「AI」の学習用データ収集　その課題と解決策は【前編】

AIの学習用データをクリーンにするには“ゴミデータ”を排除すべし

機械学習導入の最初のステップは、質が高くクリーンな学習用データを用意することだ。研究機関と企業の事例から、学習用データの質を高める方法について解説する。

公開 2019年07月17日 05時02分

更新 2019年07月16日 05時25分

著者

Kassidy Kelley

[TechTarget]

印刷する連載新着通知を受け取る Googleで優先するソースとして追加

　人工知能（AI）技術、特に機械学習によって業務プロセスを自動化するには、膨大な量の学習用データ（教師データとも）が必要だと考えられてきた。この見方が変わりつつある。機械学習では、誤った判断につながる不適切なバイアスが問題になっている。そのため学習用データの質が重視されるようになっている。機械学習をベースにしたAIシステムから有益な結果を得るためには、データのクリーニングによって質の高い学習用データを用意する必要がある。

　2019年4月にO'Reillyが開催したAIカンファレンス「Artificial Intelligence Conference」の各登壇者は、企業が大規模データセットを管理する際に直面した問題について詳しく語った。データのクリーニングで成功を収める方法についても説明した。

併せて読みたいお薦め記事

AIの「バイアス」について考える

AIの学習データについて事例をもっと見る

　米ニュージャージー州のスティーブンス工科大学（Stevens Institute of Technology）で視覚芸術およびテクノロジー学科の准教授兼主任を務めるジェフ・トンプソン氏は、自身のプロジェクト「Empty Apartments」について語った。このプロジェクトでは、賃貸物件のリストから空き家の画像を収集し、照明や間取り、写真の形などの類似性に基づいて分類する。分類に使用するのが機械学習モデルだ。

　機械学習の学習プロセスには、ターゲットを絞り、更にクリーニングした学習用データを使った。そして写真を相互に関連付けて、特徴に基づいて分類し、大きなテーマで表すことを可能にした。Empty Apartmentsの場合は、オンライン広告サイト「craigslist」に掲載された画像のうち、空き家に絞った写真を利用した。