人とAIが共存し、共進化していく「HEROZ Kishin」　―HEROZ COO 高橋氏インタビュー

HEROZは、人工知能(AI)を活用したインターネットサービスの企画・開発・運営を行う会社だ。現役将棋の名人に勝利した将棋AIの開発を通じて蓄積した深層学習（ディープラーニング）を含む機械学習によるAI関連手法を固有のコア技術とし、各産業の様々な課題を解決するAIとして進化した「HEROZ Kishin 」プラットフォームを活用して人工知能革命を推進している。同社の活動についてインタビューを行った。

お話いただいた方
HEROZ 株式会社 高橋 知裕氏

聞き手
株式会社アールジーン 代表取締役／IoTNEWS 代表 小泉耕二

HEROZ立ち上げ経緯

小泉：　御社について教えてください。

高橋：　HEROZは、林と一緒に立ち上げました。2人とも99年にNECに入社したのですが、そのタイミングでiモードが登場し「これはすごいな」と思い、新しいテクノロジーの可能性を感じていました。その後、2007年にiPhoneが登場、2008年Facebookアプリや海外のソーシャルメディアが隆盛しており、これを見て2009年に「テクノロジーで世界を驚かせることをやろう」と、4月に会社を立ち上げました。

会社を一緒に立ち上げた林は、実はアマチュア将棋で全国優勝の経験があり、さらに社内には他にも将棋が強いメンバーが多くいました。中には将棋AIの研究をしている者もいて、史上初AIを搭載した将棋アプリ「将棋ウォーズ」を2012年5月にリリースしました。そうした中でHEROZのテクノロジーの中心に据えていたのが人工知能です。

HEROZの特徴は、将棋、囲碁、麻雀、ポーカーなど、頭脳ゲーム系のAIを研究開発しているメンバーや、大手IT企業の研究所や大学の研究室などで機械学習関連の研究をしてきたメンバーが中心となって構成されていることです。昨年の12月に囲碁AIを搭載した「囲碁ウォーズ」をリリースしました。それらの頭脳ゲームAI等の知見を応用することで、BtoB事業では独自AI「HEROZ Kishin」で企業の課題解決を各産業で進めており、今後も両軸で成長させていきます。

「将棋ウォーズ」や「囲碁ウォーズ」でのAI活用

高橋：　将棋は、小学生のころにやっていたけど、大人になったら辞めてしまう、という方が多いのですが、理由を聞くと、そもそも時間がなく、さらに勝てないからだそうです。例えば、ガチャみたいなのもないですし、仮にあったとしても、キャラクターを入れても偶然性がないので、本質的な勝負には勝てません。

小泉：　私も将棋を指しますが、強い人には負けますね。

高橋：　負けると悔しいですよね。多くの方は「将棋は好き、でも勝てない」というジレンマが生じるようです。そこでそれを解決するために弊社のサービスを使っていただくと、現役の将棋名人にも勝ったAIが代わりに指してくれるのです。

小泉：　お助けモードがあるのですね。

高橋：　そうなのです。「将棋ウォーズ」では、AIによる最強のお助けが、5手120円です。隙間時間にも気軽に対局できるよう10分、3分で時間切れ負けということをやっています。

将棋は約10の220乗という指し手の可能性がある中で、人間では時間があまりにもかかりすぎるためそこをAIが、全探索をして高速で最適な一手を指してくれます。将棋や囲碁では、時に人間の思いつかない新手を繰り出すこともあります。

AIからすると、新しい手というよりは、そのケースにして最適な解を毎回持ってきているのと同じです。これは、他の産業でも同じアプローチができると思っています。そこで、これまで人間には解決できなかった問題に挑戦し、新時代を創造するAIとして「HEROZ Kishin」を発表しています。

われわれは、人とAIが共存して、共進化していくことを考えています。AIは、新しいデータや課題を学習して進化します。AIが進化すると、人間も「あ、こういう手があった」「こういう解決手法があった」と進化するのです。

GoogleのDeepMindも同じですよね。AlphaGOで、ゲームAIで一番を取り、その技術をエネルギー分野に展開しています。テクノロジーが社会を再定義すると思っているので、ここは本当にチャンスだと思っています。つまり、経営戦略転換期である今、AIをすべての産業にインストールして、すべての産業を変えていきたいと考えています。

