AIを業務で活用する際には、社会情勢や市場動向などにより刻々と変化する入力データに対してAIモデルが対応できず、運用していく中で精度が低下する問題があります。今回開発した技術により、運用中のAIモデルの精度を推定しつつ、精度低下を抑制することが自動で可能になります。
これにより、AIモデルを高い精度で長期間維持し、様々な業務において安定したAI運用を実現できます。
なお、本技術は富士通株式会社（以下、富士通）のAI技術「FUJITSU Human Centric AI Zinrai（ジンライ）」（以下、Zinrai）に活用していきます。
開発の背景
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ます。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します。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ります。
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ります。
課題
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）が必要となります。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ります。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ります。
開発した技術
今回、AIの精度を随時推定でき、精度低下時にはAIモデルの自動修復を実現する技術「High Durability Learning」を開発しました。開発した技術の特長は以下のとおりです。
1. 運用時におけるAIモデルの精度を高度に推定
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します。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ります。
2. 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ります。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ります。
効果
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、本技術によってAIの精度を誤差3%に抑えて推定したことを確認しました。また、AIの精度が従来技術だと69%まで低下するところを本技術によって89%で維持できることを確認しました。
本技術により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ります。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ます。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ます。
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、AI技術「Zinrai」を支える新たな機械学習技術として実用化を目指します。
本リリースの詳細は下記をご参照ください。
https://pr.fujitsu.com/jp/news/2019/10/25.html
概要：富士通株式会社
詳細は http://jp.fujitsu.com/ をご覧ください。
Copyright 2019 JCN Newswire. All rights reserved. www.jcnnewswire.com
