　東芝のインダストリアルAIは、同社が注力しているインフラサービス向けに適したAIでもある。インフラサービスはミッションクリティカルであるだけでなく、データの欠損が多く、学習に必要な異常データが少ない。大規模で多くの調整パラメータを扱う必要のある複雑なシステムを用いることが多く、人との協調作業も求められる。

インフラサービスに適したAIに求められる技術（クリックで拡大）出典：東芝

東芝の西浦正英氏

　会見では、同社研究開発センター知能化システム研究所所長の西浦正英氏が、現在研究開発中の5つのインダストリアルAIと、インフラサービス向けに求められる要素との対応について説明した。

　1つ目に紹介した「少量多品種の半導体製造における欠陥要員解析」は、1品種ごとの生産量が少ないことによる異常データの少なさに対応するものだ。例えば、製品1と製品2の半導体ウェーハでチップサイズが異なる場合、それぞれの生産ウェーハの数が少ない（少量生産）と、検査工程で得た検査データに基づく不良分類を十分に行えず、不良が発生した装置の推定が難しくなる。そこで、複数製品のウェーハ上の不良分布を統一して分類できる技術を開発し、異なるチップサイズの製品ウェーハでも不良の分布パターンを比較できるようにした。その成果として、44製品をまたいだ不良マップ分類により精度が75.3％から83.3％に向上したという。

「少量多品種の半導体製造における欠陥要因解析」の課題（左）を解決するため、多品種製品またぎ処理技術を開発した（右）（クリックで拡大）出典：東芝

　この技術は、東芝デバイス＆ストレージグループの半導体工場に適用済みで、不良の要因解析にかかる時間を4.2時間／人・日から0.5時間／人・日に短縮した。また、生産中の半導体製品の80％以上をカバーできている。

東芝グループ半導体工場での活用状況（クリックで拡大）出典：東芝

　2つ目の要因解析技術「HMLasso」は、欠損の多いデータに対応するAI技術だ。製造工程のデータから品質特性に関係する要因を抽出する場合には、品質特性値を要因となる製造工程データとその寄与度の積の和としてモデル化するLasso回帰を用いることが多い。これにより、寄与度の大きい要因＝製造工程データが重要であることが分かる。しかし、製品ごとにきちんと製造工程データを収集できるとは限らず、それぞれ歯抜け状態の欠損データになっていることも多い。

「HMLasso」の概要（左）と工場における要因推定技術のニーズと課題（右）（クリックで拡大）出典：東芝

　そこで、一般的なLasso回帰とは異なり、目的変数と欠損のある説明変数から要因を観測できた割合を利用して寄与度を推定するのがHMLassoである。HMLassoにより、50％程度の欠損を含むデータに対しても要因解析を行えるとしている。

「HMLasso」と従来のLasso回帰の違い（クリックで拡大）出典：東芝

　3つ目は「情報モデルを利用したソフトウェアモジュール共通化」で、大規模複雑システム向けのAIを効率良く開発するのに用いられる。個別のデータに対して個別のソフトウェア開発を行うと、そのソフトウェアを他の用途で再利用することが難しくなるが、これは個別データに最適化したソフトウェアの“作り込み”が発生してしまうためだ。そこで、装置の属性や状態値を構造化して定義した「情報モデル」とデータをひも付けて、ソフトウェアの再利用性を高めるのがこの開発技術の狙いになる。

「情報モデルを利用したソフトウェアモジュール共通化」の概要（左）と装置の種類ごとにデータを個別に扱った場合の課題（右）（クリックで拡大）出典：東芝

　情報モデルの設計を容易化するために、情報モデルを設計するためのエディターと設計内容を修正するバリデーターを開発した。西浦氏は「情報モデルエディターはExcel上で利用可能であり、これと関わる国際標準のIEC 61360/62656の策定にも東芝は携わっている」と強調する。

情報モデルの利用によりソフトウェアモジュールを共通化できる（クリックで拡大）出典：東芝

　4つ目のカメラ画像から混雑度を計測する「群集計測技術」は、人との協調作業との関わりが深い。2020年6月に発表したこの技術は、画像の中でさまざまな大きさで映る人の頭部の推定に対応したニューラルネットワーク構造によるコンパクトな処理が特徴。通常はGPUが必要になるところを、CPU1つで処理できる軽量化を実現した。

「群集計測技術」における推定性能向上と高速化のポイント（クリックで拡大）出典：東芝

　5つ目のリアルタイム音声字幕システム「ToScLive」も、人との協調作業と関わる技術だ。発話音声の特徴から、「えーと」などに代表される「フィラー」や「言いよどみ」などの不要な語を検出・除去できるとともに、専門用語の文章ファイルからの自動抽出や登録が行える。コロナ禍における大学のオンライン授業に適用したところ反響が大きく、現在は法政大学や慶応大学などで実証実験を進めているところだ。

「ToScLive」の音声認識技術の特徴（クリックで拡大）出典：東芝

⇒その他の「人工知能ニュース」の記事はこちら

鍵を握るのはインフラ事業分野、東芝が持つAI技術ポートフォリオの“強み”とは
認識精度などの点で「世界トップレベル」のAI技術を多数保有する東芝。これらのAI技術ポートフォリオを、具体的にどのように事業に生かすのか。東芝執行役員の堀修氏と、東芝研究開発センター知能化システム研究所所長の西浦正英氏に話を聞いた。
東芝が注力するインフラサービス事業、その「5W1H」とは
東芝が技術戦略を発表。中期経営計画「東芝Nextプラン」では、2018～2020年度で成果が得られたフェーズ1を継続しつつ、フェーズ2を推進していくための2021～2025年度の事業計画を発表しているが、今回発表した技術戦略では、この新たな事業計画の中核に据えたインフラサービス事業をどのように進めていくかについての説明があった。
CPSテクノロジー企業を目指す東芝、ソフトウェアはどのように開発しているのか
東芝が、同社の事業戦略の中核を成すCPSを支えるソフトウェア生産技術について「説明。アジャイルプロセスなどを活用することで、IoT関連のサービスであれば約2週間のスパンでリリースできる体制を構築できているという。基幹系システムなどのソフトウェア開発で重要な役割を占める要件定義プロセスにAIを適用するための取り組みも進めている。
DXの本質は「コトの起こる場作り」、東芝はCPSで何をしてきたか
東芝デジタルソリューションズ（TDSL）は2020年7月16日、新たに取締役社長に就任した島田太郎氏がオンラインで記者会見を行い、東芝グループにおけるデジタルトランスフォーメーション（以下、DX）への取り組みとその中でTDSLが果たす役割について説明した。
技術者知見を学習する不良原因解析AIを東芝が開発、自社半導体工場へ導入
東芝は2020年12月10日、現場技術者の知見を加えることで半導体工場や化学プラントなど変数が多項目に及ぶ工場において、不良原因解析を容易化するAIを開発したと発表した。同技術は、機械学習分野における最大級の国際会議の1つである「NeurIPS 2020」に採択されている。
CPUだけでリアルタイム群集計測を実現、東芝が従来比4倍性能の深層学習技術
東芝は2020年6月12日、CPU上でカメラ映像を解析して人数や密集度合いを計測できる、新しい手法のディープラーニング技術の開発を発表した。GPUと比較すると非力なプロセッサであるCPUなどのデバイス上で、高速かつ高精度にリアルタイムで映像解析を行える。