データアノテーションとは、生データにタグを付与し、AIモデルにとって意味のあるデータにするプロセスです。例えば、画像にオブジェクトカテゴリのラベルを付与したり、テキストに感情タグを付与したりすることが挙げられます。
目的
目的は、AIが教師あり学習においてパターンを学習できるようにするトレーニングデータセットを作成することです。アノテーションがなければ、多くのAIタスクは実行できません。
重要性
- ML モデルのトレーニングのための「グラウンド トゥルース」を提供します。
- 注釈の品質はモデルの精度と公平性に影響します。
- 時間とリソースを大量に消費するタスク。
- 多くの場合、ドメインの専門知識（例：医療注釈）が必要です。
仕組み
- タスクとラベルのカテゴリを定義します。
- 生データを収集し、前処理します。
- ラベル付けには注釈ツールを使用します。
- 品質チェックを通じて検証します。
- モデルトレーニング用のラベル付きデータをエクスポートします。
例（実世界）
- Amazon Mechanical Turk: クラウドソーシングによる注釈プラットフォーム。
- Shaip: 自律走行車データセットのデータ注釈サービス。
- 放射線画像のラベル付け: 病院は AI 診断のためにスキャンに注釈を付けます。
参考文献 / さらに読む
- AI 向けデータ注釈 — NIST。
- データセットの注釈付けとラベル付け — IEEE Transactions on Data Engineering。
- ISO/IEC 24617: セマンティック注釈フレームワーク — ISO。
- データアノテーションとは – Shaip
