KIBITKIBITの技術

01KIBITのコア技術「Landscaping」

FRONTEOではKIBITに実装されている人工知能関連技術のうち最もコアとなる技術を、「Landscaping」(ランドスケイピング)と呼んでいます。少ないデータの特徴をうまくつかみ、大量かつ未知のデータに対して同等の判断を再現することが、自然を利用して風景を形づくる活動(Landscaping)に似ているからです。

Landscaping

「Landscaping」の技術を簡単に紹介します。
KIBITはテキストデータを解析する際、品詞の特定や単語の抽出を行い、抽出されたそれぞれの単語について目的となる情報に関連する重要度を計算します。その重要度を計算する際、「伝達情報量」という仕組みを用いて関連性の有・無を判定しています。
次に、テキストデータ内の全ての単語の重要度を集計し、スコアを算出。そのデータのスコアを降順に並び替えます。この一連の流れがKIBITの学習・推論方法であるFRONTEO独自開発のアルゴリズム「Landscaping」なのです。このアルゴリズムにより、KIBITは専門家の暗黙知(人間の経験や判断に基づく知識)を学習することができるのです。


02KIBITの特徴「暗黙知」の学習

KIBITは、少量のテキストデータから人間の経験や判断に基づく知識を「暗黙知」として学習できるため、人間の判断が必要となる大量の文書をチェックするような業務を効率化し、業務負荷を大幅に減らすことができます。

たとえば、金融機関が金融商品を販売する際、金融商品取引法や日本証券業協会の自主規制、保険業法などの各種法令を遵守しなければなりません。また、顧客の購入意思、知識、投資経験、運用割合等と取引内容のバランスの適合性、交付書面に不足はないか、家族の同意はあるか、顧客のやり取りに不自然な点はないかなど、大量の項目をチェックする必要もあります。

しかし、人間が目視でチェックできる件数には限界があり、また個人のスキル、経験により判断基準にバラツキが出るうえ、疲労によるヒューマンエラーなど、品質を担保するには限度があります。

実際に金融機関向けにKIBITが使用されている事例を紹介します。

金融商品取引法では、金融機関による不適当な勧誘を禁じ、投資者を保護する必要性を定めています。営業担当者が顧客の知識や経験、財産の状況、投資目的に適した金融商品を勧めずに、頻繁に売り買いを繰り返させること(回転売買)は避けなければなりません。 下のデータイメージでは、年齢や投資比率、動機などから、投資家本人にとって、金融商品を乗り換える理由が希薄であることが判断できます。KIBITはこのような暗黙知を学習し、人間に近い判断を高速で行い、大量の記録の中から、同様の記録を見つけ出すことができる人工知能エンジンなのです。

FinanceDataimage

03KIBITの機能「Weight Refinement」

KIBITは、単語の重要度を最適化する独自のアルゴリズム、Weight Refinement(ウエイトリファインメント)を実装しています。Weight Refinementは「伝達情報量」による計算だけではとらえられないデータの特徴をとらえることを可能にし、少ないデータでも十分なパフォーマンスを発揮する事ができ、大規模なサーバ環境を構築することなく学習できるという特徴を持っています。

※KIBITの詳細は「研究開発レポート」をご参照ください。

Analyzing Big Data and looking into human behavior.行動情報科学研究所