筑波大学の町田文雄准教授は機械学習モデルと⼊⼒データの多様性が、どのように出⼒の信頼性に影響するかを評価し、適切なシステムの構成案を探索するための理論モデルを構築した。低コストで省電力な方式について今後も研究を進めていくとしている。

自動運転や医療画像診断などに用いられる機械学習システム。信頼性や安全性の高い出力が求められる。このようなシステム設計の一つに、Ｎバージョン機械学習システムがあり、同システムでは複数の機械学習モデルや入力データを組み合わせることにより、機械学習モデルの推論エラーがシステムの最終出力に直結することを抑止する。

しかしながら、機械学習モデルや⼊⼒データの多様性が出⼒の信頼性と関係していることは経験的に知られていたが、それを説明できる理論的なモデルはなかった。

研究では機械学習モデルの推論エラーに関して、機械学習モデルと⼊⼒データの多様性を指標化。これに基づいて機械学習システムの出⼒の信頼性を評価する理論的モデルを構築した。⼀般的に想定される状況においては、機械学習モデルと⼊⼒データの多様性の双⽅を⽣かす構成⽅法が最も安定的に信頼性を向上できると⽰されたという。

町田准教授は今後について「機械学習システムの⾼信頼化をより低コスト、省電⼒、⼩オーバーヘッドで実現する⽅式について、理論および実装の両⾯で研究を進める予定」としている。