少ない画像データで「欠陥品」を高精度に判別、オムロンが製造業向けにAIの新技術（2/2 ページ）

「データ収集の壁」を超えるために

　もう一つ発表された新技術が、Decentralized Xだ。これは機械学習モデル同士を統合させることでAIの精度を高める技術。高精度な機械学習モデルを作るには大量のデータを用意する必要があるが、中小企業などではそれが難しい。異なる機械学習モデル同士を統合させてAIの性能を高めることで、これを解決するという。

　オムロン サイニックエックスのシニアリサーチャー 米谷竜さんは「頑張って大量のデータを地道に集めるという方向性ではなく、手元にデータはなくともAIが賢くなるようなフレームワークを生み出したいという発想が基になった技術」と説明する。

　米谷さんは、次のように説明する。

　「例えば、りんごが多くとれる畑と、みかんが多くとれる畑があったとします。それぞれの現場で果物の識別モデルを作ると、片方の果物の識別精度が低いモデルができてしまいます。これを解決したい場合、りんごとみかんのデータを1つのサーバに集約する考え方が一般的ですが、プライバシーや通信容量の問題から不可能なケースもあります。Decentralized Xでは、データの代わりに学習モデルをサーバに送って統合することで、りんごもみかんも識別できる賢いモデルを作成できます」

　機械学習モデルを共有すれば、大量のデータを共有する場合に比べて通信コストを抑えたり、データの秘匿性を高めたりできるメリットがあるという。データの秘匿性が高く、他社とのデータ共有が難しい場合でも、モデルの共有・統合によってAIの性能を高められるというわけだ。

　この技術は、外観検査にも応用できる。部品の欠陥を検出するAIを作るには、欠陥品のデータが必要なため、既存モデルでは発生頻度が少ない欠陥など、データが少ないものは検出しにくいという問題があった。

　しかし、各工場に偏在する欠陥データを学習させたモデルを共有・統合することで、それぞれの欠陥に対応できるようになるという。

　Decentralized Xについては、事業化のめどはたっていないという。まずは同社のFAやヘルスケア領域での実証を進めていきたいとしている。

この記事の著者

関連記事

• 

  ディープラーニングに向くのは「100点を取らなくていい現場」　東大・松尾研発のVC代表が語る“AIの狙い目”

• 

  「AI開発ミステリー　～そして誰も作らなかった～」　とある大手製造業の怖いハナシ

• 

  「熟練者を超えるAIも」　日本の工場で顔を出す“技術革新”の芽

• 

  熟練工が1週間かかる調整作業→AIは1日で完了　三菱電機と産総研がFA分野でAI活用

• 

  熟練者の“視線”、AIが学習　工場の新人教育などに活用