カラフル・ボード株式会社2017. 07.29
パーソナル人工知能 SENSYと機械学習技術
© Copyright COLORFUL BOARD 20171
自己紹介 氏名:岡本 卓
所属:千葉大学大学院工学研究院電気電子工学コース准教授カラフル・ボード株式会社人工知能技術アドバイザー
2017年10月からカラフル・ボード株式会社CRO(Chief Research Officer)兼SENSY 人工知能研究所代表としてJoin予定。
専門:システム工学,最適化理論,ソフトコンピューティング,計算知能,複雑系
© Copyright COLORFUL BOARD 20172
AIとCI
(今の)人工知能(Artificial Intelligence: AI)
計算知能(Computational Intelligence: CI)
(強い)人工知能 数理論理学に基づいて人間と同じ「知性」をアルゴリズムによって構築しようとするアプローチ
計算知能 機械学習や最適化技術を用いて,人間が行うような情報処理をコンピュータの(大規模な)計算によって代替させるアプローチ
データや問題設定は人間が(結構噛み砕いて)与える 人間が行う情報処理を「学習」する 最適な解を計算によって見つけ出す
© Copyright COLORFUL BOARD 20173
「感性」を学習するパーソナル人工知能:SENSYSENSYは、ユーザーの自由な時間を生み出すために、「2人目の自分」として24時間働いてくれる自分の分身のような人工知能ロボットである。
感性を覚えさせる
コンテンツを届ける
感性
パーソナル人工知能ユーザー
私の好きなファッション 私の好きな
デザート
仕事中に聞くミュージック 夏休みに行きたい
観光地
生活データ
© Copyright COLORFUL BOARD 20174
クラウド上にパーソナル人工知能のプラットフォームを構築
Fashion
Cosmetics
Gourmet
Movie
HairHealthcare
Travel
Book
App
Advertisement
News
Music
© Copyright COLORFUL BOARD 20175
あらゆるビジネスの変革も通じて、ライフスタイルを変えていくSENSYはコンシューマー向けにサービス開発するのみならず、あらゆるビジネスパートナーの変革も通じて人のライフスタイルを変えていく。
ビジネス コンシューマー
サービス提供
サービス提供パートナリング
© Copyright COLORFUL BOARD 20176
既に9つのプロダクトをリリース、さらに3つを開発中ビジネス向け、コンシューマー向けを含めて、既に8つのプロダクトをリリース、さらに3つを開発しており、今後も企画開発を加速していく。
ビジネス コンシューマー
R&D MD Marketing Sales CS
SENSY BOT
SENSY CLOSET
SENSY (Fashion)
SENSY Sommelier
SENSY CLOSET@shop
SENSY Sommelier@shop
SENSY POS
SENSY BOTfor Biz
SENSYChat-Desk
SENSY MarketingBrainSENSY MDSENSY COOK
Life
DevelopingReleased Planning
その他企画中の案件多数
© Copyright COLORFUL BOARD 20177
SENSYで使われているCI技術 Neural Networks
Convolutional Neural Networks (CNN) / Auto-encoder— 特徴量抽出器(Encoder)としての利用がメイン
Multi-Layered Perceptron (MLP) / Radial Basis Function Networks (RBFN)— メインの予測器,識別器— Marketing Brain, CLOSET, Sommelierなど
Recurrent Neural Networks (LSTM, GRU)— 時系列データの予測(需要予測,言語処理)— MD, BOTなど
(他の)機械学習技術 クラスタリング法(k-means, Neural Gas)— ユーザセグメンテーション,代表色抽出など
決定木型アンサンブル学習器(Random Forest, Gradient Boosting Decision Tree)— 規模が大きくない学習,需要予測など
最適化・進化計算 予測器の出力を最適化・制約を満たす組み合わせを探索— CLOSETなど
© Copyright COLORFUL BOARD 20178
SENSY CLOSET(β版)
© Copyright COLORFUL BOARD 20179
SENSY CLOSET店頭アプリ:導入事例
© Copyright COLORFUL BOARD 201710
