教示作業なしで不良品データを高精度に分類する深層学習技術を開発：FAニュース

東芝は、事前の教示作業なしで不良品データを高精度に分類できる深層学習「深層クラスタリング技術」を開発した。従来技術に独自の学習基準を導入して、少量の不良品データ群が他の良品データに混入するのを抑制し、分類制度を98.4％に高めた。

» 2018年12月07日 06時00分公開

[MONOist]

　東芝は2018年11月14日、事前の教示作業なしで不良品データを高精度に分類できる深層学習「深層クラスタリング技術」を発表した。製品の品質確認時に、人手や時間のかかる教示作業（教師あり学習）をしなくても、多量のデータの中から少量の不良品データを高精度に分類できる。

　従来のクラスタリング技術では、データ間の距離や類似度などの基準から、データをクラスタというグループに分類する。少量のクラスタではクラスタ中心からデータまでの距離が短いため、クラスタの外にあるデータもクラスタ中心に近いと判断する。そのため、良品に比べて不良品の数が少ない場合、少量のデータ群（不良品）に他のデータ（良品）が混入するケースが発生していた。

　同社が開発した深層クラスタリング技術は、クラスタの中心にデータ群が集まる従来の学習基準に加えて、独自の学習基準を導入している。これは類似度の高いデータ同士が離れないようにするもので、少量のデータ群が他のデータに混入することを抑制し、少量のデータ群を独立したクラスタとして分類できるようになった。

　同技術を手書き数字の公開データに適用したところ、教師なし学習での分類精度が従来の93.8％から、98.4％に向上した。

　同社は今後、社内外の半導体および他分野の製造現場へ向けて、同技術を広く適用していく。

手書き数字の少量の「0」と多量の「6」を分類する例（クリックで拡大）出典：東芝

「FAニュース」バックナンバー

再生目指す東芝が示した新たなIoT戦略とその勝算
東芝は技術戦略説明会を開催。東芝が目指す独自のIoTアーキテクチャ「Toshiba IoT Reference Architecture」を発表し、同フレームワークを生かして4つのIoTサービスを展開する方針を示した。
世界を変えるAI技術「ディープラーニング」が製造業にもたらすインパクト
人工知能やディープラーニングといった言葉が注目を集めていますが、それはITの世界だけにとどまるものではなく、製造業においても導入・検討されています。製造業にとって人工知能やディープラーニングがどのようなインパクトをもたらすか、解説します。
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。
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。
AIは開いた世界で力を失う、弱点を補う人間の存在
2017年1月18～20日に開催された「AIカンファレンス2017」の基調講演に日本のAI研究の第一人者といわれる国立情報学研究所の山田誠二氏（人工知能学会会長）が登壇。人とAIの望ましい関係性について語った。