フィジカルAIデーで見えた現状
じゃあ今日は、フィジカルAIの話ですね。
となりのデータ分析屋さん。
この番組は、隣の席に知らないことを気軽に聞けるデータ分析屋さんがいたらいいなぁ、を叶えるポッドキャストチャンネルです。
よっちです。たっちゃんです。
フィジカルAIの話をしたくて。
前なんかちらっと話したよね?
話したね。1エピソードじゃないけど、何がフィジカルAIなんだっけみたいな話をした気がする。
そこの定義が謎すぎて、少なくとも世の中でいろいろ言ってるやつの半分以上がエアアップだろうみたいな話をした記憶はあるけど。
それの何?やっぱそうだった?
フィジカルAIを本気で取り組んでる人は世の中にいるってことがまずわかったのと、
SNSで言うフィジカルAIとビジネスでコツコツやってる人たちはまず違うっていうのは明らかになったなっていうのが結論。
じゃあ近いところまで俺も理解は行ってる気がするわ。
フィジカルAIのイベントに参加してきたんですよ。
10月の中旬ぐらいにあったフィジカルAIデーっていうNVIDIAが協賛で入っていて、主催はウェイト&バイアス。
API繋ぎ込んだ時の各モデルのスコア出してくれるサービスのところでしょ?
そうそうそう、実験管理とかのサービスよく使われてるやつで、ちょうど最近コアウィーブっていうアメリカの企業が買収してちょっと話題になったんですけど。
え?あそこって買収されたの?
ウェイト&バイアスが買収されてコアウィーブの参加になったっていうのが。
コアウィーブってなんか聞くよね。何の会社?
コアウィーブはね、マクラ。マクラ、シングの名前にそんなのあるような。
それエアウィーブですね。シングメーカーみたいな名前の。
シングメーカーはエアウィーブで、コアウィーブはAIの会社というかGPUとか関連のソリューションとかを提供している会社で、
ちょっと前にアメリカの株価がガンと下がったというか、ちょっとAIショックみたいなのがあったのがこのコアウィーブ発端で起きたんですけど、
それで一時期名前がバッと知り渡ったかなと思います。そのAIの期待値は嘘だったんじゃないかみたいなので。
そんなニュースが出た当日にこのイベントはあったんですけど。
あ、そういうこと?全然関係なくってことか。
関係なく日本でこのフィジカルAIをやっていく企業を集めて、1日半日くらいかけてのセッションで結構名立たる企業が登壇していて、
名前だけこう言うとNVIDIA、メルカリ、ファナック、AWS、あとアルゴマティックダイナミックスっていうとそのコアウィーブ、ウェイトアンドバイアスが登壇していて、
なかなか密度の濃い、かつフィジカルAIにギュッと閉じた、結構リアルな話をしてくれて面白かったなっていうのがあって。
それを1日参加して懇親会とかも出ていろんな話聞いていく中で、やっぱりフィジカルAI面白いし、でも難しいし、
結構どこにビジネスのチャンスが埋まってるかっていうのは各社探り合いの状況なんだなっていうのも見えてきたんで、
ちょっと今日はその話をしていきたいなと思ってますね。
あ、やっぱ探り合いなんだ。いや、探り合いですね。
いやそう、なんかわからない、この後どういうさ展開になるか知らずに、一旦なんか印象だけ話すんだけどさ。
期待と実装のギャップ
そう、なんか車はわかるんだけど、どこにそんなにフィジカルAIが入り込める余地があると思ってるのかがマジでわからなくて。
最近、俺が部長として持ってる部のお客さんと喋って、お客さんの先の大きい工場行って見せてもらってみたいな体験が結構あるんだよね。
それでめちゃめちゃ自動化できてるところと、逆に大規模すぎて、あと個別チューニングが必要すぎて人が結構いるけど自動化できるところはほぼ自動化されてるみたいな、
そんな現場を見せてもらう中で、世の中のフィジカルAIと言ってるところが、少なくとも国内の経済にインパクトを与えるような会社だったりとかで必要な場面ってそんなにすぐ来るのかなみたいな。
そんなことはなさそうだなみたいな。多分LLMとかに比べて、そもそもめっちゃ投資額もかかりそうだし、そうしたら流石に人の方が安いよなみたいになりそうだし。
そうなんだよ。
