24ブログ

AIを実務に導入して生産性を高める話。

2018.3.2 / 

弊社の働き方にサーバーに汗をかかせるというのがあります。

 

 

 

ですので、最先端のテクノロジーであるAIにつきましても「触れる、見ている」

ではなく、実務に取り入れ効率を上げ生産性を高めるという動きになります。

 

 

今回はAIを実務に導入した話をします。

 

自己紹介


 

24という部署に所属している草野と申します。

 

24部署とは、モニタリングや、カスタマーサポート

データ入力等の24時間365日有人対応が必要な業務を行っている部署になります。

 

プログラムの知識は全くありませんが、日々業務の効率化を行うべく働いております。

 

そんな私ですが、今回はAIを業務に導入する担当と任命して頂き、

何もわからない状態で、不安もありのスタートでしたが、現在、ブログを書かせて頂いております!

 

私たちには課題がありました。


コンプライアンス維持のために、運営しているサービスの画像を、

日々チェックしております。

 

チェック方法はシンプルで、リアルタイムでアップロードされた画像を、

人が見てチェックする。

 

単純な作業なのですが、画像の量が多く、

人と時間を使うもので、効率化できないものかと課題となっておりました。

 

そこで今回は、AIを導入し、解決することになります。

 

「画像をAIが識別し、自動処理してくれればすごく楽。」

 

この夢のような考えが、現在では業務に導入することが可能となっております。

と、いうことで、AIには、画像を識別し自動処理してもらうことを目標としました。

 

 

 

「AIを業務に導入しよう」計画が、開始されました。


さて、目標は決定しましたので

まず日本企業様に、実際にAIの画像識別を使ったデモサイトを見せて頂きました。

 

すごい…。と、おもいました。(知識がないので、こういう意見しかもてなかった。)

 

で、あれば!!

 

弊社の基準に沿った識別を行えるAIにするために、

画像数千枚をお渡しし、実行可能か調査をお願いしました。

 

しばらくし、お返事を頂きましたが、残念ながら、期待していたものではなく、

「リソースが限られており進展の見込みなし。」というものでした。

 

悲しみにくれていますと、そこにA社様よりAIについてご提案いただけました。

 

以前こちらの記事で、代表金子より紹介がありましたが、

弊社は一部オフショア開発をおこなっております。

 

A社様は、その1社となります。

 

話をきいて、早速、日本企業様と同様に画像数千枚をお渡しして調査をお願いしました。

 

すると、「AIの精度98%出せます。」と、回答を頂きましたので、

すぐにプロジェクト開始となりました!

 

 

素人+オフショア開発で、僕らのAIを作成する。


素人である私は技術的な事は全くわかりません。

ので、技術的な事はお任せしました。(技術的なコメントも頂いておりますので、後程お楽しみください。)

 

私は、要望をお伝えしプロジェクトはスタートするのですが、

そこでも、ベトナム企業様より多数の提案を頂き、本当に助けられました。

 

システムのフローを簡単にいうと、ユーザー様が画像をアップロードすると、

AIがチェックを行い自動で処理する。

 

AIがわからないと判断したものは、人間がチェックする。

と、いったものです。

 

  • AIの教育

AIですので、まずは学習させなければなりません。

 

 

 

弊社基準のカテゴリーを作成し、そのカテゴリーに沿った画像を

AIへ学習させました。

 

ここで、画像を大量に準備するのですが、

日本とベトナムの画像識別カテゴリーに対する認識を

しっかり一致させておかなければなりません。

 

ですが、オフショア開発の問題として、コミュニケーションがあります。

 

細かなニュアンスの違いであったり、

画像というものに対する認識の統一は難しく、

カテゴリー分けという基準を決定していく中では苦労しました。

 

しかし、Skypeを使用してのMTGをしっかり重ね、認識を統一し、

問題を解決していきました。

 

 

 

AIを作成してくれたオフショアエンジニアチームのコメント紹介

 


当初、弊社は要求を頂いた時、

このプロジェクトが弊社にとってチャレンジだと感じた。

 

AIの精度は、通常、約85%にしか達成しない。

 

したがって、精度を10%向上させるためには、研究に多くの工数が掛ける必要がある。

 

しかし、これが自分自身の挑戦だと考えている。

 

