無数の人の全身写真。これは「敵対的生成ネットワーク（ＧＡＮ）」と呼ばれる技術で、人工知能（ＡＩ）が作り出した実在しない人の写真だ。手がけたのは、京都大学発スタートアップのデータグリッド（京都市左京区）。同社はこの技術で深層学習（ディープラーニング）の学習プロセスの効率化を目指す。

ＡＩ同士を競わせる

社会実装が進むディープラーニングには弱点がある。学習に大量のデータが必要な点だ。また、データが少ない場面はＡＩが認識できるようにするためのデータ量の確保が難しかった。データグリッドはＧＡＮを使い、合成データを生成。このデータでディープラーニングの弱点を補う。

ＧＡＮは二つのＡＩを競わせることで、データの質を高める技術。片方のＡＩが「本物に近い」合成データを作り出す。一方のＡＩがこのデータを偽物か見極める。偽物であると見極められた場合は、その原因を分析して再度、生成データを作り出す。このように合成データの真偽をＡＩ同士で競わせることで、実物と見間違うようなデータを作れるようにする。

同社はこの合成データを、ほかのＡＩ開発企業に外販することを計画する。岡田侑貴最高経営責任者（ＣＥＯ）は「希少なデータに加え、個人情報保護の規制からデータの取得が困難な場合にも有効だ」と指摘する。学習データが不足する場合も、現実のデータと生成データを組みわせることで、ＡＩの精度を高めることができるという。

自社サービスに応用

現在は自社のバーチャル試着サービス「ｋｉｔｅｍｉｒｕ」の開発を進める。アパレル企業のＥＣサイトに掲載される着用イメージと、ユーザーの全身写真をバーチャルで合成。購入を検討するユーザーが、自身のスマートフォンで疑似的に試着ができるサービスだ。合成データの外販を目指し、自社サービスを使った実証に力を入れる。２０２３年４月ごろの外販サービス開始を目標に、必要とされる機能の絞りこみを行う。

現状の開発リソースは人物の合成データに集中させるが、今後は産業分野での応用も視野に入れる。製造業の不良品検査や希少疾患の診断支援など、データ量が少ない事例を学習するのに使う想定だ。

「ディープフェイク」の懸念も

ＡＩの精度を高めることができるＧＡＮ。一方で実物と見間違うほどの画像を作れることでのリスクも存在する。「ディープフェイク」という精巧な偽のデータが作られる懸念だ。岡田ＣＥＯも「負の側面があることは事実」と話したうえで、「偽物を見分けるＡＩの進歩を高めることも重要だ」と話す。同社は自社サービスで不正利用がされないように監視していくとしている。今後、偽物を見極めるＡＩの研究開発も検討する。

学習データをＡＩ自身が作り出せれば、ＡＩの精度向上や安価に利用できる可能性も広がる。ただＧＡＮの特性上、人間の目では真偽を判断できない画像が生まれる危険性もある。利便性と不正利用の「いたちごっこ」が続くなか、活用シーンの拡大だけでなく、不正検出の技術確立も求められそうだ。