FRONTEO, Inc. · TSE:2158

FRONTEO — UBIC — Technical Presentation (October 2014)

36 slides from FRONTEO's technical presentation, Oct 23, 2014

  1. Slide 1: 2014年度上半期 行動情報科学研究所 研究開発報告

    2014年度上半期 行動情報科学研究所 研究開発報告 行動情報科学に基づいた予測技術と人工知能技術の他分野への応用 Presenter: Takeda, Hasuko, Ohnishi Date: 2014.10.23 http://www.ubic.co.jp ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 0

  2. Slide 2: Agenda

    Agenda 行動情報科学に基づいた予測技術と人工知能技術の 他分野への応用 １）挨拶 守本正宏 ２）行動情報科学に基づいた予測技術と人工知能技術の他分野への応用 武田秀樹 ３）行動情報科学に基づいた予測技術と人工知能技術の仕組み・独自性 蓮子和巳 ４）現場が求める予測技術と人工知能技術に期待する他分野でのニーズ 大西謙二 ５）QA ６）FOCおよび行動情報科学研究所見学 ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 1

  3. Slide 3: 行動情報科学に基づいた予測技術と人工知能技術の他分野への応用

    行動情報科学に基づいた予測技術と 人工知能技術の他分野への応用 執行役員 CTO 行動情報科学研究所 所長 武田秀樹 ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 2

  4. Slide 4: 行動情報科学に基づいた予測技術と人工知能技術の他分野への応用

    行動情報科学に基づいた予測技術と人工知能技術の他分野への 応用 執行役員 CTO 行動情報科学研究所 所長 武田秀樹 行動情報科学に基づいた予測技術と人工知能技術の仕組み・ 独自性 行動情報科学研究所 シニアフェロー 蓮子和巳 現場が求める予測技術と人工知能技術に期待する他分野での ニーズ クライアントテクノロジー部 高度情報解析課 課長 大西謙二 ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 3

  5. Slide 5: 研究開発とサービス提供のサイクル

    研究開発とサービス提供のサイクル 蓮子 大西 自然言 語処理 テクニ データ カルサ マイニ ポート ング パ クラウ フォー ドイン 行動情報科学 マンス 高度情報解析 フラ 最適化 研究所 課 ソフト 武田 知識 ウェア ベース 開発 行動科 UX 学モデ リング ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 4

  6. Slide 6: 行動情報科学に基づいた予測技術の概念紹介

    行動情報科学に基づいた予測技術の概念紹介 Big Data 分析 ビッグデータを人の思考と行動の結果によるデータの集合体 として捉え、行動科学と情報科学を融合させた行動情報科学 によって分析 ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 5

  7. Slide 7: 行動情報科学に基づいた予測技術の概念紹介 定性分析×定量分析

    行動情報科学に基づいた予測技術の概念紹介 定性分析 × 定量分析 行動科学（犯罪学、社会学、心理学）の知見を利用し、分析対象そのものの構造を定性的に分 析。対象の構造と人間の行動を統計的に評価し、分析を自動化する 例．犯罪学 不正の構造を分析（犯罪学）、人間の行動を分析（自然言語処理）、その構造特有の行動やコ ミュニケーションの統計分析をすることで、状況を自動的に把握 フェーズ分析と特徴的な行動・話題 カルテルのフェーズ 情報漏洩のフェーズ 関係構築 醸成 準備 準備 実行 実行 ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprieta

  8. Slide 8: 行動情報科学に基づいた予測技術の概念紹介

    行動情報科学に基づいた予測技術の概念紹介 IT 業界の専門 統計学の 知識 知識 人工知能 （AI） 人工知能がエキスパートの知見を活用 し、大量データに対する判断を行う ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 7

  9. Slide 9: 定常的な一連の業務を、人工知能（VDS）によって全自動で行う

    行動情報科学に基づいた予測技術の概念紹介 定常的な一連の業務を、人工知能（VDS）によって全自動で行う １）自動メール取り込み ２）自動仕分け 不正に関連する文書を抽出 不正がどのような段階か、分析 不正がいつ起こるか予測 ３）自動レポーティング 分析結果を まとめて レポート ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 8

