「AI」の学習用データ収集　その課題と解決策は【後編】

Facebook、IBMは「AI」の学習用データをどう作成しているのか

機械学習ベースのAIシステムが有益な判断を下せるようにするには、学習に利用するデータの質が重要だ。FacebookとIBMのAIシステム担当者の話から、データの質を高める方法を探る。

公開 2019年07月26日 05時00分

著者

Kassidy Kelley

[TechTarget]

印刷する連載新着通知を受け取る

　人工知能（AI）システムの誤った判断につながるバイアス。その軽減に必要なことは、機械学習の学習用データ（教師データとも）のクリーニングと、データ収集方法の見直しだ。

　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」に引き続き、O'Reilly が2019年4月に開催したAIカンファレンス「Artificial Intelligence Conference」の講演を基に、企業が学習用データを作成するときの課題と、その解決方法について説明する。

　FacebookでAIインフラ研究のシニアエンジニアリングマネジャーを務めるキム・ヘーゼルウッド氏は講演で、AIシステムの出力をプログラムの意図に合わせるために微調整するとき、同社が直面した問題について語った。

　「機械学習をあらゆるユーザーに拡大しようとする際の大きな課題の一つは、大規模なデータ活用だった」とヘーゼルウッド氏は話す。

併せて読みたいお薦め記事

AIの学習データについて考える

ITベンダーのAI関連事業の取り組み

　ヘーゼルウッド氏によると、Facebookは、

非構造化データを収集
AIモデルがそれらのデータを使って学習
学習済みのAIモデルを運用環境に導入

という3つの手順でAIシステムの導入に取り組んでいるという。

　最初の手順ではデータエンジニアが、機械学習用にデータをクリーニングして、自動テキスト翻訳や顔認識などの用途に合わせて最適化する必要がある。ヘーゼルウッド氏が率いるチームは、データセットの要件を絶えず変更している。なぜなら機械学習ベースのAIシステムの中核要素であるAIモデルは、継続的なトレーニングが必要な上、出力にさまざまな要件があるためだ。

　Facebookの技術者には巨大なデータのラベリング、クリーニング、最適化のための時間とリソースがある。そうではない企業が独自の機械学習ベースのAIシステムを構築しようとする場合、大きな障害に直面する。

学習を自動化するツールの登場

　データサイエンティストは育成が困難である上に人件費も高いと話すのは、IBMの調査組織IBM Researchでチーフサイエンティストを務めるラッチャー・プリ氏だ。プリ氏はデータサイエンティストの力に頼るのではなく、同氏が「Auto ML」と呼ぶ自動化されたプロセスで学習用データを作成している。

　膨大なデータを蓄積するとなると、データ内のあらゆる特徴の分析、ラベリング、最適化をしなければならない。これには従来データサイエンティストが必要だった。「少量のデータの作成とラベリングをプログラムで自動化すれば、AIプロジェクトの持続可能性が高まり、AIモデルを人力で学習させる必要はなくなる。そのためリソースの少ない中小企業にとっての障壁が取り除かれる」とプリ氏は語る。

　スタンフォード大学の准教授クリストファー・レ氏は、機械学習ベースのAIシステムを民主化して、より多くの企業に導入を促すには、まずクリーンな学習用データの収集から開始するのがよいと考えている。潜在的なバイアス、望ましい出力、用途を考慮して、トレーニング中の特定のアルゴリズム向けに微調整された小さなデータセットを作成することで、企業の時間とコスト節約が可能になる。

　「人々はデータの収集に何年もかけている。そしてどの時点のデータにも、最新のデータと同じくらい高い収集コストがかかっている」（レ氏）

　AIシステムの導入を検討している企業にとって、ハードウェア、モデル、プログラム、インタフェースの選択肢は豊富だが、学習用データは別だとレ氏は語る。さまざまな企業に、既に収集済みで、ラベリングされていないデータが大量にあるとしても、AIモデルの学習には役立たない。

印刷する