アクティブラーニング

アクティブラーニングは、機械学習（ML）における特殊なトレーニング方法論であり、学習アルゴリズムがユーザーまたは別の情報源（「オラクル」）とインタラクティブにクエリを実行して、新しいデータポイントにラベルを付けることができます。中心となる考え方は、モデルが学習するデータを選択できる場合、大幅に少ないトレーニングデータでより高い精度を達成できるということです。これは、データラベリングが高価で時間がかかる、または専門知識を必要とするドメインで特に価値があります。アクティブラーニングは、データセット全体に一度にラベルを付ける代わりに、ラベル付けのために最も「有益な」サンプルを優先し、モデルトレーニングプロセスをはるかに効率的にします。

アクティブラーニングの仕組み

アクティブラーニングのプロセスは循環的であり、人間参加型（human-in-the-loop）のワークフローとしてよく説明されます。通常、以下のステップに従います。

1. 初期モデル学習: Ultralytics YOLO11検出器などのモデルは、まず最初にラベル付けされた小規模なデータセットで学習されます。
2. ラベルなしデータのクエリ：部分的にトレーニングされたモデルは、ラベルなしの大規模なデータプールで予測を行うために使用されます。これらの予測に基づいて、モデルは最も「不確実」なサンプルのサブセットを選択します。
3. ヒューマンアノテーション: これらの不確かなサンプルは、正しいラベルを提供する人間の専門家（Oracle）に提示されます。
4. データセット拡張: 新しくラベル付けされたサンプルがトレーニングセットに追加されます。
5. Retraining: モデルは、更新された、より大きなデータセットで再トレーニングされます。このサイクルは、モデルのパフォーマンスが目的のしきい値に達するか、ラベル付けの予算がなくなるまで繰り返されます。

このプロセスの鍵は、クエリ戦略にあります。一般的な戦略には、不確実性サンプリング（モデルが最も確信を持っていないインスタンスを選択）、クエリバイコミッティ（複数のモデルを使用し、それらが意見の相違を示すインスタンスを選択）、または予想されるモデルの変化の推定などがあります。これらの概要については、このActive Learning調査をご覧ください。

実際のアプリケーション

アクティブラーニングは、専門家によるアノテーションがボトルネックとなる特殊な分野で非常に効果的です。

• 医用画像解析: 医療スキャンから癌のような病気を検出するために AI をトレーニングする場合、利用可能な画像は何百万枚もあるかもしれませんが、放射線科医の時間は限られています。ランダムな画像にラベルを付ける代わりに、アクティブラーニングシステムは、レビューのために最も曖昧またはまれなケースを特定できます。これにより、専門家の労力が最も必要な場所に集中し、脳腫瘍検出などのタスクのための高精度モデルの開発を加速します。この分野の研究では、生物医学的画像セグメンテーションに関するこの研究で詳述されているように、ラベリングの労力が大幅に削減されることが示されています。
• 自動運転: 自動運転車の知覚システムは、無数の運転シナリオを網羅する膨大で多様なデータセットでトレーニングする必要があります。アクティブラーニングは、収集された運転データから、現在の物体検出モデルが苦労している「エッジケース」（障害物に部分的に隠された歩行者や異常な気象条件など）を特定できます。これらの困難なシーンに注釈を付けることを優先することで、開発者はモデルの堅牢性と安全性をより効果的に向上させることができます。

Active Learningと関連概念

Active Learningを、ラベルなしデータを利用する他の学習パラダイムと区別することが重要です。

• 半教師あり学習: トレーニング中にラベル付きデータとラベルなしデータの両方を同時に使用します。アクティブラーニングとは異なり、特定のインスタンスを選択的にクエリしてラベルを取得するのではなく、通常、利用可能なすべてのラベルなしデータをパッシブに使用します。
• 自己教師あり学習: 前処理タスク（たとえば、画像内のマスクされた部分を予測するなど）を作成することにより、ラベルなしデータから表現を学習します。事前トレーニング段階では人間のアノテーションは必要ありませんが、アクティブラーニングはラベルのオラクルに依存します。DeepMindはこの分野を広範囲に調査しています。
• 強化学習: 環境との相互作用を通じて試行錯誤によって学習し、行動に対する報酬またはペナルティを受け取ります。アクティブラーニングのように明示的なラベルを要求することはありません。
• 連合学習: データのローカル性を維持しながら、分散型デバイス全体でモデルをトレーニングすることに焦点を当てており、主にデータプライバシーの懸念に対処します。アクティブラーニングは、効率的なラベル取得に焦点を当てています。これらの手法は組み合わせることができます。

ツールと実装

アクティブラーニングの実装には、多くの場合、MLモデルとアノテーションツールの統合、およびデータワークフローの管理が含まれます。scikit-learnのようなフレームワークはいくつかの機能を提供し、特殊なライブラリが特定のタスクに存在します。Label Studioのようなアノテーションソフトウェアは、アクティブラーニングパイプラインに統合でき、アノテーターがクエリされたサンプルにラベルを提供できるようにします。進化するデータセットとトレーニングされたモデルの効果的な管理が重要であり、Ultralytics HUBのようなプラットフォームは、開発ライフサイクル全体でこれらのアセットを整理するためのインフラストラクチャを提供します。高度なML技術の実装の詳細については、Ultralytics GitHubリポジトリをご覧ください。