近年、AIの普及がますます進み、AI活用による業務効率化や生産性向上などに期待が集まっている。しかし、学習データから構築したAIモデルは、業務で使い続けるにしたがって、社会情勢や市場・環境の変化などにより、入力データの傾向が構築当初の学習データと比べて変わってしまうことがあり、AIの推定精度が低下する問題が発生する。
例えば、金融分野での企業の信用リスクをAIで評価する場合、企業の財務データを用いて学習したAIモデルを使っていると、経済構造の変化などによって入力データの傾向が学習時と比べ変化するため、信用リスクの推定精度が低下する場合がある。そのため、業務でAIを活用する際には、AIの運用段階で随時精度を確認し、AIモデルの精度が低下した場合には、最新のデータを用いて再学習を行い、AIモデルの修復および予測精度の回復を図る必要がある。
AIモデルの精度を確認するには、最新の入力データ（例：財務データ）とセットとなる正解データ（例：格付け）が必要となる。しかし、正解データを準備するには、大量のデータに対して専門家が正解付けを行うことが必要になるなど、多大な作業やコストが必要になる。また、人手による調査によって精度低下が確認できるまでは、再学習が必要となるタイミングを見極めることは難しく、精度が大幅に低下した時でもそのことに気づけないこともある。
そのような中、株式会社富士通研究所は、AI運用時の入力データの正解付けを自動化することで、AIの精度の推定とAIモデルの自動修復を可能にする技術「High Durability Learning（ハイ デュラビリティ ラーニング）」を開発した。主な特長は以下の通り。
- 運用時におけるAIモデルの精度を推定
- 自動修復によるAIの精度低下を抑制
AIモデルを学習する際に用いる学習データの分布と運用時の入力データの分布を形状としてとらえ、学習時から運用時へのデータの変化の傾向を把握することで、運用時の入力データに対する正解付けを自動で実施する。これにより、入力データに対する元のAIモデルの推定結果と、自動設定した正解を比較することで、その時点のAIモデルの精度が推定可能となる。
入力データへ付与した正解にもとづいて、AIモデルの分離境界を入力データの傾向に応じて調整することで、AIモデルを新たな入力データに順応させることができるようになる。この結果、大規模な再学習を実施することなく、AIの精度低下を抑えることが可能となる。
また、今回金融分野における信用リスクの評価を3,800社の財務データを用いて検証したところ、同技術によってAIの精度を誤差3%に抑えて推定したことを確認した。加えて、AIの精度が従来技術だと69%まで低下するところを同技術によって89%で維持できることを確認した。
同技術によりAIの精度を長期間維持できるため、AIの安定運用が可能となる。また、入力データの種類やAIのモデルに依存せずに適用することが可能なため、様々な業務において、新規導入のAIだけでなく、すでに導入済みのAIとも組み合わせることができる。このため、金融分野だけでなく、小売分野での商品分類AIや流通分野における文字認識AIなど、様々な業務でのAIの運用効率を高めることが期待される。
富士通研究所は今後、様々な現場での業務適用や検証を進め、2020年度中に富士通株式会社の目的指向型プロセスとフレームワーク「Design the Trusted Future by Data×AI」へ組み込むほか、富士通のAI技術「FUJITSU Human Centric AI Zinrai（ジンライ）」を支える新たな機械学習技術として実用化を目指す。
プレスリリース提供：富士通研究所
無料メルマガ会員に登録しませんか？
IoTNEWSは、毎日10-20本の新着ニュースを公開しております。 また、デジタル社会に必要な視点を養う、DIGITIDEという特集コンテンツも毎日投稿しております。
そこで、週一回配信される、無料のメールマガジン会員になっていただくと、記事一覧やオリジナルコンテンツの情報が取得可能となります。
- DXに関する最新ニュース
- 曜日代わりのデジタル社会の潮流を知る『DIGITIDE』
- 実践を重要視する方に聞く、インタビュー記事
- 業務改革に必要なDX手法などDXノウハウ
など、多岐にわたるテーマが配信されております。
また、無料メルマガ会員になると、会員限定のコンテンツも読むことができます。
無料メールから、気になるテーマの記事だけをピックアップして読んでいただけます。 ぜひ、無料のメールマガジンを購読して、貴社の取り組みに役立ててください。
無料メルマガ会員登録
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。
