AI開発に欠かせない“愛機”を『arkhive』がサポート！　DL数200万超の人気アプリ『スナップディッシュ』開発秘話

開発のきっかけは、代表取締役CEOである舟田の奥さんが、フィーチャーフォンで料理の写真をママ友と見せ合いながらお喋りをしたり、料理のアイデアを交換したりしていたことですね。2010年ごろでしょうか。

当時すでにレシピを検索できるサービスはありましたが、料理を写真に撮って交流するサービスはまだなかったんですよ。テキストから写真への変遷があると考えていたので「写真を使ったコミュニケーションが来る！」という感覚はありましたね。ですので「料理がおいしそうに撮れて、楽しく共有できるアプリを作ったらいけるよね」という話はしていました。

最初は別のアプリを作っていたのですが、それがどうもうまくいかなかったんです。実は「ヴァズ」という会社名は、そのアプリの名前でした。

2010年当時はまだiPhoneの性能が低く、APIも揃っておらず、自分でコードを書く量が多かったことですね。初期のスマホアプリはよくクラッシュすると言われていて、そういった問題との戦いもありました。

リリースと同時にAppleから連絡が来て、全国誌に紹介されたことを覚えています。ものすごく良い初動を迎えることができました。

ユーザーさんからもいろいろなレスポンスをもらえました。会社近くの公園でイベントを行ったりもしましたね。現在はコロナ禍の影響もありオンライン開催ですが、当時イベントに参加したユーザーさんはいまもスナップディッシュを使ってくれています。

また「サービスを提供している我々も料理をする人の気持ちがわからなきゃな」ということで、お昼ご飯も社員みんなで作っています。（※現在はコロナ禍でお休み中）私も最大1日12食ぐらい作って、なんだか食堂のおじさんみたいでしたが、上達すると妻にも喜ばれましたね（笑）。

「AI料理カメラ」機能は、写真に写っているものが料理かどうか、またおいしそうに写っているかどうかを判定してくれます。スナップディッシュに蓄積された料理写真と、それに対するユーザーの反応を学習させたもので、いわばユーザーの感性をコピーしたようなAIです。

「映え」だけでなく「食べたい」がより重視される傾向にあるので、結果として反応の多さとおいしそうに見えるかという予測がほぼイコールになっています。また、"もぐもぐ (いいね) 返し"のような反応をできるだけ除外するように工夫しています。

「似ている料理」機能は、撮影した料理がどんなジャンルかを推定するものです。推定の過程で料理のベクトル（要素を抽象化した数値）が生成されるのですが、このベクトルの類似度が高いものを順に出すと、似ている料理が出力されるという仕組みです。とはいえ、ベクトルだけでは失敗もありますので、テキスト情報を自然言語処理してカバーしています。

まずAIを使ってみたいということ。当時iPhoneでCore MLや新しいAPIが話題になっていたこと。それと営業などからの要望もありましたが、エンジニア魂のほうが大きかったのかもしれませんね。そして使うならば、より料理を楽しくするために使いたいという思いがありました。

ただ、AIに関連する技術は基本的に基礎技術です。なにかと掛け合わせることで価値が出るもので、我々はその掛け算の変数側にいると思っていました。当時はまだサービスへの応用例が少なかったんですが、考えていたら「何かできそう」みたいな直感がフワッと湧き出てきたんです。

料理判定ですね。リリース時の判定精度は90％ほどでしたが、「料理じゃないものが料理と認識される」というレスポンスをもらったんです。結構なんでもキレイに撮影できるので投稿の中にはネイル写真などもありました。もちろん公開情報に料理以外があるのは問題ですので、そういった投稿は非公開にしています。

ユーザーの反応がダイレクトに伝わってくることですね。それに対してすばやく対応することで反響があることもまた楽しさです。もちろんネガティブな反応が来ることもたくさんあって、そのときはヘコむんですが（笑）。でも、それも長い目で見たら人生だと思っています。

AIの中身は理屈で説明できないところがあって、良くも悪くも予想できない動きをすることがあります。「これを判断できるのか！」「そんな誤解をしちゃうのか！」みたいな。例えば、AI料理カメラの認識精度は9割を超えていますが、個別に見るとおでんをアイスクリームと認識してしまっていたりするんですよ。こういった部分は課題でもありますが、面白さでもあると思います。

はい。AIの開発を始める際、まず「PCかクラウドか、どっちでやろうか？」という話がありました。しかし、クラウドはデータ転送量に応じて料金が変わります。当時はまだどういう開発をするのか、どれくらい時間がかかるか、まったく読めませんでした。実際にざっと計算してみたらそれなりに費用がかかるため、交流のあったアークさんに相談したんです。

メモリの購入などで個人的に利用していました。堅実なイメージがありましたね。パーツの相性のアドバイスとか懇切丁寧に教えてもらえて、適材適所なPCを紹介いただきました。

自分でスペックを選んだものなので、PCが届いたときはすごく嬉しかったですね！　AIの開発環境としてカスタマイズしたのですぐにセットアップもできましたし、処理速度も速い。そして配線も非常に美しい。なにより、クラウドのように「無駄なく使おう」とか気にせず、ひたすら使えることが楽しかった。そこからずっと愛車みたいな感じでアークのPCを使っています。

本年度は3回目の導入も行いました。やっぱり機械学習がすごく速くなって、結果としてAIの品質向上により多くのリソースを割けるようになっています。AIは一度学習させたら終わりというわけではなく学習が速ければ速いほど試行回数を増やせるので、有利になった実感があります。

手厚いサポートもありがたいですね。調子が悪いなと感じたときにアークさんに連絡すると一通り点検・修理を行ってくれます。ちゃんと見てもらえるっていう安心感がありますね。

オンプレミスは試行錯誤的な試みに適していると思います。クラウドは予算を考慮し、しっかりと計画を立てて、見込みの高い実験を行い、適切な箇所で引き上げるといった手順を踏んで使わなくてはいけません。研究開発と本質的には関わりの無いリソースが割かれてしまうんです。これが現場には負担なんですね。まだまだAIは意思決定メカニズムがはっきりと判明していないような分野ですから。

アプリの次のプロジェクトとしては、料理投稿に写真を追加できる機能を開発中です。料理写真の追加で表現や交流の幅が広がることを狙っています。また、モバイルサイトを拡充し、Webからもアプリと同じ体験ができるようにする計画も立てています。

ユーザーさんのアプリ体験を改善するために、既存の機能に対し積極的にAIを組み込みたいと思っています。例えば、投稿に踏み切れないユーザーさんの後押しをしたりとか、ハッシュタグを提案してくれるとかですね。

具体的な計画はまだまだ言えないですけれど、スナップディッシュの価値を、他の業態や事業体とうまく連携したいと思っています。また海外ユーザーもいますので、国の枠を超えた交流が行えるような企画もちょっと考えてます。