AI道具箱の主要テクノロジー

AIはひとつの「もの」ではなく、テクノロジーの集合体、つまり、特定作業に適した様々なツールが詰まった道具箱だ。エレクトロニクス製造業にとって、このAI道具箱に入れるべき最適なツールを以下に挙げる。

・機械学習（ML）とディープラーニング：大量のデータセットを分析し、統計的解析だけでは導き出せないような知見を得ることができる。機械学習は、欠陥分類、物体検出、異常検出などの作業に役立つ。機械学習では100～1,000件のデータポイントで構成されるデータセットを扱うことができるが、ディープラーニングにはさらに大きなデータセットが必要だ。目視検査作業では、いずれの技術も、コンピュータービジョンを使用する従来の手法と比較して劇的な精度向上につながる。

・大規模言語モデル（LLM）：ChatGPTを支える技術であり、さらに発展すれば、ユーザーがチャット形式のインターフェースでデータや文書を扱えるようになると期待されている。ただし、この技術は比較的新しく、言葉の生成には実際の内容理解ではなく、まだ統計エンジンを用いている。

・生成AI：生成AIは、プロンプトから新しい媒体を生み出す比較的新しい技術である。生成AIを使って品質欠陥事例の画像を生成し、MLモデルやディープラーニングモデルに学習させようとする試みもあるが、概念実証以外での成功は難しいのではないかと考えている。当社の研究によると、人為的に生じさせた欠陥をモデルの学習に使用すると、その欠陥が実際の不具合を正確に再現したものでなければ、問題を起こす可能性があることがわかっている。したがって、筆者は学習用に欠陥を作成することには懐疑的だ。

・数学：最後に、基礎統計学は、AIに必要となるそれ以外のすべての要素にとって土台となる。統計学は、すでに品質管理に幅広く応用されているが、AI道具箱でも重要なツールだ。

（-3に続く）

※原文記事を機械翻訳＋人手校正（ポストエディット）にて作成しております。