そう、みたいなところ以上のところに言ってる話を知りたいし、外から言うのは簡単だけど製造業側が本当にそれを求めてるみたいな流れが本当にあるのかみたいなのもすげえ気になるしみたいな。
結論、今この日本の事例も踏まえていろんな話を聞いて分かったのは、そんな我々が想像しているフィジカルAIが社会に実装されてうまくいってるっていうのは一件もなかったです。
フィジカルAIって言うと、ロボットが夜中で自由に動いて我々の仕事を代替するみたいな、すごく近未来的なことを想像するんですけど、実体はそうではなくて、言ってしまえばロボットアームみたいなのが、
物を取って左から右に運ぶとか、本当にそれのレベルでフィジカルAIって言ってるのが現状なんですね。
そうだよね、そうだよね。
自動車そのものが自動で運転していくみたいな、ああいうより世界が広がっていって、物理的なものが全自動でいろいろ動くみたいな世界観はまだまだ先だなっていうのがあって、やっぱり限られたスペース、限られたル
ールっていうかなり制約のある中で動くっていう、
それを人間の思い通りに実現するっていうところに、まだみんなこう実験をいろんな重ねながら、うまくいったいかなかったっていうところの情報収集とか、このイベントもそれを共有する場っていうのが、実際に聞いた
ところだとそのレベルですね。
そうだよね、そうだよね。
全然批判的な気持ちは全くなく、世の中のフィジカルAIっていう言葉の一人歩き感みたいな、前も話したかもしれないんだけど、そうだよね、一人歩き感だよね。
そうなんですよ。ちょっと期待値上がっちゃってると思うし、ちょっと前のAI何でもできるよねっていう、そのAIそのものを開発しない人たちが期待しすぎて、実際に導入したりAIのモデルを作る人たちはヒーヒー
言ってるみたいなのが、まさにフィジカルAIの世界でも起きてるっていうのが、すごい重なるところだなと思っていて。
モデルだけでは動かない難しさ
機械学習の頃の2018年ぐらいのAIへの期待値の時に近い感じだな。
そうですね、まさに。
今回LLM出た時じゃなくて。
いわゆる機械学習っていう、一定の特化したAIモデルっていうのが社会に実装できるよねっていうのが分かったっていうあの時代ですね。
画像の分類とか、何かを需要予測するとか、サビ検知とか、そういうなんか本当に特化した、1タスクに対して1つのAIのモデルができるっていう世界観が、今回のフィジカルAIの中でもやっぱり1個のタスクにお
いて、
ロボットアームが自由に動くというか、適切に動くっていうのがようやくできてきたというか、そこの精度が徐々に上がってるっていう、そういう状況ですね。
そうだよね。
だからAIを今までやってきた人の、自分も含めての感覚で言うと、なんかこの1つの直線上にまだいるなとは思ったんですよ。
機械学習の世界とフィジカルAIってところがただ繋がっていて、今まではAIのモデルっていうのが1つのソフトウェアみたいなものでくくられてたものが少し広がって、物理のロボットアームとモデルととか、
その周辺のシステムみたいなところが合わさって1つのフィジカルAIと呼ばれるっていう風になっただけで、やってることは一緒かなっていう。
なるほどね。
そんな話もあって、だからこそフィジカルAI難しいんだよっていうのも、公演の中でNVIDIAの方も言ってましたし、メルカリとかアベジャとかそこら辺のいわゆるAIをガンガンやってるような事業会社の人たち
も言ってたんですけど、
結局フィジカルAIの難しさっていうのがモデルだけではないんだっていう部分、当たり前なんですけど、モデルだけではフィジカルAIは動かなくて、結局そのAIのモデルが繋がる物理のアームの部分だったりとか、
それを繋ぐセンサーとか、制御する全体のシステム、それらがあるから難しいというか、という話で、どういうことかというと、例えばですけど、ロボットアームがペットボトルを掴んで持ち上げてペットボトルのラ
ックに入れるみたいな作業をするっていう、そういうアームがあった時にうまくいかなかったと。
例えば持ち上げはしたんだけど、そのラックの場所を間違って違うところに置いてしまったってなった時に、その理由というか原因の切り分けが難しいっていう話で、機械の不具合なのか、そもそもの置くっていう動作の
指示系統のコマンドのミスなのかみたいなこと?
