Disentangling Model and Human Data Uncertainty in Apparent Facial Age Estimation
本論文は、APPA-REALデータセットで学習されたベイズニューラルネットワークが、顔の年齢推定における偶然的不確実性と認識的不確実性を効果的に分離および定量化できることを示し、偶然的不確実性はデータセットのサイズに関わらず安定している一方で、認識的不確実性は学習データが減少するにつれて増加することを明らかにしている。
原論文は CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/) のもとパブリックドメインに提供されています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
写真を見て、見知らぬ人が何歳くらいかを推測しようとしている場面を想像してみてください。あなたなら「30歳くらいに見える」と言うかもしれませんが、友人は「いや、40歳に見えるよ！」と言うかもしれません。人工知能の世界において、これは単なる無害な意見の相違ではありません。それは巨大なパズルなのです。AIシステムは顔を見て年齢を推測することに長けてきていますが、しばしば自信満々な「知ったかぶり」のような振る舞いをします。彼らは一つの数字を提示し、それが絶対的な真実であるかのように振る舞いますが、答えが曖昧である場合でもそうです。これは危険なことです。なぜなら、コンピュータが間違った答えに対して自信を持ちすぎると、ティーンエイジャーにアルコールを販売させたり、高齢者がウェブサイトへのアクセスをブロックされたりといった、誤った判断を下す可能性があるからです。これを解決するために、科学者たちはAIに「自分が推測しているときは、確信がないのだ」と認める方法を教えています。彼らは、コンピュータが「30歳だと思いますが、確信度は50%です」とか、「30歳だと思いますが、非常に自信があります」と言えるようにしたいと考えています。これを行うために、研究者たちは「不確実性」を2つの種類に分けました。一つは、データの自然な乱雑さ（人間同士で意見が一致しないことなど）であるアレオリック（偶然的）不確実性、そしてもう一つは、AI自身の無知（十分に勉強していない学生など）であるエピステミック（認識論的）不確実性です。
この論文は、探偵物語のようなものです。調査員たちは、コンピュータに「データが混乱しているのか」と「自分が混乱しているのか」の違いを教えようとしています。研究者たちは、数千人の人間が同じ顔を見て年齢を投票した「APPA-REAL」という特別なデータセットを使用しました。非常に多くの人が投票したため、研究者たちは人間がどれほど意見を違えたか（つまり「乱雑さ」）を正確に測定でき、それを用いてAIを訓練することができました。彼らは3種類の異なる「ベイズ的」AIモデルを構築しました。これらは、推測し、自身の自信を測定するために少しずつ異なる戦略を用いる、3つの異なる探偵チームのようなものです。彼らは、わずか数枚の写真からライブラリ全体に至るまで、異なる量のデータを入力してこれらのチームをテストしました。
ここでの大きな発見は、これら2種類の不確実性が全く異なる挙動を示すこと、そしてAIがそれらを分離して学習できるということです。「乱雑さ」（アレオリック不確実性）は、AIがどれだけの写真を見ても全く変わりませんでした。それはノイズの多い部屋のようなものです。一人の人が聞いているのか、千人の人が聞いているのかに関わらず、背景のノイズレベルは変わりません。この論文では、このノイズレベルは18歳平方（これは標準偏差で約4.2歳に相当します）で安定していることが分かりました。これは、人間の知覚にはある種の混乱が組み込まれていることを裏付けています。
一方で、AI自身の無知（エピステミック不確実性）は、予想通りに機能しました。つまり、AIがより多くのデータを見るにつれて、劇的に減少したのです。AIがトレーニングデータのわずか1%（約40枚の画像）しか見ていなかったとき、AIはひどく自信がありませんでした。しかし、データを増やしていくにつれて、最大で100%のデータセットに達するまで、AIの自信は増していきました。例えば、「DropConnect」法は、データの5%時点でのエピステミック不確実性が約12.9歳平方であったところ、全データセットでは6.0歳平方へと減少しました。「Deep Ensembles」法は全体として最も正確であり、平均絶対誤差（MAE）8.0歳で終了しましたが、「Flipout」は学習が少し遅く、MAE8.9歳で終了しました。
また、この賢いAI探偵たちが、新しい異なる顔のセット（UTKFaceデータセット）を扱えるかどうかもテストされました。結果として、AIの自信レベルはデータが変わると適切に変化し、モデルが不確実性の理解を汎用化できることが証明されました。しかし、著者らは「Flipout」法は、特にデータが乏しい状況において少し不安定で揺らぎがあることを指摘しており、データが限られている状況で非常に信頼性が求められる場合には、最適な選択肢ではない可能性を示唆しています。
結局のところ、この研究は、これら2種類の不確実性を分離することは可能であるだけでなく、単純な「はい/いいえ」の分類タスクよりも、年齢推定（回帰タスク）において実際に効果的であることを示唆しています。研究は、Deep Ensemblesが最も正確である一方で、DropConnect法は、データが増えるにつれてAIの自信がどのように成長するかを最も明確に描き出していると結論付けています。これは、AIが単にあなたの年齢を推測するだけでなく、自分が単に推測しているに過ぎないことも自覚できる段階に、私たちが一歩近づいたことを意味しています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。