同じ種類のものであってもそれぞれに微妙な差異があるものだし、光の当たり具合、位置、あるいはポーズといったものでも違いが生まれてしまう。


ValeryBrozhinsky/iStock

・学習を通じて統計的画像モデルを構築

コンピューターに画像のなかの物体を検出させるこれまでの方法は、対象となる物体やそうでない物体の膨大な事例を基にして、統計的な画像モデルを作り上げるというものだった。

　作られた統計モデルが正確かどうかは、人間が確認をして、その都度調整する。

　こうすることで、コンピューターは、同じ種類でありながら微妙に異なる物体が出てきても、ある程度の信頼性を持ってそれを認識できるようになる。

・リンゴに共通する要素は？ 物体の特徴を抽出した抽象レイヤー

だが最新のAIはもっと進んでおり、無数のトレーニング用画像を提示されたとき、人の力を借りずに物体を検出できるようにもなってきている。

　画像を提示されたときに、そこに繰り返し登場する要素を認識し、複雑な特徴を抽象化した階層（レイヤー）を積み重ねるように構築するのだ。

　このことについて、リンゴで解説してみよう。

　さまざまなリンゴの画像をAIに提示すると、それはまず縦線や横線、あるいは左右のカーブを構成するピクセルの集合があることに気がつく。

　これが最初の抽象レイヤーとなる。だが、それはリンゴだけでなく、人の顔や猫や車にも見つかるものだったりする。

　しかし、AIはさらに特定のカーブや線の組み合わせがリンゴによく登場することに気がつく。これがより深層レベルの抽象レイヤーとなる。