ニュース

2017年1月20日


新宿区議会議員のいとう陽平さんのブログで紹介していただきました。

Pythonプログラミングのツボとコツがゼッタイにわかる本 画像

(いとう陽平さんの記事から一部抜粋)

Pythonが初めての方に対してわかりやすく、基礎的なプログラミングから、Djangoというフレームワーク、最後は人工知能まで、ブラックジャックのゲームをつくりながら、体系的に学ぶことができます・・・(続きはコチラ

 

Pythonに興味のある方、これからプログラミングの学習を始めようとしている方などにオススメの一冊です!

購入はコチラ

 

「Pythonプログラミングのツボとコツがゼッタイにわかる本」の『はじめに』から一部抜粋

近年は人工知能ブームと連動して機械学習に注目が集まっています。

さらに、PythonはDjangoを始めとしたWebアプリケーションフレームワークが充実しており、その他の分野でも非常に使い勝手のよいプログラミング言語として人気を集めています。本書は初心者の方を読者対象と想定していますが、上記のトピックは全て網羅しています。

 

2016年12月26日


機械学習に必要なモジュールが入ってディープラーニングがすぐにできるGPUサーバー
簡単な解析と社員の機械学習の教育に最適!!

GPUサーバ 画像2

ハードウェア環境
CPU: Core i3
GPU GTX 1080
電源 650W
Edit

ソフトウェア環境
Ubuntu 14.04
グラフィックドライバ nVidia-367.44
CUDA 8.0 RC
導入してある主なPythonのモジュール
以下はすべてPython2.7.6 環境下で導入したもの
cupyのインストールと動作も確認済み
Chainer 1.15
Keras
Theano
MongoDB
Numpy
Scipy
最強のmecab
RNNとDCGANのオープンソースがコマンド一発で動く状態です。

価格は548,000円
ご興味ありましたらご連絡ください。

 

お問い合わせはコチラ

2016年12月16日


ShannonLabが「Pythonプログラミングのツボとコツがゼッタイにわかる本」を出版します!!

 

PythonでのWEB開発や機械学習を始めたい方にお薦めです!また、プログラミングでPythonを始めようとしている方や、Pythonの学習に行き詰まっている方必読の一冊となっております。一般の書店でお求めになれます。

 

Pythonプログラミングのツボとコツがゼッタイにわかる本
Shannon Lab株式会社 (著)
秀和システム出版

12月20日発売予定です。

 

コチラからご購入できます。

 

 皆様ぜひ一読ください。

ShannonLab 出版した本宣伝 「Python プログラミングのツボとコツがゼッタイにわかる本」

2016年8月30日


こんにちは、Shannon Labです。
今回はShannon Labが提供する対話型AI機能についてご紹介します。
弊社が開発をしました対話型AI機能とアニメーションスタジオGONZOのLINE公式アカウント「ゴンミちゃん」がタイアップしました。

サービス概要

GONZOの回し者?ゴンゾの商品を販売してくるゴンミちゃん、LINE上でユーザーがゴンミちゃんに話しかけると適当な会話をしてくれます。話しているとGONZO商品を宣伝してくれます。

実際の対話イメージ

例1.

16-08-25-23-27-34-269_deco

こちらは、GONZOが手掛けるGANTZというアニメを話題に出した所の様子です。
(ネギ星人はGANTZの登場キャラクターです。)
中々、粋な対応をしてくれるので様々な会話を楽しんでいただけます。

例2.

line5

こちらは、ゴンミちゃんに話しかけてみたときの様子です。
不自然な感じはなく、受け答えもちゃんとしてくれます!(いきなりGONZO商品を宣伝されますが…)
たまに面白いことも言ってくれるので、飽きません!
どんなことを言ってくれるのかは、是非みなさんで確かめてみてください!
ちなみに、歳を聞いたところ秘密にされてしまいました…。

ゴンミちゃんのキャラ設定

ゴンゾのアニメが大好きな超攻め系女子
言葉は乱暴だけど、心はとってもあったかい
ちょっと気にしいのお茶目さんです。

LINEBOT-gonmi_bustup

この対話型AIは会話をすればする程、経験値を積んでいく学習システムになっています。
経験値を積むという事は、会話の内容も次第に変わっていきます。今後のゴンミちゃんの成長に期待したいと思います。
このように弊社のAIはクライアントの用途に合わせたAIを開発することが出来ます。
是非、興味のある方はゴンミちゃんと会話をしてみてください。下記の画像がゴンミちゃんのQRになります。

13866903_634503413384278_808194364_n

QRコードの読み取り方

Android,iPhone(iOS)の場合:

LINEを開く → その他”・・・”から「友だち追加」をタップ → 「QRコード」をタップ → 上記のQRコードを読み取る

お問い合わせはこちら

お問い合わせ

2016年6月22日


実例から学ぶテクノロジー AI(人工知能)の最新動向と今後のビジネス展望
app.cloudcollaboration.jp
7月7日にトーマツ・イノベーションさんと代表 田中で「実例から学ぶテクノロジー AI(人工知能)の最新動向と今後のビジネス展望 」と題してトークセッションを行います。

主に人工知能ビジネスに必要なものに関して話そうと思います。
人工知能ビジネスに興味ある方はご連絡ください!

2016年4月17日


12923226_587368034764483_2285048000129495536_n

経済界に弊社代表 田中のインタビューが出ました。

カラーで見開き一ページにわたり、
介護や医療にこれからどのように人工知能が使われていくのか、
これからの人工知能ビジネスに関して話しています。

人工知能に関して興味あるかたは、是非一読してください。

こちらから目次が見れます。→ 経済界

2016年2月19日


弊社ShannonLabと首都大学東京はノイズキャンセルマイクの共同特許出願しました。
この特許技術により、生活環境ノイズの中でも音声認識が格段に向上し実用レベルに達しました。

2016年1月28日


新経済連盟新年会へ弊社の代表が招待された時の様子です。

楽天の三木谷社長と写真。
楽天三木谷社長とShannonLab田中社長

トランスコスモス舟津社長
アメリカ大使館エリックさん
ShannonLab田中社長 アメリカ大使館エリックさん トランスコスモス舟津社長

非常に楽しい会でした。今後とも宜しくお願い致します。

2015年12月25日


ビジネスチャンス 知らないとマズイ 2016年5つの市場
こちらの雑誌に弊社代表田中のインタビューが出てました。
ビジネスチャンス2月号
書店でも手に入ります。
2016年の人工知能に関してのインタビューをしております。

ビジネスチャンス

2015年12月15日


矢野経済研究所「2015 AI(人工知能)・ビッグデータによる市場変革と将来展望」
http://www.yano.co.jp/market_reports/C57117700
に弊社代表 田中のインタビューが載りました。

2015年12月15日


ShannonLabの介護用人工知能プラットフォームが経営革新の承認を受けました。

経営革新 ShannonLab

宜しくお願い致します。

2015年11月7日


弊社代表がδ-εを中心に実数解析の基礎の講義をすることになりました。
https://www.street-academy.com/myclass/7308
基礎から入りじっくり応用までを進めていく授業形式になっています。
実数解析は金融デリバティブや情報機械学習の基礎理論でもあります。
今まで数理系の論文みたけど一人ではつまずいて理解できなかった、
これから大学数学を始めたいけどδ-εこの記号どう使うの?
本格的に応用数学の論文を読むことを考えている人、
測度論・積分論(δε必須です。)を理解したい方、
講義では一方的な内容ではなく一緒に理解しながら進めます。
ご興味ある方は是非ご参加ください。
シェアの方も是非宜しくお願い致します。

2015年10月30日


インターン生情報


筑波大学システム情報工学研究科コンピュータサイエンス専攻 博士前期 1年

実習先決定までの経緯


Shannon Lab 株式会社は人工知能を利用したシステムを開発しているベンチャー企業である。インターンの主な志望動機は人工知能の技術がどのように製品へ使用されているかという興味に基づくものであった。
 決定までの経緯としては、Webページにてインターン生を適宜募集していたため、まずインターンを希望する旨のメールを送った。次に面談日時を決め、面談にて実習の内容及びインターンが始まる前までの事前学習の内容を指定された。事前学習ではPython、Django(Webアプリフレームワーク)、TF-IDF、MeCab(形態素解析ソフト)、CaboCha(係り受け解析ソフト)などの事項について1ヶ月程度予習した。

実習の内容


 
主に会社から与えられる仕事と自分の課題をこなす形となった。自分の課題は以下の2つであった。
• 自然言語処理
◦ CaboChaによる係り受け解析が難しい文章を判別し、フィルタリングするプログラムの開発
• 画像認識
◦ 畳み込みニューラルネットワーク(CNN)を利用した物体・動作認識
◦ 例としては、「猫が歩いている」画像を入力したらと「猫」という物体だけではなく「歩く」という動作も認識させる

 また、実習中の一部期間は高専4年生の学生が自分とは別のテーマでインターンを実施していたため、その補助に回ることもあった。

実習の成果・
実習を終えての感想


 

実習の成果としては、係り受け解析に関する文章判別プログラムについては下記のようなルールに基づいたPythonプログラムを作成した。
• 一文節の入力は弾く(例としては「生きる」のような動詞だけの文章など)
• 主語と思われる文節(「〜は」もしくは「〜が」の形をした文節)および目的語である文節(「〜を」という形をした文節)が連続して2回以上続く文章は弾く
• 接続助詞を含む複文の形の文章(「〜だが、〜」のような形)は弾く
• 文章の最後の文節を述語と仮定し、その文節にかかる文節がない文章は弾く
• 分類語彙表による名詞の意味を考慮した係り受け妥当性の判断
◦ 実装できた機能としては「食べる」という動詞に食べ物以外がかかっている文章を弾く機能が挙げられる
 
