概要と要素技術、応用例
近年のAI（人工知能）は、概ね機械学習という技術によって作られています。
最近流行の深層学習(Deep Learning)も、機械学習の分野の一つです。
機械学習を用いる事で、課題解決に向けたソリューションを展開できます。
主な用途、画像認識系全般の基盤部分、Object Detection、生成AI、外観検査
機械学習の説明や利用例、開発の流れを纏めておりますので、ぜひご一読ください。
このカタログについて
| ドキュメント名 | 機械学習とはなにか？ |
|---|---|
| ドキュメント種別 | ホワイトペーパー |
| ファイルサイズ | 2.2Mb |
| 取り扱い企業 | エースポイントシステムズ株式会社 (この企業の取り扱いカタログ一覧) |
この企業の関連カタログ
このカタログの内容
Page1
スライド 0
機械学習とはなにか？
～概要と要素技術、応用例～
エースポイントシステムズ株式会社
©️acepoint Inc. Strictly Confidential
Page2
スライド 1
機械学習とは？
概要
⚫ 近年のAI（人工知能）は、概ね機械学習という技術によって作られています
⚫ 最近流行の深層学習(Deep Learning)も、機械学習の分野の一つです
©️acepoint Inc. Strictly Confidential 1
Page3
スライド 2: 機械学習とは？
機械学習とは？
通常の処理との違い
• 機械学習系の技術では、人
間が明示的にプログラミン
グせず、与えられたデータ
から自動的に処理方法を学
ぶという点が大きく異なる
• 深層学習では入力から出力
までを人間が介入すること
なく一気通貫で処理できる
手法で、柔軟で精度が高い
©️acepoint Inc. Strictly Confidential
Page4
スライド 3: 機械学習とは？
機械学習とは？
学習方法の種類 - 教師ありと教師なし
• 教師あり学習
✓人間が入力と出力のペアを明示的に教えて学習させる方法
✓外観検査での例: 良品と不良品をそれぞれ教え、判別できるようする
• 教師なし学習
✓入力のみを与えてなんらかの特徴・構造・法則などを探し出す方法
✓外観検査での例: 良品だけを学習、そこから逸脱する不良品を見つけ出す
©️acepoint Inc. Strictly Confidential
Page5
スライド 4: 機械学習とは？
機械学習とは？
学習方法の種類 - 教師ありと教師なし
• 教師あり学習と教師なし学習のどちらが優れているかはケースバイケース
• 教師あり学習では、人間が明示的に入力と出力のペアを与える(アノテーション)
ため、制御・介入しやすく、学習も安定する傾向があるものの、与えるデータが
偏っていたり少なかったりすると精度が低かったり、結果が安定しない
• 教師なし学習では、アノテーションの手間がないという大きいメリットがあるほ
か、不良品検査のようにデータに偏りがある(良品は大量にあるが不良品はほとん
どない)場合に強いというメリットがある一方、どのような特徴がどう学習される
かは明示的には指定できず意図しない認識を行うリスクがある
©️acepoint Inc. Strictly Confidential
Page6
スライド 5: 利用例
利用例
画像認識における理論・利用例
• Object Detection
✓矩形で物体の場所と種類を特定する
✓学習・検出ともに高速で使いやすい
• Semantic Segmentation
✓1ピクセル単位で物体を検出する
✓詳細な形状がわかるものの処理が重い
©️acepoint Inc. Strictly Confidential
Page7
スライド 6: 利用例
利用例
画像認識における異常検知
• 異常検知においては、前述の Object Detection または Semantic Segmentation
を使った教師あり学習を用いて、あらかじめキズ、凹み、サビ、割れ…といった製品
に応じた異常箇所を学習・検出させるという方法もよく用いられる
• 一方、外観検査などでは不良品の例が著しく少ない場合が多く、教師あり学習ではあ
まり安定して精度が出せないという問題もあり、教師なし学習で良品のみから異常箇
所を検出するという手法も存在する
©️acepoint Inc. Strictly Confidential
Page8
スライド 7: 利用例
利用例
自然言語処理、チャットボット
• ChatGPT のような文章を生成するAI ChatGPT
の発展が著しい(生成AI)
• 文章を入力して文章を出力する、と
いった形式であれば様々な問題を扱う
ことができ、柔軟性・拡張性が高い
