TieSet Inc.(タイセット)はシリコンバレーに研究開発の拠点を置き、世界のトップ大学や研究所を中心に開発された分散連合学習や転移学習、深層強化学習などの世界最先端の科学技術をさらに発展させ、真に人々の現実社会生活に価値をもたらす最高品質プロダクトの開発、世界市場への普及を目指します。
日本では、様々なAI開発案件があり、ハイスキルの案件からミドルスキルの案件まで、スキルに応じて経験を積むことが可能です。
また、AI開発に関連してAWS・Azure・GCPおよびSnowflakeなどのクラウド案件もあり、即戦力となる方も募集しております。
これまで世の中には、パソコンやデバイスなどの端末(エッジ)からデータをクラウドへ送信し、そこで人工知能が学習・推論を行った結果を端末へ送り返す「クラウドAI」や、学習済みの人工知能を端末に導入しておくことで推論をリアルタイムに行える「エッジAI」が存在してきました。しかし、プライバシーの保護という課題が重要性を帯びてきており、世界中で関連法案が整備されつつある今日、端末からクラウドへ生のデータを送信するクラウドAIやエッジAIへ依存し続けることは、企業にとって大きなリスクを伴います。更に、クラウドの膨大な運用コストもビジネス上の大きな課題となっています。
そこで昨今注目されているのが、推論のみでなく学習も端末で行えるような環境の構築です。学習から推論までを端末で完結させることにより、データが端末の外に送信される必要性がなくなるため、プライバシーの問題に対する有効な解決法と言えるでしょう。また結果としてクラウドの運用コストも削減することができます。ところが、人工知能の学習が各端末において行われるということは、その結果の善し悪しは、各端末が採取するデータの質や量に大きく依存することになります。折角プライバシーやコストの問題が解決できても、肝心の学習結果が劣化してしまうのでは、本末転倒と言わなければなりません。
そこでTieSetは、2020年4月の創業以来、昨今広く知られるようになってきた「連合学習(Federated Learning)」のプラットフォームであるSTADLE(Scalable Traceable Adaptive Distributed LEarning)を開発しています。添付画像に示されているとおり、この連合学習のフレームワークにおいては、端末での学習結果(パラメータ)がクラウド上で統合され、再び端末に送信されます。この設計により、各々の端末の収集するデータに偏りがあったとしても、連合学習の結果として、汎用的な人工知能を各端末に搭載させることが可能となります。更にSTADLEの諸機能を活用することで、端末の連合グループを複数に分散させ、各グループの特性に応じたAIモデルをそれぞれに醸成していくこともできます。このように、TieSetの開発しているSTADLEは、プライバシーやクラウドコストに関する課題をクリアしながらより高度な人工知能の運用を可能にするプラットフォームであり、ビジネスや日常生活を大きく改善する役目を担うべく、日々進化し続けています。