弱教師あり学習によるデータ不足への対処法

目次

教師あり学習で必要なデータのラベル付け

弱教師あり学習とは

弱教師あり学習の種類

ベストパーツ社の事例：弱教師あり学習の実践

AIビジネスデザイナーのワンポイントアドバイス

---

教師あり学習で必要なデータのラベル付け

データから学ぶ機械学習は、「教師あり学習」と「教師なし学習」の大きく2種類に分けられます。そして、教師あり学習に欠かせないのが、データの「ラベル付け」です。

ラベル付けが欠かせない理由

ラベル付けとは、AIに「これが正解ですよ」と教えるための前処理のことです。下の図の「訓練データ」では、個別の画像に対して「りんご」「バナナ」とラベルが付けてあります。

AIの中身である「モデル」は、ラベル付けされたデータを大量に学習することで、画像に何が写っているのかを見分けられるようになっていきます。その後、モデルがある程度できてきたら行うのが、モデルの品質を確かめるためのテストです。

 

テストに使う「テストデータ」もあらかじめラベル付けしておき、訓練データとは別に用意しておきます。テストデータの画像に写っているものを正確に見分けられれば、モデル（画像認識AI）の完成です。

このような学習によって品質の高いモデルを作れるかは、「良い訓練データを用意できるか」に大きく依存しています。正確なラベル付けをされた大量のデータが不可欠なのです。

ラベル付けの課題

ラベル付けされたデータを準備するのは、実はとても大変なことです。多くの企業のAIプロジェクトが、データを十分に用意できないせいで前に進んでいません。

ラベル付けは多くの場合、人が行う必要があります。人が画像を1つずつ見て、「これはりんご」「これはバナナ」とラベル付けをしていくのです。ラベル付けが大変である要因は、主に以下の3つです。

⚠️ ラベル付けの課題

• 人的コスト：ラベル付けに手間や時間がかかる
• ラベルミス：人は必ずミスをする
• 数の不足：そもそもラベルを付けるデータがない </aside>

これらの課題を解決するために、多くの企業が悪戦苦闘しています。例えば、人的コストを減らそうとして、クラウドソーシングで「1枚のラベル付け画像あたり10円」といった報酬でラベル付けが外注されることが多いです。しかし、クラウドソーシングではいいかげんな仕事をする人もいて、「ラベルミス」が増える傾向があります。

 

こうしたラベル付けの課題はThe Insightの過去記事「メタバースや自動運転の世界で必要になる動画を使ったリアルタイム行動予測」も解説しています。「訓練データの確保はAIプロジェクトの成否を左右するほど重要」である点は、ぜひ理解しておきましょう。

弱教師あり学習とは

ラベル付けの課題を解決しようと生み出されたのが「弱教師あり学習」です。弱教師あり学習なら、従来の教師あり学習のような「厳密なラベル付け」を必要としなかったり、訓練データの数が少なく済んだりします。完成するモデルの質にも問題がないことから、注目を集めています。

厳密なラベル付けが不要なため、低コストで大量のデータを集めることが可能となるのが、弱教師あり学習の特徴です。使われる訓練データは「弱教師付きデータ」と呼ばれます。具体的にどのようなラベル付けを行うのか、例を2つご紹介します。