人間参加型(human-in-the-loop)機械学習の基本をまとめました。

※本記事は、Lionbridge AI発の記事を再編集したものです。


人間参加型(human-in-the-loop)機械学習とは、人間と機械の知能を組み合わせて、効果的な機械学習アルゴリズムを生成するプロセスです。

人間が機械学習アルゴリズム構築の全てのに関わり、絶え間ないフィードバックループができるため、回を重ねるごとにアルゴリズムの結果は向上していきます。

学習段階について

① 学習段階では、人間が学習データにアノテーションを施します。学習データには「入力 (インプット) データ」とそれに対する「出力 (アウトプット) データ」が含まれます。

② 次に、人間が機械に学習データを与えます。アルゴリズムに既知量を提供して、今後の判断をサポートするこのプロセスは教師あり機械学習 (Supervised Learning) と呼ばれている。教師あり機械学習には線形回帰、ロジスティック回帰、多項分類、サポートベクターマシンなどのアルゴリズムが含まれることもあります。

③ 機械学習アルゴリズムは「正解」な学習データに基づき、ニューラルネットワークのような技術をどのように適用すれば学習して洗練された結果を出せるか、学習データの中に洞察やパターンや関係を見いだせるかを学びます。

④ 最終目的は機械学習アルゴリズムが、学習データセットに含まれていなかった新たなデータを提示された際に、正しい決定を下せるようになることです。

人間の役割について

人間の役割は、学習段階の次の「テスト段階」で機械が導き出した誤った結果を訂正することです。テスト段階では、人間は機械学習アルゴリズムが判断に確信を持てない結果を訂正することに集中します。確信度の低いユニットを人間が取り扱い、アルゴリズムへフィードバックするこのプロセスは、能動学習 (Active Learning) と呼ばれています。

人間が注意を向ける必要があるもう一つのシナリオは、機械が誤った結果に対して確信を持ち過ぎている場合です。テスト段階における目標は、より優れた判断ができるように機械をさらに学習させ、次に判断を下す際には、人間が介入しなくても正しい結果を出せるようにすることです。

人間参加型機械学習の活用事例

人間参加型機械学習は、自然言語処理、コンピュータビジョン、文字起こしなどのあらゆるAIプロジェクトで使用でき、特に以下の状況で役立ちます。
アルゴリズムの誤りの代償が極めて高い場合。例えば、医療診断や経過予想、治療における機械のアルゴリズムを使用する時です。
現在入手可能なデータが不足している場合は、人間の方が機械よりも一般的に優れた判断を下せます。一定量の学習データとテストデータが利用できるようになると、機械が人間に取って代わり、より優れた判断を下すようになる。

探しているデータが珍しいものである場合。例えば、特定の人物の顔写真を見つけるために画像認識を使用する場合です。このような状況においては、機械知能はその人物を表していない画像を確信を持って除外し、膨大な画像の中から対象を狭めることにより、多くの時間と経費を節減できる。その後、最終段階でタスクは人間へ引き渡され、人間は似たような顔の画像の中から正しいものを見つける。

AIはあらゆる産業のあり方を変えていますが、まだ人間の関与が必要であります。特に学習データを生成して機械学習アルゴリズムに与える初期段階においては、人間の力が欠かせません。

このような作業に適しているのが、Lionbridge AIのクラウドソーシングを活用したプラットフォームです。Lionbridge AIは画像認識や自然言語処理など、様々な目的や分野のために機械学習用のデータセットを300言語以上でご提供いたします。Lionbridge AIのプラットフォームでは50万人以上の専門家が、世界の主要タイムゾーンとほぼすべての国をカバーしているため、大量の学習データにも迅速にご対応できます。

この記事が気に入ったら、サポートをしてみませんか?気軽にクリエイターを支援できます。

30

れい

note編集部のおすすめ記事

様々なジャンルでnote編集部がおすすめしている記事をまとめていきます。
コメントを投稿するには、 ログイン または 会員登録 をする必要があります。