医者が診断する際、一つの血液検査の数値だけでは病気の特定は難しい。だが検査項目を増やしていくことで、病気の特定はより確実性を増していく。このように、人はデータを増やすことで予測の精度を上げることができる。同様にAIの予測に不確実性を持たせ、観測点を増やすことでその不確実性を減らす最新の研究の一つを紹介しよう。 AIだって「自信がない」こともある。自分が学んでいないことについて「予測せよ」と言われたらなおさらだ。だがこの「予測の不確実性」を減らすための研究が日進月歩で進んでいる(写真はイメージ) ディープラーニングの弱点といわれているものの一つに、「データがなければ予測や変換ができない」点がある。ただ実はこれはほぼ誤解で、直接のデータを必要としない、「メタ学習」という予測モデルの研究が進んでいる(第10回「データがないのに学習可能? 最先端AI『メタ学習』がスゴい」を参照)。 メタ学習は、一
![深層学習が苦手な「予測」を克服できるか? メタ学習「ConvCNP」](https://cdn-ak-scissors.b.st-hatena.com/image/square/72c3ab481ab09f4fc85d4317bdd24f78946cf6b9/height=288;version=1;width=512/https%3A%2F%2Fxtrend.nikkei.com%2Fatcl%2Fcontents%2Ftechnology%2F00007%2F00023%2Ftop_m.jpg)