【事業内容】
AIを中心としてIT・ハードウェア等の各種テクノロジーを統合的に活用したソリューションを提供する「ソリューション提供事業」を展開しております。
（１）ソリューション提供事業の内容
①ソリューション提供事業の分類と特徴
「ソリューション提供事業」は、2022年10月期第３四半期時点では「プロジェクト型」が98%を占めており、「プロジェクト型」で獲得した利益に基づいて、当社が独自に定義した技術であり、特定ジャンルに限定することによって、機械が人間のように意味を理解できるようになることを目指す技術であるArtificial Elastic Intelligence(AEI)に関する研究への継続投資行っております。
「ソリューション提供事業」の強みとしては、下図のようにプロジェクトマネージャー(PM)を中心にして、文系・理系の知見を融合した「文理融合型」のメンバーが従事しており、様々なパターンのAIのプロジェクトに対応できるようになっていることであります。なお、「文理融合型」のメンバーの多くは大学生・大学院生を中心としたインターン生となっております。インターン生を活用する理由といたしましては、日々研究を行っているインターン生が日進月歩で技術革新が進むAI分野において、最新の知見を有しているためであります。
また、当社在籍人材の特徴として、AIやITなどの技術系に対応できる人材の割合は90％を超え、大学院生士以上の人材の割合も全従業員の40%を超えております。学習力・技術力を持つメンバーが数多く在籍することで、当社が所属する業界の技術的イノベーションへの対応と当社ソリューションへの適用が可能となり、競争力の源泉となっております。
②プロジェクト型の特徴
a. プロジェクト型の概要
当社のプロジェクト型の強みは、下図のように経営に関する「課題発見・新規事業計画」から「保守・その他」までのソリューションをワンストップで提供することでございます。これにより、各工程を分離させることなく、一気通貫でのサービスを高い品質をもって提供しております。
b. プロジェクト型の事例
(株式会社新興出版社啓林館との事例)
新規事業立上支援の事例として、株式会社新興出版社啓林館と共に、教科書傍用問題集における学習をサポートするアプリとして「AIチューターゼロ」を開発しました。
(古野電気株式会社との事例)
画像処理の事例として、古野電気株式会社と無人船の自動航行に向けたプロジェクトを行いました。
③サービス型の特徴
a. 第４世代AI及びAEIの概要
第４世代AIとして、既に実現している人工知能と極めて実現が難しいとされている汎用人工知能(AGI)の間の概念として、独自に「柔軟な人工知能」、英訳として「Artificial Elastic Intelligence(AEI)」を定義し、開発に取り組んでおります。
(AEIの取り組み)
AEIがある特定のジャンル内においては機械が人間のように意味を理解できるようになることを目指しております。これは、任意のジャンルにおいて自意識や全認知能力を持ち、極めて実現が難しいとされているAGIとは異なるアプローチであり、ジャンルを特定のものに限定することで実現難易度を下げるという狙いがあります。当社はAEIを開発することで、「特定のジャンルに限定することによって、人間のように意味を理解した上でタスクを実行することが可能なAI」の実現を目指しております。これまで当社はAEIの開発に集中しておりましたが、現在は並行して、業務提携先とAEIを活用したサービスの立ち上げを進めております。
b. AEIと既存技術の比較
AEIに関しては、BERT・GPT3に代表されるディープラーニング技術及び、知識をグラフ形式でまとめたナレッジグラフという二つの技術が、主な比較対象となります。
(ディープラーニング技術)
データに基づいてデータの背後にある構造や法則性を推定・推論する技術を機械学習と呼びます。ディープラーニング技術はそのような機械学習の具体的な手法の一種になります。
一般的に、ディープラーニング技術では必要なデータ量が膨大となる反面、ディープラーニング技術より以前から存在していた機械学習の手法と比較すると高い推論精度を発揮することが多いということが知られております。
