AIとデータサイエンスにおいて女性の活躍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の支援、検索エンジンの結果の改善、自動運転車の制御などに利用できます。ほかにも数え切れないほどの用途があります。

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インクルージョンの問題は、依然として重要な懸念事項です。特に、ジェンダーデータのギャップを含む、データサイエンスとAIにおける女性の継続的な過少代表は、技術製品やアルゴリズムシステムにおけるバイアスの組み込みと増幅につながり、有害なフィードバックループを生み出します。

「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の分野に迎え入れる必要があります。」 Kay Firth-Butterfield AI・機械学習責任者兼執行委員会メンバー

AIは、特に業界への女性の参加を適切に後押しできれば、女性が大きな成功を収められる分野の一つです。

データサイエンスと機械学習に情熱を注ぐLians Wanjikuをご紹介します。ここでは、彼女がデータサイエンスの道に進んだ歩みをたどり、若い女性たちがテクノロジー分野に参加するきっかけを提供します。

Liansは、ケニアのDedan Kimathi University of Technologyにあるデータサイエンスセンターで、最終学年の学生として研究アシスタントのインターンをしています。

データからインサイトを抽出することがいかに簡単かに気づいたLiansは、機械学習に興味を持つようになりました。約1年前にデータサイエンス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持っています。Liansにとって、データサイエンスとAIが未来を切り開いていくことは驚くべきことです。

動物種の検出に使用するUltralytics YOLOv5#

LiansがYOLOv5を使い始めたのは、わずか数か月前です！さまざまな動物種の画像を扱い、物体検出モデルとしてYOLOv5を使用する主な目的は、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必要な人手を減らし、時間を節約できます。

Liansは、当初PyTorchに関する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を見つけると、すぐに実装しました。Liansにとって、このモデルは軽量で、使いやすく、最高の精度を提供するため、最も優れた性能を発揮します。

「最も良い点は、ほんの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
• モデルが複数のバリエーション（s、m、l、x）で利用でき、それぞれ検出精度と性能が異なることも、彼女にとって扱いやすい点でした。

Liansは、この分野を初めて学ぶ人にUltralytics YOLOv5をすすめています。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！実行する処理が少なく、記述するコードも少ないため、YOLOは速度と精度によって、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でコラボレーションを受け付けており、Twitterでのチャットにも対応しています。また、取り組んでいるプロジェクトの記事も公開しています。彼女の記事「YOLOv5による物体検出入門」をご覧ください！

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が……。この観点から、キッチンに戻ってさらに多くのデータを扱い、モデルを完成させる必要があると思っています。#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、より多くの女性がこの分野に参加することを楽しみにしています。これからも誰もがAIをより簡単に利用できるよう取り組んでいきますので、ぜひご注目ください！