Preferred Networks代表取締役社長 兼 最高経営責任者の西川徹氏
[画像のクリックで拡大表示]

 「IoTとAI(人工知能)を結び付けることで、工場は稼働させればさせるほど生産性が高まるようになる」。Preferred Networks(以下、PFN)代表取締役社長 兼 最高経営責任者の西川徹氏は、2016年3月14日に東京都内で開催された「FACTORY 2016 Spring」(主催:日経ものづくり、日経テクノロジーオンライン)に登壇し、スマート工場の展望についてこう語った。

 PFNは、ディープラーニングを中心とした機械学習技術に強みを持つベンチャー企業である。2015年にはファナックから9億円、トヨタ自動車から10億円と、日本の製造業を代表する企業から次々と出資を受けており、製造業分野におけるAI活用のキープレーヤーとして事業を推進している。

 西川氏によれば、昨今注目されているIoTとAI、そしてPFNが得意とする分散協調型コンピューティングを有機的に結び付けることで、製造業に大きな変革をもたらすことが可能になるという。現状では、これら最新のITは主に生産現場から生まれるビッグデータの分析に活用されている。その対象を機械の制御に広げることによって、さらに賢い工場を実現できるというのだ。

 その例として、西川氏はPFNがファナックと共同で進めているバラ積みロボットの知能化を挙げた。「バラ積みロボットの制御プログラムを作成するのは職人芸であり、新しいワークに対応するのは大変な作業」(同氏)である。ここにディープラーニングを適用すると、ワークのつかみ方について細かい指示をしなくても、機械が自動でつかみ方を学習するようになる。PFNとファナックの実証実験では、約8時間の学習で成功率を9割まで高められた。

 これは1台のロボットで学習した結果であり、複数台のロボットを接続して学習結果を相互に共有すれば、学習の速度を飛躍的に高められると西川氏は語る。これが、分散協調型コンピューティングである。このように、制御プログラムの作成を自動化したり、学習速度を改善したりすることで、ロボットによる自動化を幅広い分野に適用できるようになる。「従来は自動車業界などロボットによる自動化のメリットを享受できる分野が限られていたが、今後はさまざまな業界で自動化を推進できる」(同氏)。

現場のAI活用を支援するツールを新たにオープンソース化

 このような流れを推進するために、PFNは関連技術を開発するだけではなく、AIなどを活用する環境の整備にも取り組んでいる。2015年には同社が開発したディープラーニングのフレームワークである「Chainer」をオープンソース・ソフトウエアとして公開しており、その技術コミュニティーは着実に拡大している。

 そしてこのほど、「現場からデータを収集」「収集したデータを分析」「分析結果を現場にフィードバック」といった一連のシステムを包括的に構築するためのETL(Extract、Transform、Load)ツール「SensorBee」を同様にオープンソースとして公開したことをFACTORY 2016 Springの場で発表した(ニュースリリース)。SensorBeeはPFN自身も業務に活用しているツールであり、2016年1月の「2016 International CES」でPFNがトヨタ自動車やNTTと共同で出展した自動運転のデモンストレーションでも稼働していたという(関連記事)。