「人工知能学会」で「モデルの不確実性を考慮した外観検査」「MLシステムの品質確保」に関する調査・研究内容を報告
- お知らせ
ISIDのX(クロス)イノベーション本部 AIトランスフォーメーションセンターに所属する社員が、2022年6月14日(火)~6/17(金)に開催された2022年度 人工知能学会全国大会 (第36回)において、二つの調査・研究内容を発表しました。
発表内容
-
1.
「モデルの不確実性を考慮した外観検査の効率化」
登壇者:太田真人(AIトランスフォーメーションセンター 製品開発グループ)
製造業において,外観検査は製品の品質を保証する重要な業務です。近年は異常検知モデルを用いて、外観検査を行うシステム導入が進んでいるものの、製品の品質を重視する場合、目視による外観検査も並行して実施されています。 本研究では、目視による外観検査の負担軽減を目的として、AIによる判定の不確実性を定量化し、外観画像から異常検知を行う手法を提案しました。
具体的には、画像に対するAIの判定の確信度をピクセル単位で定量化し(下図参照)、 異常の見逃しリスク低減と、目視検査の負担軽減を同時に実現できることを示しました。-
※発表の詳細は【JSAI2022】モデルの不確実性を考慮した外観検査の効率化手法からご覧いただけます。
-
-
2.
「CLISP-ML(Q)をはじめとしたMLシステムの品質確保に関する調査」
登壇者:小川雄太郎、後藤 勇輝(AIトランスフォーメーションセンター 製品開発グループ)
AIの実用が広まり、機械学習モデルを搭載したシステム(MLシステム)を構築するプロジェクトも増加しています。しかし、AIとシステム両方の観点における「品質」を保ちながらMLシステム開発を進める手法についてはグローバルスタンダードがまだ確立されていません。
そこで、MLシステムの開発時における品質確保の各種観点,要件,テストに関する様々なフレームワーク、論文について調査し、その結果を報告しました。
具体的にはD. Sculleyらの「Hidden Technical Debt」論文、アンサー論文「ML Test Score」をはじめ、Software Engineering for Machine Learning(SE4ML)、そしてCRISP-DMを継承したCRISP-ML(Q)について紹介しています。-
※発表の詳細はCLISP-ML(Q)をはじめとしたMLシステムの品質確保に関する調査からご覧いただけます。
-
なお、人工知能学会全国大会の雰囲気や、今年度のセッションの傾向などについての参加レポートも「2022年度 人工知能学会全国大会 (第36回)参加報告」としてAIトランスフォーメーションセンターのサイトで紹介しています。興味のある方は是非ご覧ください。
講演内容やISIDが提供するソリューションについて、ご不明な点やご要望がございましたら、下記よりお気軽にお問い合わせください。
本件に関するお問い合わせ先
株式会社電通総研
X(クロス)イノベーション本部 AIトランスフォーメーションセンター
E-mail:g-aitc@group.dentsusoken.com