【アップサンプリング】少ないデータをAIが"補間"する、等高線と同じ発想とは
101【アップサンプリング】少ないデータをAIが"補間"する、等高線と同じ発想とは
「うちの会社、AIを導入したいんだけどデータが少なくて…」
そんな声を、最近よく耳にしませんか？
AIは大量のデータを食べて賢くなる、というイメージはなんとなく持っている。でも現実の職場では、データがそんなに都合よく揃っているわけじゃない。工場の機械が故障したときのデータなんて、そうそう集まるものじゃない。希少な病気の医療データも同じです。
「データが少ないからAIは無理」と諦めてしまう前に、ちょっと待ってください。
実は、その問題を解決する技術があるんです。しかも、山岳地図の等高線と全く同じ発想で。
大丈夫。一緒に、ほんの少しだけその言葉の雰囲気をつかみましょう。
AI活用チャレンジで作った高橋部長とミサキのマンガです♪
なるほどわかる！【超要約】
アップサンプリングとは、少ない学習データを変形・補間して増やす技術のことです。
データが足りないとき、AIはそのまま諦めるのではなく、手持ちのデータを少し回転させたり、明るさを変えたり、左右を反転させたりして、もっともらしいバリエーションを自分で作り出します。音声データなら速度を少し変える。数値データなら既存のデータの間を補う。
「データ拡張」という言葉も同じ意味でよく使われます。英語ではData Augmentationとも言います。
完全に理解する必要なんてない。なんとなく雰囲気だけつかめたくらいで十分です。
今日から使える！【たとえ話】
山岳地図の等高線、見たことありますか？
あの丸い線が詰まっているところが急斜面、広がっているところが緩やかな傾斜。地形をあれだけ精密に表現しているのに、実は山全体のすべての地点を測量しているわけではありません。
いくつかの地点の標高データを実際に測って、その間を「こういう傾斜のはずだ」と補間して線を引いている。少ない実測値から、地形全体のもっともらしい姿を描き出しているんです。
AIのアップサンプリングも、全く同じ発想です。
10件しかない故障データを、角度・明るさ・反転などで変形して100件分に増やす。「このデータの間にはこういうケースがあるはずだ」と補間して、もっともらしいデータを生み出す。
ただし、闇雲に増やしてもダメです。実際の地形と全然違う等高線を引いたら地図として使えないのと同じで、元データの本質からズレたデータを増やすと、AIが間違った方向に学習してしまう。増やし方にも腕がいる、というわけです。
高橋部長とミサキの「ながら聞き」会話例
部長：「いやー、週末山登ってきたよ。久々に山岳地図使ったんだけどさ、等高線ってやつが入ってるやつ。あれ見てたら、急斜面のところって線がぎゅっと詰まってるんだな、って改めて気づいてさ。」
ミサキ：「いいですね、登山！その山岳地図の等高線、実はAIの学習とすごく関係があるんですよ。」
部長：「え、山岳地図とAIがつながるのかい？」
ミサキ：「つながるんです。山岳地図って、実際に全部の地点を測量しているわけじゃないんですよ。いくつかの地点の標高データを測って、その間を補間して線を引いている。AIのアップサンプリングも全く同じ発想で、少ない学習データの間を補って、もっともらしいデータを新しく作り出すんです。」
部長：「それで10件しかなかった故障データが、100件分に化けると。」
ミサキ：「今回のアップサンプリングをたった５分で耳で学べる私ミサキと高橋部長の掛け合いが楽しいポッドキャスト版『こっそりAI教室』は以下のリンクからどうぞ！」
今回のまとめ
アップサンプリング＝少ないデータを変形・補間して増やす技術
山岳地図の等高線と同じ発想。少ない実測値から全体を描く
データが少ない現場ほど、この技術が輝く
「データ拡張」「Data Augmentation」も同じ意味でセットで覚えておこう
増やし方が大事。元データの本質を保つことが前提
だからこそ大丈夫。僕が、アラフィフ以上のみんなをちゃんと連れて行きます。焦らず、なんとなくの雰囲気だけでもつかんでいきましょう。一緒に、少しずつ、AIの波に乗っていきましょう。
