人間と機械学習モデルのインタラクションによるモデル改善手法

抄録

機械学習モデルの運用中に、運用で得られたデータを利用して再学習を行い、精度向上を試みるような手法を能動学習と呼ぶ。従来の能動学習手法では、追加の学習データの選定を機械学習モデル自身によって行うが、この方法ではかえって精度が劣化してしまうケースが存在することが指摘されている。本研究では、画像分類器の能動学習において、クラス間の類似性に関するモデルの知識を人間が直接評価することで、業務におけるモデル運用時の追加の学習データ構築を効率的に行う手法を検討している。ラベル間の類似性に関する人間の知識を利用することによって、モデルの予測結果が人間の認識に近づき、精度が向上することを通じた、ユーザ体験の改善が期待される。