TDK、エッジ上の生成AI技術を推進するSensorGPT™を開発

• インテリジェントなエッジIoTソリューションに内在するスケーラビリティ上の障壁および導入時の課題に対応
• 大規模・多様なデータセットの生成によるエッジ用途向けAIソリューション開発の加速とスケーラビリティ向上
• 実データ依存度を市場標準の80%から10%へ削減し、イノベーション促進および導入スピードの向上

TDK株式会社（社長：齋藤　昇）は、スマートIoTソリューションの導入を最適化・加速するセンサ技術「SensorGPT™」の開発を発表します。本技術は、生成AI、信号処理、統計的手法、およびシミュレーションを活用して、大規模なセンサデータの生成と管理を可能にします。TDKのSensorGPTは、高度な生成AI技術、複雑な信号処理や統計手法、物理シミュレーションに加え、補完的なイノベーションを組み合わせることで、スマートIoT市場およびアンビエントIoT（周囲のセンサが常に状況を感知する仕組み）セグメントが直面する主要なスケーラビリティ課題の克服に貢献します。これにより、モデル開発と導入の合理化が進み、時間とコストの削減、さらにエッジAIモデルやアプリケーションの性能・効率の大幅な向上が実現されます。

データはスマートエッジシステムにおける知能の基盤ですが、現在では知能の構築よりもデータの収集や整理に多くの時間が費やされています。 Forbesによると、AIソリューション開発のほぼ80%がデータ収集と整理に費やされています。また、 GartnerではエッジAIの需要は加速しており、2026年には広く普及すると予測されています。こうした状況において、データの入手可能性がスケーラビリティの主要な障壁となっています。SensorGPTは、インテリジェントなセンサデータ合成により実運用データへの依存を低減し、データ収集に要する工数を80%から約10%まで削減することでこの課題に対処し、より迅速でスケーラブルなエッジAI開発を可能にします。

AIによるセンサデータの合成

「先進的な手法を用いて既存データセットを拡張・強化することで、数か月かかっていたエッジAIのモデル構築期間を数週間に短縮できる」と、当社米州本社ゼネラルマネージャー（兼）技術・知財本部副本部長のJim Tranは述べています。「生成AI型モデリングやシミュレーション等を活用することで、エンジニアは実世界の状況を反映した高品質の追加データをAIに生成させ、データをスケーラブルな資源へと変えることができます。」

SensorGPTのデータ合成技術の進展

• 生成型AIモデル：限られた実世界データから基礎的なパターンを学習し、実世界データを忠実に模倣する高品質な合成データを生成するための生成モデルを構築
• 物理ベースのシミュレーションモデル：物理法則や数理モデルを活用してセンサデータをシミュレーションし合成データを生成
• 信号処理手法：実際のセンサ出力の動的特性や特徴を反映するデータを数理・計算手法でシミュレート
• データ拡張（オーグメンテーション）技術：既存のセンサデータを自動的に変換し、多様な条件・シナリオを網羅する豊富なデータセットを生成
• 支援型アノテーション：学習用データのラベリング作業を効率化し、モデル学習に有用なデータ品質を向上

SensorGPTは合成データと実世界のセンサデータとの類似度を約90%まで実現し、合成データを用いた迅速なエッジAIソリューション導入を可能にします。導入後は、実世界データによるフィードバックが時間をかけて合成モデルを順次洗練・強化し、それがさらに効率的なモデル導入につながるという好循環を生み出します。

SensorGPTの既存技術との差別化

• 大規模かつ多様なデータセットを生成することで、エッジ用途向けAIソリューションのスケーラビリティを向上
• プロトタイピング、テスト、初期モデルの展開に迅速にデータを提供し、イノベーションと開発の加速を実現
• 特定のセンサやスマートIoTアプリケーション、実運用環境に合わせてデータをカスタマイズするツールを提供
• スマートエッジ向け高品質データの需要に応えることで、エッジインテリジェンスの実現を後押し

TDKの新しいSensorGPTは、ユースケースや用途に応じてデータセット規模を大幅に拡張し、プロトタイピングやPoC（概念実証）を加速します。その結果、従来5か月以上かかっていたエッジAIモデル構築時間を数週間に大幅短縮することが可能になります。