　ANNOTEQは、実働100万人以上のクラウドワーカーを活用し、1週間10万件以上の作業に対応できる。高難易度な作業や作業の品質管理工程を専任作業者が担当するなど、専任作業者とクラウドワーカーが内容に応じて業務を分担し、高精度な作業を行う。顧客の要望に応じて、短納期の作業や複数回の分納などにも対応する。

　また、学習前のデータセットに対するアノテーション作業だけでなく、学習前のデータセットの構築も可能だ。Web情報に加え、活用現実世界に存在するデータ収集にも対応する。

　サービスの第1弾として、画像／動画の分類および適正判定、動画音声の文字起こし、自然言語分類、音声適正判定など、学習データのアノテーション作業を提供する。他に、画像／動画データや手書き文字データなど、学習データの収集にも対応する。さらに今後は、物体検出や物体領域抽出などにも順次対応する他、アノテーション作業のためのAPIなども提供する予定としている。

AIと機械学習とディープラーニングは何が違うのか
技術開発の進展により加速度的に進化しているAI（人工知能）。このAIという言葉とともに語られているのが、機械学習やディープラーニングだ。AIと機械学習、そしてディープラーニングの違いとは何なのか。
機械学習はどうやって使うのか――意外と地道な積み重ね
前編では、AI（人工知能）と機械学習、ディープラーニングといった用語の説明から、AIを実現する技術の1つである機械学習が製造業を中心とした産業界にも徐々に使われ始めている話をした。後編では、機械学習を使ったデータ分析と予測モデル作成について説明する。
世界を変えるAI技術「ディープラーニング」が製造業にもたらすインパクト
人工知能やディープラーニングといった言葉が注目を集めていますが、それはITの世界だけにとどまるものではなく、製造業においても導入・検討されています。製造業にとって人工知能やディープラーニングがどのようなインパクトをもたらすか、解説します。
ディープラーニングの事業活用を可能にする「ジェネラリスト」の重要性
AI技術として注目を集めるディープラーニング。ディープラーニングへの取り組みを進めていく上で必要とされる人材には「エンジニア」の他に「ジェネラリスト」も必要だ。本稿では、ディープラーニングの「ジェネラリスト」に何が求められるかについて解説する。
深層学習のアノテーション工程を自動化、省力化する機能を提供
ABEJAは、オープンプラットフォーム「ABEJA Platform」のβ版に「アノテーション」機能を追加し、パートナー企業への提供を開始した。これまでアノテーションに要していた作業負荷を大きく軽減し、作業プロセスを自動化、省力化できる。
月額26万円で画像認識AIによる外観検査ができる、「製造業の関心極めて強い」
NTTコムウェアは、ディープラーニングを用いた画像認識AI「Deeptector」の新製品となる「産業用エッジAIパッケージ」を発表した。HPEのエッジコンピューティング向け製品「Edgeline EL1000 Converged IoT System」にNVIDIAの「Tesla P4」を2枚組み込み、Deeptectorをプリインストールしたパッケージ製品で、月額26万円からで利用できる。