ラベルLabel

ラベルは人が付けます

ラベルは資料の中にもとから入っている値ではありません。写真ファイルには画素だけが入っていて、「猫」という文字はどこにもありません。人が写真を見て判断し、横に書き加えたものです。

だからラベルを作る作業は人の時間がそのままかかる作業です。写真一万枚に名前を付けるには一万回見て一万回書く必要があります。物の位置まで示さなければならない仕事なら、一枚に数分かかることもあります。

何を正解にするかは目的によって変わります。同じ写真に「猫」を付けることもあれば「室内」を付けることも「明るい」を付けることもあります。ラベルは資料の性質というより、私たちが解きたい問題を映しているわけです。

ラベルがあってこそ採点ができます

学習は採点を繰り返す作業です。モデルが資料を見て答えを出すと、横に付いているラベルと照らし合わせます。間違っていればどれだけ間違ったかを測り、その分だけモデルの中の数値を直します。この過程を数え切れないほど繰り返すうちに実力が付きます。

ラベルがなければこの採点はできません。答えを出しても合っているか間違っているかわからず、直す方向もわかりません。ラベルを付けた資料で教える方式を教師あり学習と呼ぶ理由です。

特徴量とラベルは別の場所にあります

資料一件を表の一行として見ると、前のほうの列が特徴量で、いちばん後ろの列がラベルです。特徴量はモデルが見るもので、ラベルはモデルが当てなければならないものです。この二つが対になってこそ学習に使えます。

実際にモデルを使うときはラベルがありません。新しく入ってきた写真には特徴量しかなく、その正解を見つけ出すのがモデルの仕事だからです。ラベルは教えている間と実力を測る間にだけ必要です。

だから正解がわかっていないと埋められない値が特徴量側に混ざり込んではいけません。試験の点数はとても良く出ますが、実際の場面ではその値を求められず、モデルが使い物にならなくなります。

ラベルが間違っていると学習も間違います

モデルは付いているラベルを疑いません。人が誤って犬の写真に「猫」と書いておくと、モデルはそれをそのまま学びます。間違って付いた正解が数パーセント混ざるだけでも実力が目に見えて落ち、何が原因で落ちたのか見つけるのも難しいです。

あいまいで間違えることも多いです。「この口コミは肯定的か否定的か」といったことは人によって判断が分かれます。だからラベルを付けるときは基準を文書で決めておき、複数の人が同じ資料に付けてみてどれだけ一致するかを確かめます。一致率が低ければ、資料ではなく基準のほうを先に見直すべきだという合図です。

ラベルなしで学ぶ道もあります

ラベル付けがとても高くつくので、この負担を減らす方法もいくつか出てきました。ラベルのない資料同士で似たものをまとめてみる方法があり、ラベルの付いた少ない資料と付いていない多くの資料を一緒に使う方法もあります。

最近の言語モデルが使う方式もこれに近いです。人が正解を書いてくれるのではなく、文章の後ろ部分を隠してその場所を当てさせます。もとからあった文字がそのまま正解の役目を果たすので、人の手がかかりません。それでも最後に人の好みに合わせて仕上げる段階では、やはり人が付けた判断が必要です。