第1部. AIを活用した特許文書分析と新たな技術戦略の導き方

(2020年3月11日 10:00〜11:15)

　特許の文章情報を対象に分析する手法として、文章に含まれる単語を抽出して全体の記述傾向を把握するテキストマイニング技術が知られていますが、本講座では、テキストマイニングにPLSA (確率的潜在意味解析) やベイジアンネットワークという複数のAI技術を応用して開発した新たなテキスト分析技術 (Nomolytics) と、それを特許文書データ (風・空気に関する特許と電気自動車に関する特許) に適用した分析事例をご紹介します。
　人間では読み切れない特許文書データをいくつかのトピックに機械的に類型化し、また特許情報に潜むトレンドの特徴や競合他社の動向、用途と技術の関係性などをそのトピックをベースに可視化していくことで、企業の技術戦略に資する新たな気づきを導くアプローチについて解説します。

1. AI技術を応用した新たな特許文書分析手法
   1. 従来の特許文書分析と課題
   2. AI技術の応用
   3. 新たなテキスト分析技術:Nomolytics
2. Nomolyticsを適用した特許分析事例①
   1. 「風・空気」に関する特許文書データ
   2. トピックの抽出
   3. トピックのスコアリング
   4. 出願年×トピックによるトレンド分析
   5. 出願人×トピックによる競合分析
   6. 用途×技術の関係分析<その1>～用途⇒技術の関係～
   7. 用途×技術の関係分析<その2>～技術⇒用途の関係～
3. Nomolyticsによる特許文書分析のまとめ
4. Nomolyticsを適用した特許分析事例②
   1. 電気自動車に関する特許文書データ
   2. トピックの抽出
   3. 出願年×トピックによるトレンド分析
   4. 出願人×トピックによる競合分析
• 質疑応答

第2部. 創造性のAI評価と人事評価への活用と課題

(2020年3月11日 11:30〜12:45)

　人の評価は、正解、不正解を機械的に判定できるようなものではなく、第三者による評価が必要となる。同じ人物を評価しても、評価者によって評価が異なる場合がある。そのため、通常は複数人で評価を実施し、結果を調整する。このプロセスを数回繰り返して採否が決定されることとなる。人の評価には多大なコストがかかるのである。これをAIに任せることができれば、評価コストの大幅な削減が期待できる。
　本講演では、これまで実践してきた創造性評価におけるAI活用の試行の事例を紹介し、正解、不正解で単純には判定できない人の評価について、AIを活用するに当たっての課題を提示したい。

1. はじめに:人事評価におけるAI活用の事例
2. 研究におけるAI活用の試み:WEKAによる創造性評価を事例に
   1. 創造性の思考三位一体理論
   2. 創造性検査
   3. AIの導入方法
   4. 前処理方法
   5. 教師あり機械学習による評価
   6. 教師なし機械学習による評価
   7. 結果と考察
3. 終わりに:AIによる人の評価の課題
• 質疑応答

第3部. 研究開発業務における「アイデア」を自動生成する人工知能の導入と活用事例

(2020年3月11日 13:30〜14:45)

　企業の研究開発のミッションは、既存事業の維持拡大と新規製品の創出にある。化学品中間素材メーカーである日本触媒では、これらのミッションをより効率的に遂行するために、二年前に研究開発組織の改編を行った。その際イノベーション創出をより進めるため、従来からのプロダクトアウト型からマーケットイン・プロダクトアウトミックス型へと研究開発の施策を見直し、研究開発担当者 (研究者、企画部員、開発部員など) がより意欲的業務にチャレンジできる点を重要視した。現在はそれら施策を実行中である。
　本講演では、日本触媒とその研究開発部門の紹介、研究開発部門の抱えていた課題、イノベーション創出を加速するための研究開発部門の改編とそのチャレンジの状況、そして人材育成について紹介したい。

