はい、それではお時間になりました。 これは見ていきたいと思います。次のテーションはですね、かつかつ違う感覚から アプローチということで、AWLですからおられちゃうかと、お客さんに勝ち当たって、 ワードプレゼント、マシンターニングの力を持っていただきたいと思います。はい、皆さんこんにちは。ご飯食べたということですか?食べてないからな。今からですね、40分くらいの力を持って、 一番年代時間だと思って、少し分かりにくいかなし。ちなみになんですが、マシンターニングを知ってるよって、 これくらいの時間です。マシンターニングを知ってるというよりは、 やってますぐらいの人以外は、実際は使ってますよ。それではですね、早速始めていきたいと思います。まずですね、自己紹介なんですけれども、 私、ケタニー・ダクエアとおります。Amazoe'sサービスサービスやパンクル、 宿題社の大阪オフスでそれを払っていると思います。あと、好きなものはハイボールですね。今日のハッシュタグ、こういう形になっているので、 何か分からないことがありましたら、ここで投げておいていただければ、 後で私が組んでいきたいと。あとはですね、詰まらないと。 なんでもいいです。はい、後で見て、私が理解いたします。あと、このシールを崩壊します。このスライドじゃなくて、 私らのOK-2003とか、どんなカウンターとか、 エーマースとか、ここで崩壊するので、どうなっておりますか。で、営業のアジェンダーこんな感じです。ちょっと、もう一度質問したいんですが、 デザイナーの方っておられますか。じゃあ、それ以外に、エンジニアの方?はい。で、こういう感じでやっていきます。さっそくなんですが、まず、 オジンライニングとは何なの?なんですが、これ引きから引っ張っていきました。で、機械学習とは、人工知能における 研究課題の一つです。じゃあ、これですね、人工知能とマシンライニングの 関係性を実施していきたいと。まずですね、こういう形になります。人工知能における研究課題の一つなので、 マシンライニングというのは人工知能のAIですね。 中に内放されるという形になります。で、実際ですね、現代の人工知能は こういう形で2つにおかれます。まずですね、上のほうなんですが、 ストロムAIというふうに今、汎用の人工知能ですね。そうですね、ドライブの技能とか そういったものをイメージしていきたいと思うからです。人間のように、素敵な知能を受ける時に人工知能が、ストロムAIとこれですね。で、一方で、デビーフAIというものを 考えております。これ、何かというと、特定の用途に 特化された人工知能。で、なので、人間のように自立的に 何かするかというと、その手はAIです。それを何かさせるため、人間側で いろいろ手助けしてやける。で、違いとしたらこういうところですね。まずストロムAIというのは 現代実現できていません。今後もできるかは全然わからないことですね。で、ちょっと分かりにくいんですが、 汎用等複数はイコールではないということですね。下のイークAIというものを、 特定の用途に特化されると思います。で、例えばゲームですね。よくあるアルファー号とか、 そういったゲームを特化してもらいますが、そういった特化している人工知能を 複数組み合わせても、ストロムAIではならないところです。これ、あとまでもドライブのように、 人のように自分で考えて、そういったものになります。で、このイークAIは実現できて、 現代実現できていません。まずAIの中に、次にですね、じゃあマシンライニングなんなのかというところが、特定事象のデータを拡手してモデルを拡手して、それに基づいて感染素を実施すると、 そういったものになります。で、実はですね、マシンライニングにもですね、いくつか仕事がありまして、 その一つがディープライニングと呼ばれるのですね。この辺りの気があるですね、AIとかマシンライニングとかディープライニング、 最近あんまり合わせているようになります。で、ディープライニングは機械学習の手法の一つなので、その中に対応されているということです。で、ディープライニングでこういうものですね、このまたいきっかけの人たちなんですが、パソードユーラルネットワーク、による機械学習の手法であるということが書かれているんです。ディープライニングでこういうものですね、神経サイボーノス学的なモデル化に機械を持つ学習。で、すごく日本語がわかりにくいです。筆筆ディープライニングのネットワーク。