コンピュータービジョンで使われるAI学習手法の種類

機械学習は、詳細なタスク別プログラミングを必要とせず、コンピューターがデータから学習し、自ら判断できるようにする人工知能（AI）の一種です。データ内のパターンを特定できるアルゴリズムモデルを作成します。データ内のパターンを特定して学習することで、これらのアルゴリズムは時間とともに性能を徐々に向上させることができます。

機械学習が重要な役割を果たす分野の1つが、視覚データに焦点を当てたAIの分野であるコンピュータービジョンです。コンピュータービジョンは機械学習を使って、コンピューターが画像や動画内のパターンを検出し認識できるようにします。機械学習の進歩を背景に、コンピュータービジョンの世界市場の価値は、2032年までに約1,757億2,000万ドルに達すると推定されています。

この記事では、教師あり学習、教師なし学習、強化学習、転移学習など、コンピュータービジョンで使われるさまざまな機械学習の種類を取り上げ、それぞれがさまざまな用途で果たす役割を解説します。

コンピュータービジョンにおける機械学習の概要#

コンピュータービジョンは、視覚情報を解釈・分析するために、特にディープラーニングやニューラルネットワークなどの機械学習技術に依存しています。これらの手法により、コンピューターは画像内の物体検出、カテゴリ別の画像分類、顔認識などのコンピュータービジョンタスクを実行できます。機械学習は、製造業における品質管理や医療における医用画像処理など、リアルタイムのコンピュータービジョンアプリケーションにも不可欠です。こうした場面で、ニューラルネットワークは、脳スキャンを分析して腫瘍を検出するなど、複雑な視覚データをコンピューターが解釈できるようにします。

実際、Ultralytics YOLO11のような多くの高度なコンピュータービジョンモデルは、ニューラルネットワークを基盤に構築されています。

図1. Ultralytics YOLO11を使用した脳スキャンのセグメンテーション。

機械学習には、教師あり学習、教師なし学習、強化学習、転移学習など、コンピュータービジョンで可能なことを形作るさまざまな学習方法があります。以下のセクションでは、それぞれの方法について詳しく見ていき、コンピュータービジョンにどのように貢献するかを解説します。

教師あり学習を詳しく見る#

教師あり学習は、最も広く利用されている機械学習の種類です。教師あり学習では、ラベル付きデータを使ってモデルをトレーニングします。各入力には正しい出力のタグが付けられており、モデルの学習に役立ちます。生徒が教師から学ぶのと同じように、このラベル付きデータがガイドや教師の役割を果たします。

トレーニング中、モデルには入力データ（処理する必要がある情報）と出力データ（正解）の両方が与えられます。この構成によって、モデルは入力と出力の関係を学習できます。教師あり学習の主な目的は、各入力と正しい出力を正確に結び付けるルールやパターンをモデルが見つけることです。この対応関係を学習することで、モデルは新しいデータに遭遇したときに正確な予測を行えます。たとえば、コンピュータービジョンの顔認識では、学習したパターンに基づいて顔を識別するために教師あり学習が利用されます。

この一般的な用途の一つが、顔認識を使ったスマートフォンのロック解除です。モデルは顔のラベル付き画像を使ってトレーニングされるため、スマートフォンのロックを解除するとき、ライブ画像と学習済みの情報を照合します。一致を検出すると、スマートフォンのロックが解除されます。

図2. 顔認識をスマートフォンのロック解除に利用できます。

AIにおける教師なし学習の仕組み#

教師なし学習は、ラベルのないデータを使用する機械学習の一種です。学習中、モデルには指針や正解が与えられません。その代わり、モデル自身がパターンや洞察を見つける方法を学びます。

教師なし学習では、主に次の3つの方法を使ってパターンを特定します。

• クラスタリング：類似したデータポイントをまとめます。類似する顧客を行動や属性に基づいて分類する顧客セグメンテーションなどのタスクに役立ちます。
• アソシエーション：アイテム間の関係を特定し、データ内のつながりを見つけるために使用されます（たとえば、一般的なデータマイニング手法であるマーケットバスケット分析で、一緒に購入されることの多い商品を見つけます）。
• 次元削減：冗長な特徴量を取り除いてデータセットを簡素化し、可視化や処理を容易にします。

教師なし学習の主要な用途の一つは画像圧縮です。k-meansクラスタリングなどの手法を使うと、画質を損なわずに画像のサイズを小さくできます。ピクセルをクラスタにまとめ、各クラスタを平均色で表現することで、色数とファイルサイズを抑えた画像を生成します。

図3. 教師なし学習による画像圧縮の例。

ただし、教師なし学習には一定の制約があります。あらかじめ定められた正解がないため、精度や性能の評価が難しい場合があります。多くの場合、結果を解釈してグループにラベルを付けるには手作業が必要です。また、欠損値やノイズなどの問題に敏感で、結果の品質に影響することがあります。

強化学習の概要#

教師あり学習や教師なし学習とは異なり、強化学習は学習データに依存しません。その代わり、ニューラルネットワークのエージェントが環境と相互作用し、特定の目標を達成します。

このプロセスは、主に次の3つの要素で構成されます。

• エージェント: 学習者または意思決定者です。
• 環境: エージェントが相互作用するすべてのものです。実環境の場合も仮想環境の場合もあります。
• 報酬信号: 各アクションの後に与えられる数値で、エージェントを目標に導きます。