従来はディープラーニング技術の要求するデータ量を確保することが現実的に難しかったため、その応用範囲は極めて限定的でしたが、情報化社会の発達に伴い大量のデータを用意することが比較的容易になってきました。そのため、昨今ではディープラーニング技術の研究開発が大きく前進し、その成果を利活用したサービスが普及し始めております。
ディープラーニング技術を搭載したサービスはしばしば人間レベルの精度の推論が可能になることから、AI(人工知能)とみなされるようになりました。ディープラーニング技術を用いて実装されたAIは第３世代AIと呼ばれております。
(ディープラーニング技術の精度向上可能性)
仮にデータや計算機資源が無尽蔵にあれば、多くの実用先で精度を100%に近づけることができるということが知られております。その代表的な根拠としては、①べき乗則と②普遍性定理の２つがあります。
①べき乗則
ディープラーニング技術においては、推論精度がデータ量や計算機性能に伴って向上していくことが報告されております。この際、精度はデータ量や計算機性能に対し比例関係よりは緩やかなペースで向上するとされており、これをべき乗則と呼びます。そのため、データや計算機資源を増やしていくことで、徐々に効率は落ちながらも確実に推論精度を高めていけることが示唆されます。
②普遍性定理
ディープラーニング技術は、データと計算機が十分にあれば、実用上多くの課題に対して、無限に高い精度で推論できる力(表現能力と呼びます)を持つことが数学的に証明されており、これを普遍性定理と呼びます。
これら二つの根拠を併せることで、データと計算機さえ十分に用意することができれば、ディープラーニング技術は多くの課題に対して十分な精度で推論できる可能性を持つ技術であるということが示唆されます。実際に例えばBERTやGPT3と呼ばれるディープラーニング技術を用いた推論器は、非常に多くのデータや計算機資源を投入することで、機械翻訳や文書要約といった複数の課題で非常に高い精度を実現しております。
(自然言語処理領域におけるディープラーニング技術の推論精度の限界)
逆に、データを十分に集めることが現実的ではないようなケースでは、精度向上には限界があるとも言えます。特に自然言語処理と呼ばれる、言葉を扱うような応用領域では、本質的に推論に必要なデータを十分確保することが難しい場合が多いと考えられます。
例えば、『私はリビングにいます。私はリモコンを手に取りました。私は寝室に移動しました。』という文章があった際に、リモコンがどこにあるか推論することを考えます。人間であればリモコンは寝室にあるということは明らかに分かりますが、『手に取って移動すると手に取ったものも同様に移動する』というデータがないと、計算機には正しい推論が行えません。しかしながら、そういったデータが現在あるいは近い将来に十分収集できるかというと、それは非現実的であると当社は考えております。
このように、人間にとっては当然と思われるようなことであっても、計算機にとっては解くことが難しい事項が数多く存在するというのが自然言語処理領域の現状となっております。
(ディープラーニング技術による推論の解釈性の問題)
精度向上以外の観点では、ディープラーニング技術は一般的に推論の根拠が人間に分かるように説明ができないということも、説明責任を果たす必要があるようなユースケースでは大きな問題となります。推論の根拠がよく可視化された解釈性の高いAIは、透明性や説明可能性の高いAIとも呼ばれております。
XAIと呼ばれる分野として透明性や説明可能性の高いAIの研究が進められておりますが、精度面とのトレードオフがあることや、実用上要求される粒度での推論根拠を提示することがまだ難しいことがあり、中々実用には至れていません。
(ディープラーニング技術のその他の課題)
他にも、個人情報やライセンス的に利用してはいけない情報等がデータに紛れ込むことで他者の権利を侵害してしまう可能性、特定の入力の際だけ異常な結果を返す(意図的な場合はバックドアと呼ばれます)可能性、データの偏りによって差別的な推論を行ってしまう可能性等、ディープラーニング技術にはビッグデータに依存して推論を構築する仕組みであるが故の問題が多く存在します。
