Deep Learningは産業界を変えます。人間の知性を必要とする仕事は、機械が代行するようになります。企業内のプロセスとデータ収集のデジタル化が進むにつれて、Deep Learningの導入も同様に増加し、人間と機械の効果的な共同作業が可能になります。これによって自動化と生産に革命が起こり、より効率的で高精度な意思決定プロセスを実現し、大幅に低い開発コストで生産性を向上させることが可能になります。
弊社のポッドキャスト「SICKnificant」では、デジタルサービス・ソリューションの戦略的プロダクトマネージャーであるクリストフ・アイヒホーン博士をお招きしてDeep Learningの可能性について語り、面倒で退屈な作業から人間を解放し、品質を高める方法についてお話を伺いました。
産業界におけるデジタル化の概念は、近年大幅な進化を遂げました。今まで、主に直接プロセス制御で使用されていたセンサや他のソースからのデータは、デジタル化の過程で保存されるため、より抽象的なレベルで使用できるようになります。データを収集するだけでは十分ではありません。これらのデータから、さらなる最適化につながるエッセンスを抽出するためには、人工知能が重要な役割を担います。
その例として、木材産業での応用事例があります。このアプリケーションでは、数ギガバイトのトレーニングデータを使用してニューラルネットワークを訓練し、人間の目で行うよりも正確、迅速かつ持続的に意思決定が行われるようになりました。このネットワークは1メガバイト未満ですが、膨大な経験を活用しています。このコンセプトは、他の多くの応用事例に転用することができます。
しかし、人工知能の恩恵を得るには、必ずしもこのような膨大なデータ量が必要なわけではありません。Deep Learningプロジェクトは、お客様の個々の要件に応じて様々な方法で実装することができます。こうした要件や期待を明確にするのは必ずしも簡単ではありませんが、人工知能の導入を成功させるための前提条件となります。「簡単に言えば、何をやりたいのかをしっかりと理解していなければ、AIを使っても望ましい結果を得ることはできないということになります。これさえ明確に定義できれば、どのお客様も簡単かつ柔軟なソリューションで問題を解決することができます」とアイヒホーン氏は述べます。
「AIのおかげで弊社のお客様は、今まで自動化が極めて困難だとされてきたタスクも、自分で自動化できるようになりました。その良い例として、反射性のある部品の品質・組み立て管理、はんだ接合部の点検、天然物の仕分けなどがあります。こうした作業は、専門スタッフが貴重な時間を費やす面倒な作業であるため、殆どの場合ランダムにしか実行されないのです。」
Deep Learningの活用を通して、自動化のパラダイムシフトが起こりつつあります。具体的なルールを規定するために、どのような詳細情報が意思決定に関連しているのかを理解するのではなく、事例を使用します。アルゴリズムは独立して意思決定を行うことを学習します。「プログラミングするよりも、ソリューションを訓練させる方が明らかに迅速で効率的です。ただし、Deep Learningは人間の専門知識代わるものではないということを強調しておかなければなりません。技術の潜在的な可能性を最大限に引き出すためには、今後も人間の専門知識は欠かせません。Deep Learningは、人間の能力をサポートして拡充させるものなのです。」アイヒホーン氏はこのように述べ、次のように締めくくりました。「弊社の使いやすいDeep Learningツールを使用すると、問題を把握しているユーザであれば、プログラミングの深い知識がなくても自力で問題を解決することができます。なぜなら、ソリューションにおいて何が重要で何が重要でないかを知っているのはユーザ自身であるからこそ、誰よりも適切なトレーニング事例を選択できるためです。弊社のツールでは、直感的に人工知能のトレーニングを開始し、極めて特殊な個別タスクを解決することができます。」
