Updates

新着情報

コラム

Automotive SPICE 4.0にMLE(機械学習)が追加

Automotive SPICE 4.0に関するコラム、今回はMLE(機械学習)についてお届けいたします。

 

はじめに

機械学習という言葉を耳にした方は多いのではないでしょうか。

今回Automotive SPICE 4.0で機械学習が追加されたことで、各社独自に実施していた機械学習プロジェクトのプロセスが明確化されました。

機械学習とは、特定のトレーニングデータから傾向(パターン)やルールを見つけ出し、その知識を他の同様のタスクに適用するソフトウエアの機能を指します。

この機会学習の発達により、特定の分野では、人を上回る能力を発揮するようになっています。

象徴的な事例がAlphaGo(コンピュータ囲碁プログラム)で、人間同士では何百年もかかるような膨大な数の対局経験をバーチャルにこなし、囲碁の世界チャンピオンを破るにまでに至っています。

 

機械学習プロセスの流れ

以下がAutomotive SPICEで定義されている機械学習プロセスになります。これを見てわかる通り、通常のシステム開発プロセスと大きな違いはありません。

MLE.1:機械学習要件分析

・対象となるシステムや問題領域を理解し、機械学習システムが適用される領域やデータの特性を理解した上で、要件の洗い出しを行う。

MLE2:機械学習アーキテクチャ

・機械学習システムの全体的な構造やコンポーネントの設計を行います。モデルの選択やデータのフロー、各機能モジュールの役割と相互関係を明確化します。

MLE3:機械学習トレーニング

・モデルの学習を行います。トレーニングデータを使用してモデルのパラメータを調整し、データのパターンや関係性を学習させます

MLE4:機械学習テスト

・トレーニング済みモデルの性能や予測の精度を評価するために、テストデータを使用してモデルを評価する。さらに性能改善やバグ修正のための実験や検証も行います

SUP.11:機械学習データ管理

・適切なデータの収集、前処理、変換、正規化、データセットの管理など、データに関する一連の作業を実施する。これにはデータの品質管理やセキュリティの確保も含まれています

 

機械学習の事例

各社、機械学習を取り入れ医療や科学、無人配達などへの適用が進められています。

今回は車載の自動運転に機械学習を適用している具体例をご説明いたします。

■画像解析におけるAI

・自動運転車の制御は「認知・判断・制御」に大別されます。

・AI(人口知能)は主に「認知」の部分で使用されています。

・車両に搭載されたカメラやLiDAR、ミリ波レーダーなどのセンサーが映し出すデータを分析し、物体を認識できるようにAIをトレーニングしています。

■学習データの収集

・AIのトレーニングには、車両に搭載されたカメラで撮影した画像とその画像にタグ付け(例:人間、犬、猫、信号等)するための情報を含むデータが使用されます。

 

自動運転では車載カメラやセンサーを使用し物体を認識したうえで、走行、停止、回避(判断)し必要に応じて制御します。

 

機械学習を導入することによるメリットやデメリット

最後に機械学習を採用することによるメリットやデメリットについてコメントしたいと思います。

・自動化によるコスト削減

・高精度の識別、予測による効率化

機械学習を取り入れる最大のメリットは上記に集約されるでしょう。一方で以下のようなデメリットもあります。

・自動化、効率化の効果を予測しづらい

これは、「うまくいく」と想定されるテーマにおいても、実際にデータを集めて学習を行ってみるまで、本当に精度の高いモデルが作られるかどうか分からない。仮に「精度の高いモデルが作れたとしても、永続的に使い続けられるわけではない」という点が挙げられます。

 

今後、注目を浴びることになると思われる機械学習についてコメントいたしました。

もし、もっと機械学習について知りたい、などご要望ございましたらコメントお願いいたします。