製造工程におけるAIの導入

AIの導入について概説する場合、それが教師なしで学習した生成AIであろうと、データマイニングで開発した従来型AIであろうと、機械学習システムを3つのパートに分けて整理すると分かりやすい。

最初のパートはデータだ。アーキテクチャをデータ優先にすると、データ全体をかなり高い粒度で集約できる。粒度は、データが生成された背景状況を保持することと関連している。工場現場における自動化のパフォーマンスを損なうことなく、全体的な状況情報を保持できる。第2のパートは、アルゴリズム自体だ。アルゴリズムは、動作するのがエッジデバイス上であるかクラウド上であるかにかかわらず、実際の問題解決のための演算を行う。第3のパートは、ニューラルネットワーク。データ集約とアルゴリズムからの予測に基づいて、リアルタイムで仲介機能を果たす。

大規模言語モデルが消費者市場で飛躍的に進歩したことで、第2のパートに注目が集まっているのは言うまでもない。試験的な機械学習プログラムでは、アルゴリズムがAIへの切り替えを促すような役割を果たすことが多い。

第1と第3のパートには、依然として大きな課題がある。高解像度でデータを集約し、アルゴリズムが必要とするフォーマットでデータを安全に転送できる自動化アーキテクチャがなければ、データマイニングや強化学習によって価値の高いアルゴリズムを構築することはできない。仲介機能を発揮するニューラルネットワークや、工場現場の属人的知識を取り込むための方法がなければ、アルゴリズム開発で飛躍的進歩があっても、その恩恵が工程に及ぶことは望めない。このように、第1と第3のパートにはいくつか課題があるため、アルゴリズム開発を始めるにはそれに対処することが必要だ。

（-4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。