01地景調查，KIBIT的核心技術

在KIBIT中納入與AI相關的技術中，「地景調查」可說是FRONTEO的核心技術。這是因為該項技術能夠巧妙地識別了少量數據的特定特徵，且能一致地應用在更大量的未知數據之中。此外，該項技術還能以類似於「地景調查」的方式運行，或從狹窄的視角構思整個場景。

以下是「地景調查」技術的簡要說明。

在分析文本數據時，KIBIT識別詞句（詞類）並提取某些單詞，以計算其相對於目標資訊的重要程度。在計算重要程度時，KIBIT會運用訊息轉換的概念來確定詞彙是否相關。

接下來，KIBIT會針對文本中的每個單詞編譯其重要程度，以便指定一個分數，並按降冪排列針對分數重新排列數據。「地景調查」將進行這些程序。這是FRONTEO獨立開發出來的一項演算法，並可當作KIBIT進行學習和推理的方法。該演算法可讓KIBIT學習專家的隱性知識 – 或以人類經驗和判斷為基礎的相關知識。

02學習「隱性知識」 – KIBIT的一大特色

KIBIT可從少量的文本數據中學習所謂的「隱性知識」 – 或以人類經驗和判斷為基礎的相關知識。這項能力可簡化諸如檢查大量文件（需要人類判斷）等相關作業，從而大量減少作業負擔。

我們可以金融機構為例。當這些實體出售金融工具時，必須遵守各項法規，包括「金融工具和交易法」、日本證券交易商協會的自願性法規和「保險業務法」。金融機構還必須檢查幾個項目，例如：相關交易是否與客戶購買意願、知識、投資經驗、分配比例和其他因素成適當比例、提供給客戶的文件是否充足、客戶家屬是否提供同意、以及客戶討論的內容是否有任何不合理的地方。

然而，人眼不能檢查所有案件，而且負責人的技能和經驗可能導致其判斷標準大不相同。此外，由於疲勞等因素可能導致人為錯誤，因此檢查品質可能無法獲得保證。

以下是金融機構應用KIBIT的實際案例。

「金融工具和交易法」禁止金融機構以不恰當的方式招攬顧客，並要求金融機構保護投資者。金融機構必須確保其銷售人員不刻意攪擾顧客情緒，或敦促其客戶經常買賣證券。相反地，金融機構的銷售人員應向顧客推薦符合其知識、經驗、資產和投資目的的金融工具。

在下面的圖片說明中，可以根據投資者的年齡、投資比率、動機和其他因素推斷，投資者沒有充份理由去變動其當前持有的金融工具。作為AI引擎，KIBIT能夠學習相關的「隱性知識」，使其判斷近似人類判斷，並從大量記錄中找到類似記錄。

03「權重改進」 – KIBIT的特殊功能

KIBIT配有「權重改進」。這是FRONTEO獨有的演算法。它可以最佳方式分配相關詞語的重要性。透過「權重改進」，KIBIT可識別出僅透過轉換資訊計算所無法找到的資料特徵。憑藉該演算法，KIBIT可在只有少量資料存在的情況下充分發揮學習功能，而無需大規模地建構伺服器。

※關於KIBIT的詳細資料，請參閱「研究開發報告書」

Analyzing Big Data and looking into human behavior.行動情報科学研究所