言語やマルチモーダルで様々なコンテンツを産み出せる生成AIですが、事実と異なる回答を生成するハルシネーションや、概念の説明は出来ても実践では間違う「ポチョムキン理解(わかったふり)」、計算の誤りなど利用時には注意が必要です。
これらは、生成AIが学習した内容から確率のみに基づいて、最もらしい文字列やデータを生成しているために起きる現象です。一方で、機械学習やディープラーニング等の一般的に使われている基盤となるAI技術の弱点は、予測や分類等のタスクを高精度で出来ても「その結果がなぜ生じたのか」理由についてはわからないブラックボックスの技術である点です。その背景には基盤となるAIが相関関係のみに基づいてパターンを見つけて応用する技術であることが挙げられます。

当社は第三の新興AI分野であり、説明可能で因果関係を理解できる、別名「因果推論AI」と呼ばれるCausal AI(コーザルAI)を中核として、生成AIや基盤AI技術を補完し「信頼あるコンポジットAIソリューション」を提供します。

SaaS型サービス xCausal™(クロス・コーザル)

ビジネス課題を解決するために、データの見える化を行い予測モデルを導入しても、アクションに繋がる発見がない。 意外と多いDXやAI導入時の課題です。鍵は「因果関係」の理解にあります。 従来のAIは、データから相関関係をもとにパターンを認識して利用されるため、 予測や分類は出来てもなぜその結果になったのかは不透明です。 一方、ビジネスでは「結果を良くするには何をどうすれば良いか」を見つけること、 つまり原因の理解とアクションの特定が重要です。

xCausal(クロス・コーザル)は、 構造的因果モデルに基づいて、データから因果関係のメカニズムを素早く推定できる画期的なツールです。 今までエビデンス取得に必要な学術的な専門知識が必要であったり、プログラミングのスキルが必要であった難易度の高い領域を使いやすく革新しました。xCausalは、ビジネスや研究のシーンで、介入効果をシミュレーションでき「もしこれをしたら効果はどのくらい?(What-If)」 という問いに答えることが出来ます。 「AI x Causal」(AIを因果関係で強化する) xCausalは、より良い未来に繋がる「信頼できるAI」を実現します。
※ 対象領域の専門知識や、モデルに必要な共変量を含む変数(データ)の収集等の準備が必要です。