Active Learning

Active Learningは、あらかじめラベル付けされたデータセットをただ受動的に受け入れるのではなく、アルゴリズムが能動的に最も情報価値の高いデータポイントを選択してラベル付けを行う、machine learning (ML)における戦略的アプローチです。従来のsupervised learningでは、モデルに膨大な量の注釈付きデータが必要になることが多く、その作成には多大な費用と時間がかかります。Active Learningは、「不確実な」例や「困難な」例（決定境界に近い例やモデルの確信度が低い例）を特定し、人間のアノテーターにそれらの特定のインスタンスのみにラベル付けを要求することで、このプロセスを最適化します。この反復的なループにより、モデルは大幅に少ないラベル付きサンプルで高いaccuracyを達成できるようになり、予算や時間の制約が厳しいプロジェクトにおいて非常に効率的になります。

能動学習サイクルの仕組み#

Active Learningの核心は、しばしばhuman-in-the-loopと呼ばれるフィードバックループです。静的なデータセットで1回トレーニングを行うのではなく、モデルはクエリと更新のサイクルを通じて進化します。

1. 初期化 (Initialization): プロセスは、Ultralytics YOLO26などの初期モデルをトレーニングするために使用される、少量のラベル付きのtraining dataのセットから始まります。

2. クエリ選択: モデルは大量のラベルなしデータのプールを評価します。最も一般的な「不確実性サンプリング」などの クエリ戦略 を使用して、予測の確信度が最も低い画像やテキストを選択します。

3. アノテーション (Annotation): これらの優先度の高いサンプルは、active learning literatureで「オラクル」と呼ばれることが多い人間の専門家に送られ、data labelingが行われます。

4. 再学習: 新しくラベル付けされたデータが学習セットに追加され、モデルが再学習されます。この更新されたモデルは、次に混乱を招くサンプル群を選択する際、より優れた能力を発揮できるようになります。

実社会での応用#

能動学習は、データは豊富にあるものの、ラベル付けに専門知識が必要であったり、多大なコストがかかったりする産業において欠かせない技術です。

• Medical Image Analysis: 放射線医学などの分野では、ラベル付けに専門医のボード認定が必要であり、その時間は非常に貴重です。医師に何千もの明確なスキャン画像のアノテーションを依頼する代わりに、Active Learningシステムは、初期段階の腫瘍や稀な異常などの曖昧なケースをフィルタリングし、専門家がモデルの診断能力を真に向上させる画像だけに集中できるようにします。
• Autonomous Vehicles: 自動運転車はペタバイト単位の映像データを生成します。すべてのフレームにラベルを付けることは不可能です。Active Learningは、コスチュームを着た歩行者や大雪の中での運転など、標準的なobject detectionモデルが見逃す可能性のあるedge casesをエンジニアが特定するのに役立ちます。これらの稀なシナリオを優先することで、企業は反復的な高速道路の映像にリソースを無駄にすることなく安全性を向上させます。

Pythonの例: 不確実な予測のフィルタリング#

次の例は、Ultralytics YOLO26を使用した単純な「不確実性サンプリング」ロジックを示しています。モデルをロードし、画像に対して推論を実行し、confidenceスコアが特定の閾値を下回るものを手動レビュー用にフラグ付けします。

from ultralytics import YOLO

# Load the latest YOLO26 model
model = YOLO("yolo26n.pt")

# List of unlabeled image paths
unlabeled_images = ["https://ultralytics.com/images/bus.jpg", "https://ultralytics.com/images/zidane.jpg"]

# Run inference
results = model(unlabeled_images)

# Identify samples with low confidence for active learning
uncertain_threshold = 0.6
for result in results:
    # Check if any detection confidence is below the threshold
    if result.boxes.conf.numel() > 0 and result.boxes.conf.min() < uncertain_threshold:
        print(f"Active Learning Query: {result.path} needs human labeling.")

関連概念の区別#

能動学習を類似の学習パラダイムと区別することは重要です。

• Semi-Supervised Learning: どちらの方法もラベルなしデータを利用しますが、semi-supervised learningはモデルの高確信度の予測に基づいてデータにpseudo-labelsを自動的に割り当てます。対照的に、Active Learningは低確信度の予測に対して明示的な人間の入力を求めます。
• Transfer Learning: これは、事前トレーニング済みモデル（ImageNetなどでトレーニングされたものなど）を取得し、それを新しいタスクに適応させることを含みます。Active Learningはどのデータにラベルを付けるかに焦点を当てていますが、transfer learningは学習した特徴の再利用に焦点を当てています。
• Reinforcement Learning: ここでは、エージェントは環境と対話し、報酬を受け取ることで学習します。Active Learningは、報酬のためのアクションのシーケンスを最適化するのではなく、オラクルから静的なground truthラベルを求めるため異なります。

MLOpsとの統合#

Active Learningを効果的に実装するには、堅牢なMachine Learning Operations (MLOps)パイプラインが必要です。データのバージョニングを管理し、再トレーニングジョブをトリガーし、人間向けのアノテーションインターフェースを提供するインフラストラクチャが必要です。Ultralytics ecosystemと統合するツールを使用すると、ユーザーは推論、データキュレーション、トレーニングの間をシームレスに移動できます。たとえば、custom training scriptsを使用すると、開発者は新しいバッチのActive LearningデータをYOLOモデルに迅速に組み込むことができます。

サンプリング戦略に関するさらなる読み物として、研究者はしばしばactive learning literatureの包括的な調査を参照します。さらに、model evaluation metricsを理解することは、Active Learningループが実際にパフォーマンスを向上させていることを検証するために不可欠です。