Microsoft の Project Bonsai による機械教育

サイモン・ビッソン、コラムニスト、InfoWorld |

機械学習 (ML) が現代のコンピューティングの中心にあるため、興味深い疑問は、「機械はどのように学習するのか?」ということです。 機械学習には深いコンピューターサイエンスが多く含まれており、フィードバック技術を使用して改善するモデルを作成し、大量のデータセットをトレーニングして、統計技術を使用して結果を推測できるモデルを構築します。 しかし、これらの手法を使用してモデルを構築するためのデータがない場合はどうなるでしょうか? それともデータ サイエンスのスキルがない場合ですか?

機械学習で管理したいものすべてが、膨大な量のビッグデータを生成したり、そのデータを有用にするために必要なラベル付けを備えているわけではありません。 多くの場合、必要な履歴データ セットが存在しない可能性があります。 おそらく、私たちはこれまで導入されていなかったビジネス プロセスを自動化しているか、人間の介入が重要な領域で作業しているのかもしれません。 他のケースでは、有害なデータを回避する方法を見つけて、敵対的な攻撃から機械学習システムを守ろうとするかもしれません。 ここで機械学習が登場し、機械学習アルゴリズムを目標に向けて導き、専門家と協力します。

Microsoft はしばらくの間、AI 研究の最前線に立っており、その結果として得られた Cognitive Service API が Azure のプラットフォームに組み込まれています。 Azure に保存されているビッグデータを使用して独自のモデルを開発およびトレーニングするためのツールが提供されるようになりました。 ただし、Microsoft が提供しているのはこれらの従来の機械学習プラットフォームとツールだけではありません。Microsoft のローコード開発ツール Project Bonsai は、機械学習を使用して産業用 AI の ML 開発を促進する簡単な方法を提供しています。

Microsoft の Autonomous Systems スイートの一部として提供される Project Bonsai は、機械学習モデルを構築およびトレーニングするためのツールです。人間の入力を伴うシミュレーターを使用して、専門家がプログラミングや機械学習の経験を必要とせずにモデルを構築できるようにします。 プロセスの機械学習フェーズでは、基盤となる ML システムがどのように決定に至ったかが示されるため、説明可能な AI を提供するためのツールとしても機能します。

Project Bonsai の中心となるのは、トレーニング シミュレーションのコンセプトです。 これらは、機械学習アプリケーションで制御したい現実世界のシステムを実装するため、MATLAB の Simulink やコンテナー内で実行されるカスタム コードなどの使い慣れたエンジニアリング シミュレーション ソフトウェアを使用して構築する必要があります。 すでにシミュレータを制御システム開発環境の一部として、またはトレーニング ツールとして使用している場合は、これらを Project Bonsai で使用するために再利用できます。

ユーザー インターフェイスを備えたトレーニング シミュレーターは、トレーニング プロセスの一部としてユーザー入力をキャプチャできるため、ここでは便利なツールです。 シミュレータは、操作がいつ失敗したか、失敗した理由、および失敗がどのように起こったかを明確にする必要があります。 この情報はトレーニング ツールへの入力として使用でき、エラーが発生する可能性のある場所をモデルに教えるのに役立ち、エラー発生の兆候を検出できるようになります。 たとえば、空港の手荷物システムを制御するために Project Bonsai モデルをトレーニングするためにシミュレータが使用されている場合、コンベアの速度が速すぎると荷物が落下し、速度が遅すぎるとボトルネックが発生する可能性があることが示されます。 その後、システムはバッグの処理量を最大化するための最適な速度を見つける方法を学習します。

Project Bonsai と制御システム、特に現代の制御理論を利用して一連の境界内でシステムを管理するシステムとの間には密接な関係があります。 ML モデルを適切に操作するには、シミュレーターは、シミュレートされたオブジェクトまたはサービスが入力にどのように応答し、適切な出力を提供するかを適切に把握する必要があります。 特定の開始状態を設定して、シミュレーターと ML モデルが変化する条件に適応できるようにする必要があります。 ML システムがシミュレーターに個別の変更を加えることができるように、入力を定量化する必要があります。たとえば、シミュレートされた手荷物システムを 1m/s 高速化できます。