特に今力を入れているのは建設や金融、物流など社会のインフラとなる分野は非常に重要だと思っています。

「HEROZ Kishin」AI展開事例

高橋：　エンタメの事例としては将棋の応用、ポケモン様、バンダイナムコエンターテインメント様、コーエーテクモゲームス様など、新しいゲームのクリエイティブ創出に向けてゲームバランス調整やゲームテストにAIを導入しています。

多くの会社ではゲームクリエイターやテスターの人数が不足している場合もあります。そこにAIを活用すると、妥当性のあるルールを作りテストも自動化できます。ゲーム開発は2～3割がテストと言われているので、その部分を圧倒的に効率化できます。

これは他の産業でも同じです。例えばFintech関連の一つで、マネックス証券様のFXトレーダー向けに、個人の取引スタイルを分析・技術向上支援をするAIを提供しています。金融は他にも与信判断があります。与信を決めるのも、ある決められたルールの中で、それをベースに人が判断するため人に依存しています。そこを、人依存では時間かかるので、AIで最適化してあげましょう、と。最後のボタンは人間が押せばいいのです。

建設業ですと、先日、竹中工務店様と資本業務提携をさせていただきました。建設業×AIで、新たな街づくりをしていこうという話です。建設業は、日本産業の中でも比較的労働時間が多く、労働規制から特殊扱いを受けています。2020年のオリンピックを見据えると、今のうちに手を打たなきゃいけないというのは各社やっている中で、第一弾としては、設計業務です。

商業施設などは、多くの設計データがあって、その業務プロセスもかなり多岐に渡ります。そこが先人のノウハウなのですが、今後もその流れでは追いついていきません。そこをきちんとデータ化して、そのデータをAIに学習させることで、設計のプロセスや設計業務を効率化していきます。

小泉：　設計業務がAIで効率化されるイメージがいまいちわからないのですが、何のデータを学習させるのでしょうか。

高橋：　先人の優れた構造設計のノウハウが凝縮された竹中工務店様の自社システムのデータを学習していきます。設計のさまざまなパラメータや、耐震等のさまざまな基準に対し、この要望に対してはこういうパターンを、というようなデータです。設計者によって違う結果が出てくることもありますので、AIでより速く、優れた結果を導いてくことを目指しています。

小泉：　ルールベースの学習をしていくということでしょうか？

高橋：　ルールは決まっているとこもあれば、ルールが決まってないとこも多いです。

小泉：　具体的にはお話できないとは思いますが、ゆえにどんな感じになるのかイメージがつきません。耐震設計の数字は国が決めているわけですよね？竹中工務店さんが設計する時にAIで何をするのでしょうか。

高橋：　「こういう要件のときにはこういう設計をしてきた」ということを全部学習させて、「将来的なこういう要件があったら、こういう設計案がいいんじゃないか」ということを提示します。

小泉：　その因果関係って、そんなにたくさんのパターンがあまり作れない気がするのですが、何百万通りもあるということなのですか？

高橋：　何百万はないですが、相応な数を学習します。

小泉：　ルールベースでやるなら解決すると思ったのですが、機械学習でやるにはデータが少ないのかなと思いました。

高橋：　一応そこは進める前にどれくらいあるかというのを見て、それなら機械学習でいけるだろうという感じです。将棋ほどのビッグデータはないのですが、構造も建物もさまざまなパターンがあるので、データはそれなりにはあります。

小泉：　例えば、「設計するときに、これくらいの広さだったらこういうふうにした方がいい」というパターンを覚えていって、そのパターンに当てはまる場合のパターンを出せばいいし、足りなければちょっとアジャストするアルゴリズムだったらわかるのですが、それはルールベースの話だと思うのです。

高橋：　現在は第一段階なので各種データの整流化と環境整備等を入念に行っています。次のステップに機械学習を予定しています。

小泉：　ある程度ルールがあるので、それをなるべく覚えていって、アルゴリズムとして成立するようなものにしていきたいということですよね。

高橋：　そうですね。何かやるときに、内容によって、そもそも機械学習を使わずに、既存テクノロジーで十分な場合もあります。われわれは、機械学習を入れてほしいことが目的ではありません。

小泉：　みなさんAI入れたがりますよね。

高橋：　何千万円規模のAIシステムを入れて「何も効果が出ませんでした」と相談を受けることもあります。課題とニーズに対して、テクノロジーがマッチングしてないのです。弊社では最初に、どういう事業インパクトあるか経営レベルできちんとお話させていただきます。

