2018年07月12日

統計解析とAI ~画像認識による自動検査への活用~

AI(人工機能)が社会を変える、専門家の職業にAIが取って替わる時代が近いなど AIの話題には事欠かない。
全自動洗濯機やロボットがロボットを作っているうちは通常の科学や技術の進歩として、さほど驚くには当たらないが、車の自動運転や医者の替わりをするとなるとこれは革命である。  
                                                                      
AI(人工知能)の特性は、
(1)人間の脳を研究したモデルから、ニューラルネットワーク・ディープラーニングといって、学習をしながら賢く進化していくAIと、
(2)機械学習といって、あくまで大量データに統計的判断を行って区分けしたり、確率的な判断をさせる特徴をもったAI
の大きく2つに分かれる。

(2)については、統計解析を仕事の中で活用したことがあったので、この領域なら理解できるかもしれない。  
 
統計解析のひとつである「判別分析」の活用例として、 
・これまで全国に49店のスーパーを出店した。 
・出店の業績(成功か失敗)をyとして、出店先の人口、交通量、所得水準、公園の面積などを(x1、x2、x3、・・)とすると、y=f(x1、x2、x3、・・)という関係式が49組できる。
・x1、x2、・・は客観的に獲得できる情報であり、独立変数と呼ばれる。
・これに対し、yは結果であり、失敗して撤退することがあれば、高い授業料を払ったことを意味し、従属変数と呼ばれる。
・この49組の実績データから(x1、x2、・・)がどういうときにyの成功する確率が高くなるかを表す「判別式(関数)」を作る。 
・その後、新たな50番目の出店として、A,B,Cの候補地があったときにそれぞれの人口や交通量などのx値を「判別関数」にかけてyの値を求めると、どの店の成功確率が高いかがわかり、経験と勘を数値に置き換えて意思決定できるという仕掛けである。
                                                                                                                                                                            
また、「クラスター分析」と言う統計解析では、 
クラスターとは、群、塊り、集合体と言う意味であるが、データのグループ分けをグループの重心と各点との距離から、クラスターに分ける手法である。
例えば人間の顔の画像データをインプットすると、目か鼻かなどデジタルデータを区分けした集合体として認識できる。
 
猫の写真を何枚も撮って、これが「猫」だとコンピュータに教えておいたときに別の写真を見せて「猫」かどうか判定する場合はこうした分析手法やさらに「因子分析」によって、「固有値」を算出するというコンピュータが得意の領域がある。
 
AIのプログラムを組むことは私にはできないが、
「猫」を”製品"に、「他の動物写真」を"異品(不良品)”と置き換えると画像認識による異品の検査ができる。原理が同じなら、活用してみたいと思う。 
前提条件として、画像認識するためのパッキンなどの製品が、カメラの下に1個づつ行儀よく並ぶかどうかが問題であるが・・・。




このページのトップへ