技術セミナー・研修・出版・書籍・通信教育・eラーニング・講師派遣の テックセミナー ジェーピー

AIのブラックボックス解析と社内への説明方法

AIのブラックボックス解析と社内への説明方法

オンライン 開催
関連するセミナー・出版物
本セミナーは終了いたしました。
セミナーの再開催を依頼する 関連するセミナー・出版物を探す

概要

本セミナーでは、AIの実用化を阻むブラックボックス問題を解決する新手法について解説いたします。

開催日

  • 2022年6月29日(水) 10時30分 ～ 16時15分

プログラム

第1部 説明性の高い時系列波形データ分析向けAIの開発と説明性を実現するためのポイント

(2022年6月29日 10:30〜12:00)

　近年、インフラ設備や製造装置に取り付けたセンサから時系列波形データを収集し、AIにより異常や正常を自動判別する異常診断技術に注目が集まっている。このような社会インフラや製造分野では、判別性能だけではなく、専門家がAIの判断結果を波形から理解しやすい説明性が求められる。一方で、異常データを事前に収集することが難しいこと、異常の見逃しと誤検出とでリスクに違いがあること、波形データを観測したタイミングにより波形が変化すること、などの課題もある。
　本講演では、時系列波形データの分析手法やAIの説明性について解説し、我々が開発した波形異常診断技術を紹介する。

  1. 一般的なAIによるクラス分類
    1. 問題設定
    2. 簡単なAIによるクラス分類のアプローチ
  2. AIの説明性
    1. AIの説明性における課題や要件
    2. AIで説明性を実現するアプローチ
  3. 異常検知手法
    1. 異常データが少ない場合の課題とアプローチ
    2. 異常データを学習時に必要としない異常検知手法
      • 1クラスサポートベクトルマシン; OCSVM 等
    3. 異常データが少ない場合の評価指標
      • 再現率
      • 適合率
      • F値
      • ROC曲線
      • AUC
  4. 波形診断技術
    1. 時系列波形データの特徴や課題
    2. 説明性のある波形診断技術 (shapelets学習法)
    3. 公開時系列波形データセット
  5. 波形異常診断技術の紹介
    1. 正常波形データのみで学習する説明性の高い異常波形検知技術OCLTS
    2. 見逃しあるいは誤検出を厳しく抑えて学習する説明性の高い波形診断技術LTSpAUC
    3. 観測タイミングによる波形の変化を予測する説明性の高い波形診断技術LETS
    4. 産業事例への適用例
    • 質疑応答

第2部 AIのブラックボックス解析技術と経営層へのAI判断理由の説明方法

(2022年6月29日 13:00〜14:30)

　AI開発の課題の1つに、AIが下した判断の妥当性をどう評価すべきかという問題がある。本セミナーでは画像認識AIをテーマに、誤認識が起きた時の解明のアプローチ、汎化性能の向上手段、学習データの充足度、未知の評価データに対する追加学習の必要性などの課題に直面したときの具体的対処法を説明する。
　これらは開発費用や期間といった投資対効果に直結することもあり、先端技術活用時におけるビジネスインパクトとデファクト技術活用からの不安をどう解消するかについても説明する。

  1. AI開発の現状と技術面・ビジネス面の課題
  2. 画像認識におけるBlack Box問題解消のためのアプローチ
  3. DNNモデルの特性を可視化する
  4. DNNが下した判断根拠を説明する道具
  5. 経営層の期待とAI成果物とのGap
  6. AIエッジコンピューティングの今後の展望
    • 質疑応答
      (2022年6月29日 14:45〜16:15)

