AIがどのように学習し、どのようにして答えを導き出したのか。 これを人間に分かりやすくするための技術が可視化です。 AIがどのように物体を判別しているのかの可視化が可能で、 各層の出力を可視化することで、 入力に対してどのように反応しているのかを画像として見ることができます。
深い層においては、全体をカタマリとして捉えた、複合的な特徴が学習されます。
図はCNNのプーリング層と呼ばれる層の、５層目を可視化したものです。
色の濃い部分が強く反応しています。 AIは、この色の濃い部分を判断基準として、この画像を判定しています。
インプットは人の画像です。この可視化した図から、AIは頭や首などのシルエット、そして顔に注目していることが分かります。（赤枠）
AIが利用しづらい理由の１つは、大量の学習用データが必要になることです。 弊社のAI用学習プログラムを使うと、画像の亜種を大量に自動生成しますので、学習に必要な元データの数を低く抑えることができます。
用途に応じた機能がありますが、基本的な回転、ノイズ、拡大縮小の他、図のように手書きのような画像に変換する機能や、
色彩や明るさの変化（例えば朝の画像を夕方にできます）など多彩な組み合わせで適用できるため、
１枚の画像を数百〜数万枚まで増やせる場合があります。
また、転移学習といって、類似の問題を解けるように学習済みのAIの思考回路部分だけを移植する技術にも対応しています。
この場合、既に何万、何十万ものデータで学習済みの思考回路を応用するので追加での学習を少なく抑えることが出来ます。
弊社のシステムでは、クラウド上にAIを設置できるため様々な用途に柔軟に対応できます。
また、特別に設計した人工知能を使う場合でも、ビット削減技術により精度を落とさずにコンパクト化することが出来ます。
これにより、人工知能のサイズと演算に必要な時間を数分の１に抑えることが可能で、コストを大幅に抑えられます。
企業向け製品の作製だけでなく、特定の研究のためのカスタムAIも低価格で開発・運用可能です。ぜひご検討ください。
