近年、AIはディープニューラルネットワークの登場により、製造業における不良品検知や医療における画像診断など幅広いシーンで応用され始め、人と同等以上の性能を発揮する一方で、学習時には想定していなかった照明や視点などの環境や条件の変化により、見え方に大きな違いが生じると、認識精度が大幅に低下するという課題がある。
そうした中、富士通株式会社とマサチューセッツ工科大学Center for Brains, Minds and Machines(以下、CBMM)は、学習時と傾向の大きく異なる未知(out-of-distribution、以下 OOD)のデータに対しても、AIが高い認識精度を示す技術を共同で開発した。
今回の技術は、人が物を認知する際に、形や色などの見え方に違いがあっても、それらの視覚情報を脳内で正確に捉えて分類できることに着目し、ディープニューラルネットワークを形や色などの属性ごとのモジュールに分割して学習させることで、AIがOODデータを高精度に認識する。
具体的には、複数の画像データをディープニューラルネットワークに入力した際に生じるニューロンにおける対象物の見え方と、分類の反応から独自の指標を算出し、指標の数値が高くなるようにディープニューラルネットワークの学習を促進させることで、AIの認識精度を向上させている。
従来、ディープニューラルネットワークを分割せず一つのモジュールで学習させることが認識精度の高いAIを実現する最良の手法だと考えられていたが、今回算出された指標に基づき、ディープニューラルネットワークを物の形や色などの属性ごとのモジュールに分割して学習させることで、より認識精度が高いAIを実現した。
今後富士通とCBMMは、今回共同開発した技術をさらに高度化し、より人に近い柔軟な判断を可能とするAIを開発し、モノづくりや医療などをはじめとする幅広い分野への展開を目指していく、としている。
プレスリリース提供:富士通
無料メルマガ会員に登録しませんか?
IoTに関する様々な情報を取材し、皆様にお届けいたします。