世界中でAIが注目されていますが、日本でもAIの活用が進んでいます。 最近はアノテーションも話題です。 アノテーションとはタグ付けをすることを意味します。 日本人の感覚でタグ付けすることで独自のモデルができます。 データに対して具体的に意味をタグ付けすることで、データから読み取る情報を明確に伝えることができます。 アノテーションに間違いが多くなるとモデルの学習や評価にも悪影響を及ぼします。 データの収集は非常に重要なプロセスになります。 アノテーションが重要である理由は、データから読み取る内容の明確化です。 アノテーションは地味な作業になります。 機械学習の分野では教師ありデータと教師なしデータから学習する方法があります。 少量のアノテーションでも学習は可能ですが、大量の教師ありデータの方が有利です。 大量のアノテーションだけでも不足で、他の方法で精度を上げる研究が進められています。 正確さを確実に改善するためには正しいデータが大量に必要になりますが、ノイズが小さいほど精度が高くなります。 よくあるデータを組み合わせて意味づけをするアノテーションを行い、利用価値の高いデータにする手法もあります。 バッグの画像があったとするとバッグの商品名やブランド、用途などのデータに購買情報などを組み合わせます。 するとバッグを購入した人の属性や購入者が過去に買っているものなどのデータも付け加えることができます。 ありふれたデータであっても付加情報を付け加えていくことで精度の高いデータに変えることが可能になります。 データを組み合わせて上手にビジネスに利用すれば、収益を上げることにもつながります。 企業は自社が持っているデータだけでなく他の企業が持っている様々なデータを組み合わせることで新しい価値を生み出すことができます。 オープンにして組み合わせることで業界全体の底上げが可能になります。 最近は技術が向上したことでデータ化が楽になっているので、AIを活用しやすくなっています。