用語集

ビッグデータ

AI/MLにおけるビッグデータのパワーをご覧ください。大規模データセットが機械学習をどのように促進するか、その処理ツール、そして実際の応用事例について解説します。

ビッグデータとは、従来のデータ処理ツールでは容易に管理、処理、または分析できない、非常に大規模で複雑なデータセットを指します。一般に、「5つのV」で定義されます。ボリューム（データの膨大な量）、ベロシティ（データが生成される高速性）、バラエティ（データの多様な種類）、ベラシティ（データの品質と正確さ）、およびバリュー（データを意味のある結果に変える可能性）です。人工知能（AI）のコンテキストでは、ビッグデータは高度な機械学習（ML）モデルを強化する不可欠な燃料であり、モデルがより高い精度で複雑なタスクを学習、予測、および実行できるようにします。

AIと機械学習におけるビッグデータの役割

ビッグデータは、特に深層学習（DL）の分野において、AIの進歩に不可欠です。畳み込みニューラルネットワーク（CNN）などの深層学習モデルは、複雑なパターンと特徴を学習するために、大規模なデータセットを必要とします。モデルがトレーニングされる高品質なデータが多ければ多いほど、一般化能力が向上し、未知のデータに対する正確な予測を行うことができます。これは、モデルが物体検出や画像セグメンテーションなどのタスクを確実に実行するために、数百万枚の画像から学習する必要があるコンピュータビジョン（CV）タスクに特に当てはまります。

ビッグデータの利用可能性は、Ultralytics YOLOのような最先端モデルの成功の背後にある重要な推進力となっています。これらのモデルをCOCOやImageNetのような大規模ベンチマークデータセットでトレーニングすることで、高い精度と堅牢性を実現できます。これらのデータセットを処理するには、強力なインフラストラクチャが必要であり、多くの場合、クラウドコンピューティングやGPUのような特殊なハードウェアを活用します。

現実世界のAI/MLアプリケーション

自動運転車: 自動運転車は、カメラ、LiDAR、レーダーを含む一連のセンサーから毎日テラバイト単位のデータを生成します。この継続的なビッグデータの流れは、歩行者、他の車両、道路標識を識別するなどのタスクのために、知覚モデルをトレーニングおよび検証するために使用されます。Teslaのような企業は、継続的な学習とモデルのデプロイのプロセスを通じて、自社の自動運転システムを常に改善するために、自社の車両データを活用しています。自動車ソリューションにおけるAIに関するページで詳細をご覧ください。
医療画像解析: 医療におけるAIでは、ビッグデータには、多様な患者集団からのMRI、X線、CTスキャンなどの医療スキャンの膨大なデータセットを集約することが含まれます。脳腫瘍データセットのようなデータセットでトレーニングされたAIモデルは、人間の目では見逃される可能性のある病気の微妙な兆候を検出することを学習できます。これは、放射線科医がより迅速かつ正確な診断を下すのに役立ちます。米国国立衛生研究所（NIH）イメージングデータコモンズは、医学研究のためのビッグデータを収容するプラットフォームの例です。