2022 Fiscal Year Research-status Report
転移学習と知識グラフを用いたナレッジ活用型AIによる離農予測モデルの開発
| Project/Area Number |
22K14959
|
|---|
| Research Institution | National Agriculture and Food Research Organization |
|---|
Principal Investigator |
寺谷 諒 国立研究開発法人農業・食品産業技術総合研究機構, 本部, 主任研究員 (60781698)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | 人工知能 / 機械学習 / ナレッジ / 離農 / 地域農業 / XAI / 転移学習 / 知識グラフ |
|---|
| Outline of Annual Research Achievements |
本研究は、他地域の大規模データや既存研究、現場等から得られる知識(ナレッジ)を流用したナレッジ活用型AIによる新たな離農予測モデルを開発し、既存のモデルよりも精度の向上を目指すとともに、XAI(Explainable AI：説明可能なAI)技術により、離農要因を明らかにすることを目的としている。
今年度は、モデル開発や分析に必要となる農林業センサス個票等の統計データを収集し、データをモデルに入力可能な形に整理した。次に、ナレッジ活用型AIとして、転移学習を用いた離農予測モデルを開発した。具体的には、全国の各経営体の離農の傾向や組織経営体への農地の集積状況が離農に与える影響などをまずニューラルネットワークに学習させ、その後、予測したい地域のデータでそのモデルを再学習し、地域の傾向に応じてモデルの重みを微調整させる方法を提案した。
当モデルの予測精度を検証した結果、転移学習を用いないモデルよりも精度が向上することが明らかになった。また、転移学習だけでなく、都道府県単位のモデルと市町村単位のモデルといった異なる粒度のモデルにおける予測値の平均値をとるアンサンブル学習のアプローチが予測精度の向上に有効であることが分かった。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
本年度は、統計データの収集や整理を実施することができた。また、ナレッジ活用型AIモデルの第一段階として、転移学習を使ったモデルを開発し、その有効性を確認することができた。
|
| Strategy for Future Research Activity |
今後は、先行研究や統計データの分析、対象地域の関係者へのヒアリングをもとに、離農に関する知見を整理・獲得し、それらをもとに知識グラフを作成する。また、知識グラフを取り込んだAIによる離農予測モデルを構築し、モデルの有効性を検証する。また構築したモデルにXAIの手法を適用し、離農に関する要因を分析するとともに、将来予測を行い農地保全に向けた有効な方策を明らかにする。
|
| Causes of Carryover |
対象地域への出張ならびに調査を予定していたが、新型コロナウイルスの影響で出張を取りやめたため、旅費や調査費を執行できなかった(可能な限りオンラインでの打ち合わせに変更した)。また、半導体不足のため、購入予定であったPC等の調達が年度内に間に合わなかった。次年度に繰り越した予算は、今年度に、旅費や物品費として活用する予定である。
|
