近年、ディープニューラルネットワーク（DNN）を利用した機械学習技術の発展により、人に匹敵する高い認識精度を持つAIの構築が可能となっている。しかし、少ない情報で物事を幅広く把握できる人とは異なり、学習時と傾向の大きく異なる未知（out-of-distribution：OOD）データのように未知のデータに対しては、AIの認識精度が大幅に低下するという課題があった。また、同じ物でも色合いや角度など条件の異なる様々なデータを網羅的に学習させることは難しく、認識精度の向上には限界があった。
今回、富士通とCBMMは、人の持つ認知特性と脳の構造に着想を得て、AIがOODデータを高精度に認識できる技術を開発した。本技術は、人が物を認知する際に形や色などの見え方に違いがあっても、それらの視覚情報を脳内で正確に捉えて分類できることに着目し、複数の画像データをDNNに入力した際に生じるニューロンにおける対象物の見え方と分類の反応から独自の指標を算出し、本指標の数値が高くなるようにDNNの学習を促進させることで、AIの認識精度を向上させるもの。具体的には、従来、DNNを分割せず一つのモジュールで学習させることが認識精度の高いAIを実現する最良の手法だと考えられていたが、今回算出した指標に基づき、DNNを物の形や色などの属性ごとのモジュールに分割して学習させることで、より認識精度が高いAIを実現した。
富士通株式会社 フェロー：岡本青史氏のコメント
「2019年から開始したマサチューセッツ工科大学 CBMMとの共同研究を通じて、人の脳がどのように知的な振る舞いを生み出すのか理解を深め、その知性をどのようにすればAIとして実現できるかを追求し、実際に社会や産業における課題解決に貢献する革新的なAI技術の開発を進めてきました。今回の成果は、学習時と傾向の異なる未知のデータに対しても、人のように柔軟に対応し高精度に認識できる画期的なAI技術を実現したもので、今後社会の様々なシーンへ適用されていくことを期待しています」
マサチューセッツ工科大学 Center for Brains, Minds and Machines ディレクター トマソ・ポッジオ氏のコメント
「一般的に、AIは学習したデータと傾向が異なる想定外のデータが生じた際、アプリケーションの安全性と公平性を大きく損なう可能性があります。我々は、これまで神経科学を応用したAIの研究に力を入れており、現在のDNNを使った機械学習の弱点を克服する新しいアプローチを探ってきました。今回の富士通との共同研究を通じて得られた成果は、そのアプローチに向けた最初のマイルストーンになります」