工業検査から自動運転まで、AI による映像認識システムの導入がトレンドとなっている。しかし、映像認識システムのモデルを開発するのは容易なことではない。モデルのトレーニングには長時間のデータ収集が必要で、そのプロセスには多くの人手と費用もかかる。

InstAI（美商應視達科技）の創業者 Keyu Pi（皮克宇）氏は、データ収集にペインを経験したため、ジェネレーティブ AI でシミュレーションされた架空データを学習データとして生成する組込型映像認識システム開発ツールを構築した。これにより、データ収集のプロセスを省き、モデル開発時間を75％短縮し、開発コストを20％削減した。

自動運転の AI トレーニングはなぜ難しいのか？

以前、自動運転のための映像認識技術を開発する会社の COO を務めていた Pi 氏は、自動車メーカーが AI 視覚モデルを開発する際に直面する困難さをよく知っている。

例えば、自動運転 AI をトレーニングするためには、さまざまな道路状況を判断するために、さまざまな時期の道路状況や画像データが必要になる。しかし、レアで突発的な状況であればあるほど、データの入手は困難になる。さらに、季節の問題もある。

夏の太陽、冬の雪の画像を集めるだけでも半年以上かかるはずです。（Pi 氏）

データの収集はほんの始まりに過ぎず、データをフィルタリングし、注釈を付ける（アノテーション）には人手がかかる。例えば、真夜中の道路で交通量がほとんどなく、赤信号を待っている間の60秒間、画面全体が無音であった場合、これは AI にとって無駄なデータであり、排除する必要がある。データ収集からデータクリーニング、ラベリングまで、モデル学習の全プロセスには1年以上かかることもある。

現在の技術の欠点を自覚していた Pi 氏だが、前職時代の野望を実現するには困難を極めた。

会社はアメリカに本社を置いていましたが、生産拠点と販売拠点は中国にあり、コロナ禍には両方の場所を往来する方法がなかったので、開発の方向性をつかむのが難しかったのです。

Pi 氏は事態の収集を待つ代わりに、以前一緒に仕事をしたことのある友人や技術者を集め、モデルのトレーニングにかかる時間を短縮し、長いトレーニングプロセスを簡素化する新しいビジュアルシステム開発ツール「InstAI」を開発した。

AI 自動フィルタリングとクラウドコンピューティングで開発コストを削減

InstAIの技術は、主にデータフィルタリングとクラウドコンピューティングの2つの部分に分かれている。

手作業によるデータ処理とアノテーションの人件費を削減するため、InstAI は画像の価値を自動的に識別する ディープラーニングアルゴリズムを開発した。

しかし、自動車メーカーは SaaS モデルを理解していないことがわかったので、私たちはいまだにソフトウェアとハードウェアを組み合わせたものをビジネスモデルとして採用しています。（Pi 氏）

InstAI はアルゴリズムを自社設計の AI チップに組み込み、そのチップを Keybox という製品に搭載する。

車両が実際に路上でデータを収集しているとき、Keybox は同時に有用なデータをフィルタリングし、トレーニング用にクラウドに送信する。収集できないデータを補完するために、InstAI のクラウドには、収集されたデータの特性に基づいて AI を使って仮想データを生成できるジェネレーティブ AI アルゴリズムの別のセットが収容されている。同時に、実データと AI が生成した仮想データが学習のために AI モデルに投入される。

例えば、夏の晴れた道路画像しかない場合、AI は収集した夏の画像をもとに、冬の雪景色の道路画像を生成して追加することができ、少なくとも半年以上かかるデータ収集時間を大幅に短縮することができる。

現在、InstAI は主に OEM や ODM 事業者とプロジェクトベースで協業しており、すでにメーカー6社と組込型 AI 視覚システムのモデル開発で協業が確定している。InstAI は現在、シードラウンドで資金を調達中だ。

技術ハードルを下げ、小さなチームで大きな価値を生み出す

将来、InstAI はやはり SaaS モデルに向けて発展していきたいと考えている。

ソフトウェアとハードウェアの組み合わせという現在のビジネスモデルは、事業拡大のスピードはまだ非常に遅い。

InstAI は R&D 人材の採用も計画しているが、Pi 氏は前職での起業・経営の経験から、チーム編成について新たな考えを持っている。

経営者のゴールは、自分自身の重要性を低くすることだと思います。

Pi 氏は、同じ理念を共有するメンバーでチームを構成することで、自分が参加してもしなくても会社が円滑に運営されることを望んでいる。このアプローチは、管理コストを削減するだけでなく、小さくてもスマートなチームで大きな価値を生み出すことができ、AI 映像認識をより一般的な技術にすることができるとしている。

起業に関する簡単な Q&A

Q: 顧客や投資家から最もよく聞かれることは何ですか？ どう答えますか？

投資家から最もよく質問されるのは、私たちのビジネスモデルです。

というのも、私たちの目標は、AI 開発者を持たないチーム向けに SaaS モデルの開発ツールを構築することですが、従来の OEM タイプの SI ベンダは、SaaS の受容度が比較的低いのです。そのため、まずインテリジェント視覚モジュールとハードウェアの組み合わせをいくつか構築し、より多様な選択肢を提供することで、市場の啓蒙にも努めています。市場が成熟すれば、顧客は同じ目標を10分の1の価格で受け入れられるようになり、さらに開発の自由度も高まると思います。

Q: 次のステップを達成するために、チームに欠けているリソースは何ですか？
A: スタートアップチームに必要なのは、資本と市場だけです。資金があれば、製品の自由度が得られるので、市場の需要に縛られることなく、十分に一般的なツールの開発を考えることができます。市場は私たちがツールを検証するのを助けてくれるます。

Q：起業して学んだことは何ですか？ これまで起業して何を学びましたか？

私にとっての起業とは、常に自分の能力の限界を試すプロセスです。どんなに苦手な仕事でも、会社にとって必要なことであれば、創業チームとしてそれに立ち向かい、解決策を考え、たとえその解決策が理想的なものでなかったとしても、後には引けません。その過程で最も難しいのは、正直で誠実であるという原則を維持できるかどうかだと思います。

事業を始めてから気づいたのだが、創業者が日々自分の能力の限界に挑戦しているとき、顧客が求めるものに及ばないとき、投資家が求めるものに及ばないとき、そのことを率直に認めて事業と資本を失うか、それとも、このほんの少し「巧み」な戦術で補い、チームが前進し続けられるようにするかは、しばしば非常に難しい選択です。

そのような「巧み」さは、しばしば創業者に求められる特性とさえみなされます。自分のルーツに忠実であり続けることは、想像以上に難しい。私は、自分自身、チーム、顧客、そして投資家に対して正直であること、そしてこれを会社の文化の一部にしてきたことを嬉しく思っています。

【via Meet Global by Business Next（数位時代） 】 @meet_startup

【原文】