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年12月25日 14時18分

  • このエントリーをはてなブックマークに追加

 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)

  • このエントリーをはてなブックマークに追加

この記事を読んだ方に

連載

CIO
デジタル“失敗学”
IT部門の苦悩
Rethink Internet:インターネット再考
インシデントをもたらすヒューマンエラー
トランザクションの今昔物語
エリック松永のデジタルIQ道場
研究現場から見たAI
Fintechの正体
米ZDNet編集長Larryの独り言
大木豊成「仕事で使うアップルのトリセツ」
山本雅史「ハードから読み解くITトレンド放談」
田中克己「2020年のIT企業」
松岡功「一言もの申す」
松岡功「今週の明言」
内山悟志「IT部門はどこに向かうのか」
林 雅之「デジタル未来からの手紙」
谷川耕一「エンプラITならこれは知っとけ」
大河原克行「エンプラ徒然」
内製化とユーザー体験の関係
「プロジェクトマネジメント」の解き方
ITは「ひみつ道具」の夢を見る
セキュリティ
「企業セキュリティの歩き方」
「サイバーセキュリティ未来考」
「ネットワークセキュリティの要諦」
「セキュリティの論点」
スペシャル
ざっくりわかるSNSマーケティング入門
課題解決のためのUI/UX
誰もが開発者になる時代 ~業務システム開発の現場を行く~
「Windows 10」法人導入の手引き
ソフトウェア開発パラダイムの進化
エンタープライズトレンド
10の事情
座談会@ZDNet
Dr.津田のクラウドトップガン対談
Gartner Symposium
IBM World of Watson
de:code
Sapphire Now
VMworld
Microsoft WPC
Microsoft Connect()
HPE Discover
Oracle OpenWorld
Dell EMC World
AWS re:Invent
AWS Summit
PTC LiveWorx
吉田行男「より賢く活用するためのOSS最新動向」
古賀政純「Dockerがもたらすビジネス変革」
中国ビジネス四方山話
ベトナムでビジネス
米株式動向
日本株展望
企業決算
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 ]