データ多様化による機械学習システム高信頼化の理論と実践

抄録

コンピュータービジョンや対話型AIなど，機械学習モデルが様々な分野で活用され，機械学習システムの品質管理や高信頼化が課題となっている．機械学習モデルによる推論結果は必ずしも正しいとは限らず，推論結果に基づいて処理や意思決定をするシステムでは，推論エラーが生じた場合の影響を考慮した対策が必要である．本稿では，機械学習システムの出力を高信頼化するためのNバージョン機械学習システムを紹介し，特に複数の入力データを用いる多入力機械学習システムの理論と応用について解説する．まず多入力機械学習システムの信頼性を評価する信頼性評価モデルを述べる．複数の入力データが与えられる場合，入力データの結合分布と推論エラーを生じるエラー空間との重なりによってシステムの出力の信頼性が特徴づけられることを示す．次にデータ多様化によるシステム高信頼化の応用例として多入力画像分類システムの評価例を紹介する．多様化した入力画像データを組み合わせることで推論エラーの被覆率が向上し，信頼性が向上することを示す．最後に今後の研究の展望と課題について述べる．