HOME/ AINOW編集部 /未知のデータを未知と認識し、AIの汎用性を大幅に向上するモデルの共同研究が開始
2020.10.07

未知のデータを未知と認識し、AIの汎用性を大幅に向上するモデルの共同研究が開始

株式会社Glia Computingは、日本大学文理学部の大澤研究室と「機械学習を用いた未知データの検出」に向けた共同研究を開始しました。

Glia Computingはユーザー企業がAI機能を活かしたシステムを利用できるよう、コンサルテーションからシステム開発の支援まで一気通貫で対応する企業です。日本大学文理学部の大澤研究室は、「ともにドラえもんを作る」をビジョンに、HAI(Human-Agent Interaction)や汎用人工知能の分野を中心に研究活動を進めています。

現在の機械学習技術は多くのデータを学習することで、高精度な画像認識や音声認識、予測などを可能にしています。

一方で、学習したデータと相違があるデータ(未知データ)に対しては、適応できない場合も多く、現在の機械学習技術の課題になっています。

また、既存の機械学習技術では、未知データであることを検知することが難しく、正常データと同様に処理を行ってしまうため、精度が期待できないケースもあります。

この問題に対処するための方法として、未知のデータが入力された際に、それを正しく未知であると認識できる機械学習モデルの構築を、Glia Computingと大澤研究室の両者が共同で研究を行います。

未知のデータを機械学習モデル自身で判別することができれば、実際の運用により即したサービス構築が可能となり、幅広い産業への応用が期待されます。

また、急速に発展するロボティクスの分野でも、ディープラーニングに代表される機械学習技術が扱われています。ロボットが動作する実世界では想定していない未知の情報がロボットに与えられる状況が考えられます。

未知の情報が与えられる状況へ対応するための一つの方法として、この共同研究を活用できることが期待され、ロボットの汎用性の向上も見込めるます。

無料メールマガジン登録

週1回、注目のAIニュースやイベント情報を
編集部がピックアップしてお届けしています。

こちらの規約にご同意のうえチェックしてください。

規約に同意する

あなたにおすすめの記事

生成AI導入の予算申請を通す7ステップ!ROI計算・稟議書テンプレも

生成AI導入の失敗パターン10選!回避チェックリストも紹介

生成AI導入のフォローアップを成功させる7施策!期間別ロードマップも紹介

生成AI導入をプロジェクト化する5ステップ!推進体制・KGI設計を徹底解説

生成AI導入の10大リスクと対策!推進担当者のための実践ガイド

生成AI導入の社内マニュアルの作り方!必須の10項目を解説

生成AI導入の推進責任者とは?役割・スキル・任命基準と失敗例を解説

生成AI社内導入の問題点7選!情報漏洩・定着失敗など失敗事例と対策も

生成AIの保守運用費用は?内訳と予算超過を防ぐ7つの削減策も

生成AI活用のモチベーションが続かない原因と維持するための7つの施策!企業事例も解説

あなたにおすすめの記事

生成AI導入の予算申請を通す7ステップ!ROI計算・稟議書テンプレも

生成AI導入の失敗パターン10選!回避チェックリストも紹介

生成AI導入のフォローアップを成功させる7施策!期間別ロードマップも紹介

生成AI導入をプロジェクト化する5ステップ!推進体制・KGI設計を徹底解説

生成AI導入の10大リスクと対策!推進担当者のための実践ガイド

生成AI導入の社内マニュアルの作り方!必須の10項目を解説

生成AI導入の推進責任者とは?役割・スキル・任命基準と失敗例を解説

生成AI社内導入の問題点7選!情報漏洩・定着失敗など失敗事例と対策も

生成AIの保守運用費用は?内訳と予算超過を防ぐ7つの削減策も

生成AI活用のモチベーションが続かない原因と維持するための7つの施策!企業事例も解説