　オムロンが発表したもう1つの技術が非集中学習技術「Decentralized X」である。AIを活用するには学習モデルを作り出すための大量のデータが必要になる。しかし、必要な事象の発生数が少ない場合であったり、偏りがあったりすることで、最適なデータを集める作業が大きな負担となっており、AI活用の障壁となっている。

　「こうした課題を解決し、とにかくデータを集めるという発想を捨て、自社にデータがなくてもAIが賢くなる方法を編み出すという発想で作り出したのが新技術だ」とオムロンサイニックエックスシニアリサーチャーの米谷竜氏は語っている。

AI活用の障壁（クリックで拡大）出典：オムロン

　新技術の「Decentralized X」は、さまざまな場所で集めたデータそのものを集めるのではなく、学習モデルを集めることで負担小さくAIを強化することを目指した技術である。個々のデータを収集するとなると、通信費用やストレージ費用などが膨大になるケースも多い他、データプライバシーの問題でそもそも集約が難しい場合なども存在するが、学習モデルを集めることで「容量も小さくデータプライバシー問題も解決できる」（米谷氏）という。

　エッジコンピューティング端末などで個別で学習したモデルを集め中央サーバでモデルを統合して「より賢いAIを作る」（米谷氏）。そして、賢くなったAIをそれぞれの環境に再配布するという流れである。「学習モデルを統合するところが技術的なポイントで、その詳細は明かせない」と米谷氏は述べている。

「Decentralized X」の仕組み（クリックで拡大）出典：オムロン

　例えば、工場などで製品の欠陥検査などをAIで強化することを想定した場合、そもそも欠陥が少なく、多様な不具合が存在し、それらを1つの工場でデータとして網羅することが難しいという状況がある。そのため個別に学習しても欠陥を正しく検出できない。一方で、生産データをクラウドに持ちだすこともできない状況もあり、全てのデータを集めて学習させることが難しい。そうした場合に、この「Decentralized X」を使えば、全ての工場の知見を集めて学習モデルを強化することができるようになる。

「Decentralized X」による課題解決（クリックで拡大）出典：オムロン

　今後に向けては、オムロンの制御機器事業への適用を進めていく他、パートナーを募集し、他社も含めて技術を強化していくという。

AIで金型加工を自動制御、熟練工のノウハウを注入し加工時間を40％削減
オムロンは、製造現場の知能化を進めるIoT基盤「i-BELT」の実証事例として、草津工場の金型加工工程と、綾部工場の近接スイッチモジュール組み立て工程での成果について紹介した。
デジタル化による製造現場の“現実的な革新”は何か、オムロンが実績をアピール
オムロンは、ハノーバーメッセ2019（2019年4月1～5日、ドイツ・ハノーバーメッセ）において、モバイルロボットによるコンベヤーレスライン、AIコントローラーによる「いつもと違う」を検出するソリューションなど、デジタル技術で製造現場を“現実的なレベルで”革新するソリューション群を披露した。
組み込みAIは必要不可欠な技術へ、推論に加えて学習も視野に
2017年初時点では芽吹きつつあった程度の組み込みAI。今や大きな幹にまで成長しつつあり、2019年からは、組み込み機器を開発する上で組み込みAIは当たり前の存在になっていきそうだ。
AIと機械学習とディープラーニングは何が違うのか
技術開発の進展により加速度的に進化しているAI（人工知能）。このAIという言葉とともに語られているのが、機械学習やディープラーニングだ。AIと機械学習、そしてディープラーニングの違いとは何なのか。
人工知能は製造現場でどう役に立つのか
人間の知的活動を代替するといわれる人工知能が大きな注目を集めている。ただ、製造現場で「使える」人工知能は、一般的に言われているような大規模演算が必要なものではない。「使える人工知能」に向けていち早く実現へと踏み出しているファナックとPFNの取り組みを紹介する。