アマゾンの研究者がフォーチュナを紹介：ディープラーニングにおける不確実性量子化のためのAIライブラリ

「アマゾンの研究者がフォーチュナを紹介：AIライブラリによるディープラーニングの不確実性量子化」

人工知能と機械学習の最近の発展は、皆の生活をより容易にしてくれています。その信じられない能力により、AIとMLはあらゆる産業に浸透し、問題を解決しています。機械学習の重要な要素である予測の不確実性によって、モデルの予測の正確さを評価することが可能です。信頼性と安全性の確保のためには、不確実性を正確に推定することが重要です。

自信過剰は、特に深層ニューラルネットワークのコンテキストで一般的な問題です。自信過剰とは、モデルが実際よりもはるかに高い確率で特定のクラスを予測することです。これは現実世界での判断や行動に影響を与えるため、懸念事項となっています。

機械学習の不確実性を推定し校正することができる手法がいくつか開発されています。ベイズ推論、適合的予測、温度スケーリングなどがその方法の一部です。これらの手法は存在しますが、それらを実践することは課題です。多くのオープンソースライブラリでは、特定の手法のユニークな実装や一般的な確率的プログラミング言語が提供されていますが、最新の方法論を幅広くサポートする統一的なフレームワークが不足しています。

• 「ハギングフェイスの研究者たちは、Distil-Whisperを紹介しました：高性能でリソースが限られた環境におけるギャップを埋めるコンパクトな音声認識モデル」
• このAI研究は、単一の画像を探索可能な3Dシーンに変換する、パノラマニックNeRF（PERF）を紹介します
• このAI研究は、高品質なビデオ生成のための2つの拡散モデル、テキストからビデオ（T2V）モデルと画像からビデオ（I2V）モデルを紹介します

これらの課題を克服するため、研究者チームがFortunaというオープンソース不確実性定量化ライブラリを発表しました。文献から最新の設備がFortunaに統合され、利用者は一貫性のある直感的なインターフェースを通じてこれらの手法を利用することができます。その主な目的は、回帰および分類アプリケーションで高度な不確実性定量化手法の適用をより簡単にすることです。

チームはFortunaの2つの主要な機能を公開しています。これらは深層学習の不確実性定量化を大幅に改善します。

1. 校正手法：Fortunaは校正に関する数多くのツール、その中に適合的予測も含まれています。予め訓練されたニューラルネットワークは、適合的予測と組み合わせることで信頼性のある不確実性の推定を行うことができます。これにより、モデルの信頼度スコアを実際の予測の正確さとバランスさせることが支援されます。これは非常に役立ち、モデルの予測が信頼性のあるものであるかそうでないかを区別することができます。チームは医師の例を共有し、医師がAIシステムの診断や自動運転車の環境解釈が信頼性のあるものかどうかを判断するのに役立てることができます。

1. スケーラブルなベイズ推論：校正手法に加えて、Fortunaはスケーラブルなベイズ推論ツールも提供しています。これらの手法を使用すると、最初から訓練されている深層ニューラルネットワークを訓練することができます。ベイズ推論と呼ばれる確率的な手法により、モデルのパラメータおよび予測の不確実性を組み込むことができます。スケーラブルなベイズ推論の実装により、Fortunaの全体的な精度とモデルの不確実性定量化の能力を向上させることができます。

まとめると、Fortunaはモデル予測の不確実性を測定し校正するための統一的なフレームワークを提供し、機械学習の領域において有用な追加となります。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!