ここまで取り上げてきたディープラーニングですが、実際に身の回りでどういった役に立っているのかを説明していきます。
一見地味なのですが、よく知っていくと「すげぇ！！」と思うはずです！
ものづくりのディープラーニング
不良品検出、検品
製造業では、数少ない不良品を検出するためにどうするのかがポイントになりました。
例えば、ほぼ大多数の良品データから特徴量を検出し、その特徴との差分を見ることで不良品を検出するというアプローチをとることで活用されています。
予兆検知、予防保全
この領域は、熟練の技術によって品質が維持されているところがあるため作業員の熟練度に依存しない安定した生産を目指すことが必要でした。
射出成形や逆流防止弁の摩耗状態や交換時期をチェックするなどに使われています。
バラ積みピッキング
箱にバラバラに置かれた部品をロボットにピックングさせる場合にも、複雑な教示作業なしで実現するアプローチで活用がされています。
不良品検出（食品工場）
食品製造ラインにおいても、異物混入や不良品を判別するためにディープラーニングが使われています。
また、その他にも、
検査工程での異音検査、加工制御の最適化、音響解析など活躍の幅を広げています。
モビリティ領域のディープラーニング
ディープラーニングで実現できる「認識」が活用されます。
自動運転
今でも話題に事欠かず、実際にアメリカでは公道で走っているという段階まで来ている自動運転ですが、
日本では内閣官房IT総合戦略室で無人自動走行による移動サービスを2020年に、高速道路でのトラックの隊列走行を早くて2022年に商業化を目指しています。
ここで必要なのは、
自動運転車両の安全基準や交通ルール、保険や責任の明確化などです。
その他、ロボットタクシーのような移動サービスについても進められています。
医療領域のディープラーニング
診断支援や創薬、ゲノム解析！
診断支援
特徴の抽出能力で、医師への負担緩和と人的見落としリスクの低減を目指して使われています。
CNNを使った内視鏡画像から胃がん診断や大腸内視鏡検査などで使われています。
網膜剥離判定にも。
創薬
創薬という万に1を作り出すような分野でもディープラーニング。
ゲノム
遺伝子の役割と病気との関係を解明することで、患者の体質や病気の特性に合わせた治療ができるようにしようとしています。
GoogleのDeepVariantは、ゲノム配列や個人を特定できるくらい詳細なレベルの遺伝子相違点を解析するためのツールです。
※DeepVariantは、オープンソースでGitHubで公開されている。GCPだと使いやすそう。
また、
ディープラーニングだとその推定結果の根拠がブラックボックスになりがちなことから、
説明責任が問われる医療、金融などの領域への適用に大きな課題があると言われています。
そこで、
入力データの中で推定結果に大きく影響する部分を特定することを目指すという研究が行われており、
これにより、推定理由や根拠の見える化が進んでいます。
ゲノム解析などでは、扱うデータが膨大になってきているため、計算資源の確保が課題という側面もあります。
そこは、データや計算・解析機能のシェアリングで効率化を図るという動きになってきています。
介護領域のディープラーニング
介護サポートのためのロボットや、山積する課題の解決を図るべく使われています。
介護サポート
着衣介助のロボットへ活用
インフラ、防犯、監視領域のディープラーニング
インフラのメンテナンスの効率化（高速道路の柱などの人が目で見きれないところなど）、監視や防犯でも活躍できるのがディープラーニングです。
道路やトンネルの維持管理の必要性が注目され、2013年の法改正で点検要領が見直され、5年に1度の近接目視による点検が義務付けられています。
そこで、道路、トンネル、橋などのコンクリートのひび割れなどにも画像解析のCNNを使って人が目視で行うだけよりも遥かに精度を上げた点検が可能になりました。
舗装道路の損傷を判定
橋梁劣化推定AI
送電線の点検
防犯AI監視システム
困っている人を認識しておもてなし
サービス、小売、飲食領域のディープラーニング
タクシーの需要予測で、タクシードライバーが効率的にお客さんを乗せられるように。Autoencoderの技術を使って実現。
商業店舗におけるリアルデータの分析や活用。
無人レジの無人コンビニ
物流、農業、金融、ネット領域のディープラーニング
物流画像判別による効率化。
農業における収穫や仕分け。
金融分野における、投資戦略の構築や、株価予測。
講義動画のテキスト化や黒板の文字の識別。
ユーザーのコメントを識別し、ブロックや分析を行う。
画像検索
チャットボット
その他、面白そうな記事
