画像分類AIの知識を、重みの更新をせずに追加・更新する仕組みが開発された。大容量ストレージに保存した画像情報を分類時に参照する方式で、キオクシアは、既存知識を失う破滅的忘却を回避できるとしている。
重みに知識を学習させる方式が抱える忘却
キオクシアが開発した画像分類システムは、大容量ストレージを活用するAI技術「Memory-Centric AI」に基づく。比較対象となる従来のニューラルネットワークは、重みと呼ばれるパラメーターを更新して知識を獲得する。新しいデータで追加学習すると、過去に獲得した知識が失われ、分類精度が低下する「破滅的忘却」が課題となる。
画像と特徴をストレージに保存して分類へ渡す
新システムは、大量の画像データに加え、ラベルと画像特徴マップを知識として大容量ストレージに保存する。画像特徴マップは、ニューラルネットワークの演算で得られる多次元の数値データだ。ニューラルネットワークは、ストレージに保存されたこれらの知識を参照して画像を分類する。
保存データへの追加で知識を更新する
参照する知識を追加・更新するときは、新たに得た画像のラベルと特徴マップを保存データへ加える。この処理では、ニューラルネットワークの重みを再学習したり更新したりする必要がない。キオクシアは、重み更新に伴う破滅的忘却を回避し、既存の知識を失わずに新しい知識を加えられるとしている。
参照したデータから分類の根拠と貢献を追う
キオクシアによると、画像分類時にストレージから参照したデータを使うことで、分類結果の根拠を可視化できる。参照されたデータは、保存した知識の貢献を評価するためにも使うことができる。それぞれのデータがどれだけ参照されたかという頻度に基づき、分類への貢献を評価する。