エージェントがアクションを実行すると環境に影響し、環境からフィードバックが返されます。このフィードバックによって、エージェントは選択を評価し、行動を調整できます。報酬信号は、目標達成に近づくアクションをエージェントが把握するのに役立ちます。

強化学習は、自動運転やロボティクスなどのユースケースで重要です。自動運転では、車両制御、物体検出、障害物回避などのタスクをフィードバックから学習します。モデルはニューラルネットワークエージェントを使ってトレーニングされ、歩行者やその他の物体を検出し、衝突を回避するために適切な行動を取ります。同様に、ロボティクスでは強化学習によって、物体操作や移動制御などのタスクを実行できます。

強化学習のよく知られた実例として、OpenAIのプロジェクトがあります。このプロジェクトでは、研究者がAIエージェントをトレーニングし、人気のマルチプレイヤービデオゲーム「Dota 2」をプレイさせました。ニューラルネットワークを使ったエージェントは、ゲーム環境から大量の情報を処理して、迅速かつ戦略的な判断を下しました。継続的なフィードバックを通じてエージェントは学習し、時間とともに能力を向上させ、最終的にはゲームのトッププレイヤーの一部に勝てるほどのスキルを身に付けました。

図4. Dota Matrixの解釈における人間とAIの比較。

転移学習の基礎を理解する#

転移学習は、ほかの学習方法とは異なります。モデルをゼロからトレーニングするのではなく、大規模なデータセットで事前トレーニングされたモデルを、新しい関連タスク向けにファインチューニングします。初期トレーニングで得た知識を利用して、新しいタスクでの性能を向上させます。転移学習を使うと、新しいタスクの複雑さに応じて、トレーニングに必要な時間を短縮できます。モデルの一般的な特徴を捉える初期レイヤーを維持し、最終レイヤーを新しいタスク用のレイヤーに置き換えることで機能します。

芸術的なスタイル転送は、コンピュータービジョンにおける転移学習の興味深い応用例です。この手法を使うと、モデルは画像をさまざまな芸術作品のスタイルに合わせて変換できます。これを実現するため、まず芸術的なスタイルと画像を組み合わせた大規模なデータセットでニューラルネットワークをトレーニングします。このプロセスを通じて、モデルは一般的な画像特徴とスタイルのパターンを識別する方法を学習します。

モデルの学習後、特定の絵画のスタイルを新しい画像に適用できるようにファインチューニングできます。ネットワークは学習済みのスタイル特徴を保ちながら新しい画像に適応し、元の内容と選択した芸術的スタイルを組み合わせた独自の結果を生成します。たとえば、山並みの写真にエドヴァルド・ムンクの叫びのスタイルを適用すると、風景を捉えながら、絵画の大胆で表現力豊かなスタイルを反映した画像になります。

図5. 転移学習を使った芸術的スタイル変換の例。

機械学習の種類ごとの違いを比較する#

機械学習の主な種類を確認したところで、用途ごとに最適な方法を理解できるよう、それぞれを詳しく見ていきましょう。

• 教師あり学習: ラベル付きデータを使う場合は非常に高い精度を実現できますが、大量のデータが必要で、ノイズの影響を受けやすい場合があります。
• 教師なし学習: ラベルのないデータを調べて隠れたパターンを見つけるのに役立ちますが、結果の精度が低く、解釈が難しい場合があります。
• 強化学習: 複雑な環境で段階的に判断するエージェントを学習させますが、多くの場合、大きな計算能力が必要です。
• 転移学習: 事前学習済みモデルを活用し、学習を速めて新しいタスクの性能を向上させる方法です。特にデータが限られている場合に効果的です。

図6. 機械学習の種類の比較。画像提供者: 著者。

適切な機械学習の種類は、いくつかの要因に応じて選びます。ラベル付きデータが豊富にあり、タスクが明確な場合は教師あり学習が適しています。教師なし学習は、データを探索する場合や、ラベル付きの例が少ない場合に役立ちます。強化学習は段階的な意思決定を必要とする複雑なタスクに適しており、転移学習はデータが限られている場合やリソースに制約がある場合に有効です。こうした要因を考慮すれば、最適なアプローチをコンピュータービジョンプロジェクトに選べます。

まとめ#

機械学習の手法は、特にコンピュータービジョンなど、さまざまな分野の課題に対応できます。教師あり学習、教師なし学習、強化学習、転移学習など、それぞれの種類を理解することで、ニーズに合った方法を選択できます。

教師あり学習は高い精度が求められ、ラベル付きデータがあるタスクに適しています。一方、教師なし学習はラベルのないデータからパターンを見つけるのに適しています。強化学習は複雑な意思決定環境で効果を発揮し、転移学習は限られたデータで事前学習済みモデルを活用したい場合に役立ちます。

顔認識、ロボティクス、芸術的なスタイル変換など、それぞれの手法には独自の強みと活用例があります。適切な種類を選ぶことで、医療、自動車、エンターテインメントなど、さまざまな業界で新たな可能性が広がります。

詳しくは、GitHubリポジトリをご覧いただき、コミュニティにご参加ください。ソリューションページでは、自動運転車と農業におけるAIの活用例をご紹介しています。