人工智能（AI）的應用一直在穩步擴展。零售、廣告、醫療、教育、金融等多樣化領域中一些意想不到的服務已經在不知不覺中使用著AI。至今為止，看起來似乎正是那些與數字技術無緣的領域在廣泛使用AI。株式會社PKSHA Technology就是一家對日本擴大AI應用做出巨大貢獻的公司。他們將AI算法的研究開發與應用其制作的解決方案/產品的社會實際應用相互結合，以此有效地加快擴大了AI的應用。并且，現在他們還通過不同領域的協作，致力于開放式創新，正在向AI技術的發展和擴大社會實際應用做出挑戰。我們向該公司的上野山勝也代表董事詢問了使用AI及擴大AI應用的第一線情況。本次的后篇將為大家介紹PKSHA開展的開放式創新的目的，以及由此可期待的AI的發展。

同時閱讀：通過研究開發和社會實際應用的“協同進化”，將使用AI的影響力擴展到更多領域

以機器學習和深度學習（Deep Learning）為基礎的人工智能（AI）可以通過學習龐大數量的數據來提高推論的精確度。另外，根據推論處理對象的數據質量，學習完畢的AI能獲取到的處理結果也存在很大差別。也就是說，由AI系統處理的數據，可以說是創造價值的源泉。

要想實現性能優越的AI應用系統，所需要的技術不僅僅是精密的神經網絡和高性能計算機。還必須要具備能有效、高效且大量收集由AI處理的數據的技術。

收集數據不能沒有傳感器，但開發傳感器時并未設想到應用于AI

如果AI是應用在搜索網站、電子商務網站或SNS，就可以獲取到大量的數字數據，其中包括可成為AI學習教材的數據以及可成為推論處理對象的數據。然而，要想獲得制造業生產現場或零售店商品流動的數據，以及人的生物體信息等數據，就必須使用傳感器，這種傳感器要具備將現實世界的信息作為數字數據進行收集的功能。

然而，目前市面上銷售的很多傳感器在開發時并未設想到要收集由AI處理的數據。大多數傳感器都是為了適用于電氣和電子設備的控制系統而開發的。具體來說，至今為止技術的發展方向一方面是提高靈敏度、精度（分辨率）和準確度，以便適用于更細致和高度的控制；另一方面是推進小型和輕量化、降低功耗、提高耐環境性，以便從更多的地方收集信息。

目前的傳感器未得到優化，功能和性能不一定適用于AI。關于的這一點，AI算法的開發者是怎么考慮的呢？PKSHA Technology（以下簡稱PKSHA）的上野山代表董事說：“我們正專注于探索一種方法，就是把通過數據學習到的AI算法，和在社會實際應用中獲得的價值分別進行驗證，并通過快速推動反饋回路來獲得更大的效果。關鍵在于如何更好地利用面前的數據，我們并不在意是否在現實世界的所有物理環境中收集了這些數據”（圖1）。

圖1 上野山先生闡述PKSHA在AI算法開發方面的關注點

但是，換個角度來看，如果這種狀況得到改善，我覺得也就有可能產生未來的發展空間。研究開發“處理數據的技術”的軟件企業和開發提供“收集數據的硬件”的企業，實際上這兩者可以說是處于AI應用系統中數據流起點和終點的接壤關系。乍看感覺是不同行業且彼此的關聯性也不強，但原本應該是親和性很高的關系。如果兩者協作，將收集數據技術和活用數據技術加以協調，并從整體上優化數據流……。我預感這方面將會產生創新。

PKSHA本著“為未來軟件賦形”的使命，為了打造企業和客戶之間的未來關系，他們利用自家公司開發的機器學習/深度學習領域的算法，開發出AI解決方案并為客戶提供AI SaaS(軟件即服務)。他們以使用了自然語言處理技術的自動應答、圖像/視頻識別和預測模型等多方面的技術為基礎，除了提供針對客戶課題的解決方案以外，還通過推廣AI SaaS來解決共通的課題，從多方面支持日本推進DX，努力創造人與軟件協同進化的繁榮社會。

以在AI中使用數據為前提開發傳感器，并用傳感器開展創新

上野山先生談到：“將什么樣的傳感器收集到的數據作為學習教材和處理對象，才能實現可獲取到更高價值結果的AI呢？要想更大程度推動AI的發展并提高AI在應用之處的影響，從現在開始就開展這樣的討論則非常重要”。

比如，即使使用的是以往傳感器獲得的數據，但如果通過AI算法將數據轉換成其他信息，就有可能制造出新的傳感器并具備以往不曾有的價值。實際上在圖像傳感器領域，通過使用AI，已經可以從獲取到的影像中提取人物，推測年齡和性別等，并從動作和舉動的傾向中找出可疑人物。也就是說，圖像傳感器已經發展成了年齡傳感器和性別傳感器。如果將同樣的方法用于加速傳感器、溫度傳感器、磁傳感器等各種各樣的傳感器上，就有可能獲取到以往無法檢測到的、利用價值更高的信息。