課題解くために必要なテクノロジーは何か、それが機械学習系であれば「じゃあ一緒に行きましょう」と。サンプルデータがあればいただいて、PoCの前に簡単に回させていただいて、行けそうかどうか見ていきます。そこが見えない限りでは、進めないようにしています。継続的に事業にならないようであれば、あまり意味がないからです。弊社は、PoCをする会社ではなく、事業を起こす会社です。

さっきの建設だけではなく、ロードマップを引いていきなりマシンラーニングする場合もあれば、まずデータを整備し整流化して、ルールをきちんとAIに覚え込ませて学習させる場合もあります。ここをきちんとやらないと、この先何もつながりません。

小泉：　データを整理して、タグをつけていくと思いますが、その作業が全然できてないデータって結構ありますよね。

高橋：　非常に多いです。

小泉：　例えば、摂氏や華氏が国によってバラバラな場合には、本当はそのデータの整理をきちんとやるプロセスがあるはずですが、その部分が無視されているケースが多いですよね。さらに、データが整理されたとして、そのデータが機械学習に足りうるものなのかどうかという議論が必要なのに、そこのことも全く無視しています。

なんならアルゴリズムで処理してしまえば済むような話なのに、既存のアルゴリズムだとがっかりした顔する人がたまにいるという訳のわからない状態です（笑）。大半ディープラーニング使えないものの方が多いですよね。

高橋：　そうなのです。ディープラーニングではない場合は、はっきりとそう申しあげますが、それでも社内資料で「ディープラーニング」と使いたいとおっしゃる企業さんいらっしゃいます。もうそれはもうわれわれの範疇ではないので、きっと社内資料にはディープラーニングと書かれています（笑）

小泉：　それがプレスリリースになって流れてくると、われわれは困るのですが（笑）

高橋：　現状、どの世界でもまだAIについて学習している最中なので、そこはきちんと丁寧に聞いてあげてその上で最適なものを起こしていこうと思っています。

小泉：　その学習モデル作るパターン、流れにおいて、さまざまな関数や数式を組み合わせていかなきゃいけないわけじゃないですか。それって最初はヤマ勘で考えるのですか？もちろん経験があってのことだと思いますが。

高橋：　はい、経験・ノウハウを活かして繰り返しています。

小泉：　1回の思考で当たることってまずないのでしょうか？

高橋：　同じような問題じゃない限りは変わることがありますね。

小泉：　例えば、最初は機械学習の方が向いているとわかったとしても、そこから先って、何回思考したらいい感じになるかわからないじゃないですか。よくAIの会社の人って、98％コミットするか、99％コミットするかみたいな話で揉めると聞くのですが、それはどれくらいの精度で出せばお客さん納得するの、という話だと思っています。この精度に対する誤差があると、怒る人たちもいるわけです。お客側の気持ちもわからなくはないのですが、受ける側からすると100％は絶対無理ですよね。

高橋：　われわれは言わないです。大体3ヶ月スパンで区切るようにして、3ヶ月後のゴールがどこかというのをきちんと置いて、すり合わせます。どのくらいの精度の答えが出るかどうかは機械学習してみないとわからない、ということがあります。

小泉：　それで納得されるものなのですか？　「結果が出るどうかわかりません」と伝えたら、「予算通りません」と言われそうな気がするのですが。

高橋：　弊社はその上で進めさせています。最初にしっかりと理解していただき、あとで揉めないようにしています。そこらへん上手だと思っているのがAmazonなどの海外企業ですね。恐らくUBERやAirbnbなども、既存のものに上乗せしているというよりは、構造を変えて新しいものを作っています。われわれが行くのはそこだと思っています。

小泉：　配車するアルゴリズムって、昔からあったわけじゃないですか。それこそ迷路とかと同じ思考で解けるわけだから、論理からすると何十年も前から確立されているわけで、コンピュータに任せてしまえばいくらでもできるわけですよね。でも、たくさん車があって、たくさん人がいて、さまざまな人がさまざまなところに行きたいと言いだすと、厳しくなってくるわけですよね。そこでようやく機械学習だとか、曖昧さを許容するアルゴリズムが登場するわけですよね。初めのベースがないのに「いきなり曖昧に解決できるでしょ」という話になりがちだなと思うのですが。

