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、世界で初めて開発した。今回開発した技術により、AIモデルを高い精度で長期間維持し、さまざまな業務で安定したAI運用を実現できる。今後は同技術を富士通のAI技術「FUJITSU Human Centric AI Zinrai(ジンライ)」に活用していく。

AI運用における課題(金融分野での信用リスク評価の例)

 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変わってしまい、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し、信用リスクの推定精度が低下する場合がある。

 AIモデルの精度を確認するには、最新の入力データとセットとなる正解データが必要だが、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となり、多大な作業がコストがかかる。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ケースもある。
 
「High Durability Learning」による入力データの自動正解付け
 

 今回開発した「High Durability Learning」は、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。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モデルの精度を推定できる。

 また、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。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できる。

 開発した技術を活用し、金融分野の信用リスクの評価を3800社の財務データを用いて検証したところ、AIの精度を誤差3%に抑えて推定することができた。また、AIの精度が従来技術だと69%まで低下するところを89%で維持できた。

 こうした結果により、AIの精度を長期間維持でき、AIの安定運用が可能となることが分かった。また、入力データの種類やAIのモデルに依存せずに適用できるため、さまざまな業務で、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、さまざまな業務でのAIの運用効率を高めることができるという。

 今後は、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す。