プライバシーの観点でクラウドにアップロードすることは難しく、個人から取得できるデータは少ないため高精度なモデルの作成は不可能でしたが、リザーバコンピューティングで個人データが活用できるようになります。

音声では、9人分の公開データによる話者特定を99％の精度で判定できます。

不整脈判定では、心電図データから疾患判定を93％の精度で可能で、また姿勢判定では、 人間の鼓動や呼吸の振動から98％の精度で24種類判定できます。

工業現場では必ずしもインターネットが活用できるわけではなく、異常値などのデータは少なすぎて高精度なモデルの作成は不可能でしたが、リザーバコンピューティングを活用することで、音での作業状態特定が94％の精度で可能となり異常検知ができるようになりました。

また、センサーでの作業特定が高精度で可能となり、作業工程の可視化に繋がります。さらに、センサーでの力学推定を高精度に予測可能となり、ロボットアーム制御等にも役立てることができます。

自然現象など複雑な問題に対して、限定的なセンサーや入力ソースでの判別は困難でした。しかし、リザーバコンピューティングによる、におい検知で排泄タイミングの特定を80％の精度で可能にしています。

また、モーション推定を活用して、骨格の動きだけで動作推定を91％の精度でできるようになります。さらに他の分野では、将来の住宅価格の動きを高精度に予測可能にしています。

大学院で自然言語処理を研究した後、エキサイト株式会社に入社。自然言語処理を活用した新規サービスの開発、検索エンジン導入プロジェクト等を担当。2012年深層学習を独学し、StartupStudioのMistletoe株式会社では音声/画像認識、対話エージェント等のR&D。2018年当社設立。研究部門の直接統括を通じた経営戦略への橋渡しと全PoCプロジェクトに対し横串で監修。