FRONTEO, Inc. · TSE:2158

FRONTEO — UBIC — Technical Presentation (November 2015)

26 slides from FRONTEO's technical presentation, Nov 13, 2015

Slide 3: 小さなデータから学び、膨大なデータを判定できる
小さなデータから学び、膨大なデータを判定できる他社技術教師データ教師データ大量の教師データと必要な教師データとそれを解析する処理機能が小さい大規模の設備が必要 Output Output 学習に必要なデータ量や、必要な設備負担が僅かで済むため実用化しやすい ⒸUBIC, Inc. 2015 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 2
Slide 4: Landscapingとは？
Landscapingとは？案件への関連の有無を決定する特定のキーワードが見サポートつかることを期待することになる。関連の有無の境界ベクターも意味付けがしづらい。キーワードの重みも、個々のマシーン機械学習教師あり学習案件に限定的で、機能（コンテンツ）の広がりが無い可能性がある全ての要因を算出する必要があるため、ベイズ推定計算コストがかかる結果が教師データの特徴に強く依存するため、違ったニューラル UBIC ネットワーク側面を持つデータを処理する際に不安定になりやすい技術少量のデータから多量のデータの予測を行 Landscaping うことが可能。計算コストが少
Slide 9: Landscapingとは？ -Weight Refinement
Landscapingとは？ -Weight Refinement • Weight Refinement 対象文書中のキーワードの分布状況に応じて、必要十分なキーワードの選択と「重み」の調整を自動的に行う。 80％教師データ Weight 1 データの再現率 80+10％ 80％ Weight 2 90+5％ 10％ Weight 3 5％データの再現率≒完全性を自動的に高めつつ、精度もキープする機構 ⒸUBIC, Inc. 2015 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 8
Slide 10: Landscapingとは？ -伝達情報量
Landscapingとは？ -伝達情報量 • 伝達情報量（transinformation）「重要文書」と「文書中のキーワード（形態素）」の関連を適切に表現する基本情報。 • ベイズ（Bayes）法 vs. 伝達情報量特定のキー特定のキー • ベイズ法＝「キーワード」を確認ワードを確認ワードを確認したときの重要文書の確率に基づくしない ⇒ 一部だけしか考慮していない重要文書で • 伝達情報量＝「キーワードの有無」ある正誤と「重要文書の是非」を全て考慮 ⇒ より網羅的、完全な形で重要文書でない誤正少ない情報量でも、広い視点で特徴を見ることで、判断の精度を上げ
Slide 12: 日本医療研究開発機構(AMED)の公募事業に決定
日本医療研究開発機構(AMED)の公募事業に決定このプロジェクトでは、慶應義塾大学を中心に、精神症状の客観的評価をリアルタイムで行えるデバイスの開発に取り組みます。共同実施機関学校法人慶應義塾株式会社アドバンスト・メディア株式会社UBIC MEDICAL 株式会社システムフレンドセムコ・テクノ株式会社ソフトバンク株式会社日本マイクロソフト株式会社 Nikkei Business Daily ⒸUBIC, Inc. 2015 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 11
Slide 15: 一般的な精神科診察
一般的な精神科診察精神疾患うつ病躁うつ病診断認知症重症度評価統合失調症不安障害発達障害・現在、精神科での診察は問診が一般的。しかし、問題も多い。・・精神疾患の重症度評価は評価者の主観に依存することが多い・状態像の評価は評価者によって、大きく異なる。・診断の遅れ、治療開始基準の不明確、医師の経験や感覚に頼った治療選択。・経過や薬効が明確に定義できない。属人的な要素が多く、客観的な評価をしにくい状況 ⒸUBIC, Inc. 2015 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 14
Slide 16: 人工知能を活用して患者の会話を解析
人工知能を活用して患者の会話を解析今回、UBIC MEDICALは、証拠文書抽出や電子カルテ解析で実績を重ねてきた独自の人工知能技術をベースに、患者の会話などから抽出した、患者重症度の客観的評価解析用データ（テキストデータ）の解析を行う。さらに各社の成果を集結し、客観性に乏しかった表情、声、会話内容、日常生活活動を、最新のテクノロジーを用いて定量化、マルチモーダルデータに対する機械学習を行うことで、客観的な重症度評価法を開発する。診断のサポートクラウド診断指標アルゴリズムの構築情報の共有言葉活動量表情目の動き体動睡眠 ⒸUBIC, Inc. 2015 All R
Slide 18: 知財担当者様の抱える課題
知財担当者様の抱える課題こんなお悩みございませんか？特許調査の技術情報自社技術の権利化にの範囲が広く、より向けた特許調査では、膨大なデータを調査一部の専門家によるしなければならない高度で属人的な分析が必要膨大なデータ量高度で専門的な技術が必要複雑で手のかかる調査業務をアウトソースしており、調査にコスト・時間がかかる時間、コスト増 ⒸUBIC, Inc. 2015 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 17
Slide 19: 課題の解決
課題の解決知財担当者様の課題高度で専門的膨大なデータ量時間、コスト増な技術が必要人工知能を活用して課題を解決！属人的なスキルのみに膨大な情報量の中から調査スピード・精度を頼らず、専門家の判断、調査の優先順位をつけより向上させるためのとくに卓越した暗黙知業務を効率化新しいアプローチをもとに解析 ⒸUBIC, Inc. 2015 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 18
Slide 20: PATENT EXPLORERの特長
PATENT EXPLORERの特長人工知能搭載訴訟支援、不正調査という高い精度、かつスピードが同時に求められる世界での、豊富な実績から培われたUBIC独自の人工知能を搭載。調査分析スピードが劇的に向上専門化の判断、とくに卓越した暗黙知を学び、特許調査分析の作業効率を格段に向上させます。高い精度キーワード検索、類似検索、概念検索といった絞込みから一歩踏み込み、ユーザのフィードバックを再学習することで、精度の高い調査が可能に。活用範囲の発展性案件数の多い先行技術調査、また無効資料調査等をはじめさまざまな用途において、高い効率化を実現できます。 ⒸUBIC, Inc. 20
Slide 21: PATENT EXPLORERによる解析の流れ
PATENT EXPLORERによる解析の流れデータを取り込み、見つけたい文書をPATENT EXPLORERに学習させることで、自動で関連性の高い文書を仕分け、ポイントとなる段落を表示します。また検索結果を再学習させることで、精度を高めていくことが可能です。解析対象データ関連性高発明提案書無効化したい特許 UBICの人工知能関連性低学習解析仕分け再学習再学習シンプルな 3ステップ 1 2 3 見つけたい文書（発明提案 PATENT EXPLORERが教師 PATENT EXPLORERが書、無効化したい特許）をデータを解析し、公報等の解スコアが高い順にファ
Slide 22: 効率化の検証事例 A
効率化の検証事例 A 全3,132件の特許文書から、対象となる文献10件を人工知能で検知させた事例。（本事例はY文献のみの事例となったが、X文献混在も検索可能）重全体の22％の文献チェッ約4.5-187.9倍の要クで対象のフ 10件の当該公報を検知す調査効率向上ァることができたイル全体の何％のの当該公報人工知能がレビューで検効率性う付けた順位索できたかち何 1st Doc 3 0.1% 104.4 ％ 2nd Doc 4 0.1% 156.6 を 3rd Doc 5 0.2% 187.9 発 4th Doc 9 0.3% 139.2 見 5th D
Slide 23: 【特許・情報フェア】イベント概要
【特許・情報フェア】イベント概要名称 2015 特許・情報フェア＆コンファレンス http://www.pifc.jp/ 会期 2015年11月4日（水）～6日（金） 3日間時間 10:00 ～ 17:00 会場科学技術館（東京・北の丸公園）主催一般社団法人発明推進協会一般財団法人日本特許情報機構フジサンケイビジネスアイ産経新聞社 ⒸUBIC, Inc. 2015 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 22
Slide 24: 【特許・情報フェア】集客結果（展示ブース）
【特許・情報フェア】集客結果（展示ブース） UBICブースでは、30分毎にデモを交えたミニセミナーを実施、Lit i View PATENT EXPLORERの紹介を行った。10月29日の日本経済新聞に掲載された記事を見て、このブース目当てに遠方よりお越しになったお客様も多数おり、終始通路が埋まるほど多くのお客様にお集まりいただいた。 ⒸUBIC, Inc. 2015 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 23
Slide 25: 【特許・情報フェア】集客結果（企業プレゼン）
【特許・情報フェア】集客結果（企業プレゼン） 11月6日に行われた企業プレゼンテーションでは、CTOの武田秀樹が「人工知能による特許調査・分析業務の効率化と最新事例」をテーマに講演。また、共同開発パートナーであるトヨタテクニカルディベロップメント株式会社の森田陽介様をゲストスピーカーとしてお迎えし、PATENT EXPLORERの開発時における実証実験の結果や導入により期待できる効果について発表を行った。先着順で90名という定員に対し、講演には予想を大幅に上回る170名以上のお客様が来場。主催者のご配慮にて急遽広いホールに会場を変更しての実施となった。 ⒸUBIC, Inc. 20
Slide 26: This presentation was prepared by
This presentation was prepared by: この資料は下記により作成されました。〒108-0075 東京都港区港南2-12-23 明産髙浜ビル7階 TEL : 03-5463-7577 FAX : 03-5463-7578 本資料は、株式会社UBICの承諾なしに貴社以外の第三者の閲覧に供することは出来ません。本資料のいかなる部分も一切の権利は株式会社UBICに帰属しており、電子的または機械的な方法を問わず、いかなる目的であれ、無断で複製または転送されることは禁止されております。 http://www.ubic.co.jp ⒸUBIC, Inc. 2015 All

