【PFN社長・西川徹】AIとコネクテッドインダストリーズの未来を話そう
ーＣＩにおいてＡＩの果たす役割は。
「ディープラーニング（深層学習）などのＡＩ技術が、機械や異分野の産業をつなぐ中核技術になる。現状、異なる機械をつなぐだけでも、プロトコルや仕様、言語を整合させることは困難だ。細かな差異まで多分野で調整するには膨大なコストがいる」
「そこで深層学習を用いて全体を最適化する。深層学習なら標準プロトコルでなく、データから機械が学習し、柔軟に対応することができる。つながる機械、つながる分野が増えると、より多くのデータが集まり、さらに学習の精度が上がる。ＡＩが賢くなるとつながる範囲が広がり、指数関数的に広がっていくだろう。いずれデータからプロトコルを自動的に作る時代になるだろう。深層学習が文字通り中核技術になる」
ー異なるシステムをＡＩでまとめて最適化すると品質管理やメンテナンスが大変になりませんか。
「そのためにもシミュレータの進化が求められる。あらかじめ学習結果をシステムに反映させたらどうなるか、シミュレーションで検証する。シミュレーションが大規模になるため、そのパラメーター調整などに深層学習を使うことになるだろう。シミュレータの進化にも深層学習が貢献する」
AIで工場全体の最適化よりも…
ーＡＩの開発において、大量のデータと、大きなコンピューティングパワーをもつプレーヤーがより賢いＡＩを開発し、よりデータを集める競争構造になっています。データとコンピューティングパワーの二つが競争力となる状況はいつまで続きますか。
「それが競争力でなくなるイメージが沸かない。データを学習させるとＡＩが賢くなり、サービスが向上してより多くのデータを集められる。ＡＩはより賢くなり、データが集まりと、終わりがみえない」
「ただし扱うデータは変わる。ロボットは現在は産業用ロボットが中心だが、サービスロボットやパーソナルロボットが普及するだろう。自動運転も大量のデータを生み出していく。いまあるデータよりもこれから湧き出てくるデータをどうやって扱うかが競争になる」
ー産業用ロボットや工作機械メーカーの研究開発をみると、ロボットのピッキングや工作機械の条件最適化など、いまある機械の一部機能の自動化が中心です。装置からデータを集めることがネックとなるため、複数の装置をＡＩで最適化するようになるまで時間がかかりそうに思います。
「最初から工場全体をＡＩで最適化するよりも、個別に取り換えることのできる単体のロボットや工作機械を高度化し、次にそれを連携させて工場全体をボトムアップで最適化していく方がハードルは低い。工場全体からデータを集めるために、すべての装置を置き換えるわけにもいかない。今できているところを効率的にすることから最初に手をつけ、それがつながり、全体に広げていくというステップだ」
「我々はＡＩをより賢くし、人に近いところで共存し、柔軟な対応ができる機械を実現したい。そうなれば人と機械の協調が加速する。現在は人が機械に合わせて仕事をしているが、これでは利用シーンが限定される。賢い機械が人に歩み寄るといろんな場面に利用シーンが広がる」
