寄稿：Googleのコンピュータービジョンに関する強化学習特許 — 答えだけでなく報酬を学ぶ

IPLEX代表弁理士の金容德によるAI特許の寄稿が、AI専門メディアAI Timesに掲載されました。

このコラムでは、Googleの米国を中心に、コンピュータビジョン分野に応用した強化学習ベースのファインチューニング技術が採用されています。 特許番号 12,731,392. これまでのところ、コンピュータビジョンAIは、人間が準備した正しい回答データを正確に予測する方法に焦点を当てて学習しています。 しかし、実際の産業設定では、学習データから正しい回答を得るのは十分ではありません。 これは、AIが実際の仕事で目標を達成する方法がより重要であるためです。

グーグルの特許メモはこの違いを指摘します。 メソッドは、あらかじめ訓練されたコンピュータビジョンモデルをビルドし、実際の作業で重要なパフォーマンス指標を「タスクリワード」に設定し、強化学習によって再びモデルをファインチューニングすることです。 例えば、オブジェクト検出では、リコールや平均精度(mAP)などの実演指標を補正として利用し、画像のセグメンテーションや画像のカラー化など、さまざまなコンピュータビジョンタスクにも適用できる方法を提案しています。

カラムは、正しい回答データと実際の作業性能の違いを具体的に焦点を合わせています。 既存の方法では、学習データの正しい答えに類似した結果を生成するモデルにとって重要な目標でしたが、強化学習を適用することで、実際のシステムで重要な評価される目標は、直接学習に反映することができます。 また、必ずしも異なる損失関数を使用しないという既存のコンピュータビジョン学習方法とは違いますが、複雑な評価基準や、直接報酬として計算することが困難である評価基準を使用することができます。

これらの技術は、AIが自動運転、ロボット、スマートファクトリー、医療画像などの現実的な環境で判断し、行動する分野においてより大きな意義を持つかもしれません。 特に物理的なAIの時代では、画像の物体を認識するのではなく、認識結果に基づいて実際のタスクを確実に実行することがより重要になります。 Googleの最新の特許は、生成AIを中心に開発された強化学習技術の拡大と、コンピュータビジョンと物理AIの領域に挙げる例と言えるでしょう。

このコラムでは、AI学習技術の変化や、特許によって保護されている技術についてご覧ください。

下記のリンクから全記事をご覧いただけます。