 また、画像認識の方については、時間の都合上、Caffe(Deep Learningのライブラリ)の開発サーバ上における動作を確認し、CNNを学習させる手順を把握したところまでで終了した。CNNにおける学習手順の把握の際にはCIFAR-10という10クラス6万枚(各々のクラスで6000枚)のデータセットを学習データとして使用した。なお、CNNをはじめとするディープニューラルネットワークは数千〜数万程度の大量の学習データを必要とするため、学習に使う画像データを大量に集める必要がある。したがって、指定したキーワードの画像を収集する画像クローラーのプログラムもPythonにて作成した。作成にはBingの画像検索の結果を使用するBing APIを使用した。Bing APIの仕様上、1000枚程度が収集できる画像の上限であるため、十分な量とは言えないが学習データの収集がある程度可能になった。

 実習の感想としては、自然言語処理に関わる開発をさせていただいたため、研究室での研究分野とは違う領域でも自分の能力が通用したことが自信につながった。また、インターン期間中では下記のような研究室や他社の研究開発系インターンではなかなか体験できない経験をさせていただいた。
• VC(ベンチャーキャピタル)の投資家への会社説明
• 統計数理研究所にて会社の共同研究スタートアップの面談に同席
• 会社の営業の方との対面

後輩へのメッセージ


インターンでは実践的な仕事と課題が与えられ、自分の実力を試しつつ伸ばすことができる。また、自然言語処理、音声認識の分野を研究している院生は、会社の製品に使われている技術に関係するため大いに活躍できるだろう。
 また、実習中の課題は基本的に1人で取り組むため、チームで課題をこなす形ではない。しかし、過去のインターン生(高専5年生)や会社に関与している学生などとも合う機会もあったため、同年代の学生との交流も見込める。
 最後に、インターンの担当者(会社の社長)からは、技術的なアドバイスだけではなく起業したあとのエピソード及び経営や人事など意思決定を下す立場の人間としての話も伺えた。ベンチャー企業や起業などに興味のある人は大いに参考になると考えられる。

2015年8月21日


8月29日 統計勉強会やります!
こちら→→→→ATND

内容

①確率の基本中の基本のおさらい
②2項分布、
③正規分布、
④ポアソン分布、
⑤中心極限定理

テキストから問題を抜粋してきて、一緒に解く授業のような感じになります。
新しく始める人も復習をしに来る人も、一緒に問題を解いて、また確率の理解を深めましょう。

対象

データを扱う人
統計アルゴリズムに興味のある人
確率統計している学生さん

講師

田中潤
カリフォルニア大学リバーサイド校卒
Shannon Lab株式会社 代表取締役兼社長
アメリカ数学会に所属

2015年6月9日


インターン生情報


冨田英風(とみたえいふう)と申します。私は現在、一橋大学経済学部を休学し、アメリカのオハイオ州にあるThe College of Woosterに学部留学しています。Computer Science(情報工学)を勉強していて、将来は工学系の職に興味があり、それもあって5月初旬から6月中旬までの1ヶ月強の期間をシャノンラボでインターンさせていただきました。

なぜインターンをしようと思ったのですか?


    アメリカの冬学期が5月に終わり、6月末から始まるサマーコースが始まるまでの間に生産的な活動をしようと思ったからです。IT系ベンチャー企業の長期インターンで探していました。

英風と社長

シャノンラボを選んだ理由はなんですか?


    シャノンラボがIT系のベンチャー企業で、かつアメリカに学部留学する日本人に対して一定以上の理解があったからです。社長がアメリカで数学の学士号博士号と収めている方であったこともあり、大学以上の水準の数学の手ほどきを教えていただくこともありました。実力と努力と結果が評価の対象となるこの会社は、他会社の就業体験プログラム的要素を強く持つインターンとは一線を画します。

シャノンラボではどのような仕事を行ったのですか?


    技術力がまだ未熟な私は、企画や事業の考案、サイトの編集から仕事が振られていきました。フロントエンドエンジニアとして開発ソフトのテスト・デバッギングなどをしていき、だんだん仕事に慣れていくにつれてソフトの部分的な開発にも関わらせていただくようになりました。学会で発表されている人工知能(とくに音声変質)の論文のレビューをしてみたり、学生の私が講師として勉強会を開催するイベントの機会もいただき、特にこのおかげで成長できたと思っています。

シャノンラボの社風は?


    わたしは就業経験が多くないので他会社との相対的な評価を伝えることはできませんが、インターンを通じて、自らの向上心に磨きがかかると思います。実際の職場で自分よりも早くタスクを処理していく先輩を見ていくと、このままじゃいけない、というような向上心が燃え上がると思います。社内で気になることがあれば社長に相談することもできるし、優しく賢い先輩からのアドバイスがもらえます。

英風と社長2

アツい学生人材を待ってます!!

2015年5月15日


ShannonLabの対話機能を使った受付システムです。
画面ディスプレイを受付に置くだけで使えます。
クラウドファンディングにて資金調達してます。

ご協力よろしくお願いします!

Makuake(マクアケ)

会社の受付に革命を起こす!人工知能を使った新しい受付システムを世に広めたい!

受付って電話や人がやるものじゃないの?
いいえ、これからは人工知能が受付業務をするようになります。

この受付Agent Systemは受付業務を人工知能に置き換えるまったく新しいシステムです。

このシステムによって受付、予約業務をタブレット上で自動化することができます

続きは↓↓↓こちらから見てください。
プロジェクト詳細

2015年4月30日


4/25に行われた第11回サムライベンチャーサミットにShannonLabが出展しました。

サムライベンチャーサミットとは

1166名が熱狂したイベント、Samurai Venture Summitを再び開催!Samurai venture Summitは100社を超えるスタートアップ、インキュベーター、ベンチャーキャピタリスト、メディア、大物海外ゲストが一同に集まる日本最大級のカンファレンスです。スタートアップブース、トークセッション、ピッチ等、様々なコンテンツの中から新たなコラボレーションを生み出します!
「できるできないでなく、やるかやらないかで世界を変えるサムライ」のご参加お待ちしております。

公式HPより
毎年行われており、今年で11回目の開催になります。

出展内容

弊社としてもこのサムライベンチャーサミットに出展し製品や会社の紹介を主に行いました。

  • 介護エージェント
  • 受付エージェント
  • Avatar U

などの説明を製品のデモを交え行いました。
Avatar Uは手軽に自分のウェブサイトに下記の弊社のHPのようなアバターが掲載できるという製品です。
http://shannon-lab.org/?page_id=19
下記のURLよりfacebookログインまたはgoogle+にてご利用いただけますので一度お試しください。
http://avatar-u.com/

当日の様子

これまでで一番多くの来場者の方がいらっしゃったため会場全体が大変にぎわっていました。
どのブースも多くのお客様であふれており、弊社のブースにも多数の方が来てくださいました。

実際に介護エージェントやAvatar-Uを触っていただいたお客様からは「先進的」「興味深い」などのご感想をいただきました。

下記が実際の会場の様子です。

弊社出展チーム

今後もこのようなイベントには出展していきますのでご興味持たれた方は是非お越しください。

2015年3月20日



インタビュー記事

DreamGateとは

今回取材いただきましたDreamGate様は「日本に起業文化を確立する」をミッションに活動されているそうです。
下記、Dream GateのHPより引用です。

ドリームゲートでは、日本経済を活性化させるため、世界に通じる起業家の輩出が必要だと考えています。しかし、起業して成功する人や、起業の指導者が少ない今の状態では、そのような起業家は生まれにくいと考えます。そこで、
● 起業家がさまざまな支援を受けやすくなる
● あらゆる場所に起業家精神をもった人材が存在する
このような、起業文化が根付いた社会づくりをし、一人ひとりが自信と誇りの持てる国づくりに貢献していくことを目指しています。

公式ホームぺージ

取材内容

今回は弊社の人工知能、音声認識にかける思いや従業員の感想などを取材していただきました。

目次

  • 人工知能が急に騒がれだした理由
  • 人工知能的アプローチはビジネスにどのように転用できるのか?
  • 人工知能を活用するには「割り切り」が重要
  • 広告配信は人工知能で勝負する世界に
  • 欧米では人工知能ベンチャーの買収や研究所設立が加速

インタビュー記事

Dream Gate様ありがとうございました。

2015年3月20日



インタビュー記事

Only Storyとは

今回取材いただきましたOnly Story様は若者に日本の中小企業の魅力を伝えるために取材をしているそうです。
下記、ONLY STORYのHPより引用です。

ONLY STORYの活動を始める前に、累計約100社の中小企業の経営者の方にお会いし、その中で1番多かった悩みがこれでした。
私たちは、ONLY STORY事業を中心に、中小企業1社1社が持つONLY1の魅力を世の中に広めるお手伝いをさせて頂いております。
ホームページ・紙媒体・SNSを使った広報活動が可能です。

公式ホームぺージ

取材内容

今回は弊社の人工知能、音声認識にかける思いや従業員の感想などを取材していただきました。

目次

  • 時代の最先端
  • 研究者から起業へ
  • 自然に対話ができる温かみのある人工知能開発
  • 従業員の声
  • 編集後記

インタビュー記事

ONLY STORY様ありがとうございました。

2015年3月7日


人工知能が創出する未来の新規事業~「はやる」後からでは乗り遅れている~

弊社代表であり、人工知能学者である田中が上記勉強会を開催しました。
概要は以下です。

「対象」

・「人工知能」、「AI」という言葉を最近よく聞くが、
なんでそんなに騒がれ始めたか気になる方
・人工知能に可能性を感じるが、あまりテクノロジーに詳しくない方
・今後、社会に生まれる成長市場を模索している方

「内容」

現在、機械が生み出すデータ量は爆発的に増え、様々な人間では到底、処理できない特徴が抽出できるようになっています。この大規模で複雑なデータを処理するために近年、機械学習という技術分野に注目が集まっています。特に海外で研究、投資が盛んに行われているのは、「ディープラーニング」という技術です。そのような動向を踏まえた上で、人工知能のしくみ、なぜ最近話題になるのか、具体的にどのように社会が変わるかなどを分かりやすく解説、紹介します。