もうおっしゃる通りです。
なんで、その各要素が多すぎて、何がどこを改善したらうまくいくのかっていうところの実験をたくさん回してみないと、本当の真の課題がわからないっていうところに難しさを感じてるって言っていて。
はいはいはい。
だから今回このイベントがWeight & Bias、CoreWeaveっていう、いわゆるAIの実験管理をするプラットフォームを提供している会社が主催したっていうところにもつながるんですけど。
なるほどね。
あらゆる情報をすべて収集して、正しくフィジカルAIの動きを管理できるみたいなパラメーターを大量に集めるってところが重要で、その一つ一つを見ていくことで本当の課題、どこがセンサーがうまくいってなかった
みたいなところの課題がようやく出てくるっていう、本当にそのトライアンドエラーの繰り返しっていう。
なるほど、そういうことか。
それだからなんだね。ようやくしっくりきたわ、Weight & Biasが開催してる理由。
そういうことなんですよね。本当に何回も何回も実験を回していっぱいいろんなデータを取っていって、一個一個改善していってるんですよっていう、本当にそういう状況。
今までだったら機械学習のモデルとかってだいたい変な挙動したらインプットしてるデータ特徴量がおかしいよねとかっていうところの当たりがつくことができたんですけど、フィジカルAIだとそうはいかないっていう
ところが難しいんだなっていうふうに思っていて。
その言ってるモデルってさ、モデルってLLMじゃなくてもう腕を、アームを例えば動かすみたいなのに専用のモデルみたいなのがあるみたいな感じでしょ?
そうなんですよ。フィジカルAI専用のモデルっていう、VLAとかVLMみたいなところで言われるんですけど、もう今って映像と人間の指示、例えばペットボトルを持ち上げて左のラックに置いてくださいっていう指
示。
この映像と指示だけでロボットが次どういう行動をすればいいかっていうアウトプットが出てくるっていう、そういうモデルがあって。
そうね、らしいよね。
そう、ビジョンランゲージアクションでVLAなんですけど、そういうモデルが世の中に出てきたからフィジカルAIの世界もガッと広がったっていうふうに言われていて。
ロボット用のLLMみたいなもんなんでしょ?
そうですね、ロボット用のLLM。人間の自然言語の指示をちゃんと理解して、次はこの角度で腕を持ち上げるみたいなことを機械の方に指示できるっていう、そういうモデルですね。
なるほどね、そうなんだな。でもあれなんだよね、そもそもこのモデルもまだまだ未熟っていう話だし、他の要素もたくさんあるからなかなかブレイクスルーが起きてないみたいな。
そうなんです、あくまでそのVLAとかっていうVLMかな、モデルの部分だけが良くなっても、さっきのそもそも入ってくるデータにおかしなデータが入っているんじゃないかとか、
使ってるセンサーの精度がイマイチだから正しいデータが収集できてないとか、指示系統のシステム側のエラーなのかとか。
面白いなと思ったのは、同じ環境で同じ指示を出してもうまくいかないみたいなことが起きて、何でか何でかっていろんなことを調査した結果、部屋の中で同じようにペットボトルを上げて左に置くみたいな作業をする中
で、照明の当たり方がちょっと違うだけで、
違うものと認識してしまうみたいな。
そうなんですよ。モデルが全く違うものとして認識するから、さっきできたのに今回できないってことが普通に起きると。
照明の当たり方とか角度とか、その影の出来方だけで、そのわずかな差でうまくいかないかっていう、本当にそのレベルでまだまだ精度が低いというか。
クソ科学習してるようにしか感じないよね。
そうですね。でもその話を、この想像たる企業が出ている中でも、普通にしゃべるっていう、本当にそのレベルのまだ発達具合というか。
まあ確かに確かに確かに。
レベルが低いとかそういう話じゃなくて、それがリアルっていうとこですね。
メルカリの靴検品とスモールスタート
みんなじゃあ各社、もちろん環境は違うわけじゃん。動かしてるロボットの目的みたいなのが違くてさ。
例えばメルカリだったらあれでしょ、倉庫の中で動くロボットとかなんだろうな、みたいなのを想像するし、
他の人だったらなんだ、どこがどう、AWSとかどっちかっていうとシステム側だよね。
でもAmazonの倉庫でも使えるしみたいな感じか。
