運用時AI 品質維持技術：コンセプトドリフト検知・適応から教師なしドメイン適応まで

抄録

機械学習技術を用いた AI システムの運用においては，運用時のデータの変化により，システムの品質や性能が低下する恐れがある．特に，コンセプトドリフトと呼ばれるデータ分布の変化は，システムの性能低下を引き起こす主な原因の 1 つである．加えて今後のAIシステムの運用においては，データのプライバシーやセキュリティの問題で運用前に使用した訓練データを再利用できない場合や，システムの適用先が多岐に渡ることが想定される．そこで本稿では，著者らが直近の人工知能学会全国大会 (JSAI2020, JSAI2021, JSAI2022) において紹介した，コンセプトドリフト検知・適応技術や，教師なしドメイン適応技術について整理し，これらの技術が運用時の品質や性能維持に対して有効であることを示す．さらに本稿では，データプライバシーの保持などのAI 運用の新たな課題解決に有効な技術として，運用時に運用前の訓練データを用いずにオンラインで機械学習モデルを適応させる「Test-time 適応手法」の最新研究を紹介し，同適応手法の適用タスクが拡大していることを示す．