機械学習・深層学習が
可能にする、
感性・創作の新たな未来


ユーザー1人1人の個性に寄り添った
価値ある体験提供を目指して

プロジェクト概要

AI研究開発エンジニアは、毎日50億件を超えるDeNAのユーザーの行動ログ・ソーシャルグラフ・テキスト・画像などを用いて、機械学習・深層学習(Deep Learning)を活用したサービス開発を行っている。特に画像認識・自然言語処理・強化学習に注力し、数千万人のユーザー1人1人に対してそれぞれの興味・個性・つながりにあった体験を提供すべく、体験の設計から実装まで、幅広い業務を担っている。
例えば、ファッションのキュレーションプラットフォーム『MERY』においては、距離算出に適した空間を構成できる構造追加した Convolutional Neural Network を構築し、膨大なアイテムの中からそれぞれのユーザーが好きなスタイル・テイストの商品を辿れる仕組みを導入。Neural network で学習されたファッションアイテムのスタイル・テイストの表現ベクトル空間を用い、「春らしい袖」というような抽象的な表現や、複数の商品が一緒に映っている画像であっても、タグ情報を使わず直接的な画像表現より類似スタイル・テイストの商品を提示、辿れることができるようにした。
このような機械学習・深層学習がもたらす個性に寄り添う体験提供が、今後のサービス開発において大きな付加価値をもたらすことは間違いないだろう。


エンジニアの業務

機械学習を活用したサービス開発は、新たな価値ある体験設計、機械学習・深層学習の研究開発、サービス設計・洗練サイクル設計・ログ設計・連携設計設計、分散アルゴリズムの設計・実装、という流れで進めていく。

AI研究開発エンジニアは、機械学習を活用して「どのような新たな価値ある体験提供ができるか」ということを、デザイナーやサービスエンジニアと一緒に設計・議論を行う。機械学習は新たな価値提供のポテンシャルを持っているが、機械学習に関わったことがないメンバーには何ができるかわかりづらい。そのため、機械学習の知見があるメンバーが「機械学習を活用することでどんな体験提供ができるか」を考え、他メンバーと一緒に行う設計・議論は「提供体験」にフォーカスしている。

次に、価値提供に必要な機械学習・深層学習の各種研究開発を行う。既存研究の適用では価値提供に足りないことが多く、独自の研究開発で各種挑戦をしていくことが重要になる。実際の研究開発においては、狙う価値提供に対してどのくらいの質のものが作り上げられるのか試してみないと分からないことが多く、いかに質の高い挑戦をたくさんできるかが重要となるため、以下のような観点で取り組みを行っている。

■ 学習データに関して:
数千万ユーザーが利用する複数のサービスで日々蓄積されている大規模なログおよびコンテンツのデータを活用
固有のアノテーションデータ等の研究開発に必要なデータは、目的とする期間で研究の挑戦ができるよう、まとまったコストをかけて一気に作成
■ モデル評価洗練に関して:
モデル評価が複雑で難しい課題(生成される対話系列の質、どちらのファッションのテイストが似ているか、等)を解決するため、実サービスを用いて新たなモデル適用・評価を頻度高く試行
週次など高頻度でモデル更新を行い、評価が難しいモデルも実際のユーザーの反応をもとに評価・洗練を実行
■ サービス提供に関して:
数々の高品質なエンタメサービスを世に出してきたノウハウを元に、既存サービスに制約を受けることなく、適切な形で価値提供を実施
新規サービスという形も含めて、最も適した形でサービスを設計

洗練サイクル設計は、機械学習を活用したサービス開発で特徴的であり重要な要素だ。ユーザーが日々何気なく利用するだけで体験が洗練されていく仕組み、つまり「使えば使うほど興味学習が深められ、より適切な情報が提供される」というように設計・実装し、ログ設計や連携データ設計につなげる。そして洗練サイクルに必要なデータを設計した上でサービス側でログ出力し、提供したい体験に合わせた連携形式を決める。

最後のフェーズでは、大規模なデータでもスケールするよう、分散アルゴリズム設計を行い実装する。数十億/日のユーザー行動ログが蓄積され、数千万ユーザー1人1人に対して学習する必要があるため、機械学習アルゴリズムを数百台・数千台と分けて分散実行できるような実装をする必要がある。また、より早く挑戦のサイクルを回せるよう、想定している提供体験にぴったりと合うアルゴリズムが存在しない場合は自分で実装する。

機械学習・深層学習は、新たな価値提供の大きなポテンシャルを持っている。AI研究開発エンジニアは、一つでも多くの新たな価値提供を生み出すべく、沢山の質の高い挑戦に日々挑み続ける。

  • 山田 憲晋

    大手電機メーカーにて、VerilogでTCPフルスタック実装する等ネットワーク関連の研究開発に従事。2003年 UCLAにてComputer Scienceの修士号を取得。よりユーザに近いサービスに直接関わりたいという思いから2008年DeNAに入社。モバゲーの開発インフラ、ゲーム開発チームのマネージメント等を担当する。ゲーム運営の中で分析の重要性を肌で感じ、分析組織を立ち上げる。現在は、DeNA全体の分析基盤及びAIシステムの構築と活用の推進統括をしている。

  • 濱田 晃一

    東京大学大学院にて量子統計場の理論 (理論物理)の研究で博士号取得後、ベンチャー企業を経て2010年DeNAに入社。ソーシャルゲーム部門のデータマイニングチーム立ち上げ、Mobageプラットフォーム全体の機械学習を活用したサービス開発を経て、現在はDeNA全サービスを対象に、機械学習・深層学習を活用した新たな体験提供の挑戦を行っている。プライベートで主催している "データマイニング+WEB@東京 (TokyoWebmining)" では定期的なMeet-upを開催。著書に "Mobageを支える技術"。

エンジニア採用コンテンツ

募集要項・エントリー

DeNAでは、技術の革新を求め、
事業の成長を牽引出来る
エンジニアを常時募集しています。