AIの性能を左右する最大の要因、それは「データ」です。AIにとってデータがどれほど大切かを学びましょう。
戸倉 ジャスミン
AIってアルゴリズムが命なんでしょ?
プログラマーが優秀なら、データなんて少なくてもなんとかなるんじゃない?
香月 リサ 先生
残念ながら、現代のAIは逆なの。
アルゴリズムよりデータの質と量のほうが性能を大きく左右することが多いわ。
深見 つむぎ
つまりAIは、アルゴリズムという「料理人」と、データという「食材」が揃って初めて動くシステム、という理解ですね。
雪村 ましろ
食材が悪いと、どんな名シェフでも美味しい料理は作れない…って意味ですかぁ?
香月 リサ 先生
そう。
AI界隈にはGarbage In, Garbage Out(GIGO)という格言があって、「ゴミを入れればゴミが出る」という戒めなのよ。
戸倉 ジャスミン
そっか〜、厳しいね。
でも逆に言えば、良いデータがあれば凡庸なアルゴリズムでも意外といけるってこと?
深見 つむぎ
まさにそれが第三次AIブーム後の経験則。
「データが10倍あれば、アルゴリズムの工夫を上回る」と言われているわ。
雪村 ましろ
でも、データってただ集めれば良いんですかぁ?
量さえ多ければいいんですかぁ?
香月 リサ 先生
いい質問ね。
量だけでなく「多様性」も重要。
例えば猫を認識するAIを作るのに白猫の写真ばかりでは黒猫を認識できない。
偏りのないデータ収集がカギよ。
深見 つむぎ
それが次回以降に出てくる「データバイアス」の問題ね。
多様性を欠くと不公平なAIが生まれてしまうの。
戸倉 ジャスミン
なるほどね〜…データ集めって、ほんとに地道な作業なんだね。
香月 リサ 先生
事実、AI開発の実作業時間の約8割はデータの収集・清掃・整形に費やされると言われているの。
モデル設計は意外と少数派の仕事なのよ。
雪村 ましろ
8割もぉ!?
えへへ、地味だけど一番大事なお仕事なんですねぇ♪
深見 つむぎ
だからこそ、良質なデータを持つ企業が競争上有利。
「データは21世紀の石油」と呼ばれる所以ね。
戸倉 ジャスミン
石油か…あたしのバドミントンノート(試合メモ)も個人データベースだから、ちょっと大事に扱おうかな。
香月 リサ 先生
いい心がけね。
試験では「GIGO」と「AI開発の8割がデータ関連作業」は頻出なので必ず押さえて。
確認クイズ
「Garbage In, Garbage Out」の意味として正しいものはどれか。
- ゴミ処理場にAIが活用されていること
- 質の低いデータからは質の低い結果しか得られないこと
- AIが不要データを自動削除すること
- データは不要でアルゴリズムだけで十分なこと
こたえを見る
正解: 2. 質の低いデータからは質の低い結果しか得られないこと
Garbage In, Garbage Out (GIGO)は「質の低いデータを入力すれば、質の低い結果しか出ない」という意味の格言です。データ品質がAIの結果品質を直接左右するという、機械学習の根本原則を端的に表します。