AI vs 人間！果たして人間に勝てるのか？

AutoML 2020年12月29日

3つの要点
✔️ AutoMLツール間の自然言語タスク性能を評価
✔️ AutoMLツールと人の性能を評価
✔️ 今後の指標となりうる結果

Leveraging Automated Machine Learning for Text Classification: Evaluation of AutoML Tools and Comparison with Human Performance
written by Matthias Blohm, Marc Hanussek, Maximilien Kintz
(Submitted on 7 Dec 2020)
Comments: Accepted for ICAART2021 conference as a Short Paper
Subjects: Machine Learning (cs.LG)

はじめ

近年AutoMLはかなりの進歩をとげています。AI-SCHOLAR内でも「Googleが開発！機械学習アルゴリズムを進化的検索で全自動生成する AutoML-Zero」や「1行のコードで自動的に学習！機械学習を自動化するAutoMLの最新論文！」等で最新の成功が紹介されています。それほど、AutoMLは注目を浴びています。

しかしそのほとんどが整理されたテーブルデータに対してのものが多いです。そこで今回ご紹介する内容はそんなAutoMLが自然言語処理タスクについても同様に成功するのかという内容になります。また性能評価と一緒に人間が今までに達成してきた精度に対しても評価しています。すなわち、AIvs人間の評価になります。今回はそんなAutoMLの基礎評価を見ていきましょう。

続きを読むには

(2796文字画像7枚)

AI-SCHOLARに
登録いただく必要があります。

1分で無料で簡単登録する

または

この記事に関するカテゴリー

AutoML

運営: AI-SCHOLARは最新のAIに関する論文を分かりやすく紹介するAI論文紹介メディアです。日本の科学力の低下が叫ばれ政府による研究予算の抑制が続く中、 AIが担う役割はその技術革新にとどまりません。 AIの技術やその応用あるいはそれを支える基礎科学の文脈などを世に伝えることは重要なアウトリーチであり、科学に対する社会の理解や印象を大きく左右しうるものです。 AI-SCHOLARは、AIに対する一般の方々と専門家の間に存在する理解の乖離を少しでもなくし、一般社会にAIが溶け込んでいく姿の一助を担うべく作成されています。それに加え、これまで皆様が築き上げてきた学習や研究の経験がメディアとして具現化され社会に表現されることのお手伝いができればと考えています。先端的で難解な事柄を難しい言葉のまま説明することは誰にでもできますが、AI-SCHOLARはメディアとして情報を伝える上で、語彙やデザインを駆使して「読みやすさ」「わかりやすさ」を追求しています。