ですが、一つにするとこういう形になります。なんらかの入力を受け取って、なんらかの出力を出す。それだけのものです。で、これをですね、数字とにするとこういう感じになります。で、これの組み合わせで、こういった形で、つないでつないで、これがですね、ユーラルネットワークによる学習とそういったものになります。で、じゃあマシンライニングっていくらに何が違うかどういうものなのかということですね、こういった形になります。で、まずマシンライニングというのは、人間がその手法となっている学習ですね、例えば叩いたら言いたいとか、やっぱり歴史学の様に、そういったものを学習して、同様のことを統一で実現させる、そういった衆法とか、そういった衆法。で、で、いくつかアルゴリティは、で、教師あり、教師たちも、今日はお腹の大調整は、当然にしないんですけれども、もしかみがあったら、教師あり、ユーラルネットワークによる学習です。機械学習の衆法の研究です。で、まとめるとこんな感じです。で、今回、今日お話しするのは、このFマシンライニングになります。で、今ですね、それぞれが何かとご説明したんですが、じゃあ実際これを人間、人がコンピューターを実現するために、どういったことがあると、こういった流れになります。まず最初、スタートはですね、ここですね、問題の明らかについてお伺いします。ディークランガー、マシンライニングを使って何を変えて、何を学習させて、何を推測、推測をさせる、とか、そういったところを理解する、明確にするというのをご覧ください。で、ついに必要なのがこの部分ですね。まず学習するというケースがあるので、学習するために必要なデータを集めて、その集めたデータを整理するということが必要なんです。整理がすごく重要なポイントでして、整理されていないデータですね。よくわからないと、とりあえず集めたデータというのは学習には手つかない、考え方がある。ただ学習の効率が、というと、下がる。で、集まったらこういった形で、マシンライニングのモデルを開発して、それに対して学習用のデータを突っ込んで学習させます。そしたら学習済みのモデルができる。そこで、学習済みのモデルができたらそのモデルがモデルの精度を評価して、評価というところまでが一連のマシンライニングの開発を流れていると思います。最後、実際ですね、そのできた学習済みのモデルを使って水論を行います。で、水論を行った結果、もちろん間違いを起こします。100%の精度というのはあり得ないので、基本的に、誰かの精度、犬と猫という画像を渡して、判定すると、そういったもので、猫を渡して犬と書いております。そういったものを再度フィードバックすることで、どんどんどんどんどんどん精度を高めてこれがマシンライニング前回の流れ。だいぶ使わないと、ついてきますかね。はい。で、ではですね、じゃあ、この機械学習マシンライニングを使って何ができるのか、ですね、さまご説明したモデルとか学習で、そういったものを使って、何ができるのかというところから少し事実かな事例でも紹介していきたいと思います。で、まずですね、マシンライニーが適用するときの方法性というところでこういったところで現在に活用が進めますというところがあります。1つ目、オートメーション。これは、消化ですね、一番まで人の手でやっていたことをマシンライニングを使って、機械で機械の手でやってもらうと、これは、単純なプログラムの手で学習させてそれに基づいてやってもらうとそういったものをオートメーションにやっぱり次にエンディッジメーションというところで既存の製品とかサービス、今回はワードプレスのサイトです。に対して、新しい機能を追加すると、そういったところに使われています。最後、インベーションですね、インベーションというのは感覚機にされないことが可能ですが、イノベーション限定その確信とかそういったライトになるんですが、インベーションというのは発明とか発見という意味合いになります。結構近いんですが、ちょっと違いますというところですね。じゃあ実際にそれぞれ何があっていっているのかというと、オートメーションで言うと、例えば業務プロセスの実装かこれ、業務プロセスというとすごい業境シーンですが、例えば何か処理を申請してそれを承認して承認していないフローを回すとかそういったときに、この承認の部分をマシンラインを使って自動化するみたいなこと。