Home
データドリブンは可視化から因果へ
膨大なデータからあらゆる条件下の因果関係を高速かつ網羅的に計算し、通常は見逃される個別に有用な因果関係を発見、最も効果が高く、かつ悪影響を及ぼさない施策を、広範囲な情報をもとに推薦全く新しいサービス・ビジネスモデル創出、経済活性化
システムエンジニア、コンサルタントの課題
データ全体の因果関係だけでなく、特定の条件下での因果関係抽出が困難。 また、従来の施策推薦技術では悪影響考慮が不十分で、最適な提案に繋がりにくい。 さらに、単一データセット利用では施策提案も限定的。
富士通の因果AIなら
高速因果探索技術LayeredLiNGAMを搭載し、他社技術比約1,000倍以上の高速化を実現。 これにより、特定条件下での因果関係や未知の因果関係を効率的に発見、悪影響を考慮した最適な施策提案が可能になる。 AIトップ国際会議での論文採択実績も豊富。
因果AIがもたらす価値
- 特定の条件下で発現する因果関係や、新たな知見に繋がる未知の因果関係を効率的に特定
- 実現性や副作用を考慮した上で、複数の因果関係に基づいた最適な施策を提案
- 高速な因果探索により、膨大なデータからの因果関係抽出における計算負荷を大幅に軽減
- 現実のデータと因果モデルの乖離を運用しながら是正し、常に最適な状態を維持
- 多様なデータセットを組み合わせることで、網羅的で詳細な施策提案を可能にし、限定的な示唆に留まらない深い洞察を提供
技術概要
ターゲット業界・ユーザー
- システムエンジニア
- コンサルタント
ターゲット業界・業務の課題
- データ全体の因果関係だけでなく、特定の条件下でのみ現れる因果関係を抽出したい
- 大量に抽出される既知の因果関係の中から、新たな知見に繋がる未知の因果関係を発見したい
- 従来の施策推薦技術*では悪影響の考慮が困難、また複数の因果関係を考慮できず最適ではない施策提案の可能性がある
- 因果関係の推定に単一データセットしか使えないと、データ量や偏りの影響で限定的な施策提案しか得られない
技術課題
- 1.データの組合せが膨大となり計算が困難
- 2.目的を実現する施策の提示が困難（実現性／副作用がある）
- 3.因果モデルと現実のずれを運用しながら是正するのが困難
解決策
- １と３は以下が説明になります。
- ２は以下が説明になります。
因果AIがもたらす価値（詳細）
- 特定の条件下で発現する因果関係や、新たな知見に繋がる未知の因果関係を効率的に特定
- 実現性や副作用を考慮した上で、複数の因果関係に基づいた最適な施策を提案
- 高速な因果探索により、膨大なデータからの因果関係抽出における計算負荷を大幅に軽減
- 現実のデータと因果モデルの乖離を運用しながら是正し、常に最適な状態を維持
- 多様なデータセットを組み合わせることで、網羅的で詳細な施策提案を可能にし、限定的な示唆に留まらない深い洞察を提供
富士通の技術優位性
- 高速な因果探索はLayeredLiNGAMという手法で、OSSや他社技術に対して約1,000倍以上高速です。
- 他社技術で、悪影響が出ない施策を提案できるものはみたことありません。
- 1-3に通して言えることですが、AIのTop国際会議(PKDD ECML24, AAAI25, WSC24, ICML24, ICML25, NeurIPS25)などで論文として採択されている技術になります。
利用シーン
- ソリューション
- 圧倒的なスケーラビリティ
- 最適な施策提案技術
- ユーザー
- 医療機関
- 製造業者
- 大企業
事例・ユースケース
- ジーンクエスト社との実証実験 （2025年10月プレス発表）
技術お試し
- PoCご希望の方はこちらからお問い合わせください
関連情報
- プレスリリース
- White PaperのAppendix Bにリストがありますのでそちらを参照ください。
- ジーンクエストと富士通、「Fujitsu Kozuchi」の高速・高信頼な因果AI活用により遺伝子とライフスタイルの関係性に新たな知見を導出
- テックブログ
- 「Fujitsu 因果AI」のご紹介(全３回) #1 因果アクション最適化技術
ドキュメント
| 資料名 | 説明 |
|---|---|
| ホワイトペーパー | 因果ナレッジグラフ技術ホワイトペーパー |