「スケジュール」

・10:00~10:15 受付
・10:15~10:30「人工知能の現状の技術の整理と概要説明」(株式会社ShannonLab今村)
・10:30~10:50「人工知能の可能性と未来の技術」(株式会社Entity-understanding代表江口様)
・10:50~11:00 休憩
・11:00~11:20「人工知能の役割」(株式会社ShannonLab代表田中)
・11:20~11:50 ディスカッション
・11:50~12:20 交流会、名刺交換

会場は弊社オフィスの入る新井薬師前ビル4階でした。
みなさんの活発な議論をいただき、多くのアイデアに対するワクワク、これから来たるべき人工知能やロボットが人間にとり代わり活躍する未来への期待感がすべての参加者の方から感じられました。

これからの未来は人間だけではなく、人間の相棒としてのロボットが作っていきます。

参加者の声

今村さん

人工知能に漠然と興味があり、ベンチャー企業で人工知能を開発しているというShannonLabに興味が湧き参加しました。
実際に議論の中で多くの新事業に対するアイデアが生まれ、そこに対して参加者が忌憚なく意見を述べているところに、本当にこれからは人工知能・ロボットの時代が来るんだということを体感しました。
これからも自分なりに新事業に対してのアイデアを具体化させていきたいと思います。
本日はありがとうございました。

議論で出たアイデア

人工知能を用いて実現したい世界

電車で座る時間を最大化したい

データをいかにとるかが重要
経路検索機能つき定期券

本を読む時間を使わずに効率的に情報をインプットしたい

本の要約・情報を自動的に持ってくる

会話で社会背景などを理解したい

データベースで社会背景を共有する

会話で社会背景などを理解したい

データベースで社会背景を共有する

具体的に考えられる人工知能を用いた新事業

サポート(コール)センター

コールセンターを全て自動で対応することが現時点では難しく、3年ほど未来になると実現するかもしれない。そのため、現実的な案としては、電話をかけてきた人に最適のオペレーターを見つけることができるアルゴリズムを機械学習を用いて行うアイデアであるとの意見が出ました。

営業を人からAIに

人件費に見合わない可能性も

IoTとの連携

IoTでデータ収集、それを機械学習させる。ここで重要になるのは情報の入力端末としてのIoTではなく、それを処理する側のデータ処理技術。

2015年2月28日


弊社代表田中が都立産業技術高等専門学校にて人工知能に関する講演を行いました。

都立産業技術専門学校とは

 東京都立産業技術高等専門学校(以下、産業技術高専)は、首都東京の産業振興や課題解決に貢献するものづくりスペシャリストを育成する公立高専として、平成18年に都立工業高専と都立航空工業高専が統合・再編されて開校しました。

産技高専HP
教育の特色
技術に特化した人材育成を行う学校法人です。具体的には16歳(高一)より本格的なプログラミングの授業を受けます。

産技高専からのインターンシップの受け入れ

弊社では毎年産技高専よりインターンシップを受け入れています。
生徒には弊社の研究開発の補助をしてもらい、学校で学習することと実際に現場で使う感覚を身につけてもらいます。
弊社としても現在の先端的な技術を広く知ってもらえたり、弊社への理解が深まってくれるために、毎年学校と連携も行い実施しています。

インターン生は随時募集中なのでお気軽にお問い合わせください。

インターン生募集ページ

講演内容

弊社の製品内容と人工知能のこれからに関して

最初に弊社の販売している介護エージェントシステム、対話エージェントシステム、受付エージェントシステムに関する説明を行いました。
次に人工知能に関して講演しました。その中では人工知能を開発している企業や、最近の人工知能開発の動向、さらには2045年問題等も出てきたため、生徒にとってはとても有意義な講演になりました。
また、人工知能に関する製品の今後に関してのディスカッションにおいては活発な議論が交わされ、弊社としても得るものの大きな講演でした。


講演の依頼はこちらから

2015年1月7日


介護エージェントが『ニュースがスイスイわかる なるほど知図帳 日本 2015』に取り上げられました。

同書、巻頭特集②において弊社介護エージェントが写真とともに取り上げられました。

[同書より引用]

人工知能と話して介護
ShannonLab人工知能型介護エージェント

優子ちゃん

タブレットの人工知能キャラクターと対話するだけで、データベースに健康情報を登録でき、安否確認と中長期的な健康状態の把握ができる。情報はクラウド上で共有され、ヘルパーとの連携もできる。

介護システム機能

・アプリ応答による安否確認
・起床や就寝時間の確認
・3食摂取の有無の確認
・薬の摂取の確認
[引用終わり]

[特集ページ]

[ゆうこちゃん、ついにあの有名人とのコラボが実現!!]

[なるほど知図帳2015ニュースがスイスイわかる]

━ 特長 ━

今と明日のニッポンが手に取るようにわかる

『なるほど知図帳 日本』では、日本経済、社会情勢、外交問題など、日本が抱える時事ネタや、都道府県の傾向を見やすい図表で分かりやすく紹介。
骨太な政治・社会ネタから、旅やエンターテイメント系のやわらかネタまで、多彩なジャンルから選りすぐった面白ネタをぎっしり詰め込んでいます。

最新ニュースを丁寧に解説

歴史・風習、旅・名産、生活、産業・交通、スポーツ・文化芸能、政治・社会、自然の各ジャンルについての最新ニュースを、豊富な図表やデータをもとに、今さら人に聞けない基本から丁寧に解説しています。

Amazon
[http://www.amazon.co.jp/%E3%81%AA%E3%82%8B%E3%81%BB%E3%81%A9%E7%9F%A5%E5%9B%B3%E5%B8%B3-2015-%E5%9C%B0%E5%9B%B3%E5%B8%B3-%E6%98%AD%E6%96%87%E7%A4%BE-%E3%83%9E%E3%83%83%E3%83%97%E3%83%AB/dp/4398200614/ref=pd_sim_b_1?ie=UTF8&refRID=1WP2VX04PA7N146BZT63]

2014年12月18日


中央大学法学部国際企業関係法学科3年

0. 私は誰か(Who)

私は八王子にある中央大学法学部国際企業関係法学科に通う大学3年生です。大学では経済および法律を中心に教育を受けています。ベンチャー企業2社程度でインターンをしており、国際系のNPO法人や日本学生インターンシップ協会という団体でも活動しております。

1. 何をしているか(What)

私は主にShannonLabでは法務・総務関係を行っています。例えば企業との契約の契約書を下書きしたり、弊社のウェブサイトの編集等を行っています。そのほかにも簡単なデザインやプログラミングであったり、たまに土曜日にPythonの勉強会を催したりします。
また、営業等を行ったりすることもあり、専門分野を持たない文系のため幅広い仕事に関わっています。

2.  いつからしているか(When)

この会社に関わりはじめ、今年で2年近くになります。きっかけは所属していた団体の営業により代表・田中と会ったことです。その後頻度は低いにせよ、多くの時間をかけて弊社での活動を行っています。

3. なぜしているか(Why)

私がこの会社に何故いるのかというと、一言で言えばこれからの未来を創っていく会社であると信じているのです。代表・田中は現役の数学者であり、日本人工知能学会及び米国数学会に所属し、米国の大学で博士課程を修了しています。
これらのことから、弊社の開発力は本物ではないかと思っています。また、開発しているプロダクトも機械学習や音声認識等、多くの先端技術を使用しているためにこれからの未来を創っていく会社なのではないかと信じているのです。

4. どこでしているか(Where)

弊社は中野・新井薬師に開発の拠点を持っており、私もそこで業務を行っています。時には営業のために社外に出ることもありますが、基本的にはいつも中野開発室で仕事をしています。

