【出典：TechWorld News、記者パク・ジソン】AI（人工知能）の普及が進むにつれ、その役割はさまざまな分野で拡大しています。特にAIは、人間が分析するのが難しい膨大なデータに基づいて「予測」の分野でより顕著に活用されています。AIは、子どもや青年の成長から不整脈のリスク、テストの難易度の予測、ゲームの結果に至るまで、さまざまな分野で予測を行っています。
医療AIのリーダーであるGPは、データを活用して「成長」を予測し、最高の結果を導く「Grow Tech」を主導しています。GPが最も自信を持って紹介しているのが「GP Growth Map AI」です。GP Growth Map AIは、GPの膨大なコホートデータと独自のディープラーニングAIモデルを組み合わせた成長検査モデルです。このAIは対象者のさまざまな生物学的要素を測定し、体組成が身体に与える総合的な影響を考慮して成長マップを通じて成長の軌跡を予測します。これにより、特定の期間内の成長や最終的な成長値を導き出すことが可能になります。GP Growth Map AIは国内外に輸出され、「Grow Tech」を促進する役割を果たしています。
GPの成長予測AIは、約11年間にわたる112,589人の子どもと青年の継続的な成長データ、約3,300万件の生物データに基づいて開発された成長検診AI技術です。GPは、成長検診AI関連の特許を含む43件の特許技術を確保しており、また、SCI級の論文も多数発表しています。
Synergy AIの「MacAI（マックAI）」は、不整脈が疑われる患者の心電図を分析し、治療が必要な約20種類の不整脈の発症リスクを14日以内に提示します。不整脈とは「不規則な心拍」を引き起こす症状ですが、通常は心拍が正常であるため正確な発症時期を特定するのは難しいです。MacAIは、不整脈が疑われる患者の心電図データから個々の心拍を抽出し、ディープラーニングモデルを活用して14日以内の不整脈発症リスクを報告します。これにより、脳卒中などの重大な副作用を防ぐために医療スタッフが不規則な心拍の発生時期を正確に特定するのを助けることを目指しており、予測精度は92.72%に達します。
また、テストの難易度を事前に予測できるAIも登場しています。カトリック大学のキム・ガンミン教授の研究チームは、学生グループのレベルに応じた体感難易度を事前に測定する問題難易度予測システム（LLaSA）を開発しました。このシステムは、問題を事前に学生に公開せずにその難易度を予測します。問題解答理論を大規模言語モデル（LLM）に適用することで予測性能を向上させました。具体的には、65種類のさまざまな分野や形式の問題を解決できる大規模言語モデルの中から、実際の学生の能力情報に最も近いモデルを選定し、そのモデルに代わりに問題を解かせました。その後、この解答記録を基に各問題の難易度に応じたスコア分布を変動させ、実際の試験前に効果的な問題配分を設定できるようにしました。このシステムは、問題の内容だけを分析する既存のAIベース手法と比較して、8～23%高い問題難易度予測性能を持ち、学生グループの構成変化にも柔軟に対応できるため、汎用性も大幅に高いと期待されています。
また、UNISTのスタートアップであるARI.aiは、「LoLGPT」というeスポーツの試合結果を予測できるAIモデルをリリースしました。このAIは、プロプレイヤーやトップレベルのユーザーの試合データ3億件を学習し、プレイヤーやチャンピオンが選択されると、過去の試合履歴、プレイヤーとチャンピオンの特性、組み合わせ、熟練度、パッチ情報をすべて分析して試合の流れを予測し、最終的な勝利チームを予測します。AridotAIは、プロスポーツチーム向けに▲ゲームシミュレーション▲チャンピオン特性▲ピック推奨▲チームビルディング推奨などのカスタマイズ機能を提供し、必要に応じて追加機能の開発にも柔軟に対応します。
さらに、天気予報、電気料金の過大予測、コンクリート品質管理予測など、日常生活の予防管理を可能にするさまざまなAIシステムが開発されています。
