AIと考える画像認識

画像編集ソフトの「消しゴム機能」には、人物や特定の物だけを消し去ってしまう技術がありますが、当たり前のように見えて、実は凄い機能だと思います。

また最近は1枚の写真から動画を生成できるAIサービスもあります。人物や奥行き、背景全てを三次元で瞬時に認識しながら計算を行う機能は、よく考えると驚異的です。

今回はAIが画像情報を的確に把握できる「画像認識」の不思議について、AIと一緒に考えていきます。AIはどうやって画像を理解しているのでしょうか？

AI画像認識の仕組み

セグメンテーション

「区分」という意味を持つセグメンテーションは、AIが画像の情報を認識するための大切な技術です。デジタル化された画像はピクセル単位になるので、これを区分けに使うのですね。

AIが画像を見る時、AIはそこに背景、人物、動物、車などが写っていることをきちんと判別しながら、全体の画像から各オブジェクトを個別に識別していきます。

もちろん、この識別を可能にするために、事前にAIに対して様々なデータを深層学習させることが必須となります。AIは覚えたものを応用しているのです。

おおまかに言えば、AIが画像認識する仕組みはセグメンテーションですが、物体や領域を分ける作業には段階があります。ここからその過程を見ていきましょう。

特徴の抽出とCNN

まずAIは画像のノイズを判別して除外し、下準備を整えます。その次に画像内のエッジ、形状、色分布、テクスチャなど、重要な特徴を抽出する作業に取り掛かります。

特徴の抽出には、AI深層学習を活かした「畳み込みニューラルネットワーク（CNN）」技術を使っているそうです。ニュース番組のような名前ですね。

階層は「初期」と「後期」に分かれます。初期の層では基本的なピクセルのエッジや色のような特徴を捉えながら、後期の層でより詳細な判別・判定を行う流れです。

初期で「これは何かの集合体になっている」と大まかに判断しながら、後期で「これは猫の耳」「これは自転車のホイール部分」と判別していく技術だそうです。

クラスの分類

画像の特徴が抽出された後、AIはそれを元に「この画像は何なのか」を分類するステップに進みます。ここで対象が「特定のクラスに属する確率」が計算されるそうです。

抽出した物が「猫の耳」だった場合、AIは特徴ベクトルを元に確率を計算しながら、「ここに写っている全体像は猫だろう」という判断を下します。部分から全体を考察する流れです。

その際、物体検出アルゴリズムや前述のセグメンテーションを用いることで、画像内の物体の位置や輪郭を正確に把握できる、というのがAIが画像を認識する仕組みです。

AI画像認識の課題と未来

年々精度が向上しているAIの画像認識技術ですが、今も完璧というわけではありません。画像に対して誤った解釈をすることもあり、そこには改善の余地があります。

特に人間が描いた絵画やイラストを解釈することは、AIが最も不得手としている部分です。今後は作品に込められた「意図」を理解する取り組みが必要でしょう。

古い絵画などをAIへ認識させる場合には、制作当時の政治状況や社会的価値観、宗教的観点などをAIが把握できるように、人間が手を貸すことも要求されます。

自動運転技術分野や監視カメラなど、現代においては非常に強力なツールとなり得るAIの画像分析技術ですが、その一方で様々な課題があることもまた事実です。

AIは今後、自己教師付き学習や生成的対向ネットワーク(GAN)を用いながら、絵画などに込められたテーマ性を自律的に理解できる取り組みが必要だと言っています。

抽象的なイメージで描かれた絵画やイラストは人間でも解釈が分かれるため、これをAIに理解させることは非常に難しいと思いますが、どうなるか楽しみです。

未来ではAIが人間のように絵を認識し、内容を評価していく世界が生まれるかもしれませんね。

記事が気に入った方は、ぜひシェアとフォローをお願いいたします！