AIのためのベイジアンブースト：研究者らがコンピューターをより速く学習させる方法を発見
アラン・ボイル著
研究者らは、機械学習に従来必要とされる何千もの例ではなく、たった一つの例を使ってコンピューターに新しい概念を教えることができるアルゴリズムを開発したと述べている。
このアルゴリズムは、研究者たちが「ベイズ計画学習」（BPL）と呼ぶ確率的アプローチを活用しています。基本的に、コンピューターは独自の追加例を生成し、その中からパターンに最も適合するものを決定します。
BPLの研究者たちは、子供が馬を認識する場合や整備士がヘッドガスケットを交換する場合など、人間が一度見ただけで新しいタスクを理解する方法を再現しようとしていると述べている。
「機械学習と人間の学習能力の差は依然として大きい」と、本日サイエンス誌に掲載された研究論文の著者の一人であるMITのジョシュア・テネンバウム氏は述べた。「私たちはその差を埋めたいと思っており、それが長期的な目標です。」
テネンバウム氏と2人の同僚、ニューヨーク大学のブレンデン・レイク氏とトロント大学のルスラン・サラクディノフ氏は、サンスクリット語やチベット語を含む50の表記体系から抽出した1,623の手書き文字のデータベースでこのアルゴリズムを動作させてテストした。
https://www.youtube.com/watch?v=shT-dFKU2WA
ソフトウェアは、文字の各サンプルを、その文字を表現できるより単純なストロークのセットに分解し、最も適切な見た目を表現するのに最も近かったセットに焦点を絞りました。BPLアルゴリズムには、サンプルと同じスタイルで書かれた全く新しい文字を作成することも求められました。
コンピュータの精度を測るため、研究者たちは「視覚チューリングテスト」と呼ばれるテストを実施した。これは、様々な人間が描いた文字と、同数のコンピュータが描いた文字を並べて配置し、人間の審査員にどちらが正しいか判断してもらうというものだ。
各回のテスト中、人間が書いた文字と機械が書いた文字を正しく識別することに関しては、偶然よりも著しく優れた成績を収めた審査員は 25% 以下でした。
研究者たちは、BPLアプローチは「分類タスクにおいて人間レベルの精度でワンショット学習を実行でき、より創造的な能力を測る視覚的なチューリングテストではほとんどの審査員を欺くことができる」と結論付けました。しかし、彼らは実験の限界も認めています。文字の分類は比較的単純なタスクでしたが、コンピューターがアルゴリズムを実行するのに数分かかることもあったとレイク氏は述べています。
アルゴリズムが改良されれば、次世代スマートフォンの音声認識システムに組み込むことができると、テネンバウム氏はGeekWireに語った。「新しい単語を初めてでも非常に速く学習できるシステムが欲しいなら、私たちがここで開発してきたようなアプローチを使うのが最適だと考えています」と彼は述べた。