  10. Slide 10: 知財戦略（現在の出願登録状況）

    知財戦略（現在の出願登録状況） ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 9

  11. Slide 11: 知財戦略（今後の知財戦略）

    知財戦略（今後の知財戦略） ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 10

  12. Slide 12: 行動情報科学に基づいた予測技術と人工知能技術の仕組み・独自性

    行動情報科学に基づいた予測技術と 人工知能技術の仕組み・独自性 行動情報科学研究所 シニアフェロー 蓮子和巳 ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 11

  13. Slide 13: 予測技術と人工知能技術の仕組み・独自性

    行動情報科学に基づいた予測技術と人工知能技術 の仕組み・独自性 ○ Risk Prediction （予測技術） ○ Predictive Coding （人工知能技術 ※Virtual Data Scientist） ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 12

  14. Slide 14: Risk Prediction

    Risk Prediction ○ 近未来に起こる可能性のある不正行為を発生前に把握 ○ なぜ不正行為を発生前に予測することが可能なのか？ ◇ 実際に発生した不正行為について、その過程で行わ れたコミュニケーション等を詳細に調査・分析し、 得られた知見をデータベース化 ◇ 人工知能がデータベースに基づいて学習をし、対象 コミュニケーションから些細な兆候を検知し、不正 行為発生の可能性、状況、タイミングを自動判定 ⇒ 将来の起こりえる事柄に対して必要な措置を事前にとる ことができ、様々なリスクから企業を守ります。 ⒸUBIC, Inc. 2014 All Rights Reserved UBIC

  15. Slide 15: Risk Predictionの主な機能：不正フェーズ分析

    Risk Predictionの主な機能：不正フェーズ分析 ○ 不正行為が実行されるまでの段階（フェーズ）を捉え、 不正行為のリスクを分析する ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 14

  16. Slide 16: Risk Predictionの主な機能：リスク予測分析

    Risk Predictionの主な機能：リスク予測分析 ○ 不正フェーズ分析機能で分析された情報を基に、 将来数日内に対象とする不正行為が起こる可能性 を示す ○ データに応じた多様な分析手法 ・ 遅延相関分析 ・ ロジスティック回帰分析 etc. ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 15

  17. Slide 17: Risk Predictionの例

    Risk Predictionの例 メールのコミュニケーションを数値化・グラフ化 業務連絡などの日常的な コミュニケーション 交渉に関係する コミュニケーション 機密情報に関する パターンの兆候から未来を予測 コミュニケーション ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 16

  18. Slide 18: Risk Predictionの応用展開

    Risk Predictionの応用展開 ○ 異なる不正行為であっても、不正行為に至るまでの過程 には類似する構造がある ○ 不正行為の種類ごとに独自の知見データベースを持つ ⇒ 様々な不正行為に対応： カルテル，FCPA（贈賄），情報漏洩，研究不正，etc. ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 17

  19. Slide 19: Predictive Coding

    Predictive Coding ○ 人工知能の基盤技術 ・ 専門家の知見を自動学習 ・ 学習結果に基づいて文書を解析 ○ 独自の要素技術と知財化 学 ・ Mutual Information 習 （特許第5567049号） ・ Weight Refinement （特許第5526209号） ・ Progressive Predictive Analyzer 仕 分 け ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 18

  20. Slide 20: 独自の要素技術：Mutual Information

    独自の要素技術：Mutual Information ○ Mutual Information（伝達情報量） 「重要文書」と「文書中の概念」の関連を適切に表現する基本情報。 ○ Bayes vs. Mutual Information 特定の概念が 特定の概念が 存在する 存在しない ・ Bayes＝「概念」が存在する ときの重要文書の確率に基づく 重要文書で ⇒ 一部だけしか考慮していない ある 正 誤 ・ Mutual Information＝ 重要文書で 誤 正 ない 「概念の有無」と「重要文書の是非」 を全て考慮 ⇒ より網羅的、完全な形で ⒸUBIC, Inc. 2014 All R

