Facebookの新しいAIは人間の助けを少なくして視覚を学習する

人工知能の多くは、依然として人間の労力の上に構築されています。AIアルゴリズムの中身を覗いてみると、大勢の人間の労働者によってキュレーションされ、ラベル付けされたデータを使って構築されていることがわかります。

Facebookは今回、AIアルゴリズムが人間の助けをほとんど必要とせずに、有用な仕事を学習できることを示した。同社は、ラベルの助けをほとんど必要とせずに画像内の物体を認識するアルゴリズムを構築した。

Facebookのアルゴリズム「Seer」（SElf-supERvisedの略）は、Instagramから収集した10億枚以上の画像を入力として、どの物体が似ているかを自ら判断しました。例えば、ひげ、毛皮、尖った耳などの画像は一つの山に集められました。その後、このアルゴリズムは少数のラベル付き画像（中には「猫」とラベル付けされたものも）を受け取りました。すると、Seerは各物体について数千のラベル付き画像を用いて学習させたアルゴリズムと同等の画像を認識できるようになりました。

「結果は素晴らしいものです」と、プリンストン大学でAIとコンピュータービジョンを専門とする助教授オルガ・ルサコフスキー氏は語る。「自己教師学習を機能させるのは非常に困難であり、この分野におけるブレークスルーは、視覚認識の向上に重要な影響を与えるでしょう。」

ルサコフスキー氏は、インスタグラムの画像が自主学習を容易にするために厳選されたものではないことは注目に値すると述べている。

Facebookの主任科学者ヤン・ルカン氏は、Facebookの研究は「自己教師学習」として知られるAIアプローチにとって画期的なものだと言う。

ルカン氏は、大規模な人工ニューラルネットワークにデータを入力するディープラーニングと呼ばれる機械学習手法の先駆者です。約10年前、ディープラーニングは、画像分類や音声認識など、あらゆる有用な処理を機械にプログラムするためのより優れた方法として登場しました。

しかし、ルカン氏は、大量のラベル付きデータを入力することでアルゴリズムを「訓練」する必要がある従来のアプローチは、単純にスケールしないと述べています。「私は長年、自己教師学習という考え方を提唱してきました」と彼は言います。「長期的には、AIの進歩は、一日中ビデオを見て赤ちゃんのように学習するプログラムから生まれるでしょう。」

ルカン氏は、自己教師学習は多くの有用な応用が期待できると述べています。例えば、大量のスキャン画像やX線写真にラベルを付ける必要がなく、医療画像の解読学習などです。同様のアプローチは既にInstagramの画像にハッシュタグを自動生成するのに利用されていると彼は言います。また、Seerの技術はFacebookで、投稿と広告のマッチングや、望ましくないコンテンツのフィルタリングに活用できる可能性があると述べています。