1. 創造性の自動化を目指した研究の動向
2. コンセプト自動生成の重要性と研究動向
3. 講演者の研究しているコンセプト自動生成技術
   1. コンピューターで扱えるコンセプトの形式
   2. 成功したコンセプトをコンピューターが学ぶ手法
   3. 学習済みのコンピューターによるコンセプトの自動生成
   4. コンセプト自動生成技術の評価結果
   5. 過去のヒット商品を表す文書データによる評価
4. 実用化事例とコンセプト生成以外への応用例
   1. アイデア創出ワークショップ
   2. スマートフォンアプリによるアイデア創出
   3. 意外性のある小説のストーリー生成支援
   4. 目を惹く広告キャッチコピーの生成支援
   5. 利用者の声
5. ワークショップの体験
   • 短時間ですが実際に簡易版のワークショップにご参加いただけます
• 質疑応答

第4部. 機械学習を用いた効率的な特許調査方法

(2020年3月11日 15:00〜16:15)

　最近ではAIの中心技術である各種機械学習のオープンソースライブラリが容易に入手可能である。特許調査担当者の実務的な観点から機械学習を用いた効率的な特許調査の可能性について述べる。先行技術調査ではdoc2vecによる公報文書単位のスコアで査読の優先順位を付け、文単位で発明の要素毎の類似文抽出検討を行った。文単位の類似文抽出で記載の根拠箇所特定の可能性が示せた。動向調査では教師なしの次元圧縮による文書の俯瞰・可視化検討と教師あり機械学習の文書分類との組み合わせ検討を行った。文書分類はSDI調査、動向調査の効率化を目指している。調査目的に応じたアルゴリズムと特徴量の選択が重要である。教師あり機械学習には良質な教師 データの準備が重要である。

1. 人工知能 (AI) の概要と特許調査への応用事例紹介
   1. 調査目的×アルゴリズム×ドメインデータ
   2. 機械学習概要 (クラス分類、クラスタリング、回帰、次元圧縮)
   3. 特許調査への機械学習適応時の留意点
   4. Deep Learningの基礎検討
   5. 先行技術調査の流れ (進め方)
   6. doc2vecによる公報 (文書) 単位の類似度計算
   7. doc2vecによる発明の要素 (文) 単位の類似度計算
2. 文書のベクトル化と文書分類
   1. 文書のベクトル化検討 (7種類)
   2. 文書分類検討 (8種類)
   3. AIの出力結果の性能評価 (混同行列、交差検証)
3. 自分でできるキーワード抽出・活用ツール紹介
   1. word2vecによる類似語抽出
   2. termextractによる専門用語 (キーワード) 自動抽出
   3. Cytoscapeによる文脈語のネットワーク分析
• 質疑応答

第5部. 新規事業開拓へ人工知能を活用する方法

(2020年3月11日 16:30〜17:45)

　本講演では、研究開発を起点とする新規事業開発における人工知能 (AI) の活用意義について紹介する。まず、研究開発を起点とした新規事業開発の重要性と成功の鍵を紹介する。そして新規事業開発が提供する価値を定義する際に、生活者の「不」に着目する意義と具体的な方法論を示し、そこで人工知能 (AI) が果たす役割と効果を具体的な事例を踏まえて解説する。

1. 研究開発を起点とした新規事業開発の重要性
   1. 研究開発を起点とした新規事業開発への期待の高まり
   2. 研究開発を起点とした新規事業開発 成功の鍵
2. 生活者の「不」に着目する意義
   1. カスタマーインであることの重要性
   2. 機能訴求の「ウォンツ」でなく生活シーン起点の「ニーズ」への対応
   3. 「不」の「潜在ニーズ」を解消するペイン起点のマーケティングへ
3. 生活者の「不」を集め価値化する不満買取センター
4. 「不」のインサイト抽出に用いる人工知能「ITAS」
5. 企業の新規事業開発支援事例
   1. ライオンが掲げる経営戦略とイノベーションラボ
   2. オーラルケア領域での研究開発を起点とした新商品開発
   3. 本事例における人工知能の活用効果
• 質疑応答