もっともらしい回答から
検証可能な推論へ
ニューロフォーマルAIは、生成AIの柔軟性と、形式手法および構造化された技術知識を組み合わせます。BFAIは、このアプローチによって半導体工程の分析をより追跡しやすく、検証しやすくし、人による確認を伴う意思決定に適したものにする方法を探究しています。
製造現場には、もっともらしい回答だけでは不十分です
生成AIは、複雑な製造上の問題を技術者が検討する際に役立ちます。しかし、流暢な説明は証明にはなりません。工程に関わる判断には、確かな根拠、明確な制約条件、責任者による確認が欠かせません。
AIの回答だけでは証明にならない
LLMは、利用可能な工程データによる裏付けを確かめないまま、説得力のある根本原因を提案することがあります。仮説は、根拠と関連する制約に照らして検証する必要があります。
工程の判断は慎重に管理する
レシピ変更、工程逸脱への対応、保守に関する判断は、歩留まりや設備の稼働性に影響を及ぼす可能性があります。技術者は、生産に関わる変更を承認する前に、根拠を評価する必要があります。
根拠をたどれる提案が必要
有用な提案は、その背景にあるデータ、仮定、検証内容を明らかにする必要があります。追跡可能な根拠が、調査、確認、品質管理を支えます。
LLMが仮説を出しルールに照らして検証する
BFAIが目指すニューロフォーマルAIは、生成AIによる推論に、半導体の知識、因果分析、ルールとの照合を組み合わせます。候補となる説明を、明示的に定義されたルールと利用可能な根拠に照らして評価し、そのうえで技術者による確認に提示することを目指します。
仮説を生成
関連する製造の文脈を踏まえ、生成モデルで原因候補、工程条件、改善の選択肢を検討します。
ルールと照合
対象となる主張を、形式化されたルールや仕様に照らして評価します。因果効果の推定、設備の知識、統計的な監視結果が、補完的な根拠を提供します。
根拠を提示
裏付けとなる情報、適用されるチェック、未解決の仮定を示し、技術者が検証済みの性質と推定を区別できるようにします。
技術者が判断を担う
技術者が分析結果を確認し、対応を実施するかを判断します。レシピや生産に関わる変更は、現場の既存の承認・変更管理プロセスに従います。
LLMだけのワークフローから、その先へ
目的は、単に説得力のある説明を生成することではありません。AIが生成した仮説を、製造の文脈、定義されたチェック、因果関係の根拠、技術者による確認につなげることです。以下の比較は、導入済みシステムの性能評価ではなく、目指す設計の方向性を示しています。
Scroll horizontally to view the full comparison.
| 比較項目 | LLM単独のワークフロー | BFAIによるニューロフォーマルAIの設計方針 |
|---|---|---|
| 専門領域の知識との結び付き | 回答は、プロンプトと、与えられた文脈や検索された文書に依存します。 | 仮説を、半導体オントロジー、設備の状況、工程データ、品質基準と結び付けます。 |
| ルールとの照合 | 生成された説明だけでは、技術的な制約への適合は確認できません。 | 形式化が可能な範囲で、明示的に定義されたレシピ・設備・工程のルールに照らし、対象となる性質を確認します。 |
| 因果分析 | 因果関係を独立に検証せず、原因候補を説明する場合があります。 | 関連する仮説を、因果分析の結果、推定効果、製造データによる裏付けと結び付けます。 |
| 根拠と限界 | 説明や出典が示される場合でも、それだけで形式的な証明になるわけではありません。 | チェック済みの性質、裏付けとなる根拠、不合格となったチェック、未解決の仮定を明らかにすることを目指します。 |
| 技術者による管理 | 文章生成とは別に、人による確認の仕組みを設ける必要があります。 | AIの提案は、現場で定められた確認・承認・変更管理の手順に沿って扱います。 |
| 導入とフィードバック | データの取り扱いやフィードバックは、選択したサービスとシステム設計に依存します。 | 現場固有のセキュリティ要件に合わせて設計し、確認済みの結果を知識活用とモデル管理のワークフローに反映します。 |
どの項目をルールで照合するか、導入の構成、既存システムとの連携は、用途ごとに決めて検証します。
検証可能な推論が役立つ3つの場面
半導体製造で、ニューロフォーマルAIの活用が見込まれる場面です。照合するルールや根拠、検証の手順は、工程や使えるデータによって変わります。
工程異常の原因を分析する
因果分析の結果と工程データをもとに、原因候補を評価します。矛盾点やまだ確かめていない前提をはっきり示し、技術者の調査につなげます。
レシピの変更案を事前に確かめる
提案されたパラメータの変更が、レシピの許容範囲や装置の条件を守っているかを確かめます。変更を承認・実施する前の、技術者による評価を支援します。
装置の異常アラームを調べる
故障検知・分類（FDC）システムが出したアラームを、装置の状況や監視結果、原因候補と照らし合わせます。問題の切り分けと、対応の優先順位づけを支援します。
工程の判断に検証可能な推論を
根本原因分析（RCA）やレシピ関連の業務で、ニューロフォーマルAIを活用できるかどうか、お気軽にご相談ください。