1709401380
2020-12-17 22:00:00
現在の深層学習アプローチでは、大量のラベル付きデータが必要です。 ラベル付きデータの作成には費用がかかり、エラーが発生しやすく、時間がかかります。 これらの課題にもかかわらず、ここ数十年、ラベル付きの大規模なデータセットのコンパイル（たとえば、画像内の人物に基づいて写真をグループ化）を必要とする教師あり学習の分野で、機械学習において多大な成功が収められてきました。 対照的に、教師なし学習アルゴリズムはラベルを必要とせず、人間の参加も最小限で済みます。 ただし、技術的に大きな問題があるため、教師あり学習アルゴリズムほど成功していません。 自己監視は、サイバーセキュリティ、高精度医療、予知保全アプリケーションにおいて人間の介入を最小限に抑えながら機械学習を使用して、ラベルのない非常に大規模なデータセットから価値を抽出するために、これらの技術的困難を克服します。 新しい方法はこれらの困難を回避し、教師なし学習アルゴリズムを大規模で複雑なデータセットに拡張する道を切り開きます。 サイバーセキュリティと創薬問題におけるこれらの手法の応用例を示します。
#自己教師あり機械学習AI #の次のフロンティア