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

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。

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。