(ナレッジグラフ)
文章を概念毎の要素に分解後、分解された概念それぞれを「対象(点)」として、それらの「対象」を関係性に応じて「辺(線)」で結びグラフ構造にした知識基盤を利活用し、推論を行うアプローチとなります。
利点として、ディープラーニング技術では困難な推論の高い解釈性を実現することが可能です。例えば図の例では、『pluszeroはどのような街にあるか』という質問に対して、『pluszeroは世田谷区北沢にある』『世田谷区北沢の街の名は下北沢である』従って『pluszeroは下北沢という街にある』と推論過程を可視化することができます。
ナレッジグラフを利用した推論技術も人手で構築・管理されたテーマ内では人間のような推論が実現できることから、AIとみなされております。ナレッジグラフを用いて実装されたAIは第二世代AIと呼ばれております。
(ナレッジグラフの課題)
ディープラーニング技術に代表されるビッグデータに基づく手法と比べ、ナレッジグラフでは一つ一つ手作業で知識基盤を構築していく必要があります。そのため、精度の向上に膨大な工数が必要となる傾向があり、実用に足る精度を出すために必要な人員コストが実用上大きな課題になります。ナレッジグラフに機械学習を融合することでこの問題の解決を目指す研究も行われておりますが、ナレッジグラフが本来持っている解釈性を維持したまま精度を高めるような仕組みを見出すには至っていません。
(ディープラーニング技術、ナレッジグラフ双方の課題)
ディープラーニング技術、ナレッジグラフのいずれにおいても、一般的には推論ロジックは一度構築された時点で固定化し、状況や文脈に応じてより適切な推論に変更するといった柔軟性を実現することは難しいです。
(AEIのアプローチ)
AEIは、ナレッジグラフを基礎に、次の３つの拡張を行ったものとなります。
①ナレッジグラフの概念の意味を表現するデータベースを保持すること
②データベースに存在しない概念が現れた際には新しく意味を定義する仕組みを保持すること
③データベースに存在する概念に対しても意味を更新する仕組みを保持すること
これらの拡張を一部ディープラーニング技術のようなデータ駆動の手法を取り入れながら行うことで、ナレッジグラフの課題であった、推論効率と動的更新性を高めることが可能であり、ディープラーニング技術とナレッジグラフの双方の限界である精度と解釈性のトレードオフを現実的に超越できる拡張性をAEIは備えていると考えております。
c. AEIを用いて実現を目指すサービスの内容
AEIのコンセプトの下、「仮想人材派遣」をサービスとして早期に実現させることを目指しております。
「仮想人材派遣」は、「ユーザーから見て人間が対応しているように感じる対話システム」である「仮想人材」を、実世界で人材を派遣しているような形で、メール・電話・チャット・テレビ会議・ロボット等を通して提供するサービスです。「仮想人材」は、特定のジャンル（限定された業界・業務範囲）において知識を持つことで、意味を理解した上で回答することが可能になります。
当社は、対話システムのサービスレベルを当社の独自基準である「理解度レベル」及び「コミュニケーションの自動化レベル」で評価しており、当社が実現を目指している「ユーザーから見て人間が対応しているように感じる対話システム」に必要な「理解度レベル４」及び「コミュニケーションの自動化レベル４」を３年から５年のスパンで実現したいと考えております。
なお、「コミュニケーションの自動化レベル」の各段階における人間の関与度合いと対応内容、仮想人材が持つ「理解度レベル」及びボットが対応可能な業務の一覧は以下のとおりになります。
d.「仮想人材派遣」を支える中核技術及びAEIに関する特許戦略
当社独自の技術である「N4」、「PSFデータ」、「パーソナライズ要約」という３つの中核技術があり、「N4」を中心に以下の利用関係にあります。
