Ｇｏｏｇｌｅ、ＡＩ学習データを最大１万分の１に削減する新技術、少ないデータで人間並みの精度を実現
- 2025/8/9 19:49
- 話題
■従来１０万件必要だった学習をわずか２５０件で可能に
Ｇｏｏｇｌｅは８月７日、大規模なＡＩモデルの学習（微調整）に必要なデータ量を最大１万分の１まで減らせる新しい方法を発表した。この技術は、広告が安全かどうかを判断する作業を想定して開発されたもので、人間の専門家と同じ水準の判断精度を保ちながら、従来１０万件必要だったデータをわずか２５０～４５０件にまで減らすことに成功した。
ポイントは「アクティブラーニング」と呼ばれる仕組みを使ったデータの選び方にある。まず、ＡＩが大量のデータをざっくり分類し、その中から「判断が難しい境界線上の事例」だけを抜き出す。その重要な事例にだけ専門家が正しい答えをつけ、ＡＩがそのデータを使って繰り返し学習する。評価には、複数の専門家がどれだけ同じ判断をしているかを示す「コーエンのカッパ値」という指標を採用し、高い信頼性（０．８以上）を実現した。
実験では、特に大きなＡＩモデル（３．２５Ｂパラメータ）で効果が大きかった。例えば、クラウドソーシングで集めた１０万件のデータではカッパ値０．２３だったのに対し、専門家が付けた４５０件のデータでは０．３８に上昇。データ量を９９．５％減らしつつ、精度を６５％高めた。一方、小さなモデルでは効果が限定的で、モデルの規模によって相性があることも分かった。
最大のメリットは、判断基準が変わったときの素早い対応だ。従来は全データを使って再学習する必要があったが、この方法なら迷いやすい事例だけに絞って少量のデータで更新できる。広告審査のように解釈が分かれる仕事に向いており、専門家の判断基準が変化しても柔軟に適応できる。今後は、高品質なデータを継続的に確保する仕組みづくりが課題となる。（情報提供：日本インタビュ新聞社・株式投資情報編集部）
関連記事
ピックアップ記事
-
2025/10/7
ＡＧＣ・横浜市大・東京科学大、大規模言語モデルで分野融合型の課題解決手法を開発■国際特許分類や元素リストを用いて多様な解決策を自動生成 ＡＧＣ＜５２０１＞（東証プライム）は１… -
2025/10/3
ＮＶＩＤＩＡ、次世代ロボティクス基盤を発表、ヒューマノイド開発加速へ■Ｎｅｗｔｏｎ・ＧＲ００Ｔ・Ｃｏｓｍｏｓを軸にロボット研究を高速化 ＮＶＩＤＩＡ（ＮＡＳＤＡＱ：… -
2025/10/3
リコー、金融業務特化型ＬＬＭを開発、１０月末から個別提供開始■７００億パラメータ規模の自社ＬＬＭを金融仕様に強化、オンプレ環境で利用可能 リコー＜７７５２＞…
