AIとデータサイエンスで女性を支援することが重要な理由

企業は、プロセスを簡素化するために、これまで以上の速さで人工知能を導入しています。たとえば、AIはカスタマーサービス業務の自動化、医師による病気の診断、検索エンジンの検索結果の改善、自動運転車の制御などに活用できます。活用例はほかにも数多くあります。

AIが日常生活に広く浸透するにつれて、テクノロジーにおける多様性と包摂性の問題が大きな懸念として残っています。特に、性別データの欠落を含め、データサイエンスやAI分野で女性が継続的に十分に代表されていないことにより、技術製品やアルゴリズムシステムにバイアスが組み込まれ、増幅され、有害なフィードバックループが生じています。

「真に多様性を実現するには、異なる考え方を持つ人々をAI分野に迎え入れる必要があります。」 Kay Firth-Butterfield AI・機械学習責任者、経営委員会メンバー

AIは、女性が大きな成功を収められる分野の一つです。特に、業界への女性の参加を適切に後押しすることが重要です。

データサイエンスと機械学習に熱心に取り組むLians Wanjikuをご紹介します。彼女がデータサイエンスの道に進んだ経験をたどり、若い女性がテクノロジー分野に加わるきっかけをお届けします。

Liansは、ケニアのデダン・キマティ工科大学にあるデータサイエンスセンターの最終学年の学生で、リサーチアシスタントのインターンも務めています。

データからインサイトを簡単に抽出できることに気づき、Liansは機械学習に興味を持ちました。約1年前にデータサイエンスのコミュニティに参加し、キャリアとして追求することに強い関心を寄せています。Liansにとって、データサイエンスとAIが未来を切り開く様子は驚くべきものです。

動物種の検出に使うUltralytics YOLOv5#

LiansがYOLOv5を使い始めたのは、ほんの数カ月前です！さまざまな動物種の画像を扱うプロジェクトで、物体検出モデルとしてYOLOv5を使う主な目的は、学校の保護区にいる動物種を分類することでした。プロジェクトの後半で、分類後にモデルがすべての画像に自動でアノテーションを付けられることに気づきました。これにより、画像のアノテーションにかかる人的作業を減らし、時間を節約できます。

Liansは当初、PyTorchの知識とスキルを身につける必要があったため、TFODやYOLOv3など、ほかの事前学習済み物体検出モデルも試しました。しかし、調査を通じてUltralytics YOLOv5を知ると、すぐに導入しました。Liansによると、このモデルは軽量で使いやすく、最高の精度を実現するため、最も優れたパフォーマンスを発揮します。

「最も良い点は、わずか数行のコードですぐに始められることです！」

Ultralytics YOLOv5の価値#

• データ拡張
• 推論速度
• モデルには複数のバリエーション（s、m、l、x）があり、それぞれ検出精度と性能が異なるため、彼女にとって使いやすいものでした。

Liansは、この分野に初めて取り組む方にUltralytics YOLOv5を勧めています。彼女の言葉を借りると、「YOLOv5は物体検出のために構築されているので、その役割を得意としています！必要な処理やコードが少ないため、YOLOは速度と精度に優れた、最もよく知られた物体検出アルゴリズムの一つです。」

LiansはGitHubで共同プロジェクトへの参加を歓迎しており、Twitterでの会話にも応じています。また、取り組んでいるプロジェクトについての記事も公開しています。こちらの記事をご覧ください：YOLOv5による物体検出入門！

シマウマとインパラの両方が映った動画に物体検出モデルを適用しました……。この視点から考えると、キッチンに戻って、さらにデータを使ってモデルを完成させる必要がありそうです。 #100daysofcoding @ultralytics #objectdetection @WomenInDataAfri

— lian.s (@lians_) 2022年11月29日

Liansの経験についてお読みいただき、ありがとうございます。Ultralyticsは、この分野にさらに多くの女性が加わることを楽しみにしています。今後も、誰もがAIをより簡単に活用できるよう取り組んでいきます。ぜひご期待ください！