【話題】NTTがAIに「視覚読解」の能力を付与、文書画像から質問に回答する技術を確立

■大規模言語モデル「tsuzumi」で実現、オフィスワークや日常生活を支援

 近年、AI技術は目覚ましい発展を遂げているが、従来のAIはテキスト情報しか理解できないという課題があった。NTT(日本電信電話)<9432>(東証プライム)は4月12日、大規模言語モデル「tsuzumi」を用いて、文書画像に含まれる視覚情報も理解できる「視覚読解技術」を開発したと発表。同技術により、AIは文書画像を提示されただけで、あらゆる質問に回答することが可能となる。

 私たちが扱う文書は、テキスト情報だけでなく、図表や写真などの視覚情報も含まれている。しかし、従来のAIはテキスト情報しか理解できず、視覚情報を取り込んだ文書を理解することは困難だった。そこでNTTは、視覚情報も理解できるAIの実現を目指し、研究開発を進めてきた。

 大規模言語モデル「tsuzumi」を用いて、視覚情報も理解できる「視覚読解技術」を開発。文書画像をLLMの表現に変換するアダプタ技術と、多様な視覚読解タスクを対象とした指示遂行データセットの構築によって実現した。AIは文書画像を提示されただけで、あらゆる質問に回答することが可能となる。例えば、請求書から必要な情報を抽出したり、専門文献から特定の情報を見つけたりすることができる。

 NTTは、この技術を基に、視覚表現された文書を基に質問応答を行う技術やWeb検索など、産業上重要なサービスの発展に貢献していく予定。また、作業自動化をはじめ、ヒトと協働し、価値を生み出すAIの実現に向けて技術確立をめざしていく。同成果は、2023年度における東北大学データ駆動科学・AI教育研究センターの鈴木潤教授との共同研究の成果となる。(情報提供:日本インタビュ新聞社・Media-IR 株式投資情報編集部)

関連記事


手軽に読めるアナリストレポート
手軽に読めるアナリストレポート

最新記事

カテゴリー別記事情報

ピックアップ記事

  1. ■テレワークとオフィスワークの融合でイノベーション創出を目指す  エキサイトホールディングス(エキ…
  2. ■内閣府発注の大型プロジェクトを15億3800万円で落札  QPS研究所<5595>(東証グロース…
  3. ■働く車や人気キャラクターのおもちゃで、考える力、社会性、創造性を育む  日本マクドナルドホールデ…
2024年5月
 12345
6789101112
13141516171819
20212223242526
2728293031  

ピックアップ記事

  1. ■株式分割銘柄19社、権利確定迫る!ダブル・トリプル還元策も期待  今週のコラムは、株式分割銘柄に…
  2. ■上場企業、株主還元策でサバイバル競争!  株主還元策の大盤振舞いである。5月15日にほぼ一巡した…
  3. ■高額品・ブランド品株、不動産株、証券株が狙い目!  今週の当コラムは、円安・ドル高メリット株に注…
  4. ■まさか「円安不況」?!「安いニッポン」買い関連株は順張り・逆張りともダブル選択肢  「短期は需給…

アーカイブ

「日本インタビュ新聞社」が提供する株式投資情報は投資の勧誘を目的としたものではなく、投資の参考となる情報の提供を目的としたものです。投資に関する最終的な決定はご自身の判断でなさいますようお願いいたします。
また、当社が提供する情報の正確性については万全を期しておりますが、その内容を保証するものではありません。また、予告なく削除・変更する場合があります。これらの情報に基づいて被ったいかなる損害についても、一切責任を負いかねます。
ページ上部へ戻る