あなたは「連合学習」という言葉は聞いたことありますか？
心理学の分野では有名な言葉で、オペラント条件付け・古典的条件付けがそれにあたりますね
オペラント条件付けは能動的な学習、古典的条件付けは受動的な学習です
例えば、犬にかまれたことによって犬に恐怖心を抱くことは古典的条件付けによる受動的（影響を受けること）な学習です
また、犬に噛まれた恐怖心から犬を避けるようになるのはオペラント条件付けによる能動的（影響対する自分の行動）な学習によっておこる行動です
今回は、AI分野の連合学習を解説していきたいと思います
ところでヘルスケアやMicrosoft officeやアプリを使用しているときに、サービスの改善のために情報の提供を求められたことはないですか？
これは何をしているのかというと
個人がアプリなどの使用時に起きたエラーがなぜ起きたのか利用している情報を集め、
改善できるところ・修正点を見つけています
そうして、改善点を見つけ日々アップデートしているのです
そのような学習を機械学習といいます
1．従来の機械学習はどんなもの？
まずいままでの機械学習と連合学習にどのような違いがあるかを知るために
いままでの機械学習がどのようなものであったかですが
従来の機械学習は情報を1つに場所に集め、その情報を使って学習をしていました
アンケートで言えば、アンケートを行った情報を1つの場所にまとめ、結果をもとに数値を割り出していくような感じです
これは学習が行われる前の大量のデータが1か所に送信されるため、
データを集めるのに時間がかかる上に、学習の計算にかかるデータの負担も大きくなります
また、データのやり取りにはたくさんの通信量がかかることに加え、
データの持ち主の保管場所から外に出てしまうため、
プライバシーの保証ができないこともデメリットとして挙げられていました
そのため、従来の機械学習は情報量の問題とプライバシーの問題があったんです
2．連合学習とはどんなもの？
従来の機械学習が持つ弱点を克服した新しい機械学習の方法で
データを集めずに、分散した状態で機械学習を行う方法で
Google社によって提唱されたとのことですね
どう違うの？と思いますよね
先ほどの、機械学習はすべての情報を1つの場所に集め、結果をもとに数値を割り出していくものでしたね
今回の連合学習を順を追って説明していくと…
データに基づいた機械学習により機械学習を行い、改善点や変更点を割り出す
↓
改善点や変更点の情報のみスマートフォンからサーバーに送信
↓
サーバーはこの情報を他のスマートフォンから送信された情報と共有し、
さらに良いパフォーマンスを発揮するための共有モデルとして改善
↓
アプリをダウンロードして、アプリの中で改善点や修正する部分を割り出す
↓
割り出した改善・修正部分をサーバーに報告し、効率化とデータの蓄積を行う
さっきのアンケートの例にすると、
私の友人に「友達からアンケートを取ってきて」というようにAさん・Bさん・Cさんに頼みます。
そして、AさんとBさんとCさんがアンケート結果を割り出した数値を私に渡してもらうように頼みます。
私はAさん・Bさん・Cさんの友達と知り合いでない為、個人情報を扱う上で信頼性もなく協力は得られにくいですが、Ａさん・Ｂさん・Ｃさんはデータをとることができますし、そのデータだけを私が得ることができるので数値を算出できます
連合学習では個々で機械学習を行い、改善点など必要な要素のみを集めます
そのため、大量の情報を集める必要がなく、
データの計算の負担も一定なので、通信量も少なく済むのです
さらに、データが持ち主から離れることがないので、
プライバシーを保護できるという面から
たくさんの利用者から情報を集め学習することができると考えられています
3．連合学習はどんなことにつかえるの？
従来の機械学習に比べ、大きな可能性を秘めている連合学習ですが
どんなことに活用できるのでしょうか？
現在Googleでは、スマートフォンのキーボードの改善を行ったりされているそうです。
他にもスマートフォン関係で連合学習はいろんなアップデートに活用されそうですね
また、連合学習はスマートフォンだけでなく、医療分野においても活躍しています
例えば、いくつかの病院が連携することで、
病気の改善策を機械学習で考えることができます
従来の機械学習では、病気にかかった方の年齢や性別、病気にかかった時期、生活についてなどプライバシーに関する情報を集めて計算する必要がありますが
これではプライバシーに関して保証することがむずかしい為、
情報を提出することに抵抗のある人も多いのではないでしょうか
一方の連合学習では、病気の患者情報について病院ごとに集計し、機械学習を行い、データを算出することで、それぞれの病院の算出結果を集めて改善策を考えることができます
そのため、それぞれの患者のデータは必要なく、プライバシーを保護したまま、病気の処置を算出することができるため、算出結果のデータ量も多くとることができると考えられます
4．まとめ
連合学習とはプライバシーの保護もでき、データ量を抑えることもできるため今後大きな可能性を
秘めた機械学習の手段といえます
活用法としてスマホのデータや病気にかかった方の情報をもとに機械学習にて学習し、
改善策を考えることができます
プライバシーの保護に関してはたくさんの人が慎重になっているなかで、たくさんのデータ収集が重要になってくる中で、この方法はとても有効なものだとかんがえられます
医療の発展のためにも、この技術が速く機能してほしいですね
コメント