そうですね。今回だったらAWSはどっちかっていうとクラウドっていうところがフィジカルエアの開発に必要だっていうところを主張していた発表ではあったんですけど、
メルカリとかだともうわかりやすく、倉庫の中での検品作業、出品者から入ってきた商品が正しいかどうかを検品するっていうことを一部のメルカリのサービスの中でやっていて、
ただその検品自体も全てをAIに任せられるのは本当に一部で、
この事例で言ってたのは靴、シューズの検品にはこのフィジカルAIというかロボットアームによる検品ができるかなっていうのを検証していたんですけど、
それも箱を開けて靴を取り出して汚れだったりとか破損がないかチェックして箱に戻して箱を閉めるってその一流の流れをAIがやるっていう、そういうシステムになっていて、
靴であれば壊れにくいとかっていう理由でできたと。
ただちょっと硬いものとか、例えばスマホとか絶対無理ですよね、ロボットアームが持った瞬間にその圧力で壊れてしまう可能性もあったり傷もつくから、
っていうところでその力加減とかもうまく制御するのがなかなか難しいところで、壊れにくい靴がちょうどいいし、
再現性というか出品の数とかも結構多いから学習もしやすいし、
ROIもいいというか結局フィジカルAI導入していろんなシステム作るときのコストとそれによって得られるリターンみたいなところを考えたときに、
なかなかそのプラスになるところの商品ではなくて、靴ぐらいだったら導入してもまあいいよねっていうそういう検証ができたから始めてみたとは言ったんですけど、
なんかそういう本当に一部の領域でまずやってみるっていうのを見定めるところから各社始めてるっていう話をしていて、
まあそうだよなと。
確かにそうだよね。
スモールスタートでやっていくからこそ徐々にいろんな検証だったり事例が集めて広げていけるって、
これはメルカリのAI導入の上手さというか。
確かにそんな気がする。
いい進め方だな、自分たちで事業を持ってるからできるリアルな意思決定っていう感じもするしね。
そうですね。
結局なんかフィジカルAIをどっかに導入してもらうための技術を自分たちで提供してますみたいな感じになると、
お客さんの環境でチャレンジというかテストする以外方法ないから、
なんかより汎用的なものを作んなきゃいけないし、結局その開発費を割り食うのはお客さんだしみたいな感じになりがちだけど、
確かにメルカリだったら靴の流通のここがある種ボトルネックになってるから解決できたらこれだけでこんだけ全流量が変わるみたいなことでしょう。
そうなんですよね。そこから導入することでようやくプラスの利益を上げている部分を見つけたとは言ってましたけど、
その規模もまだまだ小さいから徐々に広げていけたらいいとは言ってましたし、
あとは自社でデータを扱えるというか、そういう事例検証ができるって強さは大事だなっていうところは各社言っていて、
結局フィジカルAIの難しさの一つに、モデルをちゃんと動くところまで持ってくっていうところのハードルがすごく高いんですね。
AI時代の若手育成の登壇告知
そういえばこれって今週のエピソード?水曜日?
そうです、水曜日です。
なんかあります?告知。
あるあるある。
何してるんですか?
今月2回登壇があります。渋谷のWeWorkの39回でたまにセミナーやってるじゃん。
はいはい。
あれがまずあります。あれが11月の12日にありまして。
何のテーマで?
テーマはね、AI時代の若手育成の方法。他のところでもいろいろ喋ってたんだけど、
DNAの中の話を、俺が教えてたこと、俺がどういう風にポリシーとガードレールで教育体制を引いてたかみたいなのを2人で喋る。
相方は?
相方は俺がお世話してた子。新卒、去年の新卒の子。
そのAIネイティブ育成と俺が名前をつけて、方々で喋ってる内容を、
俺がただ勝手に言ってるだけじゃないぞっていう、ちゃんと体制で喋る。
このポッドキャストでも何回か話してる彼が来るんですね。
そうそう、あの子とそういう話を登壇する。
面白いですね。
今が11月12日なので、とりあえずたっちゃんは来てください。
11月12日ですね。カレンダー入れておきます。
隣のデータ分析屋さん、今回も面白いと思ったらフォロー・レビューよろしくお願いします。
番組の感想や質問は、ハッシュタグとなりの分析屋、隣のがひらがなで分析屋漢字でお願いします。
また概要欄に貼ってあるお手紙ホームからコメント寄せください。
ではまた。バイバイ。
