アカウント名:
パスワード:
数年に1度違う形で起きる事件にどんな特徴を探すんだよ
データはたくさんあるよ。
異常検出っていうAIの手法を使う。普通の人の動きをAIに学ばせてあげると、普通の人じゃない動きが炙り出される。それが不審者。機器の計測データの異常検出なんかにも使われてる。
普通な人しかいない中に数年に1度加害するレベルの普通じゃない人が沸くならそうだけど。
普通な人が多くて、そこそこ普通じゃない人がいて、その中で加害するラインを超えてしまう人が数年に1度出るのだから平常時の挙動を学習しても加害ライン手前の人がそこそこ含まれていてあまり役には立たないのでは。
それをやるのが腕の見せ所。同じデータを利用してAIを作っても、プログラマによって「使えるAI」になったり「使えないAI」になる。不審者のデータがいくらあってもそういう考えじゃ使えるものは作れないよ。
＃AIはプログラムじゃないなんて言う人いるけど違うから。本当にプログラマによってできるAIの品質が変わる
いわゆる「AI」を作る側の人間だけど、こういう主張をする人とは仕事したくないなw
じゃあAIの質は何で担保されるんでしょうかねどんなデータがあってもそれを判別するアルゴリズム次第で有能にも無能にもなると思いますが
> どんなデータがあってもそれを判別するアルゴリズム次第で有能にも無能にもなると思いますが
データがゴミだとモデルも自動的にゴミになります。どんなNN組んでみても無駄です。もちろん技術で改善できる部分はあるけど、モデルの質はほとんどデータ（特にラベル）で決まると言っても過言ではないですね。MLやってる人間なら知らない人はいないAndrew Ng [youtube.com]もそう言っている。
今回の件で言うなら、まず「こいつは明らかに不審者で何かをやらかす」というのが人間が見て判断できないとだめです。わからないのならそれは「（見ている時点において）不審者という特徴がない」ことを意味するので。「その隠された特徴を探すのだ」というのならそれは科学の領域で、研究にお金も時間も相当かかるし、有用な結果が出る保証もないです。
単純にトラブル起こした人間をポジティブとラベル付して、NNに突っ込むのなら、overfittingした結果、トラブルを起こしそうな人を検知するのではなく「トラブルを起こした張本人」（厳密にはそいつと似ている挙動をした人間）を検知するモデルになるか