第3部 AIの判断理由解析の方法と経営層への根拠の伝え方

　近年、予測・識別タスクにおけるAIの活用が盛んになっていますが、AIの高度化により人間がその出力結果を理解できない、あるいは説明できないという状況が発生しています。一方弊社では長年に渡り、データから因果を推定する方法の研究開発を行っており、ソニーグループ関連企業内の様々な領域で広く活用が進んでいるほか、外部企業へのソフトウェア・ライセンスの提供も行なっています。このメソッドにより、通常のAIでは難しい出力の理解や説明がかなりできるようになっています。
　本講演では通常のAIとこの技術との違いをご説明し、ブラックボックスの解析方法・判断理由の説明方法の1つとしてご紹介をいたします。

  1. AIの活用状況
  2. AIの活用で求められる説明性
  3. AIの活用における進んだ手法
  4. AIの活用とブラックボックス性
  5. ソニーCSLでの研究開発活動
  6. ソニーCSLの開発した因果推定技術CALC
  7. CALCの活用方法と活用事例のご紹介
  8. 因果推定によって可能になる介入意思決定支援
  9. CALCによる定量的因果効果の予測
  10. 因果の推定によるAI結果の理解と説明
  11. AI結果説明へのCALCの適用
    • 質疑応答
ページのトップヘ

講師

  • 山口 晃広 氏
    株式会社 東芝 研究開発センター 知能化システム研究所 システムAIラボラトリー
    エキスパート
  • 猪貝 光祥 氏
    株式会社 日立ソリューションズ・テクノロジー 第3組込ソリューション設計部
    部長
  • 磯崎 隆司 氏
    株式会社ソニーコンピュータサイエンス研究所
    シニアリサーチャー 兼 データ分析プログラムシニアプログラムマネジャー
ページのトップヘ

主催

株式会社 技術情報協会
お支払い方法、キャンセルの可否は、必ずお申し込み前にご確認をお願いいたします。

お問い合わせ

本セミナーに関するお問い合わせは tech-seminar.jpのお問い合わせからお願いいたします。
(主催者への直接のお問い合わせはご遠慮くださいませ。)

受講料

1名様
: 55,000円 (税別) / 60,500円 (税込)
複数名
: 50,000円 (税別) / 55,000円 (税込)

複数名同時受講割引について

  • 2名様以上でお申込みの場合、1名あたり 50,000円(税別) / 55,000円(税込) で受講いただけます。
    • 1名様でお申し込みの場合 : 1名で 55,000円(税別) / 60,500円(税込)
    • 2名様でお申し込みの場合 : 2名で 100,000円(税別) / 110,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 150,000円(税別) / 165,000円(税込)
  • 同一法人内による複数名同時申込みのみ適用いたします。
  • 受講券、請求書は、代表者にご郵送いたします。
  • 他の割引は併用できません。

アカデミック割引

  • 1名様あたり 30,000円(税別) / 33,000円(税込)

日本国内に所在しており、以下に該当する方は、アカデミック割引が適用いただけます。

  • 学校教育法にて規定された国、地方公共団体、および学校法人格を有する大学、大学院、短期大学、附属病院、高等専門学校および各種学校の教員、生徒
  • 病院などの医療機関・医療関連機関に勤務する医療従事者
  • 文部科学省、経済産業省が設置した独立行政法人に勤務する研究者。理化学研究所、産業技術総合研究所など
  • 公設試験研究機関。地方公共団体に置かれる試験所、研究センター、技術センターなどの機関で、試験研究および企業支援に関する業務に従事する方
  • 支払名義が企業の場合は対象外とさせていただきます。
  • 企業に属し、大学、公的機関に派遣または出向されている方は対象外とさせていただきます。