 

AIにとって、学習用画像データとアルゴリズムはどちら重要である。

約77,000枚の画像を13つのカテゴリーに分類した。

 

分類中に、分類基準に関する両社の認識が一致しないので、

誤って分類されてしまったカテゴリがある。

 

なので、画像を再分類して、AIに再学習させる必要がある。

 

つまり、それがリワークである。

 

分類基準について誤解を避けるために、ファイルを作成し、画像を使って説明した。(当初、単語だけで説明すること)

それ以降、仕事はよりうまく行くようになった。

 

 

弊社の方法は、世界で成功したモデルを見つけ出し、

それを取り込み、このプロジェクトの要件に適応させることである。

 

当初、VGGアルゴリズムを試したが、AIの精度は83.51%しかに達成しなかった。

 

その後、RestNetアルゴリズムで試しようと思ったが、

実施してみたら、87.9%の精度に上った。

 

AIの精度が向上されたが、目標まで道がまだまだ遠いので、我々は非常に心配した。

 

 

その時、ハノイ工科大学から出身のAI専門家との打ち合わせができ、

この打ち合わせのおかげで専門家のアドバイスをもらった。

 

その方から、本プロジェクトにDenseNetアルゴリズムを

使用してみたらというアドバイスを頂いた。

 

初めて実装した際には精度が90.21%に達して、チーム全員嬉しかった。

 

これを使用したらプロジェクトの要求に応えるかなと思ったので、

使用することにした。

 

実装の1ヶ月後、精度は約95%に達成できたが、この精度から1%の上がりでさえ大変難しいことだ。

その時点では、精度が低いカテゴリーを中心として改善していた。

 

例え、多くの人を撮った画像のカテゴリを認識することについては、

最初の時に、人の数を数えるために顔認識のアルゴリズムを使用していた。

 

だが、人の背中を撮った画像に対して認識できないため、精度も低くなっていた。

それで、骨格による認識の方法を適用することに決定した。

 

この実装の結果は、精度が継続的に向上されていた。

 

モデル調整を繰り返し、テストを連続実行していたからこそ、実装の2ヵ月後、精度は98%に引き上げた。

 

草野さんから、AIが実務に導入されのが

良い結果をもたらすという連絡を頂いた時、本当に嬉しかった。

 

これは私たちに、今後の仕事のためにAIを研究し続けるやる気を与えます。

 

原文


 

Ban đầu khi nhận được yêu cầu chúng tôi đều cảm nhận được đây là dự án rất thách thức.

Độ chính xác của AI thông thường chỉ đạt khoảng 85%.

Vì thế để nâng độ chính xác thêm 10% thì cần rất nhiều công sức tìm hiểu và nghiên cứu.

Nhưng chúng tôi coi đây là công việc thử thách chính bản thân mình.

 

Trong AI việc có dữ liệu ảnh để cho AI học quan trọng không kém gì thuật toán.

Chúng tôi đã tiến hành phân loại khoảng 77 nghìn ảnh thành 13 category.

Có những category bị phân loại sai do việc hiểu sai về tiêu chuẩn phân loại giữa 2 bên.

Sau đó cần phân loại lại và cho AI học lại. Tức là bị rework.

Để tránh việc hiểu sai chúng tôi đã tạo file và mô tả thông qua hình ảnh thay vì chỉ dùng lời nói như lúc đầu.

Từ đó công việc đã thuận lợi hơn rất nhiều.

 

Cách làm của chúng tôi là: tìm kiếm các mô hình đã hoạt động thành công trên thế giới, nắm bắt nó và điều chỉnh theo yêu cầu của dự án lần này.

Lúc đầu, chúng tôi đã thử với thuật toán VGG, nhưng chỉ đạt độ chính xác là 83.51%

Sau đó chúng tôi tiếp tục thử với thuật toán RestNet, độ chính xác tăng lên thành 87.9%

Độ chính xác đã tăng lên nhưng vẫn còn cách mục tiêu rất xa.

Chúng tôi cảm thấy khá lo lắng.

 

Rất may là vào lúc đó chúng tôi đã nhận được tư vấn của một chuyên gia về AI đến từ Đại học Bach Khoa Hà nội.

Người này đã gợi ý cho chúng tôi sử dụng thuật toán DenseNet cho dự án này.

