「安全なデータ連携による最適化AI推進コンソーシアム」に参加します!

グリーンブルー株式会社は2023年7月28日に設立が発表された「安全なデータ連携による最適化AI推進コンソーシアム」(総務省委託研究開発)に参画します。このコンソーシアムは、KDDI株式会社、株式会社KDDI総合研究所、国立研究開発法人情報通信研究機構、グリーンブルー株式会社、日本電気株式会社、株式会社ピコラボ、さくらインターネット株式会社、凸版印刷株式会社の8者にプラナスソリューションズ株式会社、ギリア株式会社を加えた10者で構成され、多様なデータを安全に連携させることを可能とする分散型機械学習技術を確立し、分野の垣根を越えてプライバシーデータや機密データなどを含む実空間に存在するデータをAI学習に活用することを可能とすることを目指します。
具体的な研究開発では「マルチモーダルAI技術の開発・高度化」「エッジAI技術の開発・高度化」「連合学習技術の開発・実用化」といった3つの活動を行い、これらを組み合わせた分散型機械学習技術を活用して、実際の社会実装シーンを想定した技術実証を行います。

グリーンブルーでは「エッジAI技術の開発・高度化」の課題における「リスク・ベネフィット適応ナビゲーションにおける検証技術」を担当し、車載用や歩行者用のスマートセンサーなどのデータで基盤モデルを連合学習し、運転リスク回避の行動推薦を行うスマート運転支援と、地区拠点ごとの環境ホットスポット予測の実証システムを開発します。

以下、本コンソーシアムの活動内容をご覧ください。

本コンソーシアムでは、本研究開発に関する3つの活動を行います。さらに3つの活動の結果を組み合わせた分散型機械学習技術を活用し、具体的な社会実装シーンを想定した技術実証を行います。

1.マルチモーダルAI技術の開発・高度化
多様なデータを組み合わせ、複雑な予測を可能とする大規模マルチモーダル深層学習モデルの構築技術および実空間から収集するデータの差異を吸収可能なロバスト(頑健)なマルチモーダルAI技術の研究開発を行います。

(1)多様・不均衡・少量データに対するロバスト(頑健)な深層学習技術(担当:株式会社KDDI総合研究所)
収集された場所や期間などによってデータの量や粒度に不均衡が発生した場合においても性能を低下させることなく予測を可能とするマルチモーダル深層学習技術を開発します。

(2)異分野データ横断的な予測を可能にする深層学習技術(担当:国立研究開発法人情報通信研究機構)
異種・異分野センシングデータ間の相関性をマルチレベルに発見・学習し、横断的(クロスモーダル)な予測を可能にするマルチモーダル深層学習技術を開発します。

(3)参加型地域安全サービスにおける検証技術(担当:KDDI株式会社)
地域内のさまざまな場所を横断的に走行するオンデマンドモビリティなどの車両から取得したデータと外部データを掛け合わせ、地域内の交通リスクを分析・可視化する実証システムを開発します。これを活用し、地域に根付いたモビリティの新たなる価値の創出と地域住民の行動変容を促すフィールド実証を実施します。また、基盤モデルの作成・評価・検証に必要なデータの利活用基盤を整備します。

2.エッジAI技術の開発・高度化
マルチモーダル深層学習モデルを対象に、エッジ環境の限られた計算資源の規模に応じて、効率的に学習を行う技術の研究開発を行います。

(1)エッジの多様性を考慮した高効率な連合型エッジAI技術(担当:国立研究開発法人情報通信研究機構)
エッジの収集データや計算能力などに応じてマルチモーダル深層学習モデルを分割・転送・集約する分散機械学習や大規模モデルの軽量化を行う連合型エッジAI技術を開発します。また、仮想サーバーによるエッジAIのシミュレーション実験システムを構築します。

(2)リスク・ベネフィット適応ナビゲーションにおける検証技術(担当:グリーンブルー株式会社)
車載用や歩行者用のスマートセンサーなどのデータで基盤モデルを連合学習し、運転リスク回避の行動推薦を行うスマート運転支援と、地区拠点ごとの環境ホットスポット予測の実証システムを開発します。

3.連合学習技術の開発・実用化
マルチモーダル深層学習モデルを対象に、多数のエッジ環境間におけるデータの偏りを前提とした高精度な連合学習技術の研究開発を行います。

(1)安全に個別環境適応が可能な連合学習技術(担当:日本電気株式会社)
データ分布や性能の異なるクライアント間で高精度かつセキュアな連合学習を行うパーソナライズド連合学習技術と、データ項目に差異のあるクライアント間で連合学習を可能にする転移連合学習技術を開発します。さらに連合学習における安全性を秘密計算技術などで担保するとともに、連合学習の運用や安全性に関する標準化活動などを通じ、連合学習の安全性に関するコンセンサス形成を目指します。

(2)連合学習フレームワーク技術(担当:株式会社ピコラボ)
AIモデルの管理や交換、機械学習アルゴリズムのモジュール化など、大規模分散連合学習を実行するために必要となる機能を共通化して提供する連合学習フレームワークを開発します。

(3)エッジ・クラウド連携による基盤モデル最適化技術(担当:さくらインターネット株式会社、プラナスソリューションズ株式会社、ギリア株式会社)
研究成果を集約したデータ連携AIプラットフォームの参照実装を開発し、システム基盤構築と機械学習モデル構築を最適化する技術を検討します。

(4)スマートシティ市民サービスにおける検証技術(担当:凸版印刷株式会社)
市民向けアプリを対象に、各種データとの連携、リスク情報の個別通知、情報収集を行う技術を開発します。市民向けアプリを通じた安心・安全な移動の支援への有効性を評価します。

■本研究開発に期待される効果
本研究開発で確立した分散型機械学習技術を活用し、多様なデータを安全に連携させることを可能とする「データ連携AIプラットフォーム」を創出します。これにより、分野を横断したデータ活用を進め、社会課題の解決や産業競争力の向上に貢献します。

注1)
2023年1月10日 総務省報道資料
「情報通信技術の研究開発に係る提案の公募(ICT重点技術の研究開発プロジェクト)」
別添1参考 安全なデータ連携による最適化AI技術の研究開発 基本計画書 概要資料p2(1.3MB)