「N4」とは、Neo Non-loss normalized Networkの略であり、自然言語を機械が処理可能な形に変換した際の意味の表現形式であります。「N4」の特徴としては、自然言語から変換する際に、自然言語の文章において人間が認識する情報全体(文章の意味)を欠落させずに表現でき、かつ表現の多様性を吸収し、同じ意味であれば同じ形で表現することができる点にあります。「仮想人材派遣」、「パーソナライズ要約」を実現する際には基本的に文を「N4」形式に変換すること、意味のデータベースである「PSFデータ」を動的に更新する際に「N4」形式の文を活用することからも、各技術の実現のために有効性の高い技術となっております。
「PSFデータ」とは、Parametric Semantic Frameの略であり、単語等の持つ意味をパラメータ形式で表現したデータベースである「共通辞書的なPSFデータ」と「知識・経験・個性など知性に関する情報を「N4」の形で表現し、集計、集約したデータベースである「仮想人材の知性的なPSFデータ」の２種類により構成されております。「PSF」データは、主に自然言語を「N4」形式に変換する際や、「仮想人材派遣」や「パーソナライズ要約」において「N4」形式の文を意味が類似する別の文に言い換える際に用いられます。
「パーソナライズ要約」とは、「N4」及び「PSFデータ」を用いた、対話相手の利用可能語彙に応じた要約・言換技術であります。具体的には、ある文を「N4」形式に変換した後、「PSFデータ」及び相手の利用可能語彙の情報を基に、対話相手の利用可能語彙に変換する仕組みとなっております。
AEIに関する知的財産戦略としては、3つの中核技術（N4、PSFデータ、パーソナライズ要約）を活かした仮想人材派遣についての特許を取得済であります。中核技術の個別特許については、今後、分割出願・申請により取得予定でございます。また、米国・EU・中国へ特許を国際展開する計画もあり、PCT出願済(注１)でございます。
e. AEIライセンス契約の内容及び今後の収益獲得の方向性
「仮想人材派遣」の実現に向けて複数の業界のパートナー企業と業務提携を行い、「仮想人材派遣」関連技術のPoCや技術を利用した新規事業の立上を試みております。さらに、2022年4月からはライセンス供与契約に基づき「仮想人材派遣」関連技術に関する情報の提供や開発ライセンス・利用ライセンスの供与を行い、売上計上を開始しております。
【業績等】
決算期 種別 売上高 営業利益 経常利益 純利益
2022/10 単独3Q累計実績 534 99 97 109
2022/10 単独会社予想 725 127 115 117
2021/10 単独実績 507 -80 -78 -79
2020/10 単独実績 381 -26 -26 -27
上場時発行済株数 2,500,000株（別に潜在株式264,788株）
公開株数 541,400株（公募375,000株、売り出し96,000株、オーバーアロットメント70,400株）
調達資金使途 研究開発費、サービス開発、サービスの販促費、採用活動費
決算期 種別 EPS BPS 配当
2022/10 単独会社予想 55.56 290.09 0.00
ＰＥＲ：24.8
ＰＢＲ：
配当利回り：
公募時吸い上げ資金：7.5億
公募時時価：35億
【株主構成】
小代義行 代表取締役会長兼CEO 710,340 29.97% 180日
森遼太 代表取締役社長兼COO 437,400 18.46% 180日
永田基樹 取締役副社長 437,400 18.46% 180日
小代愛 代表取締役会長の配偶者 220,000 9.28% 180日
(株)ｱﾋﾞｽﾄ 資本業務提携先 105,200 4.44% 90日
野呂祥 従業員 56,300 2.38% 90日
堀内暢之 従業員 27,500 1.16% 90日
池下克彦 従業員 20,020 0.84% 90日
潮恵輔 元従業員 20,020 0.84% 90日
(株)AAKRｴﾝﾘｯﾁ 特別利害関係者など 20,000 0.84%
【代表者】
代表者名 小代 義行（上場時50歳10カ月）／1971年生
本店所在地 東京都世田谷区北沢
設立年 2018年
従業員数 64人 (2022/08/31現在)（平均30.9歳、年収623.6万円）
事業内容 AI（人工知能）とIT（情報技術）を軸に各種テクノロジーを統合的に活用したソリューション提供事業
