skip to Main Content
京都のAIベンチャー・HACARUS(ハカルス)が 経済産業省のスタートアップ企業 育成支援プログラム 「J-Startup KANSAI」に選出

「少ないデータ量」でも実用的なAIをつくり出し、様々な業界・企業の「いま抱える」課題を解決する、株式会社HACARUS(以下、ハカルス)は、経済産業省が推進するスタートアップ企業 育成支援プログラム「J-Startup KANSAI」に選出されました。

本選定を受け、2020年11月4日(水)に開催されます「Kansai Future Summit」内で実施するJ-Startup KANSAI 選定式にも参加いたします。

■「J-Startup KANSAI」について

経済産業省では2018年6月にスタートアップ企業の支援プログラム「J-Startup」を開始しました。

トップベンチャーキャピタリスト、アクセラレーター、大企業のイノベーション担当などが、日本のスタートアップ企業約10000社の中からミッション・独創性・成長性などの基準を考慮したうえで企業を推薦しています。

「J-Startup」の地域版である「J-Startup KANSAI」では、今回ハカルスを含むスタートアップ企業が新たに選出されました。関西発のロールモデルとなる有望なスタートアップ企業群を明らかにし、地域ぐるみで起業家を応援・支援する仕組みを構築することで、地域が起業家を生み、育てる好循環(=「エコシステム」)の強化を目指します。

「J-Startup」公式サイト:https://www.j-startup.go.jp/

「J-Startup KANSAI」公式サイト: https://next-innovation.go.jp/j-startup-kansai/

■コメント(株式会社HACARUS 代表取締役CEO 藤原健真)

この度の選定、大変光栄に思っております。ハカルスは、スパースモデリング技術を活用することで幅広い業種・業態のAIに関する課題解決を実現しています。とくにディープラーニングで解決が難しい課題をスパースモデリングによって解決してきました。AI業界の中では珍しいアプローチ方法ですが、AIの事業開発で壁に当たっている企業様に評価いただき、開発の実績も年々増えてきております。

今後も京都初のAIベンチャーとして、革新的で独自性のある技術をグローバルに向けて発信していきたいと考えております。今回の選定を受け、新たな業界・海外への展開等、さらなる事業拡大を目指して尽力してまいります。

114日(水)、J-Startup KANSAI 選定式開催

ハカルスは、11月4日(水)、「Kansai Future Summit」内にて行われる、J-Startup KANSAI選定式へ参加いたします。「Kansai Future Summit」は、産官学の関⻄のリーダーが集い、ネットワークを構築することで新たな産業発展に寄与するきっかけづくりを目的としたイベントです。

イベント名: 「Kansai Future Summit」

開催日程:2020年11月4日(水)9:30〜19:00

場所   :ホテルグランヴィア京都

詳細   :https://kansai-future.com/

※完全ご招待制となります。

■ハカルスについて

ハカルスは、AIベンチャーとして、2014年に京都で創業しました。 ハカルスの強みは、少量のデータからの特徴量抽出に優れ、解釈性の高いスパースモデリング技術です。ハカルスでは、このスパースモデリング技術をAIに応用しています。

現在、AIの主流技術となっているディープラーニングは、学習に大量のデータが必要であり、AIの意思決定の過程がブラックボックス化されてしまうという課題を抱えています。また、学習フェーズにおいて大量の計算資源が必要になることから、分析に膨大な時間がかかったり、電力の消費量が多いという課題もあります。

ハカルスは、このようなディープラーニングが抱える課題を独自のAI技術によって解決しています。また、スパースモデリングを使うことにより幅広い業種・業態のAIに関連する課題解決を実現しており、これまで100社を超える企業・団体に対してAI技術の開発や実用化に取り組んできました。今後も、AI技術基盤のさらなる強化と既存サービスの拡販に注力し、更なる事業拡大を目指します。

■ハカルスの「スパースモデリング」を活用したAI技術の特徴

  • 大量のデータ(ビッグデータ)を必要とせず、ディープラーニングの1/100・1/1000のデータ量でも分析精度が高いAIを構築します。
  • 不良品データ(不正解のデータ)がなくても少量の教師データ(正解のデータ)でAIが構築できます。
  • ディープラーニングに見られる、分析のプロセスがブラックボックス化する課題を克服し、AIの回答に高い説明性・解釈性があります。
  • 大量のデータを収集する時間が不要のため、開発時間が短縮され、付帯するコストが削減できます。
  • AIを稼働させるための消費電力が、ディープラーニングに比較して1/100以下のエコなAIです。
  • 工業製品やIoT機器・エッジ端末への組み込みが可能です
  • 画像データ・テキストデータの解析に対応しています。