[新製品・サービス]

ユビキタスAI、学習データを各種条件で生成してAIモデルの精度を高める「ZETANE Protector」

照度、霧、ぼけ、雨など80種類の条件をデータに付与

2023年3月8日(水)日川 佳三(IT Leaders編集部)

ユビキタスAIは2023年3月8日、AI開発支援ツール「ZETANE Protector」(開発元:カナダZETANE Systems)を販売開始した。「AIのロバスト性(信頼性)」向上のためのツールである。AIモデルと学習データを同ツールにアップロードし、各種の条件(天気、照明、角度、背景、ノイズ、ブレなど)を学習データ上で再現する。そこからAIの精度劣化が起こっているデータを特定し、学習データセットに追加して再学習させる仕組みをとる。

 ユビキタスAIが販売を開始した「ZETANE Protector」(開発元:カナダZETANE Systems)は、「AIのロバスト性(信頼性)」向上のためのAI開発支援ツールである(図1)。AIモデルの開発時に予想していなかった入力データに対してもうまく推論できるようにする。

図1:ZETANE Protectorにて再現可能な条件の例(出典:ユビキタスAI)
拡大画像表示

 ユビキタスAIは、「AIは学習時に与えられたデータに対しては高い精度を出す。一方、学習データに含まれていないデータが入力された場合は、期待どおりの推論を示すのは苦手である」と説明。AIのロバスト性とは、学習データ内に存在しない未知のデータに対しても適切に推論を行える状態を指しているという。

 同社、AI開発の段階で各種の条件をカバーしたデータ(天気、照明、角度、背景、ノイズ、ブレなど)を学習させることで、ロバスト性が高いAIを開発可能であるとしている。しかし、人の手ですべてのデータを手配すると、準備すべきデータに漏れが生じ、結果としてロバスト性が低いAIとなったり、そもそも検討もできなかったりといった課題を挙げている。

 ZETANE Protectorは、AIモデルと学習データをセットして使う。検証したい条件(雨、雪、霧、ブレ、水滴など)を学習データに付与し、AIの精度劣化が起こる条件を特定する。こうして特定した精度劣化の発生条件を学習データに付与し、新たな学習データを生成する。このデータを用いて再学習させることで、ロバスト性が高いAIモデルを実現するという仕組みだ。

 検証したい条件は、ユーザーが任意に設定可能である。2023年3月時点で80種類以上の条件を再現できる。例えば、屋外の写真画像であれば、日中から夜間へのシフト、照度、霧、ぼけ、レンズに付着した水滴、ノイズ、雨などを再現する。個別ユースケースに沿った条件もカスタマイズで対応可能である。

 提供形態はクラウドサービス(SaaS)またはオンプレミス。課金方法は月額制または年額制で、利用料金は使用人数などに応じて変動する。

関連キーワード

ユビキタスAI / マシンラーニング / カナダ

関連記事

トピックス

[Sponsored]

ユビキタスAI、学習データを各種条件で生成してAIモデルの精度を高める「ZETANE Protector」ユビキタスAIは2023年3月8日、AI開発支援ツール「ZETANE Protector」(開発元:カナダZETANE Systems)を販売開始した。「AIのロバスト性(信頼性)」向上のためのツールである。AIモデルと学習データを同ツールにアップロードし、各種の条件(天気、照明、角度、背景、ノイズ、ブレなど)を学習データ上で再現する。そこからAIの精度劣化が起こっているデータを特定し、学習データセットに追加して再学習させる仕組みをとる。

PAGE TOP