2014年11月25日


東京都立産業技術高等専門学校 ものづくり工学科 電子情報工学コース

実習先 Shannon Lab 株式会社

1.はじめに
 今回、自分はShannon Lab 株式会社にて10日間のインターンシップを行った。
Shannon Lab 株式会社は人工知能を開発するベンチャー企業であり、他にもデータ解析・自然言語処理を得意技術としている。
また、学生のインターンシップの採用に積極的なため、実習に取り組むにあたって熱心に対応していただいた。
私が行った実習はTwitterから特定の属性からのツイートを収集し、SVMを用いることによってそれらしいツイートであるかどうかを確かめ、自然言語処理マルコフ連鎖による文章生成するという内容である。
実習内容をこのように定めた理由は、マルコフ連鎖を用いることで機械が人間らしい文章を生成できることに大きな魅力を感じていたためである。今回は去年のインターンシップの引き継ぎとしてSVM(Support Vector Machine)による属性の分類も合わせて行わせていただいた。
SVMは教師あり学習(教師データを元に学習する)という手法を用い分類を行うものである。
また、マルコフ連鎖は次の状態が現在の状態のみで求められ、過去の状態とは関係無いような確率過程である。
ただし、マルコフ連鎖を追求すると奥が深く、高度な技術が必要となるため今回の実習の目標を「自動的にツイートを収集し、それらの形態素からマルコフ連鎖して、特定の属性の特徴となる単語を含むツイートを生成する」こととした。
2.実習内容
 実習作業の行程をおおまかに分けると以下の2-1~2-4までの4つになる。
2-1.ツイートの収集
 ツイートの収集はPythonのTwitter APIライブラリである「Tweepy」を使用した。これを用いるとTwitterからツイートを検索できるため、特定の属性の人がよく使うであろう単語を検索し、収集した。この際、検索に使用した単語は必然的に出現回数が多くなってしまうため、データベースに保存しないようにするなどの工夫が必要である。
2-2.ツイートに含まれる文章の形態素解析
 ツイートに含まれる文章の形態素解析は形態素解析エンジンである「MeCab」を使用した。ただし、MeCab標準の辞書では略語やネットスラングが正しく解析されないため、ユーザー辞書を作成し、それを解析に用いた。
 今回ユーザー辞書として用いた単語は「Wikipedia」、「はてなブックマーク」、「ニコニコ大百科」から取得したもので、これらを固有名詞として登録した。こうすることで固有名詞を正しく解析することができる。ただし、今回は対応することができなかったが、本来、助詞や助動詞として用いられるべき単語まで固有名詞として登録されてしまうため、既に登録されている単語はユーザー辞書に含めないなどの工夫が必要である。
2-3.形態素の属性の分類
 形態素の属性の分類は線形予測の機械学習ライブラリである「LIBLINEAR」を使用した。
 去年のインターンシップでは「LIBSVM」を用いてツイートから男女の分類を行っていたが、今年はそれより精度が高く、速いという理由からLIBLINEARを用いることとした。
2-4.マルコフ連鎖を用いた特定の属性らしいツイートの生成
 マルコフ連鎖を用いた特定の属性らしいツイートの生成は前述の2-1~2-3の行程から得たデータとプログラムを組み合わせて行う。
 まず、特定の属性を表すキーワードのうち対照的なものを2つ1組として用意する。それぞれのキーワードでTwitterからツイートを検索し、それを形態素に分割して形態素の出現回数を調べる。これと別に、データベースからそれぞれの属性に分類された形態素があるかどうかを調べ、ある場合はその出現回数を教師データとして用いることにした。このときに、その2つの検索語に関係の無い単語を教師データに含めると分類の精度が上がるとのアドバイスをいただいたため、そのように実装した。実際に検索に用いた単語の対は「ダンス」と「シャーペン」、「牛丼」と「靴下」、「ポケモン」と「デスメタル」、「カレー」と「アイアンマン」、「進捗」と「中目黒」である。
 これらを用いてLIBLINEARで実際にその属性らしいツイートであると判別できたツイートを用いてマルコフ連鎖を行った。
3.結果と考察
 今回の実習の結果、実際に特定の属性らしいマルコフ連鎖で文章を生成することができ、これを定期的に行いツイートすることでTwitterのbotを作成することができた。
 ただし、実際に生成された文章は意味の通るものではないものが多く、改善が必要である。
この原因としてまず前述のとおりMeCab標準の辞書に登録されている助詞や助動詞が固有名詞として登録されてしまったことである。これはユーザー辞書の作成の時点でプログラムを改編する必要があった。
次に動詞や助詞が文の先頭になってしまうことが多いことである。これはマルコフ連鎖のアルゴリズムを見直す必要がある。また、MeCabで品詞を解析することで先頭の単語が動詞などでないかを確認するなどの対策法もあるだろう。
最後に「�」のような文字化けしたツイート
を収集してきた際にそれを取り除く方法が無いということである。これは生成されるツイートに文字化けした文字が多いことからプログラム中で何か変換されてしまっている可能性もあるが確認することができなかった。
今回、検索に用いた単語の中で特徴がはっきり出たのは「靴下」であった。この単語で検索すると女性のツイートが多く収集でき、生成される文章も女性らしい物になることが分かった。これを用いれば男女の分類などに応用できるかもしれない。
4.まとめ
 今回自分が実装したマルコフ連鎖で生成できたツイートは考察で述べたようにまだまだ改善の余地があると考えられる。
 しかし、そのためにマルコフ連鎖の原理など基本的な部分の勉強をしなければならないとも感じた。
(a)インターンシップに参加した感想
 10日間という短い期間の中でSVMによる分類からマルコフ連鎖まで幅広い分野の実習をさせていただいたが、やはり分からないことを自分で調べることが多かった。今回のインターンシップを通して自分で検索して解決する能力が身についたと思う。
(b)後輩へのアドバイス
 Shannon Labでのインターンシップはある意味、今まで培ってきた自分の力がどれだけ実際の仕事で通用するかを試すことができる。職場で働いているかのような適度な緊張感があり、意見の交換も盛んにできる。高専から就職を考えているならここでのインターンシップで社会人に必要な力が身につくと思う。

2014年11月25日


ツイートの感情分析

東京都立産業技術高等専門学校 ものづくり工学科 情報通信工学コース
実習先 Shannon Lab株式会社

1.はじめに
Shannon Lab 株式会社は中野区にある人工知能を開発するベンチャー企業である。アプリ開発・データ解析なども行っている。会社名は情報理論の父と言われる数学者のクロード・シャノン氏に因んでいる。
Shannon Labはインターンシップ生を積極的に募集している。ベンチャー企業であるのでインターン生も即戦力であり、大企業などのインターンシップと違い実習活動の成果が求められる。実習の内容は、今回私が参加させて頂いた開発以外にも、企画・デザイン・営業・経営まで幅広い。
今回、インターンシップの実習期間は8月18日から9月5日までの15日間行った。その約1ヶ月前から事前準備としてPython言語の練習・開発には必須となるデータベースの扱いの練習・各種環境の準備などを行った。
実習のテーマは『単語感情極性対応表』を用いたtwitterのツイートの感情分析である。『単語感情極性対応表』とはその語が一般的に良い印象をもつか悪い印象を持つかを1から-1の値で示した表である。
このテーマを選んだ理由は、3年生の創造実習でこの表を用いた日記を作っており、もっと身近でたくさんの人が使うツイッターの感情分析ツールを作ってみたいと考えたからだ。
実習の目標を『そのツイートがネガティブかポジティブかを判断するプログラムを作る』と定め、インターンシップ活動に臨んだ。

2.実習内容
作業日程は以下のようになった。
第一週は去年のインターン生が作成したプログラムの引き継ぎ・改変作業を主に行った。MeCabやCaboChaの練習などもこの週に行った。
第二週は実習テーマである『ツイートの感情分析』に取りかかった。
第三週はその精度上げとツイートの自動取得機能追加を行った。
感情分析プログラムには以下の3つを使用した。
ツイートの形態素解析にはオープンソースの形態素解析エンジン『MeCab』を使用した。MeCabは、文を分かち書きしたり、分かち書きした単語の品詞や基本形を判断することができる。今回はこの機能を感情辞書を引く為の前準備であるツイートの分かち書きと品詞・基本形判断に使用した。また、『単語感情極性対応表』を参考に感情値の情報を追加した感情辞書をつくり、MeCabで使用した。
ツイートの構文解析にはSVMに基づく日本語係り受け器『CaboCha』を使用した。CaboChaはツイートに含まれる単語同士の関係性(係り受け)を求めることができる。今回は、「楽しくない」など否定を表す「ない」を発見するために使用した。「ない」の判別は、「楽しくない」を「楽しい」の感情値反転とする為に必要不可欠である。
ツイートの自動取得にはtwitterAPI用pythonライブラリtweepyを使用した。tweepyを用いることにより、キーワードでツイートを検索し取得してくる事ができる。
作業を進めていく上で以下のような工夫をした。
『単語感情極性対応表』自体がネガティブ寄りであるので、そのまま使用すると殆どのツイートがネガティブ判定されてしまう。これは、ネガティブとポジティブの境界線を-0.2に定める事で大体それらしい判定ができるようにした。
『良かった』は『良い』の過去形だが、感情辞書には基本形の形しか登録されていない為直接感情値をとってくることができない。これは、MeCabのシステム辞書を使い分かち書き後の単語を基本形に変換する工程を加える事で解決した。
否定表現の判定は、分かち書きした単語が『基本形が「ない」の助動詞』であれば、文内の名詞・動詞・形容詞の感情値を反転するという方法で行ったが、この方法では『海に行かない?』の『ない』が否定表現と判定されてしまう。『ない』の後に『か』がある場合、もしくは文末にクエスチョンマークがある場合には否定表現ではないと判定するように判定基準を改変した。
『感情極性対応表』には、「映画」や「漫画」などといった普通名詞も存在するが、それらに対する感情は個々人で違う。しかし名詞全てを除外すると「感動」や「絶望」といった直接的に感情を表す名詞も消えてしまう為、名詞の中でもMeCabの種分けで一般・数・固有のものを選んで感情辞書から取り除いた。
ツイッターの文章は砕けたものが多く、『かわいい』などの最後が『いい』で終わるものは『いー』、『寂しい』などの最後が『しい』で終わる物は『しー』に変換するなどして砕けた表現を感情辞書に追加した。
ツイッターでは顔文字が感情表現に使われているので、感情を表す顔文字を辞書として配布しているサイトを参考に感情辞書に顔文字を追加した。また、文末に『w』のあるツイートは感情の起伏が激しいと判断し、その文の感情値を増幅した。
ツイートの自動取得に関しては、定期ツイートや広告ツイートを取り除く簡単なクリーニングを行い、できるだけ人間のツイートを取得できるようにした。

3.結果と考察
映画『リトルフォレスト』を検索キーワードとして集めた100のツイートをネガティブとポジティブに分けた結果、感情値の絶対値が大きい3つを、図1と図2に表した。


図1 映画についてのネガティブ

図2 映画についてのポジティブ

図1の一番下は、「嫌」などによりネガティブ評価が下されたのだと思われるが、「リトルフォレストをみて心を洗いたい」と言っている事から、リトルフォレストに対してはポジティブな印象を持っていると分かる。このように、ツイートの感情とキーワードに対する感情が一致していない場合があるので、この方法ではキーワードに対する評価が分かるとは言えない。 
『香川真司』を検索キーワードとして集めた100のツイートをネガティブとポジティブに分けた結果、感情値の絶対値が大きい3つを、図3と図4に表した。

図3 人物についてのネガティブ

図4 人物についてのポジティブ

 図3から分かるように、人物に関するツイートの感情判断の結果は人間が納得出来ないものが多い。一番上は「戻る」、二番目は「向ける」「公開」「反応」などに負の感情値がついているのが原因である。しかし、ファンからの手紙についてのツイートは、人間から見るとポジティブな感情を持っていると思われる。
 人物についてのツイートには、形容詞などはっきりと感情を伝える単語があまり含まれず、場合によって受け取り方が異なる動詞や名詞などの感情値の影響が出てしまう。そして感情辞書の基にした『感情極性対応表』の収録する単語の多くが負の感情値を持つ為に、負の感情値をもつ単語の方が多く見つかり、全体の感情値がネガティブになる。結果的に感情が曖昧なツイートはネガティブ判定されやすくなっているのだと考えられる。これは、感情辞書のどちらともとれる曖昧な単語を消すか、何らかの方法で「どちら」と特定出来るようにする必要がある。

