新しい研究の種はないものかと、機械学習における様々な対象問題のデータセットと手法がまとめられているサイト（Paper with Code）を見てみました。
そのサイト名の通り、載っている論文はすべて、その再現ができるようにプログラミングのコードが一緒に公開されています。
（再現しようとする人のPCの環境や、その時のプログラムのバージョンによってオリジナルの論文と同じ精度が出なかったり、そもそも再現ができないこともあるのですが、それはさておき。）
最近のトレンドとなっている論文もトップページにまとめられてはいますが、今日はとりあえず、これまで読んだことが無い分野を探してみることにしました。
画像分類。
それは有名すぎてむしろ一番オーソドックス。
物体の推定。
これもこの前読んだ気がする。
画像生成。
chatGPTとそれが生成してくれる画像にはとてもお世話になっています。
対照学習。
おっ。これはあんまり読んだことない気がする！
結論から言えば、私が「対照学習」という言葉をきちんと覚えていなかっただけで、類似した研究はこれまでも読んでいたようでした。
忘れてしまった記憶力が悲しいです。
では、この対照学習。
どういった手法かと言いますと、モデル学習用に正解ラベルを付与したデータを作成するのは大変だから、対象となるデータと似ているデータを近くに、似ていないデータを遠くにするモデルを学習してしまおう、というものです。
そして近くに置くべきデータは、対象となるデータを少し変えてみたり、その他さまざまな手法で用意することができます。
鳴かぬなら鳴かせてしまえ（コストをかけてラベルを付ける）わけではなく。
鳴かぬなら鳴くまで待つ（自然にラベルが付くのを待つ）わけでもなく。
ホトトギスの鳴き声に類似したものを作ってしまおう！というような手法です。
ただ、こちらの手法。
2020年あたりから、少なくとも画像の領域では、あまりめぼしい手法は開発されていないらしく、研究テーマの種が隠れているかは微妙なところの様です。
一方、画像ではない他の対象領域では、このような「似ているものと似ていないもの」を一緒に学習する手法が多数用いられています。
どこかの分野でうまくいかなくとも、どこか別のところでならば輝ける。
適材適所がある人間に似ているのかもしれません。
P.S.
求人票が作れちゃうGPTs。
こちらの動画でご紹介しています。
【採用担当者向け ChatGPTで求人票を書く方法】
