GTM-MML4VXJ
Skip to main content
  1. ホーム >
  2. サービス >
  3. ビジネス&テクノロジーソリューション >
  4. 「使えるAI」はこう作る ~ディープラーニングの実力を引き出すポイント

「使えるAI」はこう作る
~ディープラーニングの実力を引き出すポイント

(AI 人工知能)の実用化を強力に牽引する「ディープラーニング」。だが、実際に導入しようとすると、「学習の基となる教師データが足りない」「高速なコンピュータを手当てできず、十分な学習ができない」といった課題に直面することが少なくない。これらの課題を解決するためにはどうすればよいのか。現状を探った。

「囲碁AIがトッププロ棋士に圧勝」「SNSのつぶやきをAIが解析して株価を予測」「AIが周囲の状況を判断して自動車を自動運転」――。AIの活躍の場が急速に広がっている。その背景にあるのは「ディープラーニング」と呼ぶ人間の脳を参考にした新しい計算手法。人間の子どものように、膨大なデータを学び取り、特徴や傾向を学び取る。

ディープラーニングでは、人の脳の神経回路を模した「ニューラルネット」の層を5 階層、10 階層と「ディープに(深く)」重ねることで、より高度な認識が可能になる。ディープラーニングの活用領域が一気に広がった背景には、コンピュータの高速化が進み、大量データを多階層のニューラルネットで処理できるようになったことがある。富士通 AI基盤事業本部ビジネス戦略室室長の永井浩史は「2 0 年前のニューラルネットワークは3 階層くらいでしたが、コンピュータの高速化によって、今では20 階層から200 階層まで作れるようになりました」と説明する。

精度の高いディープラーニングを実用化する上で、コンピュータの高速化と同時に欠かせないのが、十分な量の“教師データ”を用意することである。教師データとはコンピュータが学習するためのデータであり、その出来がディープラーニングの精度を決める。優秀な教師は優秀な生徒を育てる。問題は「優秀な教師をどうやって揃えるか」である。例えば「工業製品の外観不良を検知するシステムを作ろうとしても、そもそも不良品の画像データ自体はあまりない。これでは十分な量の教師データを用意できず、検知の精度が向上しない。

今、この教師データをいかに十分に用意できるのかがAIを活用するための大きなネックになっている。

続きは、こちらからお読みいただけます

資料をダウンロード

GTM-54WZS5
138-BFF-042