【概要】

 HAMPANAI AIは「かんたん操作」という特徴があります。AIと聞くと難しいというイメージがあると思います。プログラミングの知識や数学などの専門知識を必要とし、導入のハードルが高いと思われがちです。

 その点HAMPANAI AIは利用開始にあたり、特別な専門知識が不要です。なぜならデータのアップロードと利用目的の選択だけでAIモデルを作成することができ、数値予測や画像認識、物体検知などの機能を利用できるからです。つまりHAMPANAI AIはボタンクリックのみで、AIの機能を活用することができる設計になっています。

 また、HAMPANAI AIはパラメータの調整も不要です。既存AIの多くは、パラメータの調整というものが必要です。パラメータは作成したモデルを元に決定することができる数値です。モデルを作成した後に、数値を調整する必要があるので多くの時間を必要とし、そのような経験が無い担当者様には困難な工程になります。このような問題を解決するためにHAMPANAI AIは、パラメータの自動化に成功し初めてAIを利用する人でも、簡単に利用開始できるAIになりました。

【画像認識】

 HAMPANAI AIは特に画像系に優れたAIです。日本大学 理工学部 数学科と産学連携をとり、転移学習やdata augmentationという技術をAIに応用することで画像系に特化したAIになりました。転移学習とは、ある領域で学習したことを別の領域に役立たせ、効率よくAIに学習させるというものです。たとえば、「サックスを吹く技術を習得していれば、ほかの管楽器を吹く際にもその技術を応用でき、ゼロから始めるよりも効率よく学べる」といったイメージです。data augmentationはデータを水増しする技術のことです。この技術により少ないデータでもAIモデルを作成することができます。

【事例】

 主な事例としては、海苔の階級選別やマスク検知、パチンコスロットの稼働貢献予測があります。

 事例1:海苔の階級選別

 佐賀の有明では、少子高齢化による後継者不足が深刻化しています。この問題を解決するために弊社のHAMPANAI AIが採用されました。海苔は、熟練の職人によりその色沢などから階級選別されていましたがAIの画像認識を利用することで、人に頼らず選別することができます。正解率は最も高い階級で100%という結果を出すことができました。

 事例2:マスク検知

 その他の事例としては、マスク検知があります。コロナの影響により今やマスクが手放せない生活になりました。マスクをしていない人がいれば、警戒してしまうことでしょう。そのような人を検知するためにHAMPANAI AIの物体検知機能を応用し、訪問者がマスクを着用しているか検知するシステムを受付用タブレットに実装しました。これにより着用していない人に向け「マスクの着用をお願いします。」などのメッセージを自動で出すことができます。

 事例3:パチンコスロットの稼働貢献予測

 当日までの遊技機稼働データから、翌日以降2週間の機種別稼働数を予測するモデルを作成した事例になります。予測結果は、誤差率が10%未満で、機種別の稼働貢献の把握、遊技機の入替判断に有効な予測データを提供しています。

【混雑MiTaRou】

 コロナは私たちの生活様式にも影響を及ぼし、今後もしばらくは密を避けて生活する必要があります。しかし、実際に店舗に行くことなく混雑度を知ることはできるのでしょうか?弊社では5月に混雑MiTaRouというスマホアプリを開発しました。(android 対応 iOS 対応予定)混雑MiTaRouは、物体検知と連携し、スマホ一つで店舗の混雑度を測定します。店舗のオーナーはスマホで店内を撮影すると、混雑MiTaRouは物体検知機能と連携し、その結果を一般の利用者に通知します。一般の利用者は実際に店舗に行かずにスマホの画面から、スーパーや美術館の混雑度を確認できるようになります。

関連サイト:https://hampanai.app/