東芝、理研、AIの性能と演算量を学習後に調整可能なスケーラブルAI技術を開発

■概要

　株式会社東芝（代表執行役社長 CEO 綱川 智、以下、東芝）と国立研究開発法人理化学研究所（理事長 松本 紘、以下、理研）は、学習済みのAIを、できるだけ性能を落とさず、演算量が異なる様々なシステムに展開することを可能にする学習方法であるスケーラブルAIを開発しました。本技術を画像中の被写体分類に用いたところ、演算量を1/3に削減した場合でも、分類精度の低下を従来のスケーラブルAIの3.9%から2.1%に抑えることができ、世界トップレベルの分類性能を達成しました（*1）。

　通常、AIエンジンは適用するシステムやサービスごとに求められる演算量や性能に応じて、AIのモデルサイズ等を人が試行錯誤しながら設計・開発します。本技術を導入することで、例えば、大規模で高性能な人物検出AIを一度学習すれば、スマートフォンや監視カメラ、無人搬送車（Automatic Guided Vehicle : AGV）といった適用環境ごとの試行錯誤が不要になるとともに、異なる適用先に対してAIエンジンを共通化することが可能となり、AIエンジンの開発に必要なリードタイムの削減や管理の効率化が期待できます。更に、大規模なAIを学習するときに、演算量と性能の関係が明らかになり、適用するプロセッサ等の選択が容易になります。

　本技術は、革新的な次世代人工知能基盤技術における研究開発成果の実用化の加速のために2017年4月に設立した、理研AIP－東芝連携センターにおける成果です。東芝と理研は、本技術の詳細を8月19日から26日にかけて開催される国際会議IJCAI2021（International Joint Conference on Artificial Intelligence）で発表します（*2）。

■開発の背景

　近年、AIは、音声認識や機械翻訳をはじめ、自動運転向けの画像認識まで、様々な用途で活用されています。また同じ機能を持つAIでも、活用するシステムやサービスは多岐に渡っています。例えば、カメラ画像から人物検出を行うAIは、スマートフォンやスタンドアローン型の監視カメラに加え、AGV等で使用されています。利用するシステムごとにプロセッサの能力が異なり、また、AGVのように近くの人物との衝突を避けるために、高精度に位置を把握する必要があるものもあります。現状は、人手で演算量と必要な精度とのバランスを試行錯誤しながら、システムごとにAIを一から開発、学習していますが、開発期間やコストがかかるとともに、利用するシステムごとに異なるAIが開発され、管理が煩雑化するため、スケールメリットを出すことが困難です。また、利用するシステムの演算能力に応じて単一のAIを展開するスケーラブルAIの開発が始まっていますが、元のAIから演算量を落とすとAIの性能も落ちるという課題があります。



*1 公開データセットImageNet(*5)を用いて実施（2021年1月）

*2 Atsushi Yaguchi (Toshiba Corporation/AIP-RIKEN), et al. “#2263 Decomposable-Net: Scalable Low-Rank Compression for Neural Networks “, In Proceedings of the 30th International Joint Conference on Artificial Intelligence (IJCAI-21).（論文リンク：https://doi.org/10.24963/ijcai.2021/447）