新着Pick
77Picks
Pick に失敗しました

人気 Picker
MITのProf. Antonio Torralbaという、画像認識・処理の分野で超有名な研究者がいます。

「多分世界で一番アノテーションをしてきて、一番スキルを持っているのはうちの母。なぜなら自分たちが依頼するから」といつも豪語されています。下記はその裏話的なエッセイ。Fig. 2に登場するのが氏のスペインに住むお母様。

Notes on image annotation
http://people.csail.mit.edu/torralba/publications/memories.pdf


(追記)
アノテーションが大変かつ、今後は現実的でないこともわかっているのでいまはself-supervised, semi-supervised, weakly-supervised, zero/few-shot learningが注目を集めています。

self-supervisedは自分の手元にあるデータで正解も自分で作ってしまう手法。例えば、超解像AIを作るときに、手元にある画像を縮小して、縮小した画像を元の大きさに戻す学習をさせたあと、元画像に適用して超解像化するなど。

semi-supervisedは一部のデータにのみラベルが振られていて、その他多数にはラベルがないというもの。

weakly-supervisedは中途半端なラベルのみがついているもの。例えば、物体検出のラベルとしては位置と物体名が必要ですが、物体名だけがわかっていて位置がわからないなど。

zero/few-shotは構造化された知識(例えば猫もライオンも同じネコ科であるなど)や画像を扱うのだけど予備知識を文書から得るようなアプローチ。

特にself-supervisedはCVPR19でLuCan先生が、AAAI20でHinton先生が「今後のAIの方向性だ」と述べたこともあり、とても注目を集めています。
AIの学習のための正解・不正解を判断する業務を青森のシルバー人材が担うという話。定年退職後でもまだまだがんがん働ける人材が山のようにいます。そういった方がスタートアップ企業で活躍されるというのはとても意義があるので、今後広がってほしいです。

”それこそ、今後増えてきそうなAI活用。その反面、足りないAI人材。この部分を解消できるのがシルバー人材なのかもしれない。また、オフショアではなかなか難しい「日本語」という部分も問題ないので、携わる人が“win”になるような取り組みだ。”
山崎先生も書かれた半教師付きや弱教師付きで学習させるには、効率的にアノテーションすることで学習速度が飛躍的に向上します。

アノテーションと言うと単純作業の繰り返しに見えますが、将来的には学習を促す「AIトレーナー」と呼ばれ、もっと仕事の幅が広がるはずです。
地方の高齢者向けの医療にAIを活用したりするだろうから、こういったデータを積極的に集めることも重要なんだろうね。