Purpose-Built AI Center（目的に特化したAIセンター）

最先端のマルチモーダルモデル「Phoenix 1.0」 は、視覚データ処理のための畳み込みニューラルネットワーク（CNN） とテキスト理解のためのRoBERTa言語モデルを統合することで、高度な画像およびテキスト分析を組み合わせています。Phoenixは、ゼロショットでのキー／値ペア抽出機能を提供する革新的なAI駆動型パイプラインを搭載しており、文書モデルの学習における最も面倒な作業を自動化します。幅広い言語理解タスクに対応する広範な汎用言語モデルとは異なり、Phoenixは、特にマルチモーダルデータを取り扱う場合、文書処理のためのより強固なフレームワークを構築します。それにより、大規模言語モデルだけでは完全には達成できない、特徴抽出の強化、ワークフロー処理の効率化、より深い文脈の理解を実現します。この専門性は、文書を通じて伝達される情報に大きく依存するユースケースに最適な選択肢であり、データが正確かつ迅速に処理されることを保証します。

Phoenixは、文書処理タスクの効率性と有効性を向上させることを目的として開発されました。画像分析における畳み込みニューラルネットワークの長所と、RoBERTaの高度な言語理解力を組み合わせることで、テキストと視覚的（ビジュアル）要素の両方を含む複雑な文書をより深く理解することが可能になります。焦点を絞ったこのアプローチにより、汎用モデルを使用する場合と比較して、情報の抽出と分析においてより優れた精度を達成することができます。さらに、この設計を通じて処理ワークフローを合理化することで、リソース消費を最小限に抑え、スピードの向上と運用コストの削減を図ることができます。その結果、組織は文書をより効率的に処理できるようになり、文書処理において大きな価値を生み出し、全体的な生産性を向上させることができます。

当社のインテリジェント文書処理は、さまざまな技術を組み合わせることで、比類のないパフォーマンスを実現しています。深層機械学習と高速機械学習を組み合わせることで、ストレート・スルー・プロセッシング（STP）率を最大化します。深層機械学習を用いて事前に学習された当社の文書特化型AIモデルにより、お客様は導入直後から最大90％の精度を達成できます。しかし、高速機械学習を導入することで、精度は95％以上に向上します。高速機械学習は、深層機械学習が把握できなかった外れ値を記憶し、対象となる文書の数パターンを用いて迅速に機能します。そのプロセスで収集したデータを基に、当社の深層学習モデルは継続的に進化し、時間が経つにつれて精度を向上させていきます。

深層学習を活用することで、文書処理タスクに特化したAIモデルを事前にトレーニングすることが可能になります。汎用的なLLMや幅広いタスクに対応した生成AIとは異なり、私たちの深層学習モデルは特定の目的に特化しており、より信頼性が高く、精度の高い結果を提供します。

• 深層機械学習（ML）CNN（畳み込みニューラルネットワーク）、RNN（再帰型ニューラルネットワーク）、およびNLP（自然言語処理）を活用して、半構造化文書から情報を抽出します。テンプレートに依存せず、さまざまな文書フォーマットに一般化し、未見のレイアウトを効果的に処理します。正確なフィールド抽出には500から10,000件のラベル付きデータが必要ですが、長期的な学習プロセスにより高い精度が確保され、複雑なデータ解釈において強力なツールとなります。
• 高速機械学習（ML）テキストとビジュアルのパターンに特化し、各セットで1～2件の文書から効率的に処理を行います。クラスタリング技術を使用して、類似した文書レイアウトをグループ化し、各クラスタに対してフィールド抽出モデルを内部的に学習します。深層機械学習とは異なり、このアプローチはパターンの一般化ではなく、すでに「見た」文書のバリエーションに焦点を当てています。このアプローチの明確な利点は、学習プロセスを加速し、CPUの使用を抑え、処理時間を短縮できることです。

ABBYYは光学式文字認識技術のパイオニアであり、1993年に最初の「オムニフォントOCRシステム」であるABBYY FineReaderを市場に投入して以来、この分野での研究と革新を積極的に行っています。この技術は、文字の認識から単語の識別、ページ構造の再現を経て、レイアウトや複数ページにわたる構造、ヘッダー、フッター、目次などの要素を含む文書全体を理解する適応型文書認識技術（ADRT®）の適用へと進化しています。

AIの進化により、ABBYYは近年、OCRおよびICRにおけるエンド・ツー・エンドのアプローチを開発し、確立してきました。このアプローチでは、生成AIツールの基盤となる技術である畳み込みニューラルネットワーク、トランスフォーマー、言語モデルを活用しています。

畳み込みニューラルネットワークは、手書きや印刷された文書のテキスト画像をビットやバイトなどの最小単位に分解し、それが何であるかを理解しようとします。CNNからの入力データはすべてトランスフォーマーに送られ、単語の候補として結果が生成されます。次に、私たち独自の言語モデル（LM）を導入します。このモデルは数十億のパラメータで学習され、異なる単語の文脈を把握し、その情報を最大限に活用して結論に達することができます。この技術により、OCRとICRの性能と精度が飛躍的に向上し、統計的アプローチと組み合わせることでその効果を最大限に引き出します。私たちのAIは、文書の使用ケースに応じて最適なアプローチを自動的に選択し、一貫性、精度、速度をリアルタイムで最適化することで、より高いストレート・スルー・プロセッシング率を実現します。

ABBYYは高度なコンピュータビジョン技術をインテリジェント文書処理ソリューションの重要な要素として活用し、複雑な文書の自動化とデータ抽出を強化しています。ABBYYは畳み込みニューラルネットワーク（CNN）やトランスフォーマーなどのニューラルネットワークを統合することで、テキスト、画像、さらには手書き文書などの視覚コンテンツを処理します。CNNは文書内の視覚的要素を分解し、印刷された文字や手書きの文字のパターンを特定します。一方、トランスフォーマーは文脈を解析することで、単語や文字の認識精度を向上させます。この技術により、ABBYYは構造化されたフォームから構造化されていないテキストが多いコンテンツまで、幅広い種類の文書を正確に解釈し、分類できるようになります。

さらに、ABBYYのソリューションには、保険や物流などの業界において不可欠なバーコード、署名、スタンプなどの特徴を識別するためのオブジェクト検出技術が組み込まれています。ABBYYは、コンピュータビジョンと言語モデル、その他のAI技術を組み合わせることで、ドキュメント処理能力を向上させ、企業がワークフローをより効率的に自動化し、手作業によるエラーを減少させ、ストレート・スルー・プロセッシング率を向上させることを可能にします。