  21. Slide 21: 独自の要素技術：Weight Refinement

    独自の要素技術：Weight Refinement ○ 対象文書からより広い概念範囲を見つけるために、 重み付け判定を自動的に最適化する ・ １度目の判定（Weight 1）だけに依拠して100％を目指そうとは しない（逆に精度を損なう） ・ 違った側面を捉えるように判定を自動的かつ段階的に最適化 （Weight 2, 3, …） ⇒ 見つけたい情報の網羅性 （再現率）を高める ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 20

  22. Slide 22: UBIC技術の位置づけ

    UBIC技術の位置づけ 主要技術（要素） 特徴・比較 Virtual Data Mutual Information ・網羅的な重み付け、（再現率を高め Scientist Weight Refinement る）高効率学習 （UBIC） Progressive Predictive ・エキスパート（教師）の知見（暗黙 Analyzer 知）に関する学習結果をデータベース 化して様々なアプリケーションへ展開 し易い Watson DeepQA ・目的指向型の処理フロー（ニューラ （IBM） ルネットワーク等とは異なる） ・「質問解答」という目的に特化 Google Deep Learning

  23. Slide 23: 現場が求める予測技術と人工知能技術に期待する他分野でのニーズ

    現場が求める予測技術と人工知能 技術に期待する他分野でのニーズ クライアントテクノロジー部 高度情報解析課 課長 大西謙二 ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 22

  24. Slide 24: 社内不正の種類とその影響

    現場が求める予測技術と 人工知能技術に期待する他分野でのニーズ ○社内不正の種類とその影響 国際 コスト・風評 カルテル 損害【大】 社会的問題 贈賄 営業秘密 （FCPA） 重大な説明責任を伴う対外紛 争や訴訟に発展 個人情報 漏洩 紛争・訴訟発生ライン 反社会的勢力 インサイダー 対外的説明責任 （テロとの関与 不正会計 が発生 製品/サービス偽装 説明責任発生ライン 横領/キックバック 競業避止違反 対内的説明責任が発生するが、 社内対処がまだ可能 不正リスクを放置すれ 経費水増し請求 ば、重大な不祥事 不就労/ハラスメント 信用棄損に発展 Etc… 事業存続 影響度【大】 ⒸUBIC,

  25. Slide 25: 有事対応と平時対応の違い

    現場が求める予測技術と 人工知能技術に期待する他分野でのニーズ ○有事対応と平時対応の違い １．有事対応 ・不正を行った社員(複数人)が調査対象 ・調査対象者の使用したPCやFileServerのみ ・不正の内容も特定出来ている 調査範囲が特定できる ２．平時対応 ・どの部署/社員がどんな不正を行うか特定できないのでKWがきめられない ・調査対象者が特定出来ないため監査対象データが膨大になる ・不正の内容が時代と共に監査対象が変化(変遷)する 監査革命が必要となった ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and

  26. Slide 26: 従来のEMAIL監査システムの仕組み

    現場が求める予測技術と 人工知能技術に期待する他分野でのニーズ ○従来のEMAIL監査システムの仕組み 事業部 1 メールサーバ 目視監査 事業部 2 Keywordに よる検索 問題点： ① 捕捉率を上げる目視監査すべきメールが大量にヒットし過ぎる。 ② キーワードを絞りすぎると重要なメールが漏れる可能性がある。 ③ キーワードを誰かが目的に応じてメンテナンスする必要がある。 ④ ヒットしたメールの中でもどれが重要かわからない（優先度が無い）。 ⑤ 社員が社員を監視することへの抵抗感。 企業にとっては負担が大きく、「費用対効果」を考えると効果的でなかった。 解決策 行動情報科学に基づいた予測

  27. Slide 27: EMAIL AUDITORの仕組み

    現場が求める予測技術と 人工知能技術に期待する他分野でのニーズ ○EMAIL AUDITORの仕組み メールサーバ 目視監査 監査官の 判断で仕訳 人工知能で 自動抽出 Predictive Coding 監査官の判断を自動学習 !! 効果： ・監査官が望むメールを人工知能で高精度に自動抽出 ・監査官の調査手法を自動で学習し抽出精度を向上 ・監査官の通常業務に支障がない範囲で調査が可能(優先順位が付く) ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 26

