AI基礎講座 第8話 機械学習用のデータ収集方法

株式会社Ridge-i内の2019年度インターンシッププログラムで行った基礎講座。

第8話は機械学習用のデータ収集方法。機械学習には（必ずではないですが）基本的には多くのデータを学習させる必要があります。そのデータセット構築のつらさと、ではいかにしてうまくデータを収集するのかを概説します。

対応する動画が https://youtu.be/TEWCMiT7pgI にアップロードされておりますので、ご興味があればご覧ください。

Transcript

1. Ridge-i インターンシッププログラム
   人工知能・機械学習（AI/ML）基礎講座
   第8話 機械学習用のデータ収集方法
   Chief Research Officer
   牛久 祥孝
   

   View Slide

2. 1.3.2. 機械学習のその他の展開
   

   View Slide

3. 機械学習のその他の展開
   • 機械学習は非常に広範な分野
   • 本小節では
   – 2.1節で扱う機械学習の基礎
   – 3章以降で扱う深層学習
   以外での機械学習の展開として以下の項目について紹介する
   – クラウドソーシングと機械学習
   – プライバシー保護と機械学習
   – 説明性のある機械学習
   – 異常検出
   – トピックモデル
   – 因果探索
   

   View Slide

4. そもそも学習用のデータをどう集める？
   • 研究開発者自身が収集
   – 作業コストが膨大
   • シミュレーションデータ作成
   – リアルなビデオゲーム画像とそのレ
   ンダリングデータの対で学習
   – 自動でデータを作れるが、実世界と
   乖離がある場合も多い
   • クラウドソーシング
   – Amazon Mechanical Turk (AMT)など
   が有名
   – 世界中の作業者（worker）に
   対して発注者（requester）が
   単純作業（マイクロタスク）を依頼
   [https://docs.aws.amazon.com/AWSMechTurk/latest/RequesterUI/images/AWS-Mturk-Create-Tab-Tag-Image.jpg]
   

   View Slide

5. ヒューマンコンピュテーションとクラウドソーシング
   • ヒューマンコンピュテーション
   – 機械自身が遂行するのが
   難しいタスクを人間に
   肩代わりしてもらう枠組み
   – 例：reCAPTCHA
   文字認識や画像認識を対象に、機械が答えを
   知っているものと知らないものを同時に提示
   • 紙媒体の電子化の作業を直接手伝っている場合もある
   • 何らかのサービスを利用するためという動機付けもできている
   • クラウドソーシングと機械学習
   – 人間がラベルを付ける動機付け（AMTであれば報酬）
   – ラベル付けの誤りを修正する重み付き投票などの機械学習技術
   

   View Slide