あと、コールセンターの技能がですね、これは皆さんも多分いかないですけど、他のコールセンターに電話したときに、よくあるのは番号を起こして最終的にオペレーターにつながるところでと思うんですが、そこを人の声とかを使ってフローを回していくとか、そういったことも実験できています。ただ、サプライチェーンされていたとかイメージアラートが条件があります。そういったところの自動化につながる。次に、エニチメントというところですね、これたぶんですね、今回一番なんでしょうね、ワードプレイスと相性がいるかに分かりやすい例になるんです。例えば、レコ面倒というところですね、あと、ECサイトでよくあるAmazon、Amazon.comに何か買ったときに、この商品を買った人はこんな商品を買っていますとかそういったレコメントにマシンライドになっていられると、これ実際ですね、Amazon.comを最初にコンをインターネットで売り始めたとき、そのときから既にレコメントのところでマシンライドになっています。あとは、画像認識によるサービスの深価値向上というところなんですが、例えばその画像に何が含まれているかですね、さっきのインと猫の例もあるんですが、それ以外も画像に含めて車とかにそういった含まれているものを抽出するであったり、画像のシーン、これが室内なのかとか室外なのかと思います。そういったところまで抽出して深価値をつけていくと。ワードプレイスでいくことと例えば、アップロードした画像に対して卓付けをするところを一旦このマシンライドに使って自動化するとかですね、そういったこともあと、災害の優しとかりが悪いとかですね、次のアクションでそっと待っているところがいつのインベンションですね、これも全く新しいものを作っていくというところになるんですが、例えば自動運転換はですね、いろんな会社さんが自動運転換の開発を進められています。あと、自動株取引サービスこちらもですね、最近増えているんですが、よく100円とか1000円から株取引を始めていますというサービスのときに実際、あれって裏側ではですね皆さんから集めたお金を運用しているわけなんですけれどもそこはですね、人の手でやって100%人の手ではないんですけどもちろんこの機械学習を使って株間の予測をするとかそういったところで、自動的に株を打ったりたったりとかそういったことをやっています。で、こっぱらなんですがやっと本来ですね、マシンラーにオーワードプレスということでマシンラーにも使うためにどんなことができるのかということなんですが、その前にまず大切なことがあります。で、これ何かというとまずですねマシンラーにもってきではないんですねよく最近そのAIとかMLとか使ったら何でもできるんでしょうとかですね社長がそういったからやるんですとかもあるんですけどまずそれ間違いです。何か課題があってそれは解決できないんですと人の手では解決できませんとで、そういった場合にマシンラーの一つの手段になりうとそういったものになります。で、2つですね何でもかんでもマシンラーにも使うというのは大きな誤いです。例えばですねよくあるのが商品の売上稽工を分析したいとかマシンラーにも何か大工調整するとかそんなことを言われるお客様とやっしゃるんですがそれって多分AIのほうがもいているんですねまずはマシンラーにも使う必要がないです。なのでそういったところでマシンラーで結構複雑なのでどうしてもわからないんですとそのAIでもだめまたルールベースのプログラムでやってもだめですとそういったときにマシンラーにも2つですね銀の弾丸ではないですあの何も解決できないこともありますマシンラーにもしてもマシンラーにって中身がブラックボックス化されているので人が判定する人が見えるポイントで入力するデータと出力するデータになります。中でどういう反応をしているかというのは一切人は理解できない形できます。なので生徒の100%には絶対にならないんです。もし100%という生徒が出ているとするとそれは何かおかしい科学習とかそういった学習後に科学習になっていることもあるんですがそういったところを豊かべきであるというところがあります。やっぱり建築することですねAI使えば何でもできるんでしょう。なのでAI使ったシステム作りたいです。という皆さんがそれを始めました。それで終わるとAI使って何かやれというと社長の違法は解決できているんですけど本来のビジネスの人が何も解決できていないというところがあります。しなみに一回学習させてもらえるというのはすぐにチンク化が進んでいくんですね。