期警戒や対策支援等に活用することが考えられる。こうした、エッジ中心の連合学習パラダイムを展開する上で、以下のことが問題となる。 •エッジで個別に収集されるデータは、データ収集の範囲や期間、頻度、あるいは対象となる事象の発生密度・頻度にばらつきが生じやすいため、エッジ間でのデータの偏りを考慮した機械学習モデルの集約と最適化が必要となる。 •エッジ環境では、ユーザのIoT 機器が高い自律性を持つため、ネットワークの状況や、接続された機器で利用可能な資源及びアプリケーションの要件などに基づき、日和見的な資源の利用可能性に応じ動的かつ弾力的に調整できる分散機械学習技術が必要でとなる。我々は、これらの課題を解決するための連合学習技術とエッジAI技術の研究開発を進めている。また、xDataプラットフォームの分散連合AI基盤としてこれらの技術の実装も進めており、移動環境リスク予測やマルチメディアセンシング等の情報資産を対象に、リスク適応型行動ナビゲーションなどへの応用を検討している。詳細については本特集号4-4「パブリック・プライベートデータを活用した予測モデリングを実現する連合学習によるエッジAI」で解説する。将来への展望 現在、xDataプラットフォームに関する技術や情報資産を、NICT総合テストベッドで整備を進めているサービスレイヤーテストベッドData Centric Cloud Service (DCCS)[13]に提供し、データ・サービス連携によるアプリケーション開発基盤として応用開発や実証実験の環境構築を推進するとともに、今後、DCCSと連携しながら社会実装を加速していく。また、xDataプラットフォームを参考に、Beyond 5G / 6Gにおけるデータの流通・蓄積・分析・予測を行うためのサイバー空間アーキテクチャを設計し、Beyond 5G / 6Gホワイトペーパー第2.0版[14]に掲載した。オーケストレータを介したフィジカル空間とサイバー空間の相互連携や、エッジAI行動支援などの要素技術とともに、Beyond 5G / 6G時代のCPSの実現に貢献していく。参考文献】【1「包括的データ戦略」(「デジタル社会の実現に向けた重点計画」 別紙) 令和3年6月18日 閣議決定, https://www.digital.go.jp/news/ZlptjPro/2総務省「Beyond 5G推進戦略」令和2年6月30日, https://www.soumu.go.jp/main_content/000696613.pdf3Kiran, R. U., Zettsu, et. al., “Discovering Spatial High Utility Itemsets in Spatiotemporal Databases,” Proc. of International Conference on Sci-entific & Statistical Database Management (SSDBM 2019), pp.49–60, 2019.4Peijiang Zhao and Koji Zettsu, ”Convolution Recurrent Neural Networks Based Dynamic Transboundary Air Pollution Prediction,” Proc. of 2019 IEEE International Conference on Big Data Analytics (ICBDA 2019), Suzhou, China, pp.3–19, 2019.5Peijiang Zhao, Koji Zettsu,”MASTGN: Multi-Attention Spatio-Temporal Graph Networks for Air Pollution Prediction,” 2020 IEEE International Conference on Big Data (Big Data 2020), pp.1442–1448, 2020.6Peijiang Zhao and Koji Zettsu, “Decoder Transfer Learning for Predict-ing Personal Exposure to Air Pollution,” 2019 IEEE International Confer-ence on Big Data (Big Data 2019), pp.5620–5629, 2019.7Minh-Son Dao, Ngoc-Thanh Nguyen, and Koji Zettsu. “Multi-time-hori-zon Traffic Risk Prediction using Spatio-Temporal Urban Sensing Data Fusion,” 2019 IEEE International Conference on Big Data (Big Data 2019), pp.2205–2214, 2019.8R. Uday Kiran, Palla Likhitha, Minh-Son Dao, and Koji Zettsu, Ji Zhang, “Discovering Periodic-Frequent Patterns in VeryLarge Uncertain Tem-poral Databases,” 28th International Conference on Neural Information Processing (ICONIP 2021), pp.710–718, 2021.9Minh-Son Dao, R. Uday Kiran, and Koji Zettsu “Insights for Urban Road Safety: A newFusion-3DCNN-PFP Model to Anticipate Future Congestion from Urban Sensing Data,” Periodic Pattern Mining: Theory, Algorithms, and Applications, Springer, pp.237–263, ISBN: 978-981-16-3964-7 (2021).10Dao, M.S., Zettsu, K., and Uday, R.K., “IMAGE-2-AQI: Aware of the Surrounding Air Qualification by a Few Images,” 34th International Conference on Industrial, Engineering & Other Applications of Applied Intelligent Systems (IEA/AIE 2021), pp.335–346, 2021.11Dao, M.S., Pham, D.D., Nguyen, M.P., Nguyen, T.B., and Zettsu, K, “MM-trafficEvent: An Interactive Incident Retrieval System for First-view Travel-log Data,” 2021 IEEE International Conference on Big Data (Big Data 2021), pp.4842–4851, 2021.12xDataプラットフォーム, https://www.xdata.nict.jp/ 13Data Centric Cloud Service, https://testbed.nict.go.jp/dccs/ 14Beyond 5G/6Gホワイトペーパー2.0版, https://beyond5g.nict.go.jp/images/download/NICT_B5G6G_WhitePaperJP_v2_0.pdf是津 耕司 (ぜっつ こうじ)ユニバーサルコミュニケーション研究所統合ビッグデータ研究センター研究センター長博士(情報学)データベース、AI【受賞歴】2015年 日本データベース学会 若手功績賞2010年 平成22年度情報通信研究機構 成績優秀表彰 優秀賞(個人)2009年 W2GIS2009 最優秀論文賞41574-1 スマートデータ利活用基盤技術の概要
元のページ ../index.html#163