Human Centric AI Zinraiの体系化・強化
FY2016に初出。13回の記載のうち12回が「前進」で、最初の「前進」はFY2017-Q1。直近の記載はFY2023。
直近の記載が「前進」なのは、ほかに2社。
- FY2023前進有価証券報告書
「アンモニアをクリーンに合成するための触媒探索の期間を大幅に削減する、量子化学シミュレーション高速化技術を開発しました。更に富士通独自のAIである因果発見技術を適用し、アンモニア合成に適した化合物の性質推定が可能です。HPCとAIを活用した技術開発により、触媒候補探索期間を半分以下に削減することに成功しました。」
Zinraiを含むAI技術の社会・環境分野への適用として、HPCと因果発見AIを用いたアンモニア触媒候補探索期間の半分以下への短縮を実現した。 - FY2022前進有価証券報告書
「国内で初めて、湾内などの複雑な航路を含む海域における船舶同士の衝突リスクを高精度に予測するAI技術を確立しました。AIによる航行中の船舶の衝突リスク予測に、新たなアルゴリズムを加えることで、船舶の衝突リスクが高いアラートのみを検知可能にします。新たに強化したAI技術「Fujitsu Human Centric AI Zinrai（ジンライ）」を適用し、安全航行支援サービスの提供を通じて、レジリエントな海上交通システムの構築を支援していきます。」
Zinraiの適用先を海上交通へ広げ、複雑な航路を含む海域で船舶衝突リスクを予測し、高リスクのアラートに絞る技術を確立した。 - FY2021前進有価証券報告書
「教師データなしで通信アクセスデータや医療データなど、分布・確率が未知の高次元データの特徴を正確に獲得できるAI技術「DeepTwin（ディープツイン）」を世界で初めて開発しました。」
AIについて、教師データなしで高次元データの本質的な特徴量を獲得するDeepTwinを開発し、AI判断精度の向上に適用する方向を示した。 - FY2020前進有価証券報告書
「ディープラーニングを高速化する技術を開発し、画像認識精度を競うコンテストでの画像データを利用し学習時間を測定した結果、世界最高速（2019年4月1日時点）を達成しました。ディープラーニングの学習の進捗度に応じて学習強度を適切に調整する処理に、これまでHPC開発で培ってきた高効率な分散並列処理技術を加えることで、画像認識のディープニューラルネットワークであるResNet-50の学習処理を74.7秒で完了し、従来の最速記録を30秒以上短縮しました。」
AI技術について、HPC由来の分散並列処理等を用いたディープラーニング高速化を実現し、ResNet-50の学習を74.7秒で完了、2019年4月1日時点の世界最高速を達成した。がんゲノム医療向け医学論文知識抽出AIなど、医療応用も進めた。 - FY2019-Q2前進有価証券報告書
「学習に必要な量のデータを十分に取得できない場合でも高精度な判断を可能にする機械学習技術「Wide Learning」を開発しました。医療やマーケティング、金融などでAIの活用が進んでいますが、分析データの量が少ない、あるいは、データに偏りがあると分析精度に影響します。本技術は全てのデータ項目の組合せパターンを即座に生成・分析することで、高精度な判断を可能にしました。」
少量または偏りのあるデータでも高精度な判断を可能にするWide Learningを開発した。また、AIによる胎児の心臓異常のリアルタイム自動検知システムも開発し、医療への適用範囲を広げた。 - FY2019-Q1前進有価証券報告書
「少ないデータでも学習可能なディープラーニングによる物体検出技術を開発しました。これにより、医療分野においては、医療画像から異常個所を検出する精度を向上させることが可能となり、腎生検画像からの糸球体の検出に適用した場合、従来の手法に比べ、人間と同等の見逃し率10%以下の条件下で2倍以上の精度向上が認められました。／日本酒造りを支援するAI予測モデルを用いて、旭酒造株式会社が製造・販売する日本酒「獺祭」の醸造を行う共同実証実験を開始しました。／創薬向けの技術として、疾病の原因となるタンパク質と薬の候補となる化学物質が引き合う強さである結合強度を精度よく推定することで、新薬候補を効果的に創出する分子シミュレーション技術を開発しました。」
