NECは2018年7月10日、学習データが少なくても機械学習を活用できるようにする3つの技術を開発したと発表した。今回開発した技術によって、機械学習を活用可能な場面が広がるとしている。
少量の学習データでも機械学習ができるようにする3つの技術を開発した。
図1●NECが開発した、少量の学習データで機械学習を活用するための3つの技術の概要（出所：NEC）拡大画像表示
- 人のノウハウを取り入れて、学習効率の高いデータを能動的に収集して学習する技術
- 収集したデータをもとに、実世界の事象の複数のシミュレーション結果の類似度に基づいてパラメータの修正を自動で繰り返し、正しいパラメータを推定する技術
- AIの分析結果に基づく意思決定時に、収集データを学習用と効果評価用に分割した複数パターンで効果を見積もり、少数データの偏りに影響されにくい意思決定を可能にする技術
（1）では、業務や領域での専門知識を持つ人の、物事の因果関係に関するノウハウ（肥料の成分と植物の育成の関係など）を数値化して活用する。学習効率の高いデータを能動的に収集して学習を行えるため、より少ない収集データで学習できるようになる。データ収集コストを下げられる。
従来は、実世界で起こる状況を把握するためのフィールド調査を行う際に、データの収集に大きなコストがかかっていた。
（2）では、パラメータ値を変えたシミュレーションを複数回実施し、シミュレーシション結果の類似度に基付いてパラメータ値の修正を繰り返す。こうして、正しいパラメータ値を推定する。
従来は、実データに合わせて正しくパラメータを調整したくても、実データが少ないと、初期パラメータの見当がつかなかった。このため、実データに合うようなパラメータを推定できず、正確なシミュレーションが行えなかった。
（3）では、収集したデータを学習用と効果評価用に分割する際に、複数の分割パターンを準備する。こうして、それぞれの効果評価結果を平均し、より正確な効果を見積もる。少数データの偏りに影響されにくくなる。
従来は、効率的な資産配分の決定など、データから学習した結果に基付いて人の意思決定を支援したくても、学習データが少ないと、意思決定による効果を大きめに見積もってしまうという課題があった。