SENSY CLOSET @shop:導入事例
© Copyright COLORFUL BOARD 201711
SENSY CLOSETサービス全体概要
SENSY CLOSET@STORE(店頭)
スタッフがお客様のアイテムや店舗別の在庫を把握しながら、アイテムやコーディネートをお薦め
アイテム・作成したコーディネートお気に入り登録が可能
SENSY CLOSET(ユーザーアプリ)
ユーザーが自分のクローゼットのアイテムや日々のコーディネートを登録・管理
店舗・ECで作成したコーディネートをアプリに保存
My Closet呼び出し
購買アイテム・お気に入りコーデ保存
SENSY CLOSET@shop(EC)
ECでユーザーが自分のアイテムを呼び出してECアイテムとコーディネート
アイテム・コーディネートをお気に入り登録
My Closet呼び出し
購買アイテム・お気に入りコーデ保存
アイテムをMy Closetに登録
SENSY CLOSETサービスは、ユーザーアプリ・店頭アプリ(タブレット端末)・オンラインショップ(EC)の3つが連動して、店舗アイテム・ユーザーのクローゼットが連動したコーディネート・お薦めを提供できるプラットフォームです。
© Copyright COLORFUL BOARD 201712
あるECサイト導入事例ではコーディネート提案の導入により、コンバージョンレートが39%、購入単価が36%向上し、結果ユーザー訪問当りのマネタイズ価値は90%向上した。
コンバージョンレート 購入単価 セッション当り期待売上
39%up 36%up 90%up
SENSY CLOSET @shop:実績
© Copyright COLORFUL BOARD 201713
コーディネート自動生成エンジン (1) アイテムごとに特徴量を算出
コーディネートカテゴリ (トップス, ボトムス, 靴など) F値 (Formalness) (スーツ:10, ポロシャツ:6,スウェット:1) A値 (Assertiveness) (自己主張の激しいアイテムは1) W 値 (Color Weight) (明るい:0,暗い:1) 色比率 (暖色,寒色,無彩色,中性色) 季節タグ (夏物,冬物)
カテゴリ:トップスF値:6A値:1W 値:1色比率:0.4, 0.05, 0.5, 0.05
© Copyright COLORFUL BOARD 201714
コーディネート自動生成エンジン (1) アイテムごとに特徴量を算出
コーディネートカテゴリ (トップス, ボトムス, 靴など) F値 (Formalness) (スーツ:10, ポロシャツ:6,スウェット:1) A値 (Assertiveness) (自己主張の激しいアイテムは1) W 値 (Color Weight) (明るい:0,暗い:1) 色比率 (暖色,寒色,無彩色,中性色) 季節タグ (夏物,冬物)
カテゴリ:トップスF値:6A値:1W 値:1色比率:0.4, 0.05, 0.5, 0.05
© Copyright COLORFUL BOARD 201715
コーディネート自動生成エンジン (1) コーディネート算定問題
minimize F値平均値 F値目標値
subjectto にユーザの指定したアイテムが含まれる
max∈
min∈
∈
上半身W 平均値 下半身W 平均値 に夏物と冬物が同時に含まれない がコーディネート配色制約を違反しない がコーディネートが成立する組み合わせである
: 番目のカテゴリに割り当てられたアイテム(0は割当なし)e.g. :ハットのアイテム, :トップスのアイテム,…
:アイテムが割当られた(0でない)カテゴリ番号集合 組合せ最適化問題→ 遺伝的アルゴリズムを用いてコーディネートを探索
© Copyright COLORFUL BOARD 201716
コーディネート自動生成エンジン (2) コーディネートスコア学習器
CNN based encoder
アイテム画像※ コーデが成立するように選択
RBFN
アイテム特徴量
[コーデスコア]
[画像]
Encoder(Conv. layers, Pooling layers)
[アイテムカテゴリ]
Affine
Sigmoid
Affine
Softmax
MLP(Fully connected)
スタイリスト / ユーザのスコアリング結果を学習
© Copyright COLORFUL BOARD 201717
コーディネート自動生成エンジン (2) コーディネート探索問題
maximize コーディネートスコア
subjectto にユーザの指定したアイテムが含まれる がコーディネートが成立する組み合わせである
:コーディネートを表現するアイテムIDベクトル— アイテムID → アイテム画像→ 学習器に入力
組合せ最適化問題 遺伝的アルゴリズムを用いてコーディネートを探索
© Copyright COLORFUL BOARD 201718
人工知能がセンスを学習するアプリ