AIの医療画像、酒造、創薬への適用が具体化した。少量データの物体検出では、所定の見逃し率条件下で従来手法比2倍以上の精度向上を記載している。 - FY2018-Q2前進有価証券報告書
「今回、ディープラーニングをベースにした当社独自技術である「Deep Tensor」と、様々な外部データから構築したナレッジグラフを関連付けることで、AIが出した結果の推定理由や根拠を提示する技術を開発しました。」
Deep Tensorとナレッジグラフを組み合わせ、AIの推定結果を説明可能にする技術を開発した。ゲノム医療の模擬実験に加え、橋梁表面の振動データから内部損傷をAIで推定する技術も検証している。 - FY2018-Q1前進有価証券報告書
「今回、過去に撮影されたCT画像のデータベースの中から、異常陰影の立体的な広がり方が似ている症例が検索できる技術を開発しました。境界が複雑な臓器内の領域を画像解析で自動分割し、異常陰影をAIで認識し、立体的な広がり方が似た症例を85%の正解率で検索できます。」
Human Centric AIの医療応用として、肺CT画像から立体的な類似症例を検索する技術を開発し、85％の正解率及び診断時間最大約6分の1短縮の可能性を示した。 - FY2017前進有価証券報告書
「機械学習を画像認識に活用した交通映像解析技術を開発しました。清華大学蘇州自動車研究院と共同で中国国内都市において実証実験をした結果、交通事故や違反など11事象について90%から95%の認識精度を達成しました。」
AIの社会実装として交通映像解析を開発し、11事象で90〜95%の認識精度を実証した。 - FY2017-Q3前進有価証券報告書
「物流、医療、金融など様々なグラフ構造のデータから新たな知見を導くＡＩ新技術「Deep Tensor」を開発しました。医薬品の候補化合物を探索する実験では、従来の100倍である10万規模の化合物の関係を学習することができました。／ＡＩ技術により医師の意思決定を支援するヘルスケアシステムを試作しサン・カルロス医療病院で実証／36,000名以上の患者の匿名化情報を使った実証では、自殺やアルコール・薬物依存などのリスクを85％以上の精度で算出しました。」
Zinraiに関連するAI研究として、グラフ構造データを扱うDeep Tensorを開発し、医薬品候補化合物の学習規模を従来の100倍に拡大した。また、3万6,000名超の匿名化患者情報を用いた医療意思決定支援システムの実証も行っている。 - FY2017-Q2前進有価証券報告書
「移住希望者の好みを開発した自律成長ＡＩに学習させ、好みに適合する候補地情報の提示とその評価を繰り返してもらうことで、より良い移住システムへと改善します。本技術は移住者マッチングのみならず、多様な社会課題解決を目指し、富士通のＡＩ技術「Human Centric AI Zinrai」の新技術として実用化をしていきます。」
Zinraiの新技術として、自律成長AIによる移住希望者と候補地のマッチング実証実験を開始した。 - FY2017-Q1前進有価証券報告書
「今般、ＡＩ技術を活用してユーザーの要望を正しく理解し、必要な情報を自然に聞き出す自律的な対話技術を開発しました。」
Human Centric AIの関連領域で、業務ごとの複雑なシナリオを必要としない業務指向の対話技術を開発した。 - FY2016初出有価証券報告書
「ＡＩ技術を「Human Centric AI Zinrai（ジンライ）」として体系化し、そのサービスを強化する研究開発をしています。新たなディープラーニング技術により、ＩｏＴ機器等から得られる時系列データの分析精度を25％向上させました。」
AIを体系化し、ディープラーニングによる分析精度向上、手書き文字認識、混雑緩和の実証実験を進めている。