另外，在以往的傳感器開發中曾經關注的噪聲對策方面，或許也存在一些通過AI算法上的應對就能簡單解決的問題。如果以在AI中使用數據為前提來思考，有時可能就不需要現有傳感器那種高性能和高靈敏度。在這樣的用例中，與其將開發資源多數分配給符合以往傳感器開發趨勢的硬件技術，倒不如分配給提高AI使用的適應性等其他領域，在整體系統中，高性能化和低成本化似乎會有所發展。

實際上，在高速執行AI相關處理的處理器的開發上，我們刻意與以往技術開發趨勢逆向而行，推進這類技術開發并以此取得了成功。一直以來，我們在設想將處理器芯片搭載到計算機上的開發中，將32位、64位和運算器可處理的數據進行了多位化，提高了運算精度。而在用于AI相關處理的處理器上，我們刻意與趨勢逆向而行，推進了少位化，將規格改為了8位。簡化各個運算器的結構，并將簡化部分分配到運算器上，增加了搭載到芯片上的運算器的數量，提高了并行度。為了能高速處理更多數據而加以改進，大幅度提高了系統性能。

協調硬件和軟件，努力實現有價值的AI系統

上野山先生一直在強調目前推進軟件企業和硬件企業在不同領域協作的重要性和意義，他說：“協調傳感器和AI算法之間架構的方法，在全世界幾乎是一個尚未開發的領域”。

實際上，在傳感器和AI算法這個組合以外的領域，協調硬件和軟件的開發已經逐漸活躍起來。例如，在近年來發表的仿人機器人中，出現了一些將控制動作的軟件技術和用于控制的半導體芯片、用于驅動的致動器、機械部件、電池等硬件技術協調后開發而成的例子。因此，組合現有硬件部件所制造的機器人已經可以完成以往無法做到的流暢動作和精細多樣的操作。

PKSHA也已經開始在多家硬件制造商之間開展開放式創新。據說他們把構成AI系統的硬件和軟件的規格及結構加以協調并進行開發，通過這個方法已經開始探索方案，以求實現更高價值的系統和服務。

例如，上野山先生談到：“用于工廠自動化的機械手臂今后將朝著以AI控制為中心的方向發展下去。更適合AI控制算法的執行器的開發不斷發展等，硬件部分的制作方法和結構一定會發生巨大變化。我感覺在至今為止的開發中，因‘硬件優先’而得到發展的情況很多。但如果因‘軟件優先’而重新開發硬件，那么系統開發方面會產生怎樣的變化和價值呢？我想，嘗試探討這個問題將會成為一個很有意義的思考實驗”。

PKSHA Technology 上野山代表董事

大學畢業后在波士頓咨詢集團的東京和首爾辦公室主要從事網絡行業及軟件行業的工作。之后在美國參與了GREE International的硅谷辦公室的設立，從事網絡產品的大規模記錄解析業務。在松尾研究室取得博士（機械學習）學位后，就任研究室助教。同時于2012年，創辦了PKSHA Technology。擔任內閣官房數字市場競爭會議WG成員、經濟產業省AI原則實踐的應有形態研討會委員等。2020年，被選為世界經濟論壇（達沃斯論壇）的“全球青年領袖（Young Global Leaders，YGL2020）”之一。

不同行業的協作并非輕而易舉，卻具有挑戰的價值

然而，跨越企業框架，改變系統開發的流程，協調硬件和軟件并進行開發這件事似乎并不容易。因為一項定義新框架去開展的新業務和已擁有實績的現有業務相比，在推進開發的方式上無論如何都會出現差異。

上野山先生說：“我們想按照軟件開發的方法，快速推動PDCA（Plan、Do、Check、Action）循環，并推進研究和社會實際應用。但是，根據協作伙伴，推動PDCA時的手續和方法存在固有的規定，有時會出乎意料地出現無法統一步調的情況。因此，有一個辦法就是，準備一個類似“出島（人工島）”的地方，可以獨自定義PDCA循環，開展開放式創新。我們正在想辦法構建一個靈活有效的協作機制”。

不同行業協作的開放式創新也是一種從根本上改變以往工作開展方式的業務改革，并非輕而易舉就能實現。但盡管如此，著眼未來，開放式創新是持續推進技術發展以及促進商務成長不可缺少的舉措。至今為止沒有關聯的軟件企業和硬件企業的協作，今后一定會日益擴大并加快發展。通過開放式創新的實踐，會產生什么樣的創新和新的價值呢？我們將拭目以待。

審核編輯 黃宇