お知らせ 少量データでも信頼性の高いAIモデル開発技術の論文がIJCNN 2026に採択 既存のマルチモーダル基盤モデルを活用した「分からない」と判断できるAIの実用性を評価

株式会社リコーは、「少量データでも信頼性の高いAIモデルを開発する技術」に関する論文が、AIの基盤技術であるニューラルネットワーク分野の国際会議「国際ニューラルネットワーク合同会議（International Joint Conference on Neural Networks　以下、IJCNN） 2026」に採択されたことをお知らせします。

本論文は、2026年6月21日から26日にオランダで開催される同会議において発表される予定です。IJCNNは、IEEE（米国電気電子学会）およびInternational Neural Network Society（国際ニューラルネットワーク学会）が主催する、ニューラルネットワーク分野の主要な国際会議の一つです。

近年、AIの活用はさまざまな業界で進んでいますが、十分な学習データを確保できないケースも多くあります。また、未知のデータであっても、AIがあたかも正しいかのような判断をしてしまうことがあり、AIの判断の信頼性確保が課題となっています。実運用では、限られたデータでも高精度な判断を行うだけでなく、適切に「分からない」と判断できるAIが求められています。

本論文では、こうした課題に対応するため、予測の信頼性を評価できるベイズ機械学習モデルと、画像とテキストの対応関係を捉えるマルチモーダル基盤モデル「CLIP（Contrastive Language-Image Pretraining）」を組み合わせた手法を提案しました。本手法では、画像とテキストにおける「類似性」を別々の基準で評価することで、予測の不確かさを定量的に算出し、学習データに含まれない入力に対して、AIが「分からない」と判断することを可能にしました。

さらに、追加学習を必要としない最適化手法を用いることで、導入時の学習負荷を低減し、さまざまな実運用環境への迅速な適用を可能にしました。

既存のマルチモーダル基盤モデルを活用しながら、追加学習をほとんど行わずに性能を向上できる実用性に加え、未知のデータへの対応力や多様な条件下での安定した性能が評価され、採択に至りました。

本技術は、製造分野の外観検査や、設備・インフラの点検など、誤判定の回避が求められる領域において、AIの信頼性向上と適用領域の拡大に貢献することが期待されます。

リコーは今後も、これまで培ってきたニューラルネットワーク分野における研究開発基盤を活かしながら、研究開発を一層加速し、少量の学習データ環境においても、迅速かつ信頼性の高いAIを構築・運用できる技術基盤の強化に取り組みます。これにより、お客様の業種・業務に適した安心・高信頼なAIサービスを提供し、“はたらく”に寄り添った価値創出に貢献してまいります。