Ngay ở lần đầu áp dụng, độ chính xác đã đạt 90.21%

Chúng tôi rất vui và quyết định sẽ áp dụng thuật toán này.

 

Sau 1 tháng thực hiện điều chỉnh thuật toán chúng tôi đã đưa độ chính xác lên gần 95%.

Ở độ chính xác này thì dù là tăng thêm 1% cũng là rất khó khăn.

Lúc này chúng tôi tập trung vào những category có độ chính xác thấp và cải tiến nó.

Ví dụ việc nhận diện category ảnh có nhiều người.

Ban đầu chúng tôi đã dùng thuật toán nhận diện qua khuân mặt để đếm số người.

Tuy nhiên có những image mà người chụp quay lưng lại vởi bức ảnh. Dẫn đến độ chính xác thấp.

Chúng tôi đã quyết định áp dụng nhận diên người thông qua khung xương.

Kết quả là độ chính xác tiếp tục được cải thiện.

 

-weight: 400;”>Cứ như như vậy bằng việc lặp đi lặp lại quy trình điều chỉnh mô hình và thử nghiệm.

Cuối cùng sau 2 tháng chúng tôi đã đưa độ chính xác lên 98%.

 

Khi nghe anh Kusano nói rằng AI đang được áp dụng và cho kết quả tích cực, chúng tôi cảm đã thấy rất vui.

Điều này giúp chúng tôi có thêm động lực để tiếp tục nghiên cứu nhiều hơn về AI cho các công việc tiếp theo.

早速、実務に導入します!


こうして、精度98%のAIが完成しましたので、実際にサービスとAIを接続し運用を開始しました。

 

実際にAIが判断した後の画面を、お見せしたいと思います。

 

温泉に入っている女性の画像は・・・

 

 

99%アダルト画像と判断されました。

 

では、男性の裸の写真は如何でしょうか。ムキムキの男性です。

 

 

 

96%顔が付かない画像と判断され、男女の裸の差をしっかり識別してくれています。

 

 

最後に、牛の被り物を被った画像は、どうでしょうか。

 

99%で顔が付かない画像と判断してますね。動物ではなく人としっかり判断してくれています。

 

次に、桜を背景に撮った子供の画像です。

 

99%で子供画像と判断してくれています。子供の画像もNGとしています。

 

 

次は魚です。海の中で複数匹おりますが・・・。

 

 

しっかり、99%動物画像であると判断してくれました!!

 

 

これまで大正解してきたAIですが、苦手なものがあります。

 

たとえば、この画像です。ホラーですね。

真ん中に人が写っているので、本来は「顔がつかない画像」と

判断されるべきですが・・・。

 

 

 

99%景色画像とAIは判断しました・・・。

 

白黒画像や、一体化している画像の識別は苦手としています。

 

わかりやすい画像については98%の精度があるのですが、

わかりにくい画像では、間違った識別を行ってしまう事があります。

 

ですが、導入することで、今までの作業の85%が精度98%で行われ、

残りの15%を人間が行う。という状態になりました。

 

これは、全ての画像を一気にチェックしたとして、

1時間30分ほど時間を使う業務が、12分で完了してしまいます。

 

AIを導入したことにより、スタッフからは凄く楽になった。

空いた時間を使用し、よりスピーディーに他の審査を行いユーザー様に届けられる。などの声があがっております。

 

AIを導入し業務で活用できたことは、私どもの課題をクリアし、

生産性を高めてくれました。

 

これらの結果を見て、この時期に導入できて本当によかったと強く感じます。

 

現在は、新規カテゴリーを追加いたしましたので、そこの精度をあげるべく

AIに学習させているところです。

そして、AI活用の範囲を拡大していく。


現在は、AIを使用し、画像のチェックだけを行っておりますが、

動画をチェックする計画も着々と進んでいます。

 

AIでチェックできるものは、AIが処理を行い、

人間がやらなければならないことは、人間が行う。

 

今後もAI活用の道を模索していきます。

 

 
24では、モニタリングスタッフや、カスタマースタッフを募集しています。
 
ITに興味があるけど経験がなく不安、ルーティンワークが得意、
パソコンを使った仕事をしたい。などなど、興味ある方は是非ご応募ください。