システム開発で作成される多数の表形式ドキュメントでは、人によって付与するカテゴリが異なったり、分類付与の作業負担が大きいなどの問題があります。 TF-IDF、fasttext、SCDV、SVM、random forest 等の技術を用いた弊社の文章分類エンジンを適用し、人の作業と同程度の精度で自動的にカテゴリを付与するAIの開発を行いました。

日々大量のメールが届き、把握すべき重大な報告や要返信のメールが埋もれてしまうという悩みが特に管理職において多くありました。また、それらの報告内容を管理台帳に転記する手間が生じていました。そこで、受信メールを自動的に仕分け、本文から重要な部分を抜き出して要約し、表形式ファイルに一覧化する仕組みを構築しました。

自然言語処理に基づき、単純なキーワードマッチングではなく類似表現などを含めて検索可能なナレッジシステムを開発しました。検索結果には要約文書を作成して表示し、可読性を上げるとともにクライアントの業務効率化を達成しました。

有効活用されていなかったCRMや課題管理システムから集めたデータを元に、チャットボットによって障害調査を行うシステムを開発しました。チャットボットが人間に代わり障害内容のヒアリングを行い、事例の問い合わせを行うことで、膨大な事例から障害調査を行います。オペレータの省力化、回答までの時間短縮を図ることが可能になりました。

既存のシナリオベースのチャットボットは、分かりやすさの反面、そのシナリオを適切に維持し続けないと、UXが悪化します。一方、自然言語を解釈するAIチャットボットは、相手の真の状況・課題を引き出す、ヒヤリング能力に欠けます。両者の利点のみを掛け合わせた解釈性と管理の容易さを実現します。

コールセンターにおいて、有人対応を減らしたいという自動化の要望は多いですが、本人確認（名前や住所の確認）を含む業務は、従来型のプッシュボタン操作による方式では自動化不可能でした。本プロジェクトでは、音声認識＋自然言語処理＋音声合成により、発話による自然な問い合わせを自動化しました。ITリテラシーの低い人でも、従来のオペレータによる電話応対と同様の問合せができるようになります。

異性間のメッセージングサービスにおいて、それまでの会話経緯から互いの趣味嗜好、関係性の進捗度を測定し、スムーズな会話を実現するためのメッセージングサポートAIの開発を行っています。実証実験では、AIを使用することでお付き合い率が47.5%も向上する結果が出ました。

昨今の個人情報保護の厳格化に伴い、企業が公開する様々な情報に個人情報が含まれるかどうかの確認は非常に重要です。AIが名前、住所、メールアドレス、企業名などを抽出し、匿名化を行います。

壁面におけるクラック(亀裂)を検出し、可能であれば長さ・幅も計測します。人手による現地調査の前段階として、自動車などで動画を撮影し、画像を切り出して実施することが可能です。

セマンテックセグメンテーション技術を応用し、ロボットによる高精密な生鮮食品加工を行うための骨領域画像認識AIを開発しました。従来の画像認識では実用に足る認識精度を得られなかったところに深層学習を適用し、十分な高精度認識を3ヶ月間の研究開発で達成しました。最終的には、ロボットに組み込むためのAIモジュールを作成しました。

ブランド品の査定買取プロセスを自動化するため、CNN（畳み込みニューラルネットワーク）を用いてブランド品の型番を特定する画像認識AIを研究開発しました。モバイルアプリでも実装可能なレベルの軽量な画像認識エンジンを開発し、実サービスへの提供を行いました。

乾電池の分類を自動化するため、CNN（畳み込みニューラルネットワーク）を用いた画像認識AIを研究開発しました。産業廃棄物処理場にて人手で実施されている分類をターゲットとしたため、対象は文字等がかすれたり不鮮明なことが多く画像認識が困難なケースもありますが、学習データの工夫によって精度向上を図り、分類作業自動化への可能性を示しました。

人の顔写真を浮世絵に変換する画像生成エンジンです。従来のアルゴリズムでは浮世絵の人物画としての特徴を抽出することができませんでしたが、人の顔と浮世絵を学習させるアプローチ手法によって、顔写真から浮世絵としての特徴を有する変換を行うことができるようになりました。

Animmerserとは、アニメに没入するために自分自身をそのアニメの登場人物に変換するエンジンです。Animmerserは二つの言葉からできていて、Anime(アニメ) と Immerser(没入させるもの)を合わせた言葉です。自分自身を模したキャラクターに変換し、アニメーションの中に登場しても違和感のない顔に変換します。

製品の修理やリサイクルを行う過程でその型番やシリアル番号の読取る必要がある。しかし一般的な印刷物に印字されたもテキストに比べて、製品上に記載されたテキストを読み取るのは難しい。これは経年劣化、よごれ、印字方法の多様性、撮影環境 を整っていないことなどが原因している。我々はOCRが読取りが難しい条件を特定し、それに対処するために「人による教示」、「前処理」と「後処理」を用いて読取り精度の向上に取り組んでいる。

回収した部品を特定するために、部品の表面に記載されたテキストを読む必要があるが、目視によるチェックではミスが生じることが問題になっていた。そこで読取りを自動化し、分別の自動化に取り組んでいる。しかし、高精度な商用のOCRを用いても金属表面上にポンチ文字として記載されている文字が読めないという問題があり、画像生成エンジンによってフォント形状を変更し読み取れる手法を開発している。

菓子の製造ラインにおいてパッケージングの異常（噛み込み、シミ、パーツの損壊）が発生する問題があり、目視による検査が行われている。異常の発生の判別を自動化し、目視検査を省力化することを目的に画像認識による不良判別の研究を行っている。菓子は形状が不安定であることや同じラインを流れる菓子が多品種であることで一般的な異常検知の手法が応用しにくいという課題がある。そこで不良を模した合成画像を作成する独自の方法による解決を試みている。