 自動でキーワード検索して取得してきたツイートを、感情分析してネガティブとポジティブに振り分けるプログラムを作る事ができた。
 しかし、振り分け結果については、ポジティブは納得できる結果が得られたが、ネガティブと判定されたツイートについては納得できないものも多く含まれた。これには、感情辞書のもとにした『感情極性対応表』の単語がネガティブ寄りであることが原因であると考えられる。
 今回はMeCabの勉強不足でニコニコ大百科やwikipediaなどから取り出した固有名詞を使用する事ができなかったので、固有名詞に感情辞書に載っている単語が含まれる場合その感情値を拾ってしまう問題が発生した。ツイートには日々増え続けるネット用語が含まれており、これらで感情表現を行っているツイートについては感情値をとる事ができないのも問題として挙げられる。
 また、今回作ったプログラムでは「絵は嫌いだがストーリーは好きだ」という風に複数の評価が混在すると、感情値の判断が正しく行われない。文の中でどこが強調されているのかなど、単純に単語の感情値を合計するだけでない工夫が必要だと考えられる。
 他にも、ツイートの日本語は話し言葉に近く、CaboChaでの構文解析が難しいことや、固有名詞同士の関係が分からないと比較表現のあるツイートの感情分析が困難である事が分かった。(例えばドラえもんでキーワード検索した場合「ドラえもんは好きだがアンパンマンは嫌いだ」という場合と「ドラえもんは好きだがのび太は嫌いだ」という場合ではドラえもんという作品についての感情値は変わる。)

4.まとめ
 文章の感情値を調べる為には、単語の感情値を単純に辞書と照らし合わせてとってくるだけでは不十分だと分かった。ツイートの構文解析を正確に行うことで、もっと精度が上がるだろうと考えられる。
 また、ツイートの感情辞書を作成する場合は、ネット用語や顔文字なども含める必要があり、岩波国語辞典をリソースとした既存の表を使用するのには限界があると感じた。
 

(a) インターンシップに参加した感想
 前述したように、Shannon Labのインターンシップは開発・企画・デザイン・営業・経営まで幅広く募集しているため、インターン生には工学系の学生だけでなく、法学や芸術を専門とする学生もいた。今回のインターンは、工学以外を専門とする人たちと話をする良い機会になったと思う。
 また、インターンシップ中に首都大学東京で行われた情報処理学会を見学させていただくことができた。とても貴重な体験をしたと思う。
 
(b) 後輩へのアドバイス
 Shannon Labでのインターンシップは決められたスケジュールに沿って決められた作業をする職業体験ではありません。テーマを決めた後は目標に向けて自分で方法を調べ、試行錯誤を重ねて活動するという方針は創造実習と同じです。しかし、サーバをお貸しいただけたり、会社製のプログラムを見せて頂けるなど、1人では決してできない経験ができるので、力をつけたい人にはおすすめです。

参考文献
1) 高村大也, 乾孝司, 奥村学
“スピンモデルによる単語の感情極性抽出”, 情報処理学会論文誌ジャーナル, Vol.47 No.02 pp. 627–637, 2006.

2014年11月25日


東京都立産業技術高等専門学校 ものづくり工学科 電子情報工学コース

実習先  株式会社Shannon Lab

1.はじめに

 株式会社Shannon Labは人工知能の研究開発を行なっており、主に音声認識や機械学習や対話を用いたシステムを開発している会社である。

 今回のインターンシップでは、クローラを用いた動詞・目的語の対応付けに取り組んだ。動詞と目的語の対応を得ることは、文章の自動生成を行なう上で有用である。

 たとえば「○○を食べました」という文章を生成するためには、「食べる」という動詞に対応する目的語(つまり食べ物の名前)をコンピュータが知っていなければならない。そこで、そのような動詞と目的語の対応関係を、Web上から収集してデータベースを作ることがこの実習の目標である。

 またそれに加えて、動詞だけでなく形容詞との対応付けを行なうシステムの開発も試みた。たとえば「カレー」という名詞には「おいしい」や「濃厚な」などの形容詞が対応する。しかし時間の都合により、形容詞と名詞を対応付けるシステムについては充分な実験が行なえなかった。

2.実習内容

 今回の実習で開発したシステムは、以下のような手順で動詞と目的語の関係を収集する。

例:「カレー」に対応する動詞を調べる場合

a)Bingの検索エンジンで「カレー」を検索して、上位の何件かのURLを取得する

b)URLが示すページを開き、本文のみを文字列として取得する

c)本文を解析して「カレー」を目的語とする動詞を探す

d)見つかった動詞を、「カレー」に対応する動詞としてデータベースに登録する

 上記のaとbについてはShannon Labが開発したクローラを使用し、cとdの部分の開発を自分で行なった。

 本文の解析には、係り受け解析器のCaboChaを使用した。形態素の解析のみであれば、形態素解析器のMeCabでも可能だが、CaboChaを使用することで係り受け解析が可能になり、目的語と動詞の対応を容易に得ることができる。

 ただしCaboChaの場合はユーザ辞書を使用できないということが分かったため、MeCabのみを使用した解析方法も検討してみた。

 どのような名詞について調べるかという点については、任意の名詞について調べる場合と、Wikipediaとはてなキーワードの辞書からランダムに取得した名詞について調べる場合の、2つの方法で調べられるようにした。

3.結果・考察

 実習で開発したシステムを実際に動かしたところ、以下のようなデータが得られた。

 表1:「カレー」に対応する動詞と形容詞

動詞

出現回数

形容詞

出現回数

食べる

4

美味しい

4

かける

3

青い

2

探す

2

辛い

2

作る

2

やさい

1

混ぜる

2

好きな

1

 表1を見ると「食べる」や「美味しい」などの妥当な結果が得られていることが分かる。「やさい」というのは、元の文章が「やさいカレー」であると考えられるため、形容詞として判定されているのは好ましくないが、これは形態素解析器の仕様なので改善は難しいかもしれない。

3.1.辞書による違い

 はてなキーワードとWikipediaからランダムに名詞を100個ずつ取得して動詞との対応を調べたところ、結果に大きな差が生まれた。

 表1:Wikipediaとはてなキーワードの比較

辞書

Wikipedia

はてなキーワード

動詞と対応が得られた名詞

35

74

動詞の総数

(重複あり)

119

251

 表1を見るとWikipediaよりもはてなキーワードのほうが多くのデータを集められていることが分かる。これは、はてなキーワードの辞書の語数が約31万だったのに対してWikipediaの辞書には約140万もの語があり、あまり一般的に使用されない語が多く含まれているためと考えられる。

 たとえば、今回Wikipediaの辞書から取得した100語の中には「鶴見臨港鉄道モハ140形電車」のような長大な語が含まれていた。このような語は検索をかけても部分一致の検索結果ばかりが出てくるため、動詞との対応が得られない。

 しかし、はてなキーワードは流行語についての辞書であり、一般的すぎる語はあまり掲載されていない。たとえば「声」や「頭」などの名詞は掲載されていないので、はてなキーワードから網羅的なデータベースを作ることは難しいと思われる。

3.2.CaboChaとMeCabの違い

 形態素解析にMeCabを使用する場合、係り受けの解析が必要なときは自分で行なわなくてはいけない。そのため係り受け解析の精度は落ちるが、

一方、助動詞や記号などによって細かい場合分けを行なえるというメリットがある。

 動詞と目的語を対応付けする際、形態素解析にMeCabを使用してみたところ、CaboChaを使用した場合と比べて半分程度しか動詞が得られなかった。しかしMeCabではユーザ辞書が使えるため、デフォルト辞書に載っていない長い単語(「吾輩は猫である」など)について調べる場合は、CaboChaを使用した場合よりも多くの動詞を得られた。

3.3.改善すべき点

 できるだけ正確なデータを集められるように努力したが、時間の都合で改善できなかった点があった。

 たとえば、「このような生物を爬虫類という」という文章から「生物」を目的語とする動詞を探すと「いう」が出てくる。しかし、この文章から「生物」という名詞と「いう」という動詞の間に関係性を見出すことは不自然である。そのため、「いう」のような動詞には例外的な処理が必要と思われる。

 また、形容詞と名詞の対応付けについては、まだ不適切な出力が多く、実用には堪えないレベルであった。たとえば「冷めているカレー」という文章から「いる」を形容詞として拾ってしまうことがあり、形容詞としての意味が失われてしまう。そのため、「冷めている」を一つの形容詞とするなどの対応が必要である。

3.4.対話システムへの応用

 動詞と目的語の対応関係は、文章の自動生成を用いた対話システムでの利用が期待できる。

 たとえば、ユーザが「今朝は何を食べましたか」という文章を入力したとする。これが「食べる」という動作の目的語を尋ねる文章であることは、CaboCha(あるいはMeCab)を使って終助詞と動詞を調べれば判定できる。

 そこで、あらかじめ「○○を××しました」というテンプレートを用意しておき、これに動詞と名詞を当てはめて文章を返せば、違和感なく会話をさせられるはずである。たとえば、「食べる」という動詞に対して「カレー」という目的語が対応付けられていれば、「カレーを食べました」という文章を返すことができる。

 さらに、入力文を解析するときに時制や主語などを判定して複数の返答パターンを使い分ければ、より高度な文章を返すことができるかもしれない。

 また、動詞と目的語の対応だけでなく、様々な名詞や形容詞や副詞との相関についてデータを集めれば、より幅広い質問に答えることができるようになるであろう。

4.まとめ

 今回の実習で、動詞と目的語の対応付けについては充分な精度の結果を得ることができた。しかし、どのような名詞で検索をかけるかによって得られるデータの量に大きな差があることが分かったので、その点については大きな改善の余地があると感じられた。

a)インターンシップに参加した感想

 今回の実習ではとても充実した体験をすることができた。

 特に、実習が始まる前からPython言語や開発環境について丁寧な事前指導をして頂けたことがありがたかった。事前指導のおかげで、しっかりと準備を整えた上で実習に臨み、初日から有意義に時間を使うことができた。

