AIアノテーションが注目を集めています。
プログラミングは人の手で行っていましたが、現在は機械学習で間接的にプログラミングができるようになっています。
AIが普及してデータ入力が楽になり、原理がわからなくても高度な認識や判断が可能です。
機械学習ではプログラムがいかに正確かはデータの質と量で決まります。
正確なプログラムを実現するためにはデータが非常に重要です。
機械学習の中で特に注目を集めているのがディープラーニングと呼ばれているもので、データの量が重要になります。
正確なデータを収集するのは難しいため、AI開発も難しくなっています。
最近はディープラーニングの世界で優れた業績を残す企業が次々と登場していますが、成功している企業は充分なコミュニケーションの上で正確にアノテーションを行っています。
アノテーションというのは、画像などのデータにラベルをつけて教師データにすることです。
データはそのままでは使えないので、ラベルをつけます。
ラベルをつけ、ラベルと対になったデータを大量に学習すればディープラーニングを効率よく使うことができます。
アノテーションは簡単そうに見えますが、とても地味な作業になります。
それぞれが違うラベルをつけてしまうとディープラーニングを使っても正しい予測や判断ができなくなるので、丁寧な作業が必要です。
AIにとっては地味で簡単な作業であっても重要な作業になります。
アノテーションでは技術力が大切ですが、技術力には見えない差があります。
楽に見える作業であっても実際にやってみると難しい作業です。
ただ単に画像に写っているものを枠で囲むような作業であっても例外がでてきます。
その例外をどのように取り扱うかをルール化する必要があります。
いい加減なルールだと精度に問題がでるので、しっかりとしたルールを設けます。
アノテーションでは現実世界を観察して何が実際に起こっているかを学ぶことが大切です。