ディープラーニング（DL）モデルの軽量化技術の研究開発をしています。軽量化技術は、処理の重いDLモデルを電力やメモリーに制限のあるエッジ端末で軽快に動作させるための技術です。2019年度、OKI独自の軽量化技術PCASを開発しました（※1）が、そこに演算ビット数を大幅削減する量子化法を組込むことでさらなる軽量化を達成しました。具体的には、画像中から物体位置を推定するDLモデルに対し、精度劣化を1.1％に抑えつつ、モデルサイズを96.5％圧縮できました。

説明可能AIの研究で、ディープラーニング(DL)の判断根拠を説明し性能を改善させるという技術に取り組んでいます。従来、DLモデルは処理がブラックボックスで、判断根拠の理解や性能改善が困難であるという課題がありました。そこで、モデルの注目領域を可視化し、その注目領域を人手で修正してモデルにフィードバックすることで性能改善につなげるという、OKI独自の方式を提案し、事業部門と連携し実データを用いた検証を進めています。

AI間の協調により、トラック輸送業界を横断して輸送効率を向上させる研究に取り組んでいます。（※2）本研究では、AI同士がメッセージをやり取りすることにより合意可能な結論を自動で探索する「自動交渉」という技術を用いています。荷主や物流事業者の交渉AIが｛集配日時・場所、貨物量、輸送条件、輸送価格｝などを論点とした自動交渉を行うマーケットシステムを開発し、物流事業者の壁を越えた輸送効率最適化の実現を目指しています。

不十分なデータに対してもDLで高精度を達成する少データ学習の研究を行っています。一般的にDLで用いる学習データとは、AIに入力するデータとAIが出力すべき正解の組であり、人手での正解付与の負担が課題でした。この課題解決のため、データの一部のみに正解を付与して学習する「半教師あり学習」に注目しました。最新技術試行の結果、簡単な画像認識であれば1%弱のデータのみに正解を付与しても全てに正解を付与した場合と遜色ない結果となりました。今後はさらなる精度向上と会社保有データへの適用を検討します。