アクティブ・ラーニング

能動学習は機械学習の中でも特殊なアプローチであり、アルゴリズムが対話的にデータソースに問い合わせを行い、新しいデータポイントに対して望ましい出力を得るものである。この手法は、手作業によるラベル付けが現実的でない、あるいはコストがかかる、ラベル付けされていない大規模なデータセットを扱う場合に特に有用である。どのデータ・ポイントにラベルを付けるかを戦略的に選択することで、能動学習は従来の教師あり学習法に比べて少ないラベル付け例で高いモデル精度を達成することを目指す。ラベル付けにかかるコストを削減し、重要なデータ点に集中することで精度を高めることができる。

コア・コンセプトと方法論

能動学習では、モデルは少数のラベル付きデータセットから開始し、オラクル（例えば人間の注釈者）によってラベル付けのために最も情報量の多いデータ点を繰り返し選択する。その後、モデルは新たにラベル付けされたデータに対して再学習を行い、反復するごとに性能を向上させる。このプロセスは、所望の精度レベルに達するか、ラベリング予算がなくなるまで続けられる。

効果的なアクティブ・ラーニングの鍵は、ラベリングのためにデータ・ポイントを選択する際の戦略にある。一般的な戦略には次のようなものがある：

• 不確実性サンプリング：モデルは予測に最も自信のないデータ点を選択する。例えば、分類タスクでは、モデルは決定境界に近い確率のデータポイントを選ぶかもしれない。
• 委員会によるクエリー：多様なモデルからなる委員会がラベル付けされたデータ上で学習され、委員会メンバーの意見が最も一致しないデータポイントがラベル付けのために選択される。このアプローチは、不確実性の高い領域に焦点を当てることで、モデルの分散を減らすことを目的としている。
• 期待されるモデルの変化：モデルは、ラベルが既知である場合に、モデルのパラメータに最大の変化を引き起こすと予想されるデータポイントを選択する。この戦略は、ラベル付けされた各例からの情報利得を最大化することを目的とする。
• 期待されるエラー削減：モデルは、全体的な予測誤差を最も減少させると予想されるデータポイントを選択します。このアプローチは、未知のデータに対するモデルのパフォーマンスを向上させることを直接目標としています。
• 分散削減：この手法は、基礎となるデータ分布を代表するデータ・ポイントを選択することによって、モデルの予測値の分散を削減することに重点を置く。

アクティブ・ラーニングと他の学習パラダイムの比較

能動学習は、教師あり学習、教師なし学習、半教師あり学習といった他の機械学習アプローチとは大きく異なる。教師あり学習では、モデルは固定されたラベル付きデータセットで学習されるが、教師なし学習では、モデルはラベルなしデータから学習する。半教師付き学習では、ラベル付きデータとラベルなしデータの組み合わせを使用するが、能動学習とは異なり、能動的にラベルを問い合わせることはない。

能動学習は、ラベル付けされたデータが乏しかったり、入手にコストがかかったりする場合に特に有利である。このため、データのラベリングがボトルネックとなるようなシナリオでは、貴重な手法となる。

実世界での応用

アクティブ・ラーニングは、以下のようなさまざまな領域で応用されている：

• 画像とビデオの分類能動学習は、画像やビデオの分類タスクのモデルを効率的に学習するために使用できる。例えば、医療画像のシナリオでは、能動学習システムは、放射線技師がラベル付けするために最も有益な医療画像を選択することができ、診断精度を向上させながら、ラベル付けの負担を軽減することができます。ヘルスケアにおけるビジョンAIの詳細については、Ultralytics のウェブサイトをご覧ください。
• 自然言語処理：能動学習は、テキスト分類、名前付きエンティティ認識、センチメント分析などのタスクに適用できる。最も情報量の多いテキストサンプルを選択的にラベル付けすることで、能動学習はラベル付けされたデータが少ない自然言語処理モデルのパフォーマンスを向上させることができる。詳しくは、自然言語処理（NLP）をご覧ください。
• 音声認識：能動学習は、最も困難な音声サンプルを選んで書き写すことで、音声認識モデルの訓練に使用できます。このアプローチにより、アクセント、ノイズ、話し方のバリエーションに対するモデルのロバスト性を向上させることができる。

使用例

1. 自律走行： 自動運転車の開発において、能動学習は、リアルタイムのビデオストリーム中の歩行者、車両、その他の物体を識別する物体検出モデルの学習に使用できる。能動学習システムは、最も曖昧なフレームや難易度の高いフレームを手動注釈用に選択することができ、多様で安全性が重要な状況でモデルが良好に動作することを保証する。
2. 製造品質管理：能動学習は、製造された製品の欠陥を検出するモデルを訓練するために採用することができる。欠陥の可能性がある製品の画像に選択的にラベル付けすることで、能動学習システムは最小限のラベル付け作業で高精度の欠陥検出モデルを構築し、検査コストの削減と製品品質の向上を支援します。製造業におけるAIの詳細については、こちらをご覧ください。

ツールとフレームワーク

アクティブ・ラーニングを実施するためのツールやフレームワークはいくつかある：

• modAL:Python3用の能動学習フレームワークで、モジュール式で拡張できるように設計されています。様々な能動学習ストラテジーをサポートし、scikit-learnモデルと簡単に統合できる。
• libact： Python プールベースの能動学習シナリオをサポートする能動学習用ライブラリ。様々なクエリーストラテジーを提供し、ユーザーがカスタムストラテジーを定義することもできる。
• ALiPy： Python 能動学習のためのツールボックスで、幅広い戦略を提供し、プールベースとストリームベースの両方の能動学習をサポートする。

結論

能動学習は、限られたラベル付きデータで機械学習モデルを学習するための強力な手法である。最も情報量の多いデータ点を戦略的に選択してラベリングすることで、能動学習はデータのラベリングに関連するコストと労力を削減しながら、高い精度を達成することができる。このアプローチは、コンピュータビジョン（CV）、自然言語処理、音声認識など、様々な領域で応用されている。ラベル付けされていないデータの量が増え続ける中、能動学習は効率的かつ効果的な機械学習を可能にする上で、ますます重要な役割を果たすだろう。最先端のAIソリューションに関する詳細については、Ultralytics ブログをご覧ください。Ultralytics YOLO のカスタムモデルをトレーニングするためのノーコード・プラットフォームであるUltralytics HUB を使って、モデルのトレーニングを始めることができます。