自動運転車、肌の色が濃い歩行者の検出精度が5%低い〜訓練データのバイアスが原因
ジョージア工科大学の研究で、自律走行用物体検出アルゴリズムが、肌の色が濃い歩行者を検出する精度が平均5%低いことが判明しました。原因は、公開データセットの大半が白人の画像で構成されており、アルゴリズムが少数派データから十分学習していないためです。視界遮蔽や時間帯で調整しても差は変わりませんでした。
過去の事例と改善策
2018年には、マイクロソフト・IBM・Megviiの顔認識システムでも、肌の色が濃い人の性別誤認識率が高いことが報告されています。研究者たちは、人種的に多様な訓練データを増やし、少数派例により重みを置くことで改善可能と提言しています。本研究は研究用モデル・公開データセット対象ですが、商用システムへの示唆は大きいです。
参考文献: arXiv:1902.11097 | Georgia Institute of Technology
産業技術
- コボットでDonnelly Custom Manufacturingが人と自動化のバランスを最適化
- インダストリー4.0:真の革命はビジネスモデルにあり
- ネットワークセキュリティキーを見つけて保護する:Wi-Fiを守る簡単な手順
- 自律走行AIの盲点を人間のフィードバックで検出、安全性を向上させる新モデル
- 歩行者の動きを45m先まで予測するAI、バイオメカニクス着想のRNNで自動運転を安全に
- AIが血液検査から喫煙による生物学的老化を定量化、男性1.5倍・女性2倍の加速
- AIがカルテ記載からアルコール乱用を78%精度で検出、スクリーニング自動化へ
- ハードディスクが知らぬ間にマイクになる、音波攻撃で音声盗聴の新手法
- AIブレークスルー:GPU加速ツールがX線画像からCOVID-19検出
- プリント基板が現代車両を支える仕組み
- Intel、年内に100台の自律走行車をグローバル展開へ