富士通と米マサチューセッツ工科大学（ＭＩＴ）の機関横断センターは、人の認知特性と脳の構造に着想を得て、学習時と傾向の大きく異なる未知（ＯＯＤ）のデータに対しても、人工知能（ＡＩ）が高い認識精度を示す技術を共同で開発した。複数の画像データをディープニューラルネットワーク（ＤＮＮ）に入力した際に生じるニューロンにおける対象物の見え方と分類の反応から独自の指標を算出。同指標の数値が高くなるようにＤＮＮを学習させ、ＡＩの認識精度を高める。

富士通と共同開発したのは、マサチューセッツ工科大に本部を置き、知能に関する学際的な共同研究を推進するセンター・フォー・ブレインズ・マインズ・アンド・マシーンズ（ＣＢＭＭ）。新技術は人が物を認知する際に形や色などの見え方に違いがあっても、視覚情報を脳内で正確に捉えて分類できることに着目した。

従来、ＤＮＮを分割せず一つのモジュールで学習させることが認識精度の高いＡＩを実現する最良の手法だと考えられていたが、今回算出した指標に基づき、ＤＮＮを物の形や色などの属性ごとのモジュールに分割して学習させることで、高い認識精度のＡＩを実現した。

画像認識精度を測る標準ベンチマーク「ＣＬＥＶＲ―ＣｏＧｅｎＴ」で、この技術を適用したＡＩを評価した結果、世界一の精度を達成した。

新技術を応用することで、さまざまな観測条件の変化に対応できる交通監視ＡＩや、多種多様な病変を正しく認識できる画像診断ＡＩなどの実現が期待される。