高橋：　「AIじゃなんとかできんでしょ」という、いい意味で期待感を持つのはいいことだと思いますが、現実問題は1個1個きちんと解かないといけません。

小泉：　御社の場合、きちんとそこを紐解いていくし、きちんと合意の取れたゴールに向かってやりながら進めていくということですね。

高橋：　はい。時間はかかりますが。3ヶ月や半年で何かしたいというより、もっと長い目で見て事業をどうしていきたいかが重要です。

高橋：　製造業へのAI導入も進めており、事例としては工場での不良品の検知です。お悩みとしては、生産ラインでデータを取ったのはいいけど、データサイエンティストがいるわけではないので解析できない、ということでした。そこを分類器にかけて不良品発生の原因箇所の究明し不良品を半減できることを示しました。
あとは、人材もやっています。システムをブレイン・ラボ様という人材紹介会社システムをご提供されている会社様と、人材マッチングをAIで最適化したいということで今一緒に取り組みをしており、実際にデータを入れて判別をしている最中です。

AIが異常検出・予兆保全で働き方支援も

高橋：　さらに、元ローソン社長の玉塚元一様が6月にCEOで入られたハーツユナイテッドグループ様と資本業務提携をしております。デバッグの最大手ですが、ここは労働集約の産業です。サービスの機能ってどんどん複雑化しますよね。人間の要求が高まれば高まって、ハードな機能が出てくるので、テスト項目を作るのにも膨大な時間かかります。しかしそこはある程度は画一化できます。AIでテスト項目自体も作成して、テスト実行も自動化してやりましょうと。そうすると、実際のテストの回転率が上がります。

小泉：　RPA（ロボットによる業務自動化）みたいなものなのですか？　

高橋：　近いところはあると思います。そういう意味ではここではRPAの方に応用することも検討しています。ただ、まず現状は、検証業務に集中し、どの業界でもサービスの品質チェックが重要なので、AIで異常・不正の検出などを取組んでいます。まさに建設、インフラや製造業などの予兆保全や検品などIoTの領域でのAI導入も各産業で進めております。AIプロダクト化しての提供も予定しております(HEROZ Kishin Monitorというサービスを2018年春頃にリリース予定です)。

小泉：　例えば、「僕はこのデザイン作りたいんだけどどう思う？」とAIに聞いたら、「いや、もうちょっとフォームは上にあげた方がいいよ」と返ってくるといいですよね。「でもフォームを上にあげるとデザインがイマイチだから、下げときたいんだよね」と返事したら、「20％アクセス下がると思うよ」とAIから返ってくるとか。そういうのはAIが向いている気がします。

高橋：　そうですね。データが取れていれば。

小泉：　テストツールは1つに決まってほしいですけどね。

高橋：　理想としては、第三者認証機関としてベリサインみたいなのがいいですね。人間がはんこ押すよりもAIが押してくれた方が、今の時代だとまだ公平性があるかもしれません。

さらにWebサイトのマーケティング的な部分ですが、写真やテキストアップして、どれがこのユーザにとっていいかというのを、バンディットアルゴリズム等を活用して自動で最適化を行っています。今までは手作業でABテストで回していたものが、より様々なパターンでテストし自動化できます。特に今はホテル業界からお話をいただいています。

全産業にAIを入れていきたい

小泉：　今後の展望について教えてください。

高橋：　繰り返しになりますが、AIを全産業に社会実装していくことで、全産業を生まれ変わらせたいと思っています。不動産のリノベーションに近いです。各産業の方々と協業していきたいと思っています。われわれのエンジニアはもちろんAIをやっていますが全産業わかっているわけではないので、どこにどういう課題があるか学習していきたいと思っています。

目指すゴールや課題を教えていただいて、一緒に解いていきましょうというプロセスを踏んでいます。強みとしては、AIを、われわれのメンバーとかは0からスクラッチでも実装していくことができることです。ツール等だけで解決できないものも多いので、そこは0からきちんと実装していく力がないと止まってしまいます。

小泉：　誤解を恐れずに言うと、まずはAzureのマシンラーニングでできる範囲のことをトライするといいと思っています。それでやってみて、「これじゃ解決つかない」と思ったら、きちんと組める人たちと一緒にやる。例えば、予知保全のパッケージングは、もう半分できかけているものもありますけども、加工機の予知保全や、ドリルの予知保全などが決まってくると、みんなでそのモデル使えばいいわけじゃないですか。そうなってくるのが早いのか、今からしっかり1個ずつやるのが早いのか、今は微妙なとこですよね。

高橋：　そうですね。使えるものはどんどん使った方がいいと思います。

小泉：　本日はありがとうございました。

【関連リンク】
未来を切り拓くAIサービス　HEROZ Kishin