株式会社ニッコー様のホタテの生剥き機では故障の原因になる亀裂等が生じた貝殻を事前に取り除いたり、貝の表裏を機械の要求する向きに直す作業が必要だが、それらが手作業となっていた。そこで我々は貝殻に生じた異常の検出と表裏の判別の方法の研究を行ったところ、サイズや形状など特徴のゆらぎや画像撮影時の被写体の姿勢の安定性の欠如などが課題となったが、画像の前処理、学習方法の工夫などによって高精度に処理することを可能にした。

降雪時の視界不良は自動車事故の原因となる。もし多くの路線の現在の視界の状況に関する情報を共有できるのであれば自動車事故を抑止することが可能だと考える。弊社は研究所と共同で車載のカメラで撮影された画像から現在の視界に5段階のグレードを判別するAIの開発に取り組んだ。研究者が様々なパターンで学習と評価ができるようにKerasを用いた実証用フレームワークの開発をおこなった。

果樹を育てるための防除には花の状態に合わせて異なる薬剤を散布する必要がある。しかし、花の咲く時期や、満開を迎える時期などを知るには経験やその年の気候状況から予測しなくてはならないため大変な労力がかかる。また、病害や虫害などを未然に防ぐため、どのタイミングで薬剤を散布するのかの見極めも難しい。これらを予測し適切なタイミングでの薬剤散布を支援するシステムを構築する。

ファッションアイテムに対して、商品の画像と説明文からタグを自動提案するシステムを開発しました。形状などの見た目に影響されるタグの他、着用シーンや用途にも対応したタグを学習しました。主観や印象など、人によって差異はあるものの一定の共通認識がある領域に対し、本技術の応用が期待できます。

領収書の画像から会計処理に必要な情報を自動的に読み取り、構造化されたデータに仕分けを行います。OCRという文字認識技術をベースに取引内容、勘定科目を推測します。手入力の手間から解放され、効率化と入力ミスの削減による省力化が期待できます。軽減税率にも柔軟に対応可能な識別エンジンの実装を検討しています。

各種調達や従業員シフト管理に利用するため、売上、購入客数等を日別・時間帯別に予測するためのAIを開発しました。Deep Learningやアンサンブル学習を使用します。手法の組み合わせ効果により精度95％の予測を実現し、より精緻な計画が可能となりました。発注量と組み合わせて欠品や廃棄量の推定を行います。

需要に応じて価格を変動させることで、利益を最大化するAIエンジンです。業界を問わず様々なサービス、商品へ適用可能です。過去の売上データと直近の売れ行きを加味して、曜日・時間帯・天候などの「普遍的な需要変動」と、感染症などの「特殊な需要変動」を捉えて価格へ反映することができます。

会計情報システムの取引履歴から不正会計の危険性がある取引を検知するツールです。不正会計では、内部統制を回避するため正常な手続きに従うことができず、取引情報は正常取引に比べると異なる特徴が見られます。機械学習でこの違いを捉えて「異常スコア」として数値化することで、異常程度が高いと判定された取引から優先的に調査でき、大規模な取引履歴の調査を大幅に効率化することができます。

運転時間・走行距離等の法律的な制約が厳しい公共交通業界において、シフトの作成は多くの人手がかかります。メタヒューリスティクスによって多数の制約条件を満たすシフトの作成を半自動化しました。

ゴミ収集の経路は、収集車が満載になった場合に集積所を経由してゴミを排出しなければならないため、積載量を考慮しながら複数回に渡り効率よく収集しなければなりません。これまでゴミ収集経路計画は人手で作成されており、多大なコストがかかり精度の追求も困難でした。地図データ、ゴミ収集量予測から自動で最適経路計画を作成するAIを開発しました。シミュレーションでは、AI化によって人件費や燃料費、CO2排出量などを20%程度削減できる可能性を示しました。

倉庫内を移動し集荷を行う無人搬送車（AGV）の経路は、出荷する荷物の量に応じて計算量が爆発するNP困難な問題です。そこで、パレットに荷物を配置した際の荷姿制約などを定式化し、局所探索法を駆使して実際のAGV運用に耐えうる解を発見するAIを開発しました。

自然エネルギーでの発電では発電機が故障しないよう、エネルギー量が限界値に達した際に一定時間回転を停止させることで発電ロスが生まれていました。シミュレーション上で効率的な制御を学習するAIの開発を行い、理想的な発電量の99%を達成できることを確認しました。この技術はAIが試行錯誤の中で学習するため、教師データを必要としません。

料理データから原料や栄養バランス、同じ食材の出現頻度などを考慮した献立を生成するものです。例えば、幼稚園給食は園児に適した献立になるように、給食を食べるユーザーカテゴリーごとに制約条件を設定できるよう工夫し、設計しました。あらかじめ作成した１食分の献立集合を使い1ヶ月分の献立を生成することで、１食内の組み合わせを人手で修正できるようにしました。

その日の気分とシチュエーションに適したレシピを推薦するアプリ。アプリから推薦されたレシピを「採用したかどうか」が自然と記録されるようにUIを設計した。サービス運用を通して「特定の気分とシチュエーションの下で採用されやすいレシピ」がデータ化されるため次第に精度向上できる仕組みを構築できた。

プラントのセンサーシステムを利用した障害検知です。装置停止後さらに数時間経過しないと正しく検知できなかった障害を機械学習により起動中あるいは起動停止後すぐに検知するAIを開発しました。これにより、障害検知に必要な時間の大幅な短縮を達成しました。