エッジやオンプレミスで動作する製造業特化の言語モデル、三菱電機が開発

　三菱電機が開発したのは、製造業に特化した生成AI（人工知能）システムの構築を可能にする言語モデル（図1）。独自技術で軽量化を図ることで、大規模言語モデル（LLM：Large Language Model）ではメモリー不足で実行が難しいエッジデバイスや、計算リソースに制約のあるオンプレミス環境での動作を可能にした。

図1：三菱電機が開発した製造業向け言語モデル

　ユースケースには、スマートファクトリーやエッジロボティクス、エネルギー制御、コンタクトセンターなどを想定し、2026年度中の製品化を予定する。産業機器やロボットといったユースケースも検討し社内外での実証も進める考えだ。

　軽量化に使用したのは「モデル圧縮技術」。モデルのパラメーターを、より少ないビット数で表現する量子化などにより、モデルの精度を保ちながらデータサイズを削減する。軽量化は生成AIシステムの運用コスト削減にもつながるという。

　製造業向け言語モデルとしての精度としては、自社のFA（Factory Automation）製品に関する知識の正誤を問うタスクで評価したところ、正解率が77％だった。同タスクによる「GPT‑4o」（Open AI製）の評価では正解率は52％だった（図2）。

図2：製造業向け言語モデルと「GPT-4o」との正解率の比較

　製造業に特化させるための学習では、国立情報学研究所 大規模言語モデル研究開発センターが運営する「LLM勉強会」が公開するモデルをベースに（1）ドメイン特化と（2）タスク特化の2つの学習を実行した。

　ドメイン特化学習では、製造業の種々のユースケースに対応するため、FA事業のデータや、製品マニュアル、コンタクトセンターの応対履歴などの製造業特化のデータを使用する。いずれも三菱電機自身が保有するデータで、権利と倫理の面で問題がないとする。

　タスク特化学習では、学習用データを生成する「データ拡張技術」を使って学習の効率を高めた。FAQ（良くある質問と答）などの用途別学習用データから「望ましい回答」と「望ましくない回答」のペアを疑似的に生成し学習に用いる。データ拡張技術は、利用者が保有する用途別データを用いる追加学習にも対応できるという。

　開発にあたり三菱電機は、米AWS（Amazon Web Services）日本法人が提供する支援制度「AWSジャパン生成AI実用化推進プログラム」に参加し、コンピューティングリソースの調達や分散トレーニングの環境構築、アドバイザリーなどの支援を受けている。

　三菱電機によれば、近年はLLMの使用が拡大する一方で、そのために必要な莫大な計算コストとエネルギーの削減が社会課題になりつつある。データプライバシーや機密情報管理の観点から、オンプレミス環境での生成AIの利用ニーズも高まっている。