　産業技術総合研究所（産総研）は2022年6月13日、AI（人工知能）の学習に必要な画像データセットを数式から自動生成し、学習済みモデルを構築する手法を開発したと発表した。画像のプライバシーやラベル付けコストの問題を解消しつつ、従来手法を上回る精度を提供する。医療分野や交通シーン解析、物流現場などに適する。

開発した学習済みモデルの構築手法出所：産業技術総合研究所

　今回、産総研では、フラクタル幾何や輪郭形状といった数式から大規模画像データを自動生成することに成功した。この手法では、画像の生成時に教師ラベルも自動生成するため、ラベル付けに伴う人件費を削減できる。また、プライバシー侵害や不公平な認識結果など、画像データ関連の問題も解決できる。

　自動生成した大規模画像データセットを使ってAIが視覚特徴を学習することで、画像認識AI向けの学習済みモデルを構築できた。同モデルに画像認識のベンチマークとなる画像データセット「ImageNet」を与えたところ、人が介在する従来手法による実画像データセットを用いた場合よりも、高い画像認識精度を示した。

学習済みモデルを生成するために用いた画像例と認識精度出所：産業技術総合研究所

　同研究は、新エネルギー・産業技術総合開発機構（NEDO）の「人と共に進化する次世代人工知能に関する技術開発事業」の一環となる。今後、動画や距離情報を含む画像にも対応するとともに、モーション認識や画像領域推定などの機能を拡張する予定だ。また、今回の知見を生かして「汎用学習済みモデル」の開発も進めるとしている。

活用シーン例出所：産業技術総合研究所

⇒その他の「人工知能ニュース」の記事はこちら

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。
機械学習はどうやって使うのか――意外と地道な積み重ね
前編では、AI（人工知能）と機械学習、ディープラーニングといった用語の説明から、AIを実現する技術の1つである機械学習が製造業を中心とした産業界にも徐々に使われ始めている話をした。後編では、機械学習を使ったデータ分析と予測モデル作成について説明する。
AI活用が進む自動車業界、その継続的な運用に必要な「MLOps」とは
AIの活用が進む自動車業界だが、その使いこなしという意味では課題も多い。本稿は前後編に分けて、自動車業界が抱えるAI活用の課題を取り上げるとともに、その解決策として「機械学習モデル管理の重要性」（前編）と「コネクテッドデータの活用」（後編）という2つの観点で解説する。
複数のAIアクセラレーターを内蔵した試作チップの動作を確認
新エネルギー・産業技術総合開発機構と産業技術総合研究所、東京大学は、AIアクセラレーター向け評価プラットフォームの実証にあたり、仕様が異なる6種類のAIアクセラレーターを内蔵した試作チップ「AI-One」を設計し、動作を確認した。
カーボンナノチューブ膜の物性予測時間を98.8％短縮、深層学習AIの応用で
NEDOとADMAT、日本ゼオンは、AISTと共同で、AIによって材料の構造画像を生成し、高速・高精度で物性の予測を可能とする技術を開発したと発表した。単純な化学構造を持つ低分子化合物に限定されず、CNT（カーボンナノチューブ）のような複雑な構造を持つ材料でも高精度な物性の予測を実現できる。
実効効率で世界トップクラスのエッジAIプロセッサアーキテクチャ、東工大が開発
NEDOと東京工業大学は、エッジ機器で高効率なCNN（畳み込みニューラルネットワーク）による推論処理が可能なプロセッサアーキテクチャを開発したと発表した。同プロセッサアーキテクチャに基づく大規模集積回路（LSI）も試作し、「世界トップレベル」となる消費電力1W当たりの処理速度で最大26.5TOPSという実効効率を確認している。