[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」
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。
