パナソニック ソリューションテクノロジー AI・アナリティクス部ソリューション推進課 主事
2017年にNVIDIAとの協業を担当したことを皮切りに、AI・データ分析中心の業務を推進。初期投資や導入リスクが大きい、「人工知能の現場導入で失敗させない」活動としてセミナー講演など多数実施。受講者からは、「AIがよく理解できた」「そんなノウハウを話しても良いの」と心配されるほど。最近の趣味は実用を兼ねたDIYや果樹菜園など。
パナソニック ソリューションテクノロジー 産業IoTSI部ソリューション推進課 係長
製造業向け「AI画像認識ソリューション」のSEとして、営業支援やPoC推進を担当。ソフトウェア開発からITインフラ構築まで、これまでの幅広い経験を生かし、AI画像認識システムの提案から導入、AI学習トレーニングまでを手掛けている。趣味の風景や家族写真撮影に加え、学習用画像収集をライフワークにしている。
AIへの期待が大きく膨らむなか、AI画像認識に関して過度の期待や誤った認識が多く見受けられるようになってきました。本連載の目的は、そうした過度の期待や誤認識の軌道修正をしながら、AI画像認識の導入や活用を成功へと導くための要点を示すことにあります。その目的のもと、AI画像認識の導入や活用を巡り、製造企業が陥りやすい以下の5つのミスジャッジを取り上げ、その判断がなぜ間違っているのか、正しい判断とはどういうものなのかを解説しています。
よくあるミスジャッジ | |
---|---|
ミスジャッジ(1) | AIなら何でもできると思い込む |
ミスジャッジ(2) | AI画像認識で人件費が削減できると思い込む |
ミスジャッジ(3) | 画像データ収集の当てなくAI画像認識の導入を決める |
ミスジャッジ(4) | 頭脳の発育を外部ベンダー任せにする |
ミスジャッジ(5) | のちのシステム化の構想なくAI画像認識の導入を決める |
今回は、「画像データ収集の当てなくAI画像認識の導入を決める」というミスジャッジについて説明します。
今日におけるAI画像認識の基盤技術はディープラーニング(深層学習)です。ディープラーニングでは、大量のデータの中から、同一と指定されたデータに共通する「特徴」を自動で抽出します。例えば、あやめ(花)は、葉の先がとがっているという特徴が抽出されるでしょう。そして、抽出した特徴をもとに認識するための「頭脳」を生成し、今起きている事象が、教師データと同じ特徴を持つか否かを判断していきます。
Copyright © ITmedia, Inc. All Rights Reserved.
製品カタログや技術資料、導入事例など、IT導入の課題解決に役立つ資料を簡単に入手できます。