「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

「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。

「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。