ライブ配信セミナーについて

  • 本セミナーは「Zoom」を使ったライブ配信セミナーとなります。
  • お申し込み前に、 視聴環境 と テストミーティングへの参加手順 をご確認いただき、 テストミーティング にて動作確認をお願いいたします。
  • 開催日前に、接続先URL、ミーティングID​、パスワードを別途ご連絡いたします。
  • セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
  • ご自宅への書類送付を希望の方は、通信欄にご住所・宛先などをご記入ください。
  • タブレットやスマートフォンでも受講可能ですが、機能が制限される場合があります。
  • ご視聴は、お申込み者様ご自身での視聴のみに限らせていただきます。不特定多数でご覧いただくことはご遠慮下さい。
  • 講義の録音、録画などの行為や、権利者の許可なくテキスト資料、講演データの複製、転用、販売などの二次利用することを固く禁じます。
  • Zoomのグループにパスワードを設定しています。お申込者以外の参加を防ぐため、パスワードを外部に漏洩しないでください。
    万が一、部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。
本セミナーは終了いたしました。
セミナーの再開催を依頼する
ページのトップヘ

これから開催される関連セミナー

開始日時 会場 開催方法
2025/8/28 最適化技術の本命 : 進化計算法 (EC:Evolutionary Computation) の基礎と応用 オンライン
2025/8/28 ChatGPTを使ったPythonプログラミングの実践講座 オンライン
2025/9/2 ディープラーニング手法による異常検知と製造加工業への応用展開 オンライン
2025/9/9 ベイズモデリングによる機械学習の理解と実践 オンライン
2025/9/10 CMOSセンサ技術の全体像 オンライン
2025/9/12 深層学習、計算機シミュレーションの基礎とシステムのモデル化技術 オンライン
2025/9/16 自動運転・運転支援のためのミリ波レーダの基礎と車載応用、走行環境認識技術 オンライン
2025/9/17 ディジタル信号処理による雑音・ノイズの低減/除去技術とその応用 オンライン
2025/9/17 自動運転・運転支援のためのミリ波レーダの基礎と車載応用、走行環境認識技術 オンライン
2025/9/19 説明可能AI (XAI) から人と共に進化・発展するAIへ オンライン
2025/9/22 深層学習、計算機シミュレーションの基礎とシステムのモデル化技術 オンライン
2025/9/24 ベイズモデリングによる機械学習の理解と実践 オンライン
2025/9/28 Vision Transformerの仕組みとBEV Perception オンライン
2025/9/30 人工知能による異常検知入門 オンライン
2025/10/9 人工知能による異常検知入門 オンライン
2025/12/4 自動運転を支えるセンサフュージョンの最前線 : LiDARが拓く未来 オンライン
ページのトップヘ

関連する出版物

発行年月
2013/6/1 画像診断機器(磁気共鳴) 技術開発実態分析調査報告書
2013/3/29 3次元物体認識手法とその応用 (カラー版)
2012/10/25 電子写真装置の定着技術 技術開発実態分析調査報告書 (CD-ROM版)
2012/10/25 電子写真装置の定着技術 技術開発実態分析調査報告書
2012/6/20 画像復元・超解像技術の基礎と応用
2012/4/20 デジカメ主要8社の静止画信号処理技術 技術開発実態分析調査報告書 (CD-ROM版)
2012/4/20 デジカメ主要8社の静止画信号処理技術 技術開発実態分析調査報告書
2011/2/4 入門 画質改善・画像復元・超解像技術
2010/11/15 防犯・監視カメラ 技術開発実態分析調査報告書
2010/11/10 高ダイナミックレンジ画像処理技術とMATLABシミュレーション
2010/9/24 JPEG XR画像符号化方式と性能評価
2010/2/22 画像理解・パターン認識の基礎と応用
2009/9/16 H.264 / MPEG-4 AVC 拡張規格・応用例・最新動向
2008/3/26 劣化画像の復元・ノイズ除去による高画質化
2007/8/31 画像認識・理解システム構築のための画像処理の基礎
2007/5/28 車載カメラ/セキュリティカメラ・システム
2007/3/23 ステレオ法による立体画像認識の基礎と車載カメラへの応用
2006/5/11 ディジタル画像の評価法と国際標準
2005/11/25 デジタル写真の画質評価
2004/3/12 次世代動画像符号化方式 MPEG4 AVC/H.264
ページのトップヘ