 また、実習期間中の開発作業は自分で創意工夫しながら進めることができたので、楽しく作業をすることができた。自分は日本語の文章の解析をするのが好きであったため、このテーマについての実習をさせて頂けてとても嬉しく感じた。

 今回の実習で得られた知識は、卒業研究などでも役立つものだと思う。

b)後輩へのアドバイス

 Shannon Labはインターンシップ生を積極的に受け入れている会社であり、とても熱心に指導をしてくださるので、本格的な開発作業を体験したい人や、自分の知識と技術を高めたい人にとっては良い経験になると思う。

 ただし実習でどのようなテーマに沿って作業をするかは自分で決めることになるので、積極的に課題を見付けて努力できる学生が望ましい。また、実習中に分からないことがあっても基本的には自己解決が求められるので、インターネットなどで情報を集めて解決方法を探す能力も必要になる。

2014年11月25日


東京都立産業技術高等専門学校 ものづくり工学科 電子情報工学コース

実習先 Shannon Lab 株式会社

1. はじめに
 私はShannon Lab株式会社でインターンシップを行った。この会社はIT系のベンチャー企業であり、主に人工知能技術を用いたソフトウェアの開発を行っている。
 今回の実習では、「人工知能」という言葉からよく連想される、「人間との対話」を目的としたプログラムを作成した。具体的には、リプライが送られて来たら、それに対応するような回答を自動で返すtwitter botプログラムである。
人間との対話を行うには、人間同士の対話を真似することが一番容易である。そして、twitterでのツイートとそれに対するリプライは、人間同士の対話である。そのため、リプライを持つツイートとそれに対するリプライを用いて、人間同士の対話を真似すれば、人間との対話を行えるという考えの元、このプログラムを作成した。

2. 実習内容
 主な実習内容は、前述した通りのtwitter botプログラムの作成である。
 初日は、twitter botを作成する予定はなかったため、NTT docomoの雑談対話APIを用いた対話プログラムの作成を行った。
 二、三日目は、会社から渡されたプログラムの修正・改変等を行った。これらのプログラムは、twitterからリプライのあるツイートを取得してきて、ツイートとそれに対するリプライをデータベースに保存するというものと、入力された文に類似した文をデータベースから検索し、それに対する回答文を出力するというものであった。
これにより対話プログラムの根幹となる部分が完成した。
 四日目以降は、対話プログラムの改良を行った。
元のプログラムでは、文同士の距離がしきい値以下ならば類似しているという単純な判定方法をとっていた。そのため、ほぼ完全に一致した文でないと、類似した文だと認められなかった。例えば、「こんにちは、今日も良い天気ですね。こんな日は外で読書でもしたいですね。」のような長い文が入力された場合、これとほぼ一致したツイートが見つかる可能性は限りなく低く、このままだと回答を返すことが出来ないことになる。そのため、特に文同士の類似判定方法の改良と判定方法の追加を行った。
 最終日に、自分に送られてきたリプライの取得とそれに対する返答を行うプログラムを作成し、twitter botを作成した。

3. 結果と考察
 図1から図3に今回の実習で作成したtwitter bot(@ShannonLaBot)の対話例を示す。図2は、このアカウントがtwitter bot、つまり人間ではないと知らない人との対話を示したものである。
 図1の通り、自動リプライ機能を持ったbotを作成することができた。また、回答もある程度話題に沿った内容のものを返すことができた。また、図3より、このアカウントが人間だと勘違いされ、ある程度対話を継続できていることが分かる。これにより、当初の目的である「人間との対話」が達成されたと言えるだろう。
図2と図3の後半部分より、リプライによっては人間の回答としてはおかしな発言をしていることが分かる。今回使用したアルゴリズムの中に、文中の単語を用いて文同士の類似判定を行うものが存在する。図2と図3後半の部分は、そのアルゴリズム内で、文内の特徴的な単語に重みづけがされていなかったことが原因の内の一つだと考えられる。これに関しては、tf-idf法を用いることで解決できると思われる。
また、より人間らしい回答を返すようにするための他の改良方法としては、文同士の類似判定方法の改良や判定方法の追加などが考えられる。例えば、既存の類似度判定のしきい値の変更や、トライグラムなどの有名な文書比較方法の導入などである。
マルコフ連鎖やNTTの雑談対話APIを用いてそれらしい文を直接生成するなどの方法も考えられる。


図1: ShannonLaBot対話例(1)


図2: ShannonLaBot対話例(2)


図3: ShannonLaBot対話例(3)

4. まとめ
(a) インターンシップに参加した感想
 今回のインターンシップでは、Python言語の基礎から文書比較の方法まで多くのことを学べ、実際に企業に就職したかのような体験が出来たためとても満足している。
ただ一つ、twitter bot改良案のほとんどを実際に実装できないまま、インターンシップが終了してしまったことがとても残念に思われる。
(b) 後輩へのアドバイス
 Shannon Lab株式会社は、実際に企業に就職したかのような体験が出来るため、将来IT系企業に就職したいと思っている方に特にお勧めします。また、ShannonLaBotに興味を持った方にもお勧めします。
 実際にインターンシップに来る際は、Pythonについて予め少し調べておき、色々と自分で調べるくせをつけておくと良いと思われます。

ShannonLabot link

2014年11月22日


クラウドファンディングサービスーShooting Starーとは

 決められた期間の中で、不特定多数の方からお金の対価に「ギフト」を用意し、その活動に賛同していただいた方からギフトを購入してもらい、目標金額までお金が集まれば決済されます。
Shooting Star 公式サイト

弊社のプロジェクト

人工知能キャラクター「優子ちゃん」による次世代型介護サービスを普及させたい!

目標金額:1,000,000円
決済:11/21までに目標金額が集まれば決済


<弊社プロジェクトページ>

みなさまの厚い応援の気持ちにより、見事11/21時点1,172,500円をいただくことができ、目標金額の117%を集めることができました。
いただいたご支援に応えられるよう、弊社サービス介護Agentを1日でも早く形にできるように邁進する所存でございますので、
これからも何卒応援のほどよろしくお願い申し上げます。

この度は誠に有難うございました!!

2014年11月8日


皆さんはMorning Pitch というイベントをご存知ですか。

<Morning Pitch とは>

Morning Pitchとはベンチャー企業と投資家を結びつける毎週木曜日の朝に行われる投資イベントです。
このイベントから多くの投資が生まれ、大きくなったベンチャーは多くあります。

Morning Pitchはベンチャーの登竜門と言って良いでしょう。

 

以下、サイトより引用

“Morning Pitchは、毎週木曜AM7時から開催している、 ベンチャー企業と大企業の事業提携を生み出すことを目的としたプレゼンテーションイベントです。 毎週5社の成長ポテンシャルの高いベンチャー企業が、大手事業会社・メディア・VCのオーディエンス企業約100名に対しプレゼンテーションを行います。 2013年1月から開始し、2014年8月時点で累計300社超のベンチャー企業が登壇しています。 トーマツベンチャーサポート株式会社、野村證券株式会社の2社が幹事となり開催しています。 ”
http://morningpitch.com/about/

11/6は 「ロボットベンチャー特集」だっため弊社も登壇しました。

<当日の様子>
Picture1

こちら弊社田中の登壇の様子です。
会場も人工知能ベンチャーという特殊性、および独自の技術の介護分野への応用に興味津々の様子でした。

 picture2

弊社のサービスである「介護Agent System」をスライドにて説明している様子です。
会場も盛り上がっていました。

これからも多くのイベントに登壇していく所存ですので、何卒応援をお願いします。

クラウドファンディングも引き続き皆様からの支援をお待ちしております。
『人工知能キャラクター「優子ちゃん」による次世代型介護サービスを普及させたい!』
http://shootingstar.jp/projects/1036/detail) 

2014年10月15日


10月1日(水)‐3日(金)東京ビッグサイト東展示ホール(有明)にて、第41回 国際福祉機器展 H.C.R.2014に出展しました。
同展示会ホームページ
https://www.hcr.or.jp/index.html

今回は株式会社ジャニス様とSHANNON LABの共同出展となりました。共同出展していただきありがとうございます。

picture1

さてこの3日間で私たちは株式会社ジャニス様のシンフォニーと自社の介護Agent Systemの連携システムを展示しました。当日予想を上回るご来場者数で社員一同驚きと喜びを隠せずにはいられませんでした。

picture2
弊社製品  「介護 Agent System 」
http://shannon-lab.org/?page_id=267

ブースに訪れていただいた方々にはこのシステムの利便性をご理解いただいたと思います。今後このシステムをご利用頂ければ幸いです。

 

またSHANNON LABでは今後このように他企業様との連携システムそして共同開発もしていくので是非お問い合わせください。

2014年10月15日


今回SHANNON LABでは介護Agent Systemを主力として出展しました。
公式ホームページはこちら
http://www.cgc-tokyo.or.jp/assistinfo/fair/index.html

picture1http://shannon-lab.org/?page_id=267

介護Agent Systemは、最先端の音声認識技術・発話技術・人工知能技術を使い、介護が必要な高齢者とその家族や介護施設を結び、高齢者を見守る事が出来る新しいサービスです。

 

当日は沢山の方々にご来場いただきありがとうございます。人口知能の可能性、また介護Agent Systemの有用性を少しでも知っていただければ幸いです。

picture2

今後もSHANNON LABは数多くのイベントに出展していく予定です。今後も人工知能を
使ったサービスを開発・提供していきますので宜しくお願いします。

picture3

2014年9月30日


介護業界に革新をもたらす人工知能コミュニケーター
「介護AgentSystem」の開発

として
平成25年度補正中小企業・小規模事業者ものづくり・商業・サービス革新事業2次公募の補助事業者を採択されました。

モノづくり補助金採択

介護Agent Systemの開発を行い、高齢者のよりよく生きるための社会を作っていきます。
皆さん宜しくお願い致します。

2014年9月13日


代表 田中です。

高専インターン無事終了しました。
今年は関東外からも来てくださり最多の7名の参加となりました。
去年からの引き継ぎもうまくいき、収穫の年となりました。
また詳細の報告を本サイトにて行いたいと思います。

弊社と共同開発したシャノンラボっと、文章自動生成と自然言語処理によるリプライができます。
ShannonLaBot
話しかけて遊んでみてください。

今年の成果
①自動リプライ
②SVMを使って、特定の属性からのツイートを取得=>自然言語処理マルコフ連鎖による文章生成
③動詞と目的語の対を検索クロールをかけて収取

など多くのものができました。

またのご参加お待ちしています。

 

2014年6月27日


2014年4月26日


SamuraiVentureSummit2014にて 弊社音声認識システム
介護AgentSystemを出展致しました。

60.ShannonLab株式会社 出展ブース

Samurai Shout!50!プレゼン風景


参考リンク:
週アス+PLUSでの紹介
週アス+PLUS
介護AgnetSystem紹介
介護AgnetSystem
SamuraiVentureSummit2014リンク
SamuraiVentureSummit2014

2014年1月16日


Internship


ShannonLabでは、インターンシップ、アルバイトに続きプチ役員を学生から募集しております。
プチ役員とは法的な決定権はもたないまでも役員と同じような仕事を経験できる
ベンチャーだから実現できたインターンシップ。
企画・開発・営業・経営まで様々なことを0ベースで創りながら学べる環境です。『常識に囚われず、常に革新的であれ』

「ITベンチャーに興味がある。」「経営を経験してみたい」etc…
成長に貪欲なアナタをお待ちしております!!

