common.title

Docs
Quantum Circuit
TYTAN CLOUD

QUANTUM GAMING


autoQAOA
Desktop RAG

Overview
Terms of service

Privacy policy

Contact
Research

Sign in
Sign up
common.title

企業の製品開発をDX自動化、量子機械学習の力でヒット商品を数理で作るサービスを開始

blueqat official

2023/11/13 06:08

#サービス

こんにちは。私たちは量子コンピューターの会社です。普段は量子コンピューター向けのアプリケーションを開発したり、最近ではディープラーニング向けのアプリケーションに量子コンピューティングの技術を取り入れて、軽量化高速化を図ると言うサービスを行っています。

今回はそれとは異なり、全く新しいサービスのご紹介です。こちらのサービスは、ソフトウェアとしては7年ほど前から開発しているもので、すでに多くの実績があります。具体的には、企業様が研究開発を行いたい場合に利用するアルゴリズムとなっていて、通常の人間の経験や勘などで行われる製品開発の現場において数理を導入することによって先入観なくすることができます。

通常製品開発の現場においては、人間の間や経験と言うものを利用して開発を行います。また何かしらターゲットを設定してヒットさせたいと考えてもなかなか難しいのではないでしょうか。私たちの技術はそうした経験や勘を活用するものとは一線を画していて、数理を使います。それを使うことによって、これまで人間が先入観によって探索してこなかった領域を探索することができます。そして、そうした評価をフィードバックし、さらなる改善を持って開発に貢献することができます。

私たちは売れる製品開発を背景に売れる関数があると想定をして考えます。その際、その関数の1番低いところが1番良い製品と言うことになります。ただこうした数理においては、局所解と呼ばれる様々なそこそこ良い解が多く潜んでいることが障害となります。

人間はより性能良くしようとすると、現在位置から良くする方向に向かいます。私たちの技術はそうしたよくすると言うことを前提として行いますが、時々悪くすることを行います。それは局所解が存在し、一見そこそこ良さそうに見える所に陥ることによって反対側のより良い解を見つけにくくなると言うようなことがあるからです。そのためには毎回製品を改善するのではなく、改悪することによって新しい製品の可能性を探ることができます。私たちはそうした数理に基づき、こうした製品開発向けのDX支援のソフトウェアを開発しており、そうしたものがここ7年で一定の成果をあげています。

しばしば、目に見える小さな改善の積み重ねは、大きく売れる製品ではなく、そこそこ売れる製品にとどまってしまうことが考えられます。 私たちが行うのは、こうした小さな改善の積み重ねだけではなく、大きな改善もしくは改悪をうまく組み合わせることにより大きく売れる製品の関数の値を見つけると言うことに相当します。

製品開発において、準備すべきものに関しては、素材の組み合わせを使いますので、製品を構成する要素を分解して用意しておきます。もちろんたくさん用意すればするほどたくさんの選択肢を探すことができますが、その分最終的な探索コストも高くなります。また普段よく知っているものや、よく知っている素材の組み合わせと言うのは局所解に到達しやすいかもしれませんが、最終的に1番求めたい売れる製品を作ると言うことに関しては、障害になることもあります。

私たちは、こうした数理や関数を想定した上で、最終的に製品開発を行うためにいくつかのステップを経て解決します。

1、素材を揃える

2、計算により素材を組み合わせて完成品を複数作る

3、完成品を評価する

4、良かった製品を機械学習モデルに覚え込ませる

5、2−4を繰り返す

システムとしてはフレームワークとなっていまして、上記のステップを繰り返し行うことで、全体の改善を行います。 商品開発の肝となるのは、商品を誰に向けて開発したいかと言うターゲットとなっていて、そのターゲットを揃えることにより実際の評価をすることができます。 背景にあるのは数理や数式や関数ではありますが、今回必ずしも 事前にそうした関数を作る必要はありません。私たちの機械学習モデルがそうした関数にフィッティングするように改善を行ってくれます。 また、通常の機械学習と違うところは、このフィッティングした関数に準じたモデルからデータを作り出すと言う必要があります。通常機械学習に関しては識別と呼ばれる違うものを識別するモデルがありますが、今回に関してはこうした学んだデータから新しいデータを作り出すと言うようなことが重要となっています。

通常機械学習は、データを覚え込ませて、過去のデータから新しいデータを作りますが、基本的には新しいデータは過去のデータに基づいたものから逸脱する事はありません。 今回のモデルの違うところは、データを作りながら最適化をしていきますので、こうした過去のデータにとらわれることなく新しい製品を開発することができます。また、こうした新しいデータをサンプリングと呼ばれる手法を使って新しく生成できますので、これまで作ったことのない製品でも機械学習で作ることができると言うのが特徴的です。またサンプリングは非常にコストがかかる計算ですので、こうしたサンプリングにかかるコストを減らすというのが、私たちの機械学習のモデルの肝であり、こうした機械学習だけでなく、量子コンピューティングを利用したサンプリングの高速化と言う技術の応用が非常に合理的に活用できる分野です。

範囲としては多岐に渡ります。別の機会に紹介しますが、うまくいっている形として広告最適化があります。広告は多くの画像やロゴ、テキストなどの素材の組み合わせとなっています。そうしたものを広告のターゲットに対して適応することにより広告をうまく最適化することができます。かつこれまで過去に作ったことのない広告を作ることができます。また、ウェブサイトの最適化、スマートフォンサイトの最適化などに利用することにより、これまで作ったことがないウェブサイトや、スマートフォンサイトをユーザにとって最適なものとすることができ、かつコンバージョン上げることができます。

また具体的な商品を作ることができます。例えばパッケージです。商品をユーザが買うときにパッケージを見ると思いますが、そうしたパッケージも色や形、テキストなどの組み合わせでできています。通常こうした製品のパッケージは特定のターゲットを目標として開発がされると思いますが、こうしたパッケージの開発もこうしたアルゴリズムを使うことにより自動で最適なものをそれぞれの商品に応じて作ることが可能です。かつ1番売れるものを作るといったKPIを設定することにより売り上げ向上を図ることができます。

また、化粧品や料理のような具体的にユーザが求めるものを作ることもできます。こうした分野においては、ユーザの好みや利便性と言うのは、それぞれの個人の特性や季節などによっても変わってきます。そうした動的な背後にある関数にフィッティングすることも可能です。ユーザが本当に求めているものと言うのをアンケートや研究開発者が直接作るのは難しいです。そのかわり、そうしたユーザの活動や要望を直接製品開発に取り入れることにより、SNSやアンケートの結果を直接数理の最適化のモデルに入れ込むことができます。

現在世界中で多くの製品が出ていますが、非常に世の中の流れも速く、季節性やトレンドやユーザの好みなど多くの要素を考慮して開発しなくてはいけません。 また、AI分野では生成AIと呼ばれるこうした素材を高速にかつ高精度に作る技術が出てきています。こうしたAIを活用して作成された素材に関しては、ユーザがどれを選べばいいのかと言う基準は現在のところありません。私たちの技術はこうした作られた素材を評価し、どれがユーザにとって最適な組み合わせとして製品化できるかと言うところを自動に評価し提案するものとなっています。

製品開発、自動化でお悩みの方はぜひ弊社のサービスをお問い合わせください。 研究開発の現場では、外に出せないデータもたくさんあると思いますので初期ではコンサルティングを含めたトータルでの提案を行います。

© 2025, blueqat Inc. All rights reserved