• 知識データベースと連携させ更に高度
で複雑な回答を行う RAG(Retrieval-
Augmented Generation)などの応用
技術も存在
©️acepoint Inc. Strictly Confidential
Page9
スライド 8: 開発の流れ
開発の流れ
開発フロー
• 一般的に「学習データに対しては精度が
高いのに運用時には精度が低い」状態に
なることが多く(過学習)、これを避ける
ために様々な対策を行いながらAIを開発
します
• 精度が足りない場合などは更にアノテー
ションデータを増やし再度学習します
(再学習、追加学習)
©️acepoint Inc. Strictly Confidential 8
Page10
スライド 9: 開発の流れ
開発の流れ
モデルについて
• AIのことを機械学習においてはモデルとよび、モデルにたいしてデータを投入
して学習することで、モデルがデータの構造や法則を獲得することを目指す
• モデルは1から作ることもあれば、すでによく研究され少ないデータで高い精
度が出せるようなモデルを流用することもあり、使い分けが重要
©️acepoint Inc. Strictly Confidential 9
Page11
スライド 10: 開発の流れ
開発の流れ
AIのデプロイ先・運用方法
©️acepoint Inc. Strictly Confidential 10
Page12
スライド 0: ソリューション
ソリューション
➢ 画像センシング、非接触を主として、様々なソリューションを展開しております。
3Dスキャナ
ソリューション
©️acepoint Inc. Strictly Confidential 0
Page13
スライド 1: 解決できること
解決できること
➢ 様々な課題に対して解決策のご提案をさせていただきます。
技術伝承 人員削減 自動化 省力化
熟練者の「カン・コツ・暗黙 複数人での作業をデジタル 属人的で時間のかかっていた それぞれの現場に応じたシス
知」を数値化し教育トレーニ 化することにより、ヒュー 業務を、画像処理やAI・ロボ テムを提案し、作業者の工数
ングやロボットによる自動化 マンエラーの防止や人員削 ットによる自動化を用いて解 削減と作業の質の向上を実現
への活用まで提案いたします。 減に寄与します。 決いたします。 します。
工数削減/生産効率化 品質管理 DX化 安全予知/予見
作業工程のデジタル化によ 寸法測定や作業工程のチェッ 生死にかかわる現場において
研究開発における実験の工数
りトレーサビリティの把握 ク、導線分析といった製造業 人や物、環境、あらゆる対象
を短縮するシステム等、様々
を実現いたします。また、 の様々な分野で導入してきた に対して定点観測可能な手法
な作業の生産性を効率化する
ログに基づく工程改善にも 実績を基にソリューション展 を提案いたします。
システムをご提案いたします。
応用可能です。 開いたします。
©️acepoint Inc. Strictly Confidential 1
Page14
スライド 2: 導入事例
導入事例
◆土木建築 ◆船舶航空宇宙 ◆スポーツ/医療
・出来高検査 ・大型構造物の評価 ・歩行解析
・土砂の挙動計測 ・物体衝突時の変位 ・マーカーレスによるパ
・遠心載荷時の土砂挙動 ・宇宙ロボットの位置計測 フォーマンス評価
・静的試験での材料評価 ・風洞内の模型位置計測 ・作業療法での評価
・振動試験構造物評価 ・船舶の挙動計測 ・リアルタイムフィードバッ
・RC寸法検査 ・水中構造物の評価 クによる評価
・組付け作業の位置合わせ
・完成品の寸法測定
◆自動車
・車体剛性試験動的挙動計測
・エンジンのFFT解析
・ワイパー挙動計測 ◆その他、製造業 ◆官公庁実績
・ドア閉じ挙動 ・製品のFFT解析 ・国立大学法人 東京大学
・ステアリング評価 ・大型家電の振動評価 ・国立大学法人 京都大学
・乗降動作 ・製造工程の自動化 ・国立大学法人 大阪大学
・製造工程の可視化 ・作業者工程の可視化 ・国立大学法人東北大学
・熟練者動作分析 。国立研究開発法人 建築研究所
・風洞での車体試験 ・電力中央研究所 etc
©️acepoint Inc. Strictly Confidential 2
Page15
スライド 11: お問い合わせ先
お問い合わせ先
エースポイントシステムズ株式会社
《東京オフィス》〒151-0072
東京都渋谷区幡ヶ谷1-2-2 京王幡ヶ谷ビル4F
Tel：090-6038－8536
E-mail：info@acepoint.co.jp
URL：http://www.acepoint.co.jp/
©️acepoint Inc. Strictly Confidential 11