Career


募集職種は以下の通り。
詳しくは、Entryからご質問ください。

Position Type Duty
PMO (Puchi Marketing Officer) 急募 マーケティング全般
PTO (Puchi Technical Officer) 募集 開発(プログラミング)
PLO (Puchi Legal Officer) 募集 短期でもOK 法律に関する書類作成
PFO (Puchi financial officer) 済み 資金調達にかかわること全般

Entry


1年生でも、インターン未経験者でも大歓迎です。
エントリーフォームはこちら!
→Entry Form

2013年12月6日


関係者様、

住所に変更はありません。
同じ西武信用金庫のインキュベーションセンター内での部屋の移動となります。

メンバーの増加に伴い以前の部屋ではスペースがたり小さくなったので
〒165-0026 東京都中野区新井5丁目29-1西武信用金庫新井薬師ビル503
へ移りました。

今後ともよろしくお願い致します。

Jun Tanaka 

2013年12月6日


東京都立産業技術高等専門学校 ものづくり工学科 電子情報工学コース

実習先 Shannon Lab 株式会社

1. はじめに
今回のインターンシップにて、私が行ったのはShannon Lab株式会社である。このShannon Lab株式会社は2011年12月7日に法人設立したベンチャー企業である。会社名は情報理論の父と言われる数学者・論理学者のクロード・シャノン氏にちなんでいる。
この会社では、欧米で広く普及している言語「Python」を駆使したプログラムの開発がされており、特に情報の整理、予測を行う人工知能技術の開発が行われている。
今回の実習では、人工知能という訳ではないが、先に述べたPythonを使用したプログラミングを行った。具体的なプログラム内容としては、「SVMを使用し、twitterのツイートから、男女を判別する」というものになっている。
「SVM」とは「Support vector machine」の略称で教師あり学習を用いる識別手法の1つ。2種類のデータを学習させることで図1のような分類を行う。ここに判定したいデータを与えることで、どちらに近いか判定し結果を返す。

SVM
図1 SVMのイメージ図
これは、会社の代表取締役である田中様からの提案で、とある論文を元にした実験である。その論文では、文章を使った同様の実験で70%以上の確率で分類に成功していたので、使用するデータを文章ではなくtwitterのツイートにした場合どうなるかを検証する、というものでした。
今回の実習で私が目標としたのは、実験の成功だ。勿論、論文と同じように高確率で成功するのが望ましいが、プログラムが出来上がらないままインターンシップ終了の可能性もあり、それだけは何としても避けようと思った。
2. 実習内容
私は今回のインターンシップではまとめ役として、他の3人より1週間早く実習を始めた。
一週目は他の3人が来る前に、実習環境の把握と準備を行った。具体的には、Wi-Fiの準備や他の人が行う実習の中身の簡単な把握などを行った。
二週目は前任のインターンシップ生等が作成したプログラムの改変を行った。改変を行ったプログラムは大きく2つあり、1つ目は文章から指定した品詞の単語を取り出す形態素解析エンジンMeCabを使用したプログラムで、2つ目はtwitterからidとツイートを取得し、選定した上で自動的にフォローするプログラムである。
この週は特に進みが遅く、与えられたタスクを消化しきれずに次の週へと進むことになった。
三週目は本格的に実験のプログラム作成を行った。基本的には二週目で改変したプログラムを1つにまとめていき、必要なプログラムを追加していく作業になる。
具体的には、男女別に分けたidを使いtwitterからツイートを取得、それをMeCabで単語ごとに分解してそれをデータベースに格納するまでを、二週目のプログラムで行い、それらをデータベースから取り出しSVMに学習させ、結果を出すプログラムを追加する。

ツイッター SVM
図2 プログラム構成のイメージ図
この週は特別遅れることなく、プログラムの完成まで行くことが出来た。
3. 結果と考察
結果として、これらのプログラムは一応完成した。これにより、事前に設定した目標は達成できた。しかし、正答率は50%弱とかなり低かった。
この結果より、以下のことを行えば成功率をより上げることが可能かもしれないと考える。
まずは、プログラム全体の見直し及び修正である。一週間ほどでまとめたプログラムなので、まだまだ欠陥がある可能性がある。また、データの取り扱いなどをより改善すればより良い結果が得られるかもしれない。
次に考えられるのは、学習データの追加及び精査である。今回のデータの収集は一週間で約800人分のidを取得している。本来ならば、この倍は収集する予定だったのでより多くのデータがあれば、成功率の上昇を見込めるかもしれない。またデータ収集の際、アカウントが男性か女性かを判断しなければならないが、今回はアカウントのプロフィールから男性か女性かを推測するという形をとっていたので、より精査した方が良い結果が得られるのではないかと考えられる。
もう一つ、これについては難しいところがあると思うが、取り出す単語についても考えるべきだと思っている。品詞によっては、かなり特殊な単語がデータとして収集されている可能性がある。逆に、現在使っている品詞の他に男女の差が分かりやすいものがあるかもしれない。
今後の方針としては、プログラムの確認は勿論だが、収集する単語やTwitter idについて精査していくべきだと考える。
この為に、収集した単語を品詞ごとに判定し、結果を評価してみるといいかもしれない。
4. まとめ
今回のインターンシップで、私はShannon Lab株式会社で実習を行い、以上のような結果を得ることが出来た。

(a) インターンシップに参加した感想
今回のインターンシップは皆より一週間早く実習が始まり、二週目では中々作業が進まず悩んだ。しかし、最終的にいい結果とはいい難いが、自分の全力を出して仕事を最後までやり遂げられたので、自信が持てるようになった。
まとめ役としても、一週目は情報の共有や会社の人との話し合いなど仕事はこなせていたが、二週目以降は自身の作業の遅延からほぼ機能していなかった事から、まとめ役というのが予想以上に難しいと感じた。
今回のインターンシップは、自身の能力を見る良い機会になったと思う。また、会社の方々から興味深いお話を沢山伺うことが出来たので、全体的に満足している。
(b) 後輩へのアドバイス
Shannon Labのインターンシップでは、自分で考えてプログラムを組んでいくことが多かったので、そういう事に慣れておいた方がいいと思う。また、言語はPythonを使うので、事前にある程度使えるように慣れておくことをお勧めする。
不明な点があれば、すぐに社員の方に助言を貰った方が良い。社員の方たちはいい方ばかりなので、ちゃんとアドバイスをくれる。
他にも、社員の方から就職等で役に立つお話を伺えるかもしれない。さらに、何かイベントのようなものを催してくれる事もあるかもしれない。
これらの点に興味があれば、参加するといいと思う。

2013年12月6日


東京都立産業技術高等専門学校 ものづくり工学科 電子情報工学コース 四年

実習先  Shanonn Lab株式会社

1、はじめに
 今回のインターンシップ先であるShannon Lab株式会社では、アプリ開発、人工知能、データ解析などを行なっている。
 インターンシップでは、統計学とサポートベクターマシン、MeCabについて学んだ。以下に3つの実習内容について詳しく述べる。
2、実習内容
2-1、統計学について
統計学の中の因子分析、カイ二乗検定、t検定について学んだ。因子分析は、アンケートなどの多変量データに潜む共通因子を探り出すための手法である。カイ二乗検定は、ある理論値を想定した時、実際の観測値がその理論値とほぼ一致しているかどうかを調べるもの。t検定は、2集団間に差があるかないかを調べる手法である。t分布を使用するためt検定という。
2-2、サポートベクターマシンについて
サポートベクターマシン(Support Vector Machine:SVM)は教師ありの学習を行う。顔などのパターンの認識なども行うことができる。教師ありとは、事前に与えたデータをいわば例題(教師からの助言)とみなしてそれをガイドとして学習を行う方法である。SVMの種類は主に二つあり、線形SVM(図1)と非線形SVMというものがある。線形SVMはデータを直線で分類するものであり、非線形SVMはデータがバラバラで直線では分類できない時に使用される。

SVM
     図1 線形SVMの原理
SVMのパターン認識は、マージン(2種類以上のデータ間の距離のこと)の最大化(図1)によって行われる。マージンの最大化は、2つのデータの一番距離のある場所で分類の線を引くものである。マージンの最大化の方法は2種類ありハードマージンとソフトマージンがある。ハードマージンは、二つのデータがきちんと分かれているときにマージンの最大化を行った場所に直線を引く。ソフトマージンは、二つのデータが直線で分類できない時に使用される。
 実際にSVMが実装されているものは、スパムメールフィルターなどがある。あらかじめ、何百種類以上のデータをSVMに学習させ送られてきたメール対して学習したデータで分析しスパムメールかそうでないかを判別する。このフィルターは未知のメールに対しても分析することができる。いろいろなスパムメールを分析し学習することで未知のデータに関しても識別することができる。

