＞＞ OplusE 2022年5・6月号（第485号）記事掲載 ＜＜

AIの概要と主な技術

　日本で広く用いられている人工知能（AI）の定義は，人工知能学会による「大量の知識データに対して，高度な推論を的確に行うことを目指したもの」になると思います。従来の機械学習（マシンラーニング）と深層学習（ディープラーニング）の違いは何でしょうか。シンプルに言えば，従来の機械学習は人が特徴を教えるもので，深層学習は特徴を自分で捉えるものです。例えば，リンゴをリンゴと判断させたいタスクを考えたときに，機械学習では，「赤い」「丸い」「ヘタがある」などのフィルターを人間が作り，それを当てはめ，リンゴとそれ以外のものを区別します。一方，深層学習ではそうしたことは必要とせず，大量のリンゴ画像を読み込ませて学ばせることで，答えを出すようにします。機械学習は少数の症例で特徴の単純なものに有利で，深層学習は多数の症例で特徴の複雑なものに有利です。準備のコストなどを考えると，機械学習でできるようなタスクであれば，深層学習を使わないほうがいいと思います。
　実際には，AI＝ディープラーニングとして用いられることが多いので，私もそのように使用することにします。AIは，層が深くなればなるほど，より細かな特徴を表現できます。ですから，十分な層があれば，ありとあらゆる特徴を捉えることができます。
　主なAI技術には，次の3つの種類があります。大まかな分類から細かな分類の順に「Classification：分類タスク」「Detection：検出タスク」「Segmentation：領域抽出タスク」です。Classificationは，1枚の画像全体から良悪性の特徴量を抽出して診断するもので，1枚のマンモグラフィ画像から，良性なのか悪性の乳がんなのかを判断させます。しかし，乳がんと言われても，どこを見て判断しているのかがわからなければ意味がありません。そこで，画像1枚を分割し，各領域に対する良悪性の特徴量を抽出して診断するのがDetectionです。例えば，画像1枚を12分割し，そのどこに悪性の誤差があるのかをパーセントで提示します。そして，それをさらに細かく1ピクセルごとに分割し良悪性の特徴量を抽出して判断するのがSegmentationです。

＜次ページへ続く＞