Confidence

人工知能や機械学習の分野において、信頼度スコア (confidence score) は、特定の予測に対してモデルが持つ確実性の度合いを数値化する指標です。この値は通常0から1（または0%から100%）の範囲となり、アルゴリズムの出力がグランドトゥルースと一致する推定確率を表します。例えば、物体検出 (object detection) タスクにおいて、システムが画像の領域を信頼度0.92で「自転車」と識別した場合、その分類が正しいと推定される確率が92%であることを示します。これらのスコアは ニューラルネットワーク (neural network) の最終層から得られ、多クラス分類の場合は Softmax、二値分類の場合は シグモイド関数 (Sigmoid function) などの 活性化関数 (activation function) を通じて処理されることがよくあります。

推論における信頼度の役割#

信頼度スコアは 推論エンジン (inference engine) ワークフローの基本的な構成要素であり、高品質な予測を背景ノイズから区別するためのフィルターとして機能します。しきい値処理（thresholding）として知られるこのフィルタリングプロセスにより、開発者はアプリケーションの感度を調整できます。最小信頼度しきい値を設定することで、重要な 精度と再現率のトレードオフ (precision-recall trade-off) を管理できます。しきい値を下げると、より多くの物体を検出できる一方で 偽陽性 (false positives) のリスクが高まり、逆にしきい値を上げると精度は向上しますが、微細なインスタンスを見逃す原因になる可能性があります。

Ultralytics YOLO26 のような高度なアーキテクチャでは、信頼度スコアは 非最大値抑制 (NMS) のような後処理技術に不可欠です。NMSはこれらのスコアを使用して、大幅に重複する冗長なバウンディングボックスを削除し、最も確率の高い検出結果のみを残します。このステップにより、最終的な出力がクリーンになり、物体カウント (object counting) やトラッキングなどの後続タスクの準備が整います。

次のPythonの例は、ultralytics パッケージを使用して信頼度ごとに予測をフィルタリングする方法を示しています。

from ultralytics import YOLO

# Load the latest YOLO26n model
model = YOLO("yolo26n.pt")

# Run inference with a confidence threshold of 0.5 (50%)
# Only detections with a score above this value are returned
results = model.predict("https://ultralytics.com/images/bus.jpg", conf=0.5)

# Inspect the confidence scores of the detected objects
for box in results[0].boxes:
    print(f"Class: {box.cls}, Confidence: {box.conf.item():.2f}")

実社会での応用#

信頼度スコアは、コンピュータビジョン (CV) が適用される産業全体で不可欠な解釈可能性のレイヤーを提供します。これらは、自動システムが自律的に処理を進めるべきタイミングと、人間によるレビューのためのアラートをトリガーすべきタイミングを判断するのに役立ちます。

• 自動運転: 自動車におけるAI (AI in automotive) の分野では、自動運転車は乗客の安全を確保するために信頼度指標に依存しています。知覚システムが低い信頼度で障害物を検知した場合、緊急マヌーバーを実行する前に、そのデータの存在を LiDARセンサー (LiDAR sensors) やレーダーとクロスチェックして確認する場合があります。この冗長性により、影やグレアによって引き起こされる「ファントムブレーキ」を防ぐことができます。
• 医療診断: 医療におけるAI (AI in healthcare) を活用する場合、モデルは画像データ内の潜在的な異常にフラグを立てることで医療従事者を支援します。腫瘍検出 (tumor detection) 用に構築されたシステムは、即座に診断するために高信頼度の領域を強調表示する一方、低信頼度の予測は二次分析のためにログに記録されます。この ヒューマン・イン・ザ・ループ (human-in-the-loop) ワークフローにより、専門家の判断を置き換えることなく、AIが臨床判断を拡張することが保証されます。
• 産業オートメーション: スマート製造 (smart manufacturing) において、ロボットアームは組み立てライン上の物体と対話するために信頼度スコアを使用します。ビジョンAI (vision AI) を搭載したロボットは、検出信頼度が90%を超えた場合にのみ部品を把持しようとするため、位置ずれによる繊細な部品の破損リスクを軽減できます。

信頼度と関連用語の区別#

モデル評価 (model evaluation) で使用される他の統計的指標と信頼度を区別することが重要です。

• 信頼度 vs. 精度: 精度 (Accuracy) は、モデルがデータセット全体でどれだけの頻度で正しいかを記述するグローバルな指標です（例：「モデルの精度は92%です」）。対照的に、信頼度はローカルで予測固有の値です（例：「モデルは、この特定の画像に猫が含まれていると92%確信しています」）。モデルの全体的な精度が高くても、エッジケース (edge cases) に対して低い信頼度を返すことはあり得ます。
• 信頼度 vs. 確率較正: 生の信頼度スコアが、真の 正解確率 (probability of correctness) と常に一致するとは限りません。0.8の信頼度で行われた予測が約80%の確率で正しい場合、モデルは「適切に較正されている（well-calibrated）」と言えます。スコアを実証確率に一致させるために、プラットスケーリング (Platt scaling) や 等張回帰 (Isotonic Regression) などの技術がよく採用されます。
• 信頼度 vs. 適合率: 適合率 (Precision) は、正の識別結果のうち実際に正しかったものの割合を測定します。信頼度しきい値を上げると一般に適合率は向上しますが、多くの場合、再現率 (recall) が犠牲になります。開発者は、アプリケーションが物体の見落としを減らすことを優先するか、誤警報を最小限に抑えることを優先するかに基づいて、このしきい値を調整する必要があります。

モデル信頼度の向上#

モデルが有効な物体に対して一貫して低い信頼度を出力する場合、それは トレーニングデータ (training data) とデプロイ環境の間の乖離を示していることがよくあります。これを軽減するための戦略には、照明、回転、ノイズを変えることでデータセットを人工的に拡張する データオーグメンテーション (data augmentation) が含まれます。さらに、Ultralytics Platform を使用して アクティブラーニング (active learning) パイプラインを実装することで、開発者は低信頼度のサンプルを簡単に特定し、アノテーションを付与し、モデルを再学習させることができます。この反復的なサイクルは、動的で現実世界の環境で確実に行動できる堅牢な AIエージェント (AI agents) を作成するために不可欠です。