データが変わっていくという言い方はするんですけれども新しい商品であるとか新しいシステムであるとかそういったものが出てくるとそもそもそも一応作ったモデルは使えなくなります。使えるんだけど制度が出なくなりますという形になります。なので制度を生きするために変化に合わせてモデル自体も変えていくことがとても重要なことになります。あとですねちょっとさっきのビジネスのことを本当にマシンライニング必要ですかというところですねあくまでも手段なのでこれを使って何かをやりたいとか何かをやりたいですとそれを今マシンライニングを使うという感覚が必要になります。なぜなのかというですね。ここまでお話したんですがマシンライニングやってみたいというところでいらっしゃいますか?やりたいですね。皆さんはどこで使われていると思うんですけどなぜはどこで使われていますか?で私も考えてみたんですがこういった理由があるかなと思います。多分ですね、まずラップだから一番大きいポイントではあるんですが今さらですね1からサイトを作るとか1サイトを作るとかそもそも面倒さってやらないんですけどあとは好きだからとかもありますか?多分CMSで宗教戦争とかがあると思うのでマシンライニングも基本的には同じなんです。苦労するためにマシンライニングを使うというのは間違いです。なのでできるだけ楽に何かを実現したいと肩を解決したいとそういうことのためにマシンライニングを使っていきましょう。で、やっと本題なんですがさっきのマシンライニングの具体的な的容量というところでこういった形で挙げさせていただきましょう。で、ここからですねこのオレンジの線で囲ったところについてエンタビュースのサービスを交えながら少しどういった使い方ができるかというのをご紹介していきたいと。で、まずですねどういった使い方ができるかというのをご紹介していきたいと。で、まずですねどういった使い方ができるかで、まずですね音声というところですねよくあるのがこのテキスト2スピーチとスピーチ2テキストというものがあります。で、この辺りで広く使われてまして例えばアマゾンエコを持たれている方いらっしゃいますかアマゾンエコを知っていますかね。持ってる人2個持ってる人4個持ってる人5個アマゾンエコもこのテキスト2スピーチとスピーチ2テキスト一旦テキストに変化してからそれを解析かけるとか偶然にしてで、結果出てきたテキストの音声に戻して喋らせるとそういった仕組みを使っています。で、ここに対してはですね我々エンタビュースからはアマゾンポリーというサービスを提供しております。で、これはですねテキスト2スピーチのサービスですねで、まあ25の言語とかですね日本のもちろん対応してましてみずきさんというかとかくみさんというかの声が使えるようになっています。で、あとはですね音声のカスタマイズですねテキストをそのまま音声するのではなくてま、実際に出ているというですね音声に変換するときになんか強弱をつけるとかゆっくり喋るとかですねそういった言語を使ってカスタマイズすることができてできたりとかちょっと見えにくいと思うんですが読み方をカスタマイズするとかそういったこともできるようになっています。で、トットエーマーです。変わったんですがちょっとちょっとというところがちょっと早いんですけどもここだけの話だけどさというところがこれでいくとウィスパードって書いているんですが私たちで生成する音声をカスタマイズすることができるようになっています。で、あとは歴史本というところなんですがこういったものですねこれ日本人的に読むと課者なんですがこれはこの人がカイアンという名前ですとで、私たちのところで歴史本定義しているんですがこれはカイアンで読みますよこのカスタマイズですねこういったものもできるようになっています。で、これはですねアマゾンコリーはですね実はクラブインが実はあります。クラブインですね。で、このサイトにあるテキストで音声に変えてそれを再生するとかあとはサイトから直接ホットキャストを公開するとかそういったものが公開されています。というラボって言うんですね。エノレスの中のそういったバカカイアンスとか次がですねさっきはテキスト2スピーチだったんですがこのアマゾントランスクライブはスピーチ2デキストですね。音声データを音声をテキストデータに変換するというものです。で、これはですねまあこれワードプレイスで使うのがかなと思うんですが音声の入力をもしあったらそれをテキスト2変換してそれを制動会の登録するとかですね、そういったことが簡単にできます。