富士通研究所、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」を開発

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。

富士通研究所、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」を開発
AI運用における課題(金融分野での信用リスク評価の例)

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
  • 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。

  • 自動修復によるAIの精度低下を抑制
  • 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

Previous

通信キャリア以外でも5G、「ローカル5G」とは?

オカムラ、無人受付で荷物預かり業務の省人化を実現する自動搬送型荷物保管システム「BAGGAGE KEEPER」を開発

Next