未来予測事業部 にてAI（人工知能） 事業を開始
AI（人工知能）をシステム開発
AI（人工知能）をシステム開発2018年8月より「未来予測事業部」を新設しました。
近年、AIが最先端技術として急速に一般の方にも知られてきました。AI製品も多種多様な広がりを見せ、活況を呈しています。しかしながら、一般企業のビジネスに取り入れられ始めたのは、自然言語に自動応答するbotのようなサービスが多く、メディアで取り上げられるような、画像認識や予測などの分野においては、まだ大手企業の研究開発にとどまっています。
私たちは、今までおこなってきたシステム開発事業の延長にAIがあると考え、「システムエンジニア目線でAI技術を取り込んで」きました。この表現は、裏返すとAI技術はまだまだ日本語情報は少なく「学術的な要素が強い」状況であり、難解で統計学や数学を熟知したエンジニアでなければ扱うことが難しい状況が続いていることを示します。
しかしながら、私たちはシステムエンジニアの視点により、独自の試行錯誤を続け、学術的には精通していませんが、人工知能の実装や応用、実際の運用を行うレベルまで到達することが出来ました。
AI（人工知能）をシステムのどこで使うか、生かすか。
ＡＩはあらゆる産業で利用されていますが、「データ分析」でも、多くの場面で利用されています。例えば、売上高の拡大やコスト削減を通じ利益を増やし、企業価値を高める、というようなことが期待されています。ＡＩというと、何でも屋さんというイメージもあるかと思いますが、実際は「分析屋さん」というイメージの方が正しいかもしれません。しかし、この「分析屋さん」は、闇雲にデータをいれたり、データを読み込ませれば良いというモノではありません。利用するデータや求めたい結果により、ニューラルネットワークには向き不向きがあります。データアナリストなど、機械学習の知見をもったエンジニアが、お客様のデータ、求めたい結果や、どのように生かすかをお聞きし、それらに向いたニューラルネットワーク（＝ＡＩ）を構築、試行錯誤を行います。私たちは、これらのお手伝いし、業務の円滑化、スマート化や新しいビジネスの創造をお手伝いさせていただきます。結果、皆様の事業が利益を少しでも多く生み出すことや、お客様がさらに喜ばれるサービス提供へとつながることを期待いたします。
SIA がターゲットとするAI分野は「時系列未来予測、分類、判断」
AIは様々な分野で活用されています。たとえば、カーナビなどで利用された音声認識（コマンド・単語認識）、カメラやスマートフォンアプリで利用される顔認識、スマートスピーカーなどで利用される自然言語認識など。これらはすでに皆様の生活の一部になりつつあります。その他、テレビなどでも話題となっている、自動車の自動運転、防犯技術での利用、医療現場での判断など、高度な分野で研究が進んでいます。
SIAでは、これら既に研究結果が表に出てきている分野では無く、これから拡大すると考えている以下の「（時系列）未来予測」「分類」「判断」といった分野でのＡＩ・機械学習・ディープラーニング・ニューラルネットワークなどと言われる技術利用を進めます。
2019年4月より iOSのディープラーニング技術 CoreML、CreateML にも対応、また Turi Create、TensorFlow 静止画像認識も対応開始しました。
私たちが使うニューラルネットワーク(NN)による予測値について
私たちは TensorFlow 、Keras を用い、ニューラルネットワーク（NN）、LSTMなどのリカレントニューラルネットワーク（RNN）を中心に使い、教師データを用い、機械学習を行います。しかし、最新技術を使い、十分なコンピュータの計算リソースを投下したとしても、誤差が０になることは非常に難しいことをご理解下さい。
一例を示します。
次の図のように「０から１２、１２から０」を繰り返す「教師データ」を用意します。日付列がありますが、この例では利用しません。
グラフにプロットするとこのようなグラフとなります。人の目で見たり、データの変化の仕様を理解していれば、推測が行いやすいデータです。
このデータを TensorFlow + Keras で機械学習を行い、モデルを作成します。
このモデルから、「次の予測値」を求め、その値から「さらに次の予測値」を求めます。予測値から予測値を生成しグラフ化してみます。
規則性のあるデータを学習させているため、思いとしては「期待するチャート型」のように１２周期で値が０から１２、１２から０と推移し、頂点も鋭角の誤差の無いチャートを期待します。
機械学習を行い、「機械学習結果（１）」から「機械学習結果（３）」にむけてチャートの形が期待するモノに近づいているのがわかります。（１）では振幅が小さくなり、頂点部分が丸くなっています。（２）では改善していますが、まだ頂点が丸いのがおわかりいただけるかと思います。（３）ではまだ形がいびつではありますが、期待する形に近づいていきました。
この作業を繰り返し、教師データから推測される推測値利用に期待できるモデルを作成する作業を繰り返すことになります。
ただし、予測ＡＩにおいて、誤差が０にすることは仕組み上、困難です。１００％のモデルを作ることは出来ないと思っていただかなければなりません。
※この参考例は、わかりやすく伝えるために作成したもので、プロット数などを厳密に精査したモノではありません。イメージをつかむ程度にご覧ください。０〜１２を「０〜１．０」に変換された値でプロットしています。
期待するチャート形
機械学習結果 初期（１）
機械学習結果 中期（２）
機械学習結果 後期（３）
「時系列予測・未来予測」に関する実例・為替予測
現在、私たちが挑戦している課題のうちの一つが為替予想。為替のレートは「ランダムウォーク」と言われ、予測が難しい時系列データのひとつです。予測値が実際のレートに近似していることが、ご覧いただけます。最新のＡＩ技術、ディープラーニングでこのような予測を行うことが出来ます。どのようなデータを学習させるか、どのようなニューラルネットワークを設定するか、どのようなハイパーパラメータを使うかにより、予測は大きく変わります。これを突き詰めていくのが、弊社データアナリストです。
まだ精度の低いモデル（誤差の減少を模索します）
精度が上がり、誤差が減った為替予測（４時間先の予測）
終値の予測精度はまだまだですが、この例ではこのようなレベルの予測が可能となります
AIモデル作成の命題「誤差の無いモデルの作成」
先ほどのデータは、シンプルなものでした。しかし実際ビジネスに使うデータは複雑で、そもそもそれらのデータでどの程度精度の高い（＝誤差の無い）モデルが作成できるのかさえわかりません。試作しなければわからないというのが正直なところです。
さて、「誤差の少ない」というのはどのようなことか？と申しますと、先ほどの「教師データ」を学習用の８０％と、検証用の２０％に分割し（割合は自由です）この２０％のデータをつかう「予測」をし、データと予測値の誤差を算出します。「本当の」未知のデータでの予測値の有用性は未来のことでわかりませんので、この検証用の２０％のデータの誤差数値でモデルの評価を行うしかありません。（教師データ以外に、実データがある場合は、そのデータも利用できます）
私たちはこの「誤差の少ないモデル」の作成と、そのモデルを用いた運用システムの構築部分をお手伝いさせていただきます。運用システムは弊社クラウドサービスをご利用いただくか、WEB-API経由でご利用いただきます。
