@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00219201,
 author = {高前田, 伸也},
 book = {DAシンポジウム2022論文集},
 month = {Aug},
 note = {組み込みシステムに搭載される機械学習機構がエッジ AI と呼ばれるようになって久しい．従来型のエッジ AI では，予め訓練データを用いて GPU サーバー等の比較的大きな計算機上で訓練された機械学習モデルを，計算能力および利用可能電力が乏しい端末向けに軽量化し，主に推論処理を高速かつ低消費電力に行うことに重点があてられてきた．しかし，このような固定型のエッジ AI では，訓練データと実際の離活環境で取得されるデータの差異や変動が発生する環境においては，期待通りの精度を達成することが困難なことがある．そのため，デプロイ後の環境変動に適応可能なエッジ AI 技術が，今後より重要になると考えられる．データを中央集権的なサーバーで集約・統合することなく，複数のエッジ端末（クライアント）で取得されるデータの性質を考慮する学習方法として，連合学習 (Federated Learning) と呼ばれる技術が注目されている．連合学習では，それぞれのクライアントが各自取得するデータを他のクライアントやサーバーに公開せずに，代わりに，各クライアントで探索されうモデルパラメータ等のみを共有する．これにより，データのプライバシーを守りながら，他のクライアントと知見の共有ができる．講演者らは，プライバシー，公平性，変容適応性，省エネルギー性の 4 つの「信頼」の要件を備える連合学習 (Federated Learning) に基づく分散 AI システムを「D3-AI」と定義し，機械学習理論，計算機アーキテクチャ，IoT 基盤，データ利活用の異なる技術階層間で連携し，D3-AI の要素技術の開発と応用展開を進めている．最終的には，利用者やデータの多様性を尊重し時間的・空間的な性質の変動に適応できる，分散型・省エネルギーな AI システムの基盤技術を創出を目指すものである．本講演では，講演者のこれまでの信頼される AI システムに関する研究成果と，この 1 年で得られた D3-AI プロジェクトの成果を紹介する．},
 pages = {167--167},
 publisher = {情報処理学会},
 title = {多様性と環境変化に寄り添うエッジAI基盤の実現に向けて},
 volume = {2022},
 year = {2022}
}