コンピューターは膨大なデータセットからパターンを特定するのが得意です。一方、人間はほんの少数の例からパターンを推測するのが得意です。
来週、神経情報処理学会の会議で発表される論文で、MITの研究者らは、こうした2つの情報処理方法を橋渡しし、人間とコンピューターが協力してより良い判断を下せるようにする新たなシステムを紹介します。
このシステムはデータを処理して判断を下す方法を学び、学んだ内容を分かりやすい例にまとめます。実験では、このシステムを使った被験者は、既存のアルゴリズムに基づく類似システムを使った被験者より、分類タスクの成績が20％以上向上しました。
「この研究では、機械学習の手法を拡張して、人々が認識に基づく意思決定を行うのを支援できるかどうかを検討しました」と、新しい論文の共著者で、MIT航空宇宙工学科の助教授であるJulie Shahは述べます。「これは、消防隊や現場作業などで戦術的な判断を下すときに人々が行うタイプの意思決定です。新しい状況に直面したとき、機械のように探索するのではありません。現在の状況を過去の経験から得た例と照らし合わせ、『なるほど、前の状況ではこれがうまくいった』と考え、それを新しい状況に合わせて応用します。」
特にShahと同僚たちは、新しい論文の基礎となった博士論文を執筆した学生のBeen Kim、およびMITスローン経営大学院の統計学准教授であるCynthia Rudinとともに、「教師なし」として知られる機械学習の一種を拡張しようとしていました。
教師あり機械学習では、人間がラベルを付けた大量の訓練データをコンピューターに与え、相関関係を見つけさせます。たとえば、「車」とラベル付けされた画像に最も頻繁に現れる視覚的特徴などです。これに対し、教師なし機械学習では、コンピューターは構造化されていないデータの中から共通点を探します。その結果、何らかの関連性を持つデータのまとまりが得られますが、どのような関連なのかは明らかでない場合があります。
バランスを取る
教師なし機械学習の最も一般的な例は、トピックモデリングとして知られる手法です。システムが、特徴的な語句に基づいて文書をグループ化します。データにラベルが付いていないため、システムは文書のトピックを実際に推定することはできません。しかし、人間が出力を確認すれば、たとえば「jurisprudence（法学）」や「appellate（上訴の）」という語句が特徴的な文書は法律文書であり、「tonality（調性）」や「harmony（和声）」が特徴的な文書は音楽理論の論文だと判断できるでしょう。
MITの研究者らは、教師なし学習で一般に用いられる種類のアルゴリズムに、2つの大きな変更を加えました。1つ目は、データ項目に共通する特徴だけでなく、研究者らが「プロトタイプ」と名付けた代表例との類似性にも基づいてクラスタリングを行うことです。
もう1つは、トピックモデリングのアルゴリズムのように共通の特徴を重要度順に並べるのではなく、新しいアルゴリズムが特徴の一覧を代表的な集合に絞り込むことです。研究者らはこれを「部分空間」と名付けました。そのため、アルゴリズムは部分空間が大きくなりすぎるとペナルティーを課します。つまり、データをクラスタに分ける際、プロトタイプとの類似性、部分空間のサイズ、クラスタ間の明確な境界という、ときに競合する3つの目標のバランスを取る必要があります。
「適切な部分空間を説明するには、良いプロトタイプを選ばなければなりません」とKimは説明します。「同時に、プロトタイプに意味を持たせる適切な部分空間も選ぶ必要があります。つまり、すべてを同時に行うのです。」
研究者らはまず、新しいアルゴリズムをいくつかの古典的な機械学習タスクで試し、制約を追加しても性能が損なわれないことを確かめました。ほとんどのタスクで先行するアルゴリズムと同等の性能を示し、いくつかでは実際に上回りました。Shahは、プロトタイプ制約によって、アルゴリズムが内部矛盾を含む特徴の一覧を作るのを防げるためかもしれないと考えています。
たとえば、教師なし学習アルゴリズムが、ある集団の有権者の特徴を明らかにしようとしているとします。有権者の中では民主党への登録者が最も多い一方で、直近の予備選挙では共和党の投票者が最も多かったとします。従来のアルゴリズムは、典型的な有権者を「民主党に登録し、直近の共和党予備選挙で投票した人」と説明するかもしれません。プロトタイプ制約があれば、そのような結果は非常に起こりにくくなります。その特徴づけに一致する有権者は一人もいないからです。
実地検証
次に研究者らは、プロトタイプに基づく機械学習が人間の意思決定を実際に改善できるかを調べる実験を行いました。Kimは、チリ、パスタ、ブラウニーなどのカテゴリーがすでに割り当てられているオンラインデータベースからレシピを集め、材料一覧だけにまとめました。そして、その一覧を従来のトピックモデリングアルゴリズムと、新しいプロトタイプ制約付きアルゴリズムの両方に入力しました。
新しいアルゴリズムは各カテゴリーについて代表例を見つけ、従来のアルゴリズムは頻繁に現れる材料の一覧を作成しました。その後、24人の被験者に、それぞれ16件の新しい材料一覧を提示しました。一覧の一部は新しいアルゴリズムで、一部は従来のアルゴリズムで生成されたもので、割り当ては無作為でした。新しいアルゴリズムが生成した一覧では被験者の正答率は86％でしたが、従来のアルゴリズムが生成した一覧では71％でした。
以下との共同掲載： MIT News
著者：Larry HardestyはMITの寄稿者です。
画像：2013年2月28日、ワルシャワで男性がコンピューターのキーボードを打つ様子。ロイターの資料写真。