UBIC — Technical Presentation (November 2015) on 6ix

FRONTEO — UBIC — Technical Presentation (November 2015)

Slide 1: UBICの人工知能技術と新規事業分野での成果について

Slide 2: UBICの人工知能の構成

Slide 3: 小さなデータから学び、膨大なデータを判定できる

Slide 4: Landscapingとは？

Slide 5: ⒸUBIC, Inc. 2015 All Rights Reserved

Slide 6: ⒸUBIC, Inc. 2015 All Rights Reserved

Slide 7: Landscaping

Slide 8: Landscaping

Slide 9: Landscapingとは？ -Weight Refinement

Slide 10: Landscapingとは？ -伝達情報量

Slide 11: 日本医療研究開発機構(AMED)の公募事業について

Slide 12: 日本医療研究開発機構(AMED)の公募事業に決定

Slide 13: PROMPT

Slide 14: プロジェクトの概要

Slide 15: 一般的な精神科診察

Slide 16: 人工知能を活用して患者の会話を解析

Slide 17: 人工知能を搭載した知財戦略支援システム

Slide 18: 知財担当者様の抱える課題

Slide 19: 課題の解決

Slide 20: PATENT EXPLORERの特長

Slide 21: PATENT EXPLORERによる解析の流れ

Slide 22: 効率化の検証事例 A

Slide 23: 【特許・情報フェア】イベント概要

Slide 24: 【特許・情報フェア】集客結果（展示ブース）

Slide 25: 【特許・情報フェア】集客結果（企業プレゼン）

Slide 26: This presentation was prepared by