世界を変えるために活動する5つのAIスタートアップ

ディープラーニングとニューラル ネットワークの進歩により、自然言語処理とコンピューター ビジョンに大きな進歩がもたらされ、製造、小売、サプライ チェーン、農業、その他数え切れ​​ないほどのビジネス分野における主要な問題を解決できる可能性があります。もちろん、最も重要なイノベーションのいくつかはテクノロジー系スタートアップ企業によって実現されています。

[[421983]]

最近の記事では、自然言語処理に革命を起こしているスタートアップ企業と、MLops をリードするスタートアップ企業について取り上げました。ここでは、「応用AI」のスタートアップについて見ていきます。これらの企業は、画像、テキスト、音声、動画、カテゴリまたは表形式のデータ、あるいはそれらの組み合わせを処理するさまざまなテクノロジーを適用して、自動運転車の実現から農業生産の限界を押し上げることまで、さまざまな業界の課題に取り組んでいます。

1. アルゴAI

もうそこまで来ているのでしょうか? 私たちは何年もその約束を待ち続けているようですが、自動運転技術の開発は続いています。 Argo AI は、ソフトウェア、ハードウェア、マッピング、リモート インフラストラクチャをすべて網羅した、自動運転車用の完全なプラットフォームを目指している企業です。通勤中にバスや電車に座って本を読む必要がない素晴らしい未来を実現します。

ArgoAI はフォードやフォルクスワーゲンなどのパートナーと連携して研究の限界を押し広げており、最近、最大 400 メートル離れた物体までの距離をチェックできる新しい方法である Argo LiDAR (Light Detection and Ranging) をリリースしました。この技術は夜間や薄暗い状況でもうまく機能し、他の LiDAR アレイでは問題を引き起こす可能性のあるトンネルなどの遷移にも対応できます。

Argo AIは現在の技術について大胆な約束はしていないが、安全な運転支援体験のためのすべてのモジュールの構築に熱心に取り組んでいるようで、米国6都市でテストを実施し、今年後半にはヨーロッパでもテストを実施する予定だ。

2. セレスイメージング

自動運転ほど素晴らしいものではないかもしれないが、セレス・イメージングが農作物の栽培に使用している技術は、自動運転車に乗ってスーパーマーケットに行くずっと前から、食料品の支出を減らすのに役立つかもしれない。

CeresImaging は、旧式の技術と最先端の技術をうまく組み合わせ、衛星やドローンの画像ではなく、固定翼航空機に搭載された高解像度カメラを使用して、それらの画像をさまざまなモデルの入力として使用し、圃場で問題が発生する 2 ～ 3 週間前に灌漑の問題を検出したり、水やりの過剰または不足の状況を修正したり、それらの問題に対処すると収穫量にどのような影響があるかを計算したりするなど、農家に重要な情報を提供します。

さらに、CeresImaging は、航空写真から樹木数をカウントするのではなく、樹木数を数えるなどの単純で労働集約的な作業を実行するという農家の負担を軽減できます。 Ceres は、樹木を種類ごとに数え、失われた樹木や損傷した樹木の位置を特定したレポートを提出し、代わりの苗木の注文も行います。これは、「ニューラル ネットワーク」という言葉を聞いてすぐに思い浮かばないような分野でも、AI テクノロジーが進歩をもたらしていることを示すほんの一例です。

3. ランディングAI

Landing AI は、Google Brain の共同設立者であり、Baidu でデータサイエンスの元責任者を務めた Andrew Ng 氏によって設立され、AI の力を、AI がもたらす進歩がまだ見られない分野にもたらすことを目標としています。同社の最初の製品である LandingLens は、メーカーが自社の専門知識と LandingAI を組み合わせて、継続的に改善される視覚検査プラットフォームを作成できる統合プラットフォームです。 LandingAI は製造業に加えて、農業や自動車産業向けの視覚検査システムの開発にも取り組んでいます。

LandingAI のアプローチの興味深い点は、ユーザー データをソリューションの中心に据えている点です。入力データの処理は、データ サイエンティストの仕事の中で最も面白くない部分であることが多いですが、過去数年間の自己教師ありソリューションの大きな進歩にもかかわらず、入力データはアプリケーションに最も大きな影響を与えることができる部分です。モデルがどれだけ洗練されているかは関係ありません。ゴミを入力した場合は、ゴミが生成されます。そのため、LandingAI は、効率的で使いやすいラベリング システムに重点を置き、継続的なデータ収集、モデルの簡単な再トレーニングと検証、そしてもちろん、推論が突然うまくいかなくなった場合 (たとえば、カメラがカラー チャネルを失った場合) にも対応できるようにしました。

4. センチネル

遅かれ早かれ、ディープフェイクを検出する方法が必要になるでしょう。ディープフェイク（人工知能技術を使用して実在の人物の偽の音声や動画を生成するもの）はまだ主流になっていないが、そうしたメディアを生成するために必要な費用と知識は毎週減少している。あなたは説得に関する最近のニュース報道をご覧になったかもしれません。今後はもっと説得力のある偽トム・クルーズが登場するだろう。

エストニアに拠点を置くSentinelは、この分野のリーダーの1つになることを目指しています。 NATO のサイバーセキュリティ部門からの素晴らしい認定とエストニア元大統領の支援を受け、同社はアップロードされたメディアが偽物かどうかを判断するために、さまざまなディープラーニング手法と、比較用の既存の偽物の膨大なデータベースを活用する API を提供しています。Sentinel システムは、偽物と判定された場合、偽物がどのように生成されたかを説明するレポートも生成します。

5. 標準

米国のいくつかの主要都市に出現したAmazon Goストアと同様に、Standardは行列に並ばずに物理的な買い物ができることを約束している。店舗に入ると、モバイルアプリを使用してチェックインし、店内を歩き回って欲しいものを手に入れて、出ていきます。 Standard のコンピューター ビジョン テクノロジーは、建物を出るときに持ち出すすべてのものを追跡し、アカウントに課金します。回転式改札口やゲートがないので、Amazon Go よりもずっとスムーズな体験ができます。

Standard は、このテクノロジーを小売業者の間で普及させ、サプライ チェーンに接続して詳細な分析と可能な限りスムーズなチェックアウト体験を提供する企業になりたいと考えています。現在、スタンダードはサンフランシスコに旗艦店を構えており（当然ですが！）、アリゾナ州でパイロット実験を実施し、4店舗にセルフチェックアウト技術を導入するためにサークルKと契約を結んでいます。すべてがうまくいけば、スタンダード社のショッピング AI が急速に全国に広がることになるでしょう。

次はどこへ？

このスタートアップの簡単な紹介から、コンピューター ビジョン、自然言語処理、その他のディープラーニング手法などの最先端テクノロジーの垂直分野は非常に幅広く、過小評価されている可能性が高いことがわかります。ニューラル ネットワークは常に学習を続けています。これらはすでに私たちの携帯電話に存在し、店舗、自動車、サプライチェーン、製造工場、農場にも浸透しつつあります。 2030年に彼らがどこにいるか誰が知っているでしょうか?