業務特化のAIを自然言語での課題入力から自動生成する技術、富士通が開発

　富士通が開発したのは「要件学習技術」。同技術と大規模言語モデル（LLM：Large Language Model）を組み合わせることで、業務課題を自然言語で入力すれば、その意図を含めて業務に特化したAI（人工知能）モデルを含むAIコンポーネント（ソフトウェア部品）を自動生成する（図1）。最適化や予測、異常検知などでの利用を想定する。

図1：富士通が開発した「要件学習技術」の適用イメージ

　AIコンポーネントの自動生成により、AIコンポーネントの試作・修正・調整をAIの専門家でなくても繰り返せるようになる。結果、AI技術を活用したアプリケーションなどの実証実験を早期に開始できるとする。製造業における生産計画の最適化問題に適用したケースでは、従来約1カ月掛かっていたAIモデルの作成を1日に短縮できたという。

　要件学習技術は、LLMが標準的に変換するプログラムや数学表現を解釈し、要件を満たす解の集合をグラフ形式に変換して学習用のデータを作成。そのグラフデータを学習することで、予測や最適化、異常検知といった用途のAIモデルを自動生成する。学習用データの精度は、AI技術者が作成するものと同レベルだとしている。

　過去の学習経緯をグラフデータ上にナレッジとして保存すれば、新しい条件を追加した場合でも過去の学習情報を用いた再学習ができる。要件学習技術が自動生成したAIモデルに、既存のAIモデルを複数組み合わせることで、より複雑な課題を解決するAIコンポーネントを提供できるという。

　要件学習技術は、同社のAI基盤「Fujitsu Kozuchi（コードネーム） - Fujitsu AI Platform」に2023年12月末までに搭載し利用可能にする計画だ。並行して、より複雑な課題に対応するAIコンポーネントを自動生成する「Fujitsu Composite AI」を、米Palantirなどと連携し、2023年度末までに外部プラットフォームへの実装を目指す。

　従来、顧客が求めるAIコンポーネントの開発では、課題をAI技術者が聞き取り、AIが解釈できる数学表現に人手で変換し学習させてきた。試作後も、性能を確認しながら要件と異なったり新たに判明したりした要件などを繰り返し反映させる必要があるなど、実証実験の開始までに多くの時間を要していた。

　富士通によれば、ビジネス環境や社会情勢が激しく変化する中、将来の見通しが不確かな状況になり、変化に追従できるAIモデルをAI技術者などが人手で開発・提供し続けることが難しくなってきている。