人間と機械の協力によるマシンラーニングとは何か？

人工知能（AI）や機械学習（ML）を扱う際に遭遇する用語の1つは、人間と機械の協力によるマシンラーニング（HITL）です。HITLは、その名前の通りです。HITLは、機械学習モデルの作成において、人間と機械の両方の知能を利用するAIの分野です。

人間と機械の協力によるアプローチでは、人間がアルゴリズムのトレーニング、チューニング、テストのサイクルに参加します。

人間は最初にデータをラベル付けし、モデルが高品質で大量のトレーニングデータを獲得するのに役立ちます。次に、機械学習アルゴリズムがデータに基づいて判断を下し、人間がモデルを微調整します。

モデルは、人間によってスコア付けと検証を通じてテストされます。このプロセスは、アルゴリズムが判断に自信がない場合や、逆にアルゴリズムが誤った判断に自信を持っている場合に特に役立ちます。

HITLプロセスは、フィードバックループを形成するため、トレーニング、チューニング、テストの各タスクがアルゴリズムにフィードバックされます。このプロセスにより、アルゴリズムは時間の経過とともにより効果的で正確になります。これは、特定のユースケースに高精度で大量のトレーニングデータを生成するために特に役立ちます。人間の洞察により、モデルが調整され、テストされ、組織が最も正確で実行可能な決定を下すことができます。

イメージ：スタンフォード大学

HITLマシンラーニングの重要性

HITLは、従来の機械学習モデルが正確な予測を得るために大量のラベル付けされたデータポイントを必要とするため、非常に重要なAIの分野です。データが不足している場合、機械学習モデルはあまり役に立たないことがあります。

言語学習を例に挙げます。たとえば、数千人しか話さない言語があり、その言語について機械学習を通じて洞察を得ようとする場合、モデルが学習するための十分な例を見つけることは難しい場合があります。HITLアプローチを使用することで、これらのデータセットの精度を確保できます。

ヘルスケア業界も、HITLシステムの重要な分野の1つです。スタンフォード大学の2018年の研究によると、HITLモデルは、AIまたは人間だけの場合よりも優れています。

HITLシステムは、精度を向上させるだけでなく、人間レベルの基準を維持することも重要です。これは、世界中の多くの業界にとって重要です。

HITLシステムを使用する場合

AIライフサイクルの中で、人間と機械の協力によるマシンラーニングを使用するべき特定の時期があります。

• トレーニング：データサイエンティストがHITLを使用する最も一般的な場所は、トレーニング段階です。ここで、人間がモデルトレーニングのためにラベル付けされたデータを提供します。

• チューニングとテスト：HITLが使用されるもう1つの主要な時期は、チューニングとテスト段階です。人間がモデルをより高精度に調整し、特にモデルが自信がない場合に重要です。

HITLアプローチは、すべての機械学習プロジェクトに適しているわけではありません。主に利用可能なデータが少ない場合に使用されます。

人間と機械の協力によるディープラーニングは、人間と機械学習プロセスが特定のシナリオで相互作用する場合に使用されます。たとえば、アルゴリズムが入力がわからない場合、データ入力が間違って解釈される場合、アルゴリズムが特定のタスクを実行する方法がわからない場合、機械学習モデルがより正確である必要がある場合、人間のコンポーネントがより効率的で正確である必要がある場合、エラーのコストがML開発で高すぎる場合、または望ましいデータが利用できない場合です。

HITLのデータラベル付けの種類

HITLアプローチは、必要なデータセットの種類に応じて、さまざまな種類のデータラベル付けに使用できます。たとえば、モデルが特定の形状を認識することを学ぶ必要がある場合、バウンディングボックスが使用されます。しかし、モデルが画像の各部分を分類する必要がある場合、セグメンテーションが優先されます。顔認識データセットの場合、顔のマーキングがよく使用されます。

別の重要な応用例はテキスト分析です。これにより、モデルが人間が話したり書いたりした内容を理解できます。人間が同じ意味を表現するためにさまざまな単語を使用するため、AIシステムはこれらのバリエーションを知っている必要があります。さらに、感情分析により、特定の単語またはフレーズのトーンを認識できます。これらの例は、人間と機械の協力によるアプローチが重要であることを示しています。

あなたの会社がHITLを実装するべき理由

あなたのビジネスがHITLシステムを導入しようとしている場合、最も一般的な方法は、自動化ソフトウェアを使用することです。HITLアプローチをすでに組み込んだ自動化ソフトウェアが多数あります。つまり、プロセスがすでに考慮されています。

これらのシステムにより、会社はすぐに高いパフォーマンスを達成し、洞察を得ることができます。機械学習システムは、ほぼすべての業界で導入されており、開発者は、システムが変化するデータで適切に機能することを保証する必要があります。

HITLシステムを会社に導入する利点は多数あります。

• 意思決定プロセスの改善：HITLシステムは、透明性と一貫性を提供することで、会社の意思決定プロセスを改善します。また、トレーニングプロセスで人間のフィードバックを含めることで、偏りを防ぎます。

• 効率性の向上：HITLシステムは、従来の機械学習システムよりも一般的に効率的です。トレーニングとチューニングに必要な時間が短いため、洞察がより迅速に生成されます。

• 透明性：人間と機械の協力によるシステムは、機械学習モデル、動作方法、特定の決定に到達した理由について、より大きな透明性を提供します。説明可能性と説明責任は、今日のAIシステムにとって基本的な要素であり、HITLアプローチは大いに役立ちます。

HITLシステムの課題

人間と機械の協力によるシステムも、特定の課題を提起します。人間は間違いを犯す可能性があるため、人間を含むシステムは誤った可能性があります。これは、システムの有効性に大きな影響を及ぼす可能性があります。たとえば、人間がデータをラベル付けする際に間違いを犯すと、同じ間違いがシステム全体に伝播し、将来の問題を引き起こす可能性があります。

HITLシステムは、人間が意思決定プロセスに関与しているため、遅くなる可能性があります。AIとMLの成長の背後にある最大の理由の1つは、機械が人間よりもはるかに速いことですが、この速度は常にHITLシステムに翻訳されるわけではありません。

HITLシステムのもう1つの課題は、構築して維持するのに高額になる可能性があることです。機械に関連するコストに加えて、ビジネスは人間の労働力のコストも予算に組み込む必要があります。