これが解決されればビジネスが変わる。最新AI研究トレンド７選

アルゴリズムの公平性

──これはどういう問題なんですか？

遠藤　過去のデータが特定のグループに不利な内容を含んでいると、意図しなくても不公平な扱いになる、という問題です。

──ん？例えばどんな問題ですか？

遠藤　例えば、社長さんと秘書の写真をいっぱい集めてきてAIに学習させるとします。それで新しい写真を持ってきて学習済みのAIに見せて、その写真が社長か秘書かを予測させるわけです。そうすると、AIは男性の写真なら社長と答え、女性の写真なら秘書と答えるかもしれません。

──過去のデータは、男性の社長、女性の秘書というデータが圧倒的に多いからですね。

遠藤　そうなんです。女性社長の写真を見せても、AIは秘書と判断してしまう。

──もし社長への対応と秘書への対応が異なるようにプログラムされた執事ロボットがいるとしたら、女性社長に対して失礼な対応をしてしまうかもしれませんね。

遠藤　そうなんです。ほかにも検索エンジンで犯罪者の名前を検索すると、アフリカ系の場合犯罪歴の調査の広告が表示される。同じような犯罪を犯した人でも、アフリカ系苗字を持つ人のほうが目立ってしまうわけです。

──なるほど。では、この問題に対してどのような解決策がありますか？

遠藤　例えば人事採用AIだったら、公平性をアルゴリズムの中に入れてしまうわけです。もし人種や性別が不公平な結果につながるのであれば、人種や性別を考慮に入れないアルゴリズムにするということです。このほかにも、社会通念や法律をアルゴリズムに組み込もうという動きが盛んになってきています。

リアルタイム機械学習

遠藤　リアルタイム機械学習は、同じモデルを長年使っていると劣化してくるので、最新のデータを考慮してモデルを作り直す手法です。昔からある手法で、Amazonのレコメンデーションエンジンなどもこうした手法だと思います。

──新しいデータが出るたびに学習し直すのであれば、時間と電力がかかり過ぎませんか？

遠藤　ですので一からすべて学習し直さなくても、部分的にモデルを更新するような仕組みになっているわけです。

──継続的学習、リアルタイム機械学習が昔からある手法ということですが、昔からあるのにどうして今またホットな研究分野になっているわけですか？

遠藤　データの量、応用分野が増えてきているからでしょうね。より効率的にモデルをアップデートする手法が求められているのだと思います。

参考情報：ビッグデータ時代の機械学習アルゴリズム：オンライン学習