URL https://plus-zero.co.jp/
株主数 16人 （目論見書より）
資本金 100,000,000円 (2022/09/22現在)
代表者生年月日 1971年12月28日生まれ
代表者略歴
1995年04月 株式会社NTTデータ通信 入社
2000年01月 マイクロソフト株式会社 入社
2003年04月 株式会社ユニーク設立 代表取締役
2010年08月 株式会社ユニプロ設立 代表取締役 株式会社志塾設立 代表取締役
2014年05月 株式会社LIVE with G 設立 代表取締役
2016年04月 株式会社AMU設立 代表取締役 株式会社priceless設立 代表取締役
2019年03月 株式会社LIVE with G 代表取締役
2020年03月 当社 入社 6月：当社 代表取締役 10月：当社 代表取締役会長兼CEO（現任）
本募集及び引受人の買取引受による売出しに関し、貸株人かつ売出人である小代義行、森遼太、永田基樹及び小代愛、当社役員かつ当社新株予約権者である浅川燿佑、大澤遼一並びに当社株主である株式会社アビストは、ＳＭＢＣ日興証券株式会社(以下「主幹事会社」という。)に対して、本募集及び引受人の買取引受による売出しに係る元引受契約締結日に始まり、上場(売買開始)日から起算して180日目の2023年４月25日までの期間中は、主幹事会社の事前の書面による承諾を受けることなく、元引受契約締結日に自己の計算で保有する当社普通株式(潜在株式を含む。)及び当社普通株式を取得する権利を有する有価証券の発行、譲渡又は売却等を行わない旨を約束しております。
当社株主である野呂祥、堀内暢之、池下克彦、永田翼、須濱達朗、辰濃二郎及び髙木雅は、主幹事会社に対して、本募集及び引受人の買取引受による売出しに係る元引受契約締結日に始まり、上場(売買開始)日から起算して90日目の2023年１月25日までの期間中は、主幹事会社の事前の書面による承諾を受けることなく、元引受契約締結日に自己の計算で保有する当社普通株式(潜在株式を含む。)及び当社普通株式を取得する権利を有する有価証券の発行、譲渡又は売却等を行わない旨を約束しております。
当社新株予約権者である京谷駿希、後藤武尊、上田草馬、水原悠、土屋正朗、藤田響平、木村崇大、郁青及び結城凌は、主幹事会社に対して、本募集及び引受人の買取引受による売出しに係る元引受契約締結日に始まり、上場(売買開始)日から起算して90日目の2023年１月25日までの期間中は、主幹事会社の事前の書面による承諾を受けることなく、元引受契約締結日に自己の計算で保有する当社普通株式(潜在株式を含む。)及び当社普通株式を取得する権利を有する有価証券の発行、譲渡又は売却等を行わない旨を約束しております。
【幹事団】
主幹事証券 ＳＭＢＣ日興 - -
引受証券 ＳＢＩ - -
引受証券 大和 - -
引受証券 マネックス - -
引受証券 楽天 - -
引受証券 いちよし - -
引受証券 松井 - -
【参考類似企業】今期予想PER（10/5）
3993 PKSHA 72.3倍 (連結見込)
4011 ヘッドウォータ 144.7倍 (連結予想)
4055 ティアンドエス 25.7倍 (単独予想)
4056 ニューラル - (連結予想)
4259 エクサウィザー 44,900.0倍 (連結予想)
4268 エッジテクノ 44.9倍 (単独予想)
4382 HEROZ 196.9倍 (連結予想)
4418 ＪＤＳＣ 7,562.5倍 (連結予想)
5026 トリプルアイス 51.9倍 (連結見込)
5028 セカンドサイト 31.0倍 (単独予想)
【私見】
AIとITを軸にしたソリューション事業ということで、業種人気は高い銘柄です。業績は今期黒字予測で、規模も小さいので成長力次第でしょう。吸収金額も小さく、ＶＣなしでロックも完備されていることからも、初値段階で人気化する可能性は高いでしょう。
想定価額：1380円
仮条件上限：1440円
初値予想：4000円
ブック申し込み度・・・強気
セカンダリー期待度・・・中立
総合評価：3.5
0 件のコメント:
コメントを投稿