス化を徹底議論！【K17-5D #1】
本編
高宮 次に、森本さんには未来の大きな話をお伺いしたいです。
いま尾原さん、菊池さん、西條さんのお三方から、デプロイフェーズに入ってきているAIについて、AIとIoTが絡むような形でより人に近い、使いこなし易い、アプリケーションにより近いものが出てくるのではないか、また、量子コンピュータのCPUパワーに注目している、というようなお話が出ました。
技術的にそれぞれどのような段階にあって、本当にビジネスに活用できる段階にあるのかという点について、どのようにお考えでしょうか。
森本 尾原さんもおっしゃっられていたように、日本のAIは若干遅れているという面はありますが、アルゴリズムだけであれば、コピーができるので、世界中でそれほど時間差はないはずなんです。
（尾原さんが住む）バリ島でも、新しい技術はすぐに獲得できますし、コードもオープンソースでたくさん公開されているので容易に使うことができます。
問題はデータなんですね。
たとえば、IBMでは、医療画像のデータを大量に持つマージ・ヘルスケア（Merge Healthcare）という会社を買収しました。
▶ TechCrunch 2015年8月7日「IBMはMerge Healthcareを10億ドルで買収し、Watson Healthに医療用画像解析を加える予定」
同社を買収することにより、20億～40億件を超える医療画像が、カルテ、症状、などの詳細情報とともに手に入っています。
こういうものを使うことにより、診断や病気の発見が可能になります。
医療の世界でも、ワトソン（Watson）のアルゴリズムだけが賢いというわけではなく、100万件以上の電子カルテのデータ、病歴、過去のヒストリー、こういったものを含めて学習させることによってはじめて、診断、診察ができるようになります。
このようにデータが非常に重要であり、遅れている部分は、アルゴリズムということではなく、どのようなデータを収集するかという点にあります。
ビジネスモデルからスタートしたデータ活用を
森本 その前にそもそも何のためにデータを集めるのかという前提がないと、データを収集する意味がありません。大量にデータがありますからこれを「何か」に使ってください、ということでは、何も価値は生まれないのです。
何に使いたいのか、明確な意識と戦略の下で、どのようなデータをどのくらい何の形で集めるのかをはっきりさせなくてはなりません。
そして、それを今度は、どのように学習させるかです。学習にしても、単に放り込めば覚えるということではありませんので、明確な意志と戦略が、非常に重要です。
その部分こそが、尾原さんが遅れているとおっしゃっていたところだと思うんです。
したがって、データをどのように見るかということは、アルゴリズムだけではなくて、ビジネスモデルからスタートすることが重要です。
そこの部分はまさに、ここにいらっしゃる皆さんの知恵を使って生まれるものだと、そこからスタートするのだと考えた方がいいと思います。
高宮 いま非常に大事なことをおっしゃっていただいたと思っています。
まさにAI時代、データそのものが「石油」資源のようになり、より油田を持つ人が富むというような構造になっているので、いかにデータが集まる構造をもったビジネスモデルを構想するか、そしてその構想からスタートすることが、ビジネス的に重要だというお話でした。
既存のリーダーの大企業は、すでにビッグデータが勝手に集まるような構造を持ってしまっています。その時に、では、ベンチャー企業は一体どのようにしてそこに風穴を開けることができるのだろうかという話があるかと思います。
データの質がAIの価値を規定する
森本 そうですね、大企業に対して、ベンチャー企業がアタックするのは厳しいとおっしゃっる方もいますが、私はあながちそうでもないと思っています。
まだチャンスはあります。
どういうことかというと、データのクオリティなんですね。
データというのは、今のAIについて申し上げれば、量が集まればいいというわけではありません。たとえば、画像認識させようと思って、その辺にオープンに存在するデータを全て突っ込んだところで、ノイズの方が勝ってしまいます。
量があるから、確かに認識率はそこそこ上がります。
けれども、一定量増えてきたら、その後増えていくものについてはノイズもあるので、逆に認識率が下がってしまうんですね。
どこかで間違いを犯して、犬を見て猫と言うようなことになった途端、そのAIのエンジン全体がおかしくなってしまいます。
そしてそのようなおかしな状態になってしまうと、デバッグはもはやできませんので、一回シャットダウンしてもう一度やり直す、ということになります。
このように、クオリティの悪いデータをたくさん集めても、ネガティブな効果しか得られません。
では、ベンチャー企業がどこで勝負できるかというと、ハイクオリティのデータを集めるということです。
我々が、ワトソンを医療用に、たとえば画像診断に使う時も、ランダムに大量のデータを集めているわけではありません。非常に一貫した、均質で、正しいデータをたくさん集めなければならない。
もちろん均質で正しいのであれば、量が多い方がいいのですが、量が少なくてもクオリティがよければ、AIの価値はかなり出せるはずです。
そして、もう一つは、用途を絞るということです。