  28. Slide 28: お客様が現場で求める予測技術（3つのケース）

    現場が求める予測技術と 人工知能技術に期待する他分野でのニーズ ○お客様が現場で求める予測技術(Risk Prediction) ・近未来に起こる可能性のある不正行為を発生前に把握し監視する ことで必要は措置を事前にとることが可能なEMAIL AUDITORは、 いろいろな現場でニーズが高まっている。 case 1. カルテル行為を予兆で捉えたい。 case 2. 情報漏洩を予兆で捉えたい。 case 3. 社員の不平不満を人事的にケアしたい。 ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidentia

  29. Slide 29: case 1. カルテル行為を予兆で捉えたい

    現場が求める予測技術と 人工知能技術に期待する他分野でのニーズ ○お客様が現場で求める予測技術(Risk Prediction) case 1. カルテル行為を予兆で捉えたい。 アメリカ司法省の摘発から始まった独禁法違反による摘発は中国、欧州 に広がり摘発されれば巨額の制裁金支払いを命じられる。後を絶たない カルテル行為は事業を続ける上で脅威となっているため、予兆で捉え 社員がカルテル行為を行う前に防止したい。 米国司法省への制裁金で日本は圧倒的な制裁金大国 収監期間は年々長期化傾向にある。 25 約5倍 日本 20 ドイツ・韓国・米国 15 （3国の合計） $1702.6 M 10 $359

  30. Slide 30: case 2. 情報漏洩を予兆で捉えたい

    現場が求める予測技術と 人工知能技術に期待する他分野でのニーズ ○お客様が現場で求める予測技術(Risk Prediction) case 2. 情報漏洩を予兆で捉えたい。 不正競争防止法が改正され営業秘密の保護が強化されたが、現在のＩＴ化・ ネットワーク化の進展で営業秘密の侵害が比較的に容易なっている。また、 一度侵害されると瞬時にして拡散し企業に回復不能な損害を与えうる状況 で、情報漏洩を防止する打つ手がない。 社員の不平不満を人工知能技術で補足し、 解決策 社員の行動を監視する。 ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Propri

  31. Slide 31: case 3. 社員の不平不満を人事的にケアしたい

    現場が求める予測技術と 人工知能技術に期待する他分野でのニーズ ○お客様が現場で求める予測技術(Risk Prediction) case 3.社員の不平不満を人事的にケアしたい。 社員の離職率が高く人材流出による損失が無視できない状況になっている。 ・引き継ぎ資料があったとしても前任者と同じパフォーマンスを後任者が 出すまでに時間が必要。 ・ベテラン社員の退職による、組織全体の士気の低下。 ・流出した人材が同業他社に入社しノウハウの流出リスク。 新入社員が3年目で退職する損失額 1500 1000 500 0 1年目 2年目 3年目 ※ 当社調べ 解決策 社員が会社に対し抱く不平不満を人工知

  32. Slide 32: ⒸUBIC, Inc. 2014 All Rights Reserved

    ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 31

  33. Slide 33: From Japan 日本から世界へ技術を発信

    日本から世界へ技術を発信 From Japan ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 32

  34. Slide 34: Creativity, AI

    創造性。バーチャルとリアルの境界を刺激する Creativity, AI ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, Inc. Proprietary and Confidential. 33

  35. Slide 35: Simon Colton, The Artist

    The Artist ロンドン大学ゴールドスミスカレッジ教授。人工知 能によるクリエイティブ作品の創作を主な研究課題 と掲げ、独自の人工知能「The Painting Fool 」を 開発。現在「The Painting Fool」による作品を多 数発表し、大きな注目を集めている。以前はインペ リアル大学でComputational Creativity Groupの リーダーとして教鞭を振るっていた。 Simon Colton Professor of Computational Creativity ⒸUBIC, Inc. 2014 All Rights Reserved UBIC, In

  36. Slide 36: UBIC Headquarters

    TechLaw Solutions, Inc. (Washington D.C.) UBIC North America, Inc. (Redwood City) UBIC Korea, Inc. London Branch Office New York City Branch Office UBIC Headquarters Washington D.C. Branch Office Denver Operations Center UBIC Taiwan, Inc. L.A. Branch Office Hong Kong Branch Office http://www.ubic.co

UBIC — Technical Presentation (October 2014) on 6ix