尽管范围仅限于约1000个类别,2015年微软研究团队发表的人工智能(AI)ResNet在图像识别(分类)准确度方面终于超越了一般人的水平。AI之所以如此进步,要归功于ResNet这一优秀结构的网络的开发,但也要归功于用于AI学习的数百万张数据。众所周知,训练深度神经网络时,需要的不只是数据,而是有标准答案的足量数据。因为学习数据量少时,可能会得出过度特化于该数据的学习结果。如此一来泛化能力下降,只要与学习类型稍有不同,就可能导致离谱的结果。
准备大量带有标准答案的数据成本极高且十分费力。当然,出于这种困难,人们开发了无需标准答案的无监督学习(unsupervised learning)和只需部分标准答案的半监督学习(semi-supervised learning),但与必须有标准答案的监督学习相比,性能总归要差一些。
像通过计算机断层扫描(CT)或磁共振成像(MRI)判断脑肿瘤位置、通过X光影像判别肺癌,或在制造现场检测不良品这类情形,当学习数据难以获得或数量不多时,该如何进行训练呢?此时使用的方法是从带有标准答案的学习数据中扩展类型的数据增强(data augmentation)法。
数据增强方式有传统方式和利用深度学习的方式。传统方式主要使用几何变换来扩大情形数量,例如图像的左右翻转、上下翻转、位置平移、旋转、尺寸调整、从大图像中裁剪局部等。也可以在几何变换的同时,混合使用遮挡图像局部或添加噪声的做法。
当仅靠几何变换难以反映现实中可能出现的各种变化时,也可以利用生成对抗网络(Generative Adversarial Networks)这类生成网络,由AI生成学习数据。GAN的性能已经飞跃式发展到能够生成与实拍几乎无法区分的人脸图像的水平,这意味着在学习数据不足的领域,已经打开了通过AI生成与真实几乎相似的各种学习数据的道路。实际上在产业现场,对于像非定型不良这类事先难以定义的不良,也会应用AI生成的学习数据。
时代已进入数据即金钱、即资源的阶段。关于能够便捷生成AI学习所需数据的AI的研究,同样看起来非常有前景。