雑談に応答しますよというようなジェネラルパーパス（汎用的な目的）のものではなくて、グッとエリアを絞って専門化することにより、AIの質と用途を限定しながら、そしてそこにビジネス価値を加味すれば、十分勝負できると思っています。
それが4年遅れているのかどうかというのは感覚の問題かもしれませんが、実質的にはそこにフォーカスし上手く狙いを定めれば、十分勝機はあると思います。
「小粒でもピリリと辛い」ではないですが。
高宮 そういう意味でいうと、AIのエンジン側、もしくはビジネスの目的側から、どのようなデータが必要か、どのようなデータのクオリティが高いのかという要件出しを定義するということが大事と。
今プラットフォーマーが何となくやっているような、ユーザーのプロフィールだとか行動履歴を集めているだけでは、割と使えないデータになってしまっている、そのような状況であると言ってよいでしょうか。
森本 おっしゃる通りですね。
使えないというよりも、目的がなければ、集めても無駄ということです。
やみくもにデータを大量に溜めればいいというものではないので、逆に言えば、目的があれば、こういう形で集めればいいのだと限定することができるので、少ないながらも価値を出すということは十分あり得ると思います。
データビジネスに収穫逓増の法則が効き始めている
高宮 今にもしゃべり出そうとしていらっしゃる尾原さん、どうぞ。
尾原 ただ一つだけ心配なのが、現状のAIのレベルでは、先ほどおっしゃった学習データの質という観点に関して、収穫逓増の法則（製品の生産やサービスの提供にあたり、投入一単位当たりの収益がだんだん増えていくこと）に入りつつあるプレイヤーが結構いるなというのが正直な実感です。
分かり易い例では、セコイアが投資している、Spreemo health という皮膚病のクラウドソーシングの会社があります。
ここは一見、単に皮膚病の状態を写真で送って医師との電子チャットで、それは軟膏を塗っておけばいいよ、もしくは専門病院に行ってください、というように病状を切り分けるものです。
しかし結局これは何をやっているかというと、良質な学習データを集めるための、クラウドソーシングのふりをしたトラップなんですよね。
しかも恐ろしいことに、今では診断の15％くらいが自動チャットに代わりつつあり、AIによって一部の診断が自動でできるようになり始めています。
何が可能になるかというと、15％をAIで自動化できるということは、他よりも15％値段を下げることができるわけです。そうすると、そちらのサービスを使いますよね。
半分AIで対応できるようになれば、半額にできます。
そうすると、他社はもう入り込めないですよね。
AIの力が発展してしまうと、そこだけが良質なデータを得られるようになり、4分の3を自動化できたら、半額にしてもまだ半分儲かるビジネスになります。
いいデータがあるから自動化ができて、値段を下げられて、値段が下がると更にデータが集まってくるというような良循環が、既に起こりつつある分野があります。
おっしゃる通り、分野をずらすことで、まだまだデータの収穫逓増を起こせる領域というはあるのだけれども、少し怖いのは、もともと日本が強かったはずの創薬や素材など、そういった領域でこういったことが起き始めているという点です。
森本 おっしゃる通りですね。
お金と一緒ですよね。
データも集中することにより、一部のところに集まるという現象が当然起こってきますので、特定の分野については、そのように良質なデータが集まっているところと、それ以外では、競争ができないような形でどんどん乖離していくということが起きてくると思いますね。
実際起きつつある、または既に起きている面もたくさんあります。
高宮 トレンドの話から具体的なアプリケーションの話へ移りましたが、後ほど、AIの領域で、どのバーティカルならまだチャンスがあるかというような点についてもお伺いしたいと思います。
続いて、菊池さんが挙げてくださった量子コンピュータの分野も踏まえて、我々スタートアップ界隈の人間がまだ聞いたことのないくらい先のテクノロジートレンドについて、少し解説していただければと思います。
(続)
▶ICCパートナーズではコンテンツ編集チームメンバー(正社員&インターン)とオフィス／コミュニティマネジャーの募集をすることになりました。もし興味がございましたら採用ページをご覧ください。
次の記事を読みたい方はこちら
続きは AI時代を加速させるニューロモーフィック・コンピューティングとは？ をご覧ください。
▶平日 毎朝7時に公式LINE@で新着記事を配信しています。友達申請はこちらから！
▶ICCの動画コンテンツも充実! ICCのYoutubeチャネルの登録はこちらから！
編集チーム：小林 雅／榎戸 貴史／戸田 秀成／横井 一隆／立花 美幸／鈴木ファストアーベント 理恵
【編集部コメント】
データを集める分野の絞り方次第でスタートアップにも勝機があるようです。尾原さんから「収穫逓増の法則」についてお話がありましたが、勝てる分野を見つけたら急いでデータ集めを始めた方が「データがデータを呼ぶ」ことができて、より高性能なAIになるようです。（横井）
他にも多く記事がございますので、TOPページからぜひご覧ください。
更新情報はFacebookページのフォローをお願い致します。
