応用数学とデータの活用は、常に製品の研究開発の一部となっています。とくにミシュランでは、R&D部門は30年以上のシミュレーションの歴史があり、材料の分子がどのように相互作用するか、製品が道路上でどのように作用し、摩耗し、性能を発揮するかなど、あらゆることをモデリングしています。 このように製品開発や研究開発におけるAIの応用の可能性は広いですが、機械学習と製品の専門家はどのように連携してこれらの応用を実現できるのでしょうか。
ミシュランは過去5年間、タイヤの設計とテストのプロセスに、より多くの機械学習を取り入れることに取り組んできました。Dataikuの研究担当副社長でAIラボの責任者であるLéo Dreyfus-Schmidtが、ミシュランのAIとデータサイエンスに関するシニアフェローであるFrançois Deheeger氏と、対談でその詳細について話しました。
→ミシュランの取り組みについて、ビデオ（英語）はこちら
”私たちは、（データの）背後に機械学習モデルを置こうと取り組んできており、この取り組みは順調です。もちろん、データを収集し、適切なパラメータや特徴を使用するために多くの作業が必要ですが、コンセプトはうまく機能しています。一方、モデルの品質については多くの疑問があります。例えば、新しいアイデアを得るために役立つのであれば、機械学習モデルの使用自体はそれでいいのですが、目標やゴールは、モデルを通じて製品に対する確信を持つことです。つまり、どの自動車メーカーに行っても、「うちのモデルはこう予測していますので、信頼していただけますよ」と言えることが我々の究極の目標になります。”
ー ミシュラン AI・データサイエンス シニアフェロー フランソワ・ドゥヘーガー氏
製品開発・研究開発プロセスにAIを浸透させるには
機械学習モデルによって製品に対する確信を持つ、という目標を達成するために、ミシュランは4つの領域で開発に取り組んでいます。
- より優れたモデルの構築 チームはビッグデータ環境にいるわけではなく、経験豊富なエンジニアによる多くの物理的知識を持っています。このような制約と資産がある中で、精度と加速を追求するハイブリッドシミュレーションに移行するために、どのように深い知識と専門知識を利用してモデルを構築すればよいでしょうか。
- 良いモデルとは何かを定義する これには、予測の不確実性と不正利用領域の評価を通じて、エンジニアに信頼されるAIソリューションを提供することが含まれます。
- ソリューションを考え出す エンジニアは、すべての可能な組み合わせの予測を求めているわけではありません。彼らは解決策を求めています。チームは、定義されたパラメータ内の最良のトレードオフを迅速に評価する方法を提供する必要があります。
- 質問に答える 「これは事実ですか？」 予測された性能は、顧客が目にしている性能と関連しているでしょうか。製造や使用方法など、実際の使用の不確実性についてソリューションの堅牢性を評価し、現実のパフォーマンスを予測すべきことを意味します。
詳しくは、こちらのビデオ「ミシュランが機械学習とAI技術（ディープラーニングを含む）を製品開発とR&Dプロセスにどのように組み込んでいるか」（英語）をご覧ください。
DataikuのAIラボについて
MITの論文で、コンピュータサイエンス研究者のJeannette Wingは、"因果関係は、AIや機械学習の次のフロンティアである"と述べています。このテクニカルEBOOKでは、因果関係の推論とその特質、そして因果関係の効果を推論するために通常のMLを使うことの危険性について、心をこめて解き明かします。
EBOOKのダウンロードはこちら