編集部からのお知らせ
解説集:台頭するロボット市場のいま
解説集:データ活用で考えるデータの選び方

日立製作所、ビジネス適用可能な自己競争型AI技術を開発

ZDNet Japan Staff

2017-12-25 14:18

 日立製作所は12月25日、複数の人工知能(AI)を自己競争によって学習することで、不確定要素の多いビジネスの問題に適用できる技術を開発したと発表した。サプライチェーンの発注問題に適用するケースでは、在庫や欠品による損失を人間の判断に比べて4分の1に低減できる効果が確認できたという。


複数のAI群による学習と自己競争のイメージ(出典:日立製作所)

 新技術は、ディープラーニング(深層学習)を用いたAIエージェントでビジネスに関わる企業を表し、複数のAIエージェントを相互接続したAI群でビジネスを表現する。AIエージェントは、置かれた状況を考慮して互いにモノや情報をやり取りし、損失低減などの目標に有効なアクションを学習する。学習時にAI群の全体の目標数値に対する成果を何千回も“自己競争”として繰り返すことで、精度を向上できるとしている。

 学習の際には、AIエージェントごとの学習を管理することで、相互に悪影響を与えないようし、エージェント同士が協調して学習することで精度を高めている。また、学習結果が偏るという問題も生じることから、これを回避するために、AIエージェント同士の学習結果を掛け合わせて新たなモデルを持つAIエージェントを生成し、さらに自己競争を繰り返すことでより良い精度を追求できるようにしたという。

 同社では、この技術をサプライチェーン上の複数企業によるビジネスを模擬した「ビールゲーム」で検証。小売や卸売、仲卸、工場を模した、独立した4つのAI エージェントが発注量をそれぞれ決め、サプライチェーン全体で在庫や欠品といった損失を最小にすることを競うようにした。この方法では、熟練者の経験に基づいて発注判断を行うと、35週で平均2028ドルの損失が出るものの、新技術では損失を489ドルに低減できることを確認した。


AIエージェント同士を協調させて学習させていくイメージ(同)

学習結果が偏らないためのするための方法(同)

自己競争により精度を高めていくイメージ(同)

ZDNet Japan 記事を毎朝メールでまとめ読み(登録無料)

Special PR

特集

CIO

セキュリティ

スペシャル

ホワイトペーパー

新着

ランキング

  1. クラウドコンピューティング

    AI導入に立ちはだかる「データ」「複雑さ」「コスト」「人材」の壁をどう乗り切ればいいのか?

  2. クラウドコンピューティング

    【IDC調査】2026年には75%のアプリがAIを実装!導入で遅れた企業はどう“逆転”すべきか?

  3. 運用管理

    経産省調査で明らかに:未だにレガシーシステムを抱える企業が8割!オープン化でよくある課題とは?

  4. 運用管理

    AWS東京リージョンの大規模障害に学ぶ、パブリッククラウド上のシステムの迅速な復旧方法

  5. windows-server

    【ユースケース】ソフトウェア開発にDell EMCインフラ+コンテナを使うメリット

NEWSLETTERS

エンタープライズ・コンピューティングの最前線を配信

ZDNet Japanは、CIOとITマネージャーを対象に、ビジネス課題の解決とITを活用した新たな価値創造を支援します。
ITビジネス全般については、CNET Japanをご覧ください。

このサイトでは、利用状況の把握や広告配信などのために、Cookieなどを使用してアクセスデータを取得・利用しています。 これ以降ページを遷移した場合、Cookieなどの設定や使用に同意したことになります。
Cookieなどの設定や使用の詳細、オプトアウトについては詳細をご覧ください。
[ 閉じる ]