AIの画像認識、手本は「赤ちゃん」

　「子供はキリンの写真を1枚見ただけで、キリンがどんな動物か分かる。最高の深層学習システムでも数百、数千枚のデータが必要なのに」

　米グーグルの親会社、米アルファベットの傘下でAI（人工知能）を開発する英ディープマインドは2016年、こんな言葉で始まる論文を発表した。研究の内容は、ヒトの「ワンショット学習」をAIで再現する方法の考察だ。

　ワンショット学習とは、乳児などの学習機能を指す認知科学の言葉だ。乳児は一目見ただけでキリンがどんな特徴を持った動物か把握し、他の動物と区別できるようになる。一方、近年のブームのきっかけとなった深層学習AIは、大量のキリンの画像を読み込まなければ、キリンを判別できない。

　深層学習はヒトの脳神経を模して開発されたのに、なぜ乳児のまねができないのか。この問題を長年研究する米ニューヨーク大学の認知科学者、ブレンドン・レイク氏はこう語る。「ワンショット学習を実現してこそ、機械は本当の知性を獲得したことになる」

ワンショット学習の威力を示す好例が、手書き文字の認識だ。例えば「夫」という文字の画像をAIが学習し、他の文字と区別するとしよう。

　同じ書体で書かれていれば簡単だが、行書体で1画目と2画目の横画がつながっていたり、4画目の右払いが点のように離れていたらどうだろうか。ヒトならばそれでも「夫」と認識できる可能性は高いが、AIは「天」や「大」と混同するかもしれない。一般的なAIが正確に判別するには、様々な書体の「夫」を学ぶ必要がある。

1ワンショット学習 一目見ただけで「何か」を認識

	乳児は初めて見るものでも、一目でその特徴を把握できる。アセントロボティクスは、この学習機能をロボットに応用する計画 深層学習AIは、たくさんのキリンの画像を見て学習しなければ、キリンという新しい概念を理解できない（写真＝乳児：Image Source／Getty Images、ロボット：Westend61／Getty Images、キリン6点：PIXTA） [画像のクリックで拡大表示]
一瞬でつかむものを 認識するロボット

「常識」と「想像力」がカギに

　ヒトとAIの差はどこからくるのか。プリファード・ネットワークス（東京・千代田）の海野裕也・知的情報処理事業部長は「前提となる『常識』を持っているかどうかの違いだ」と指摘する。

　日本人は漢字の「崩し方」などの前提知識を、大人になるまでに学んでいる。AIも大量の画像を読み込めば同様の前提知識を習得できるが、「教師」となるデータを用意するのは大変だ。

　そこで、少量のデータでAIに手書き文字の「常識」を覚えさせる手法の研究に、プリファードは東京大学の院生と共同で取り組んだ。昨年発表した結果では、「0」から「9」の手書きの数字を認識する課題で、正答率を98.4％まで向上させた。別グループの研究と比較して、10分の1に誤答を減らした。

　みずほ情報総研の稲垣祐一郎シニアコンサルタントは「ワンショット学習のほとんどは基礎研究段階だが、大量のデータを得るのが困難な分野で非常に将来性が高い技術だ」と指摘する。

　その一つが混流生産ラインのAIによる自動化だ。新たな部品をラインに流すたびに、AIに大量の画像を読み込ませ、段取りを組み替えるのは非効率だ。そこで、AIベンチャーのアセントロボティクス（東京・渋谷）は、1枚～数枚の画像を見るだけで、部品の特徴を認識できるAIの開発に取り組んでいる。

　前述のプリファードが「常識」の強化に取り組むのに対し、アセントは「想像力」をAIに搭載する。1枚の画像から色や表面の質感、背景などをランダムに変えた画像を自動的に生成し、学習データにする。ヒトがキリンを見たときに、違う角度や遠方から見たキリンの姿も想像するようなものだ。

　「サイクルガン」と呼ばれる手法を改良して導入した。草原を走る白馬を、背景をそのままにシマウマに入れ替えるといった芸当が可能で、精巧なシミュレーション画像を作成できる。

　アセントによると、少量の画像をAIに学習させると、小さな電子部品でも95％以上で見分けられるという。同社の研究者、サキャシンガ・ダスグプタ氏は「高解像度カメラを使えばさらに精度は上がる。実用化に耐えるレベルだ」と話す。技術の詳細は、6月の画像認識の国際会議「CVPR」で発表する。

どうやって「異常」を認識？

　「正解」を探すワンショット学習に対し、「異常」を探すための手法も進化している。異常検知は深層学習AIが特に苦手とする分野だ。異常が生じる確率が低いので、学習用のデータを集めにくいからだ。実際、NECが15年から展開する工業製品の検品用AIでは「異常の画像データが1000枚程度あるのが理想だが、数十枚しか集まらないことが多かった」（AIプラットフォーム事業部の横井英彦マネージャー）。

　そこでNECは、不良品の画像データがなくても、良品のデータだけで学習できる手法を開発した。正常・異常の2つの分類をする際に、片方のデータだけで学習する方法は「ワンクラス分類アルゴリズム」と呼ばれる。

NECは、工業製品の表面に傷がないか検品するAIを開発。良品のデータだけがあれば、傷のある不良品の画像がなくても、学習ができる

　上に示したのは、工業製品の表面画像だ。あらかじめ傷などがない「正常」な画像のみを学習させておけば、色などの変化の大きさをAIが計測し、特定の範囲から外れたものを「異常」だと判定する。「3年前から検品AIを運用して蓄積したデータで、多種多様な工業製品に見られる傷の特徴を学んだ」と横井マネージャーは話す。

　セキュリティー分野では別の工夫が必要だ。セコムは空港の監視カメラ画像から、爆弾をゴミ箱内に隠すなどの異常行動をワンクラス分類のAIで検知しようと試みた。しかし、「走り回る子供まで異常とみなしてアラームを鳴らすので、使い物にならなかった」（セコムIS研究所の黒川高晴副所長）。工業製品の検品と違い、「正常」と判断できる様態が多岐にわたると、ワンクラス分類は機能しにくいのだという。

置く

渡す

　そこでセコムは方針を変更。深層学習AIに「ルールベース」のAIを組み合わせることにした。ルールベースAIは、「ゴミ箱の前で長時間かがんでいる人がいたら異常」など、判断条件を事前に設定しておくもの。深層学習AIに比べて旧型だが、その分、大量の学習データを必要とせず、判断基準が明確で修正がしやすいというメリットもある。

　セコムは、監視カメラで撮影した人体の画像を頭部や左右の上腕・下腕など10個程度のパーツに分類。AIが「異常」と見なす動きのパターンを単純化し、プログラミング言語でルールを記述する作業を軽減した。判断基準には、同社のベテラン警備員の知見を盛り込んだ。黒川副所長は「単純化されたルールベースAIなら、どんな角度から撮影した画像でも異常行動を見逃さない」と力を込める。

　学習データを増やすほど、AIは賢くなっていく。だがグーグルのように、無尽蔵とも言えるデータを活用できる企業は限られる。データ量に頼らない学習方法が進化すれば、多くの日本企業にとってメリットがある。