 
SVMで実際に走らせたのは、R言語という言語を使用し、もともと入っているデータを使用して走らせた。アイリスという花の種のデータ3つを使用しSVMで学習させて正解率を出した。約90%程の正解率がでた。このような実習をしてSVMについて学んだ。
2-3、MeCabについて
 MeCab は、形態素解析を行うオープンソースのソフトウェアである。形態素解析とは、コンピュータ等の計算機を用いた自然言語処理の一つで、かな漢字変換等に応用されているものである。入力された文章を解析してMeCabが持っている辞書を使って文章を単語ごとに区切りその文字がどのような読み方をするかどうかまで表示することができる。
 そしてその辞書は自分の手で追加することもできる。インターンシップではその辞書を作る作業をした。Wikipediaのデータベースに様々な単語が表記されているものがありそれをもとに私の手で入力して辞書を作成した。だが、大量のデータとなるためpythonのプログラムで辞書を作成することにして実行した。だが、この方法で作成するとその単語の読み方を表示できなくなってしまう問題があった。次に、はてなキーワードの辞書を追加する作業を行った。はてなキーワードが配布しているデータはWikipediaのデータとは違った表示になっており、それぞれの単語の後ろにその読み方も表示されている。このデータの形式ではWikipediaで使用したプログラムをそのままでは走らせることができないので読み方を省いた辞書を作成することに手間取った。
Wikipediaとはてなキーワードの辞書がMeCabの辞書に追加されたことにより単語量を増やすことができた。
3、考察
 SVMについてのプログラムを走らせ正解率などを表示することを行ったことによりデータの学習によって精度が高くなるということが分かった。
 MeCabについては二つの辞書しか作れず、その他のネット用語などの辞書を作成できなかった。2chやニコニコ大百科などに記載されている単語などを辞書に登録することができれば精度が高く、さらにいろいろな単語が検出できたのではないかと考えられる。
4、まとめ
 インターンシップでは、統計学やSVM、MeCabについて学んだ。そしてSVMとMeCabについてはpowerpointにまとめ、発表を行った。これらのものは、WEBデータ解析において有効なものであることが分かった。
インターンシップを通して様々な経験をした。学んだことのない言語やSVMを走らせデータを取ること、MeCabの辞書作成を体験した。       
そして企業で働いている方を見て会社で働くということの大変さなどがわかった。一日のノルマや次々に出てくる課題などとても大変なことばかりだと思った。
最初は大変そうだと思っていたが参加してみてデータ解析に必要な知識などがついたしインターンシップをやり遂げられてよかったと思う。経験したこと、学んだことを今後の学校生活や就職先でも活かすことができるようにしていきたいと思う。
5、後輩へのアドバイス
Shannon Lab株式会社は、インターンシップを真面目に受けいろいろな知識を身に着けたいという人には良いと思います。
私は、知らないことばかりで様々なことを調べるのが大変だったが、最後までインターンシップをやり遂げることができたときの達成感はとてもよかったです。実際に働いているかのようなインターンシップができるので本当に就職したかのようなインターンシップができるのでおすすめだと思います。

2013年11月8日


西武信金ビジネスフェアにて
弊社音声認識システムのAGENTを出店してきました。

参考リンク:
音声を使って予約や買い物ができます。:
Agent 広告動画
西武信金ビジネスフェアリンク
西武信金ビジネスフェア

2013年10月7日


iphone版映画を当てるマインドビューが5万ダウンロード超えました。
アンコウの子供ランプくんがあなたの考えている映画を当てるってアプリです。
映画を当てる マインドビュー iphone版

有料版の声がでてしゃべるバージョンもあります。
しゃべる マインドビュー

2013年9月10日


ShannonLabで主要開発言語として使われているpythonですが、
国内最大級のpythonイベントpyconでのスポンサーになりました。

pyconへ参加する方はお早めに!

2013年9月8日


 

今回は都立産業技術高等専門学校より4人の高専生に参加していただきました。
非常に楽しく実験ができ、3週間はあっという間に過ぎました。
pythonプログラミングからSVMの使い方やmecabの学習までをしていただきました。
ツイートからSVMを使って男子と女子を分ける実験をしました。
線形カーネルを使って800名の男女のデータを学習させました。(学習に約8時間かかりました。)
accuracy 53%とちょっと精度が低い気もしますが、3週間ということを考えたら上出来だと思います。
この続きは他の高専生か大学生のインターン課題として残しておきます。興味ある方はぜひご応募くだださい。
今回参加していただいた産業技術高専の4人とご協力いただいた教授には心より感謝しております。
残念ながら宿を提供できないがために参加できなかった遠方の高専の方々ご応募ありがとうございました。
来年にはビッグなってなんらかの対応をしたいと考えております。
引き続きよろしくお願いします。

 

今回使用したものまとめ:
python SVM
mecab
python tweepy
python beautiful soup
tweetデータ (男性と女性)
はてな(mecab 学習)
wiki(mecab 学習)

次回へ向けての課題:
プログラミングエラーはないか?
効率のよいデータ収集方法
公正なデータの取得
その他mecabの学習データ
AIC化またはその他

2013年4月5日



インターン生情報
————————————————————————————————————————
國學院大学 経済学部 4年

大学4年の夏から、大学卒業の春までインターンシップ活動に従事
内定先:システム開発企業
————————————————————————————————————————

なぜインターンをしようと思ったのですか?

仕事を通じて成長したかった、就職活動でPRできる強みが欲しかったからです。
大学内でただ講義を受けるだけの毎日に、どこか漠然と何かに挑戦してみたいという気持ちが募っていきました。大学3年生のころからインターンを視野に入れていたのですが、なかなか踏み出せずにいました。しかし、就職活動を経験して自分の強みがと無い事に気付かされました。その時の悔しさで成長意欲が沸きインターンの参加を決定しました。

Shannon Labを選んだ理由はなんですか?

Shannon Labを選んだ決め手は「音声認識、発話、自動学習」など最先端技術を扱っている企業であり、CEOが学業との両立をインターンの条件としてくれたところです。
私はIT系企業に就職したいと思っていたので、せっかくインターンに行くのならば、最先端の技術に触れてみたいと思っていました。実際インターンでShannon Labは技術者の方とチームになり技術力のある会社ならではの仕事を体験させていただきました。
インターンの参加を表明した頃、CEOは学生を容易にはに受け入れず、大学の教授からのインターン参加許可を貰う事をきちんと義務づけています。その後、学生をpythonというプログラムング勉強会に招待して、勉強会後に学生との話し合いをじっくり行ってくれた点に信頼と親しみを覚え、安心してShannon Labインターンへ参加することができました。

Shannon Labどのような仕事を行ったのですか?

文系の私は主に「Web文章」「サイト作り」「企画」「営業」を行っていました。
仕事は、書籍や様々な方の意見を参考にして進めていきます。決まりきったマニュアルや上辺だけを褒めるような、誰でもできる仕事は殆どありません。CEOはインターン生一人一人に責任を持たせるように仕事を振ってくれます。もちろんインターンでの指導はあるので自信がない方も安心してください。
特に大学生に必須なスキル「情報収集」+「まとめ」に関しては、インターンを通じて驚く程身につけることができます。このスキルを実践を通じて身につけることで、これからの就職活動や大学生活に大いに役立ちます。

学業との両立はできますか?

前述したように、学業との両立がインターン参加条件の1つです。大学教授の許可が必要ですし、講義の時間割を上手く調整してシフトを組めば何の問題もありません。Skypeを使ってオフィス外でも仕事が出来るので、大学の空き時間を活用し仕事の時間にあてることもできます。

インターンを通じて得たものは何ですか?

インターンで得たものは、たしかな「強み」です。
就職活動では必ず「強み」を聞かれます。多くの大学生は、ゼミ活動やサークル活動などを「強み」として上げることが多いと聞きます。その「強み」は本当に活きるものなのでしょうか。そして自信を持って語れるものでしょうか。
私はインターンを通じて、Web記事、企画書、Webサイトなどのほんの少しではありますが目に見える成果を上げることができました。インターンを通じて自分自身の無力さを感じ、「このままではいけない!」と痛感することもできました。それら辛かったこと、為になった事は、強みとなるエピソードとなってくれます。

これからインターンを考えている人にメッセージをどうぞ。

少しでもインターンを考えているのなら、即刻お問い合わせするべきだと思います。
特に、大学1年2年からインターンで職業体験を積む事は、その後に大きく活きると断言できます。就職活動もスムーズに行えることでしょう。そして、その分野での一流の方々と一緒に仕事をすることで自分が大きく成長できます。

2013年3月15日


かわさき起業家オーディションにてマインドビュー対話システムで「かわさき起業家賞」をいただきました。川崎市は新しいビジネス発掘に非常に力を入れておりまして、こういった素晴らしい会へ参加できたことに非常に感謝しております。多くの企業家がここからでてくると思いますので、私たちもこれを期に色々な方と交流を持ち発展していけたら幸いです。興味のある方・会社は遠慮なくお問い合わせフォームからお問い合わせください。

参考サイト:
かわさき起業家オーディションビジネス・アイデア シーズ市場 第77回最終選考会(2012年6月8日開催)

2012年3月9日


M&Dレポートとは

今回取材いただきましたM&Dレポートとは株式会社MM総研様の発行する、IT分野のハード、ソフトの情報雑誌です。株式会社MM総研様は日本の情報技術産業の健全な発展と市場拡大をバックアップすることを目的として活動されているそうです。
インタビュー記事

取材内容

今回は人工知能とアートの融合、という弊社代表田中の掲げる将来像について深く掘り下げていく内容でした。

目次

  • 人間的なあたたかみを加えた技術
  • 学習で進化するシステム
  • 「対話ができるバーチャル恋人」開発プロジェクトも
  • プロジェクト管理型経営方針

MM総研公式ホームぺージ