人工知能（AI）を訓練する手法のこと。コンピューターにデータを読み込ませて、アルゴリズムに基づいて分析させる。コンピューターは入力された大量のデータを事例として反復的に学び、そこから見つけ出された特徴やパターンを新しいデータにも適用することで新しいデータ予測や分析を行うことが可能になる。
人工知能（AI）活用における機械学習の位置付け
AIとは、ソフトウェアを用いて人間と同様の振る舞いを人工的に再現するものである。コンピューターは多くのデータに触れる中でさまざまなパターンや特徴を学び、それに順応することで、より人間らしくタスクを実行できるようになる。近年、人々の生活に身近な活用例が増えており注目されている市場である。
このAIを育成する手法を総じて機械学習と言い、以下の３つに大別できる。
１「教師あり学習（Supervised Learning）」
「入力データ」と「正解データ」がセットになった訓練データを用いる学習手法である。コンピューターは、人間が投入した大量の「入力データ」と「正解データ」からそれらの特徴を読み取り、正解パターンを学習する。
例：画像認識による花や動物の名前の分類
２「教師なし学習（Unsupervised Learning）」
ラベリングされていないデータから、コンピューター自身が共通点や特徴をもとに分類し訓練する学習方法である。教師あり学習とは違い「正解」がない。
例：過去の購入傾向に基づく顧客データのセグメンテーション
３「強化学習（Reinforcement Learning）」
教師あり学習の一部で、コンピューターが出力した答えに点数をつけることで、より価値の高い回答を覚えるように訓練させる学習方法である。
例：囲碁や将棋などのゲーム対戦、株の売買
機械学習における課題
AIの活用は目新しいサービスとは限らず、既存サービスの発展にも大いに役立てられている。
機械学習がAIを育成する手法である以上、その学習精度がサービスの品質に直結することは言うまでもない。たとえば自動運転車では走行中にセンサーで取り込んだ画像データの正確な判別、その物体の動きを予測した判断、さらに周辺の車や道路上のセンサーから受け取ったデータの解析などの複雑な働きをAIが担う。安全な自動走行を実現するには、大量の車載カメラの画像データを瞬時にかつ「正しく」解析して車をコントロールできることが必要不可欠である。
しかし、そのAIを育てる機械学習で用いられるデータには「機械的な判別」が難しいものが混在していることも多く、機械学習をより効率的かつ精度を高く行うことが課題となっている。したがって近年、前処理におけるアノテーション、特に「人による判断」でその分類や整備を補完する取り組みが重視されている。
こうした市場のニーズに応えるため、アディッシュではインターネットモニタリングサービスで培ったノウハウと経験を生かしたアノテーション業務の代行サービスを実施しています。詳しく知りたい方はお気軽にご相談ください。
