ガジェット通信 GetNews

見たことのないものを見に行こう
  • 俳優・中村倫也インタビュー「女子の周りから固める恋愛作成は逆効果な気がします(笑)」
  • 柄本佑が前田敦子を絶賛「“僕のあっちゃん、私のあっちゃん”にしたくなる魅力がある」
  • コムアイ(水曜日のカンパネラ)インタビュー「お風呂に入った猫がシュッと細くなってしまうところが情けなくて愛しい」
  • 『マイティ・ソー バトルロイヤル』女戦士・ヴァルキリーを熱演! 声優・沢城みゆき「ロキ様ファンの方お友達になってください!」
  • 性別や年代によって楽しみ方が変わる映画『妻ふり』 榮倉奈々&安田顕インタビュー
  • 『ジュマンジ』でタフな美女戦士を熱演! カレン・ギランの好きなゲームは「メガドライブ『ソニック・ザ・ヘッジホッグ3』」
  • 仲良し全開のフラッシュ&サイボーグを直撃! 自分がバットマンだったらスカウトしたいキャラは?
  • 『ブレードランナー 2049』ハリソン・フォードインタビュー「仕事は好きなんだ。役に立ちたい。チャレンジが好き」
  • 『ミッション:インポッシブル/フォール・アウト』サイモン・ペッグインタビュー「ベンジーがイーサンに唯一勝てる場所」とは?
  • 『レディ・プレイヤー1』キャストインタビューで判明!「実際にこの映画をテーマにしたゲームが発売予定だよ」
  • 『斉木楠雄のΨ難』インタビュー 佐藤二朗「橋本環奈が高校にいたら可愛すぎて男子は正気を保てないでしょ」
  • 『アントマン&ワスプ』エヴァンジェリン・リリーインタビュー「7歳の息子がワスプになりきっているのをこっそり見てしまったの!」
  • 『スター・ウォーズ/最後のジェダイ』でカイロ・レンはどうなっちゃうの? アダム・ドライヴァーを直撃!
  • 北野武からの出演オファーに「役者やってて良かった」 『アウトレイジ 最終章』池内博之インタビュー
  • 『パシフィック・リム:アップライジング』監督&ジョン・ボイエガに「ぼくのかんがえたさいきょうのかいじゅう」を見てもらった!
  • 窪塚洋介が明かす未体験への挑戦と驚き 映画『沈黙-サイレンス-』でハリウッドデビューを飾る

体験を伝える―『ガジェット通信』の考え方

面白いものを探しにいこう 本物を体験し体感しよう 会いたい人に会いに行こう 見たことのないものを見に行こう そしてそれをやわらかくみんなに伝えよう [→ガジェ通についてもっと詳しく] [→ガジェット通信フロアについて]

MITの研究グループがAIの推論プロセスを可視化!画像認識の精度が向上へ

複数のレイヤーから構成されるニューラルネットワーク。その推論プロセスを追うことは不可能で、入力から出力までの間のブラックボックスをいかに可視化するかが課題となっている。

こうしたなか、MIT Lincoln Laboratoryの研究チームは、人間のような推論プロセスを経るニューラルネットワークを開発。「TbD-net」と名づけられたこのモデルは、推論プロセスを視覚化し、人間による解釈を可能にする。

問題あるプロセスを見つけて人間によりチューニングすることも可能な、この画期的な技術について見ていこう。

・人間と同じようなプロセスで推論する

子供がさまざまな図のなかから大きな赤い円を見つけるよう求められたときには、まず大きなものを探し、 次に赤い大きなものを見つけ、最終的に大きな赤い円を選択…といった推論プロセスを経ている。MITによるTbD-netもまさにこれと同じことをする。

画像解釈に関する質問を受けると、AIが質問を解釈してサブタスクに分割。イメージの解釈には複数のコンピュータビジョンAIを使用する。

それぞれの解決に最適なモジュールを割り当て、工場の組立ラインのようにモジュールが構成して最終的な答えを出力する。

例えば、画像の中にある大きな金属のキューブはの色をたずねると、最初に大きなものを探すモジュール、次に金属を見分けるモジュール、色を識別するモジュール…の順に処理され最終的に答えとなる色を導き出すことがわかる。

・推論プロセスをヒートマップで表示

タスク処理されているときには、「アテンションマスク」により画像内の処理部分にヒートマップを表示する。これにより、AIがどのように画像を解釈しているかを知ることができる。

もし、自動運転技術で用いられるAIが人と標識を誤認識していたら、推論プロセスのどこに問題があるのかを知り修正することが重要だろう。

ただ、推論プロセスが説明できるAIではどうしてもパフォーマンスが犠牲になっていた。対してTbD-netでは、パフォーマンスを落とさずして推論プロセスの可視化を達成している。

実験では、7万のトレーニング画像と70万の質問からなる質問応答データセットからモデルを作成。1万5000の画像と15万の質問のデータセットでテストした結果、認識精度98.7%と、他のニューラルネットワークと比較しても優れていた。

さらには、問題点の可視化を利用してモデルを洗練することにより、99.1%という認識精度をたたきだしたとのこと。

複雑な現実のタスクに取り組むにあたっては、人間がアルゴリズムを調整しながらシステムを構築していく必要がある。モデルが間違っているかが理解できる手法は必須となるだろう。

参照元:Artificial intelligence system uses transparent, human-like reasoning to solve problems/MIT News

Techableの記事一覧をみる
  • 誤字を発見した方はこちらからご連絡ください。
  • ガジェット通信編集部への情報提供はこちらから
  • 記事内の筆者見解は明示のない限りガジェット通信を代表するものではありません。

山寺宏一&高木渉で『ポプテピピック』

GetNews girl / GetNews boy