よくあるこういったマイクとかではなくて電話音声にもさえをしているので電話の音声用録をそのままリアルタイム変換をしていますし一旦保存しておいてそれを後から変換するとかそういったことも可能になります。ちょっとカスタンボインとかですね不当ての自動感ですね数の声が混ざっていてもそれぞれ聴き分けてテキストに起こしてくれるとかそういった機能があります。で、次はですね画像とか動画の認識というところですねここもですね、こういった形で例えばアップロードされた画像のというですね、ワードプレイスというタグ付けられると思うんですけどもタグを自動付与とりあえずしますとただ先ほどもお伝えしたんですがフォアセントの制度は絶対出せないなくまでもタグの項目を取ってそういったことが簡単に出来ますあとは顔に意識による印象ですねであとは動画の認識の場合だと動物のリアルタイム認識というものになりますで、こういったところに対してはですね、我々のアマゾネコクニッションというサービスを提供していまして、こちらですねここでスポーツだけ触れたリプラーニングという技術を使ってダゾン認識をしているのでそれをAPIで提供していますというものになります何が出来るかというところなんですけれどもちょっと後ろの方とかそもそも見えにくい気がするんですが左上の写真で行くと例えばですねロックという色を検出するとかバイリスクルとかマウンテンカイプですねとかアウトドアですね、屋外とか何パーセントの確率でこの画像には組まれていますとそういったことがAPIで提供されていますあとは顔の認識ですね写真の中、画像の中から顔の部分を抽出するとで、抽出したら顔の分析まで出来るようなこの分析になるかというと例えばね、よくある年齢と女性などの性能質とかあとは笑っているとか目を閉じていきましょうこれも精度という形でとりあえず何パーセント取れますあとはちょっと変わったところで有名人認識ですねこれあのインターネットメディアデータベースというアグリップに公開されているデータベースがあるんですがそこに登録されている人はペコ文書に連携しているので有名人セレブリティーで認識されるのちなみにインターネットメディアデータベースって誰でもこうコミットできるので例えば自分の顔を登録するとセレブリティーとして判定される笑そういった可能性もありますただもちろんちょっとプロフィールとかあるのでそこも入れないと思いますあとはですね画像内のテキストにこれちょっとわかりにくいんですからコンシュラルではないというところですねあまり画像からテキストを起こすようにまだ使えないというところでありますがテキストが含まれているところを注釈してそのテキストは何パーセントの精度でこの文字ですとそういったことを返してくれている次がレコープ認証ビーを先ほどレコープ認証は画像だったんですがこれは動画の認識用のサービスになりますレコープ認証でできることは基本的にすべて内容をしておりますそれ以外にもですね窓場でその顔認識による認証を行うとかあとは動画ならではないんですか人も追跡を行うとかそういったこともできるようになっていますこれ実際ですねちょっと動画があるんですがこれ今ですね画面中にタグがオーバーレイされていくんですがこういった形でパーソンとかですねドッグとかカードとかですねあとはパーソンでいくと人それぞれの歩いける奇跡というのをリアルタイムに変換して画面中にもオーバーレイさしているとかこういったことが簡単にできます簡単に言ってたりなんですけどオーバーレイさせるのは結構文章の機能ではないですがあくまでも自衛生を取り込めるのでそれを利用者側でオーバーレイさせたという必要があると思います次がですねこれドカムカメラですね玄関とかのカメラですかね右から2人目だけがマッチ堂ってなってるんですけどもこの人はデータベースに登録されてますよという判定を行っているとこれもリアルタイムでございます何に伺うかというと例えばこれマッチ堂の人がいたら自動的に解除するとかそういったことができるんですねドカムカメラの人だったら解除しないし見たもんなことがそういったこともできる次がですね自然言語処理というところですね今まで音声と画像動画が来たんですが次は予言語処理というところでここは例えば記事とか投稿に対する感情分析ですねツイッターとかSNSのストリームを取り込んで感情分析にかけることもできます例えばチャットボットを簡単に作ることもできますタゲモ内容は簡単にできますというものがありますまずですね周りに馴染みないと思いますがこれコンプリ編度というものであってテキストに対して分析を実施するとそれだけのサービスすることになります例えばその投稿されるコメントですねそれに対してそのコメントがネガティブなのかもしれませんネガティブの方が大きければそのコメントをいたりしてアラートをあげるとかですねそういったプラグインが簡単に作れるようになりますあとエンティーキーフレーズの抽出というところでとても重要な単語とかそういったものを記事の中から引っ込めて考えをしておくことができますそういったこともできますそのところで入力うち入力されたデータが英語なのかスペースなのかというのを自動的に判定してくれる機能がありますなのでいちいちそこでこれは英語だよとか入れる必要がないんですね次がですねアマゾンレックスこれはですねチャットボットなんですけれどもアマゾンアレクサーアマゾンエコーの裏側にはアレックサーと呼ばれる編集があってそれと同等の新総学習技術リプラニウム技術を使ったチャットボットの仕組みになりますなのでですねこれすごくですねアレックサースキールってそのアマゾンエコーにスキルを追加するっていう仕組みがあるんですがそれを作った方々に分かりやすいんですが同じような概念でチャットボットを簡単に作れますというのがそのチャットボットは例えば皆さんのサイトであるとかという意味を伺うしてもその辺りに簡単に連携させることができるとそういったサービスも行いますあとですねアレックサースキルのBDTというところでスキルをエクスポートしたアレックサースキルに変換することができますなのでチャットボットでも実現できるしアレックサースキルも同じようなサービスを展開することができるとそういったことができます次にですねこのアマゾントランスレートです電話そのままですね翻訳してくれますというサービスですねこれ以前から2つ目のところですね延後と複数弁護という記載になっているんですけど現在ですね6種の言語ですねと延後とも変換をサポートしておりますとなので一旦英語経由で複数弁護の中でも変換を受けることができるというサービスですまたですね通常のテキスト以外ですねHTMLとかバジエソンとか構造化テキストにも対応しておりましてその中に予変関係とかせっかくことができますあとはリアルタイムコンやここにも同じということですねここまでご紹介したサービスがまとめるとこういった形になりますでまず映像というところでは画像とかとかですねであと音声で言うとテキストとテキストデータとお見せできたの変換その後変換あとは自然言語処理というところで理解とか本役とかチャットこととかこういったサービスをAPIで使えるというところがありますじゃあですね今日前半に説明した機械学習のこんな流れですとかですねそういったところをもしやりたかったらどうするのかと思うんですが現在ですね100を超えるサービスを提供していますどのサービスが何もし興味よりは聞いていただきたいんですが今回ご紹介したのはですねこの1番目のところサービスというところですねで機械学習においてはそれ以外にもですねプラントドームとかですねエンジンとかリープラストラクチャーというところで使えるサービスを提供していますでこういったところやらしないんですけどもこういったものを使うことでボートでご紹介したご校の機械学習グルグル回しながらどんどんモデルの制度を上げていくとかですねそういったところを自動化することも簡単にできますでただ今日私が皆さんに1番を使いしたいこととしてはこの1番上の今回ご紹介したサービスですねワードプレスが向いていると思いますでそもそもこれがマジライン学習させるとかそういったところがあるんですがすごい何だろうか機械学習の中にも本当に苦行ですちょっと辛いんですねすぐに成果が出るものでもないですしそもそもそれをやること自体が非常に技術的に難しい内容のと思います私もですね特に大学とかで機械学習とか専攻するわけでもないのでやっぱりそういったところからやらないとなかなか難しいということになりますでたださっきの1番目の今回学習とかそういったことは考えなくていいんですねこういったことができるサービスなのでそれをワードプレスに組み込むということが簡単にできますなのでワードプレスのプラグインとかも他にもプラグインとかも他で公開されたりするのでそういった形であるものを使っていることそういったあるものを使ってできるだけ楽に機械学習、マシンガーにこの力を使っていきましょうというところがですね私が一番今日伝えたいことになりますあとですねえーとですねちょっと今から言う内容はツイートしないでくださいあの一番下のところなんですけども今日はAWSのサービスのご紹介をしましたなぜかというと私がAWSだからです私はAWS以外のサービスは喋れないんですねただ似たようなサービスって他のクラウドキャリアさんクラウドベンナーさんとかも出されてほしいそっちのサービスの方が精度が良かったんですねただ一方的に言い悪いではないんですねあの何度もいいですか要件が課題があってそれにつるために最適なサービスは何なのかというところがすごく重要になります例えば画像認識のサービスであっても各社さんが出されるんですがそれぞれ得意分野と得意分野があったりするんですねでそこでうまく得意としているところをうまく使っていくとそれで課題を解決していくとそういったことがとても重要なことですはいここまではツイートしていますでもう最後まとめになるんですが何度もいますが金の弾丸ではないです流行ってるから家使って何回やってよというわけではバーカと返してくださいそんな簡単なもんではないんですで人の代わりには現状になれないです先ほど一番最初にやったんですけども今実現できるのはビークAI弱いAIだけで頑張ってもビークAIまでしっかり行けないというところがありますので我々が今やっていることを楽にすることができますとだからなんで最初的には人間がやっていかないというところですあとは先も言いましたけれどもマシンラインの知識機械学習であるとか深層学習とか他の機械学習の手法の話ですねそういった知識がなくても公開されているサービス使うことでマシンラインの力をワードプレス持ち込むことは全然問題なくてこれはもう本当にマシンラインはだからではないと単純にマッシュアップするだけの話になるのでそれはどんどんやって新しい価値とかそういったものを皆さんのサイドに付けていっていただけると思いますというところで私からは以上をいただきますありがとうございますNWSのほうではそれにそういうサービスがあるのかというとちょっとは画像認識やってきそういう認識でその何か画像を見てたら画像に返してくれるんですけどそうじゃなくて自分がビジネスで興味があるのに意見に対しての関連性がどどくらいあるかと思いますまず1つ目なんですけれどもレコメントそのものも昨日はAPIサービスとしては提供していませんなぜかというとレコメントってあれですよねたぶんそこってその中身を崩壊してしまうとあまり良くないんですからこれすごく言いづらいかなそういったら複数の意思材とかってレコメント日のだいたい先あると思うんですけどレコメントのやり方っていろいろあってその内容によって企画が変わってくると思うんですねこうやっている商品とかそういった内容は記事のレコメントでもそうなんですけど関連性をどう出てくるかってこういったマネージュのサービスやるのには向いていないんですけどどちらかと言うとこの下のところもそう使ってそこは工業になるんですがモデルを作って学習をさせて作っていくということが必要なのになります2つ目がちょっとわからなかったんですがビジネスに関連して自分の興味があるテーマに対してそういう画像がやってきている場合関連があるかっていうのを調べたいなと思っているそれでいくとテーマって何が例えばグログをやってるんだったらちょっとテーマがあっている何かのグログをやってるんだったらインターネットにあるいっぱいある画像の中でそのテーマに関連さがどうか欲しいそうじゃないのは要らないという手冊に企画ができるそれでいうと簡単ではないんですけどもレポグニッションってタグが付けられるのでその卓球の中で興味があるタグが含まれているだけの収集するというのはそういうプローラーを作ってプローラーの中でレポグニッションと連携して手に入れている分析を持ってこういう意味があってという収集の仕方ができると思うタグというのはマニアックなコレイメースとかそういう意味があってレポグニッションはまず仕様としては広いことがしか認識してくれません例えば山というのはマノペンというからしかしてくれるんですが藤井さんも意識してないんですけどこういうメージは基本認識できないので広いタグの問題でできますという回答で現時点でいるとそのタグというのはラベルですそれをカスタマイする機能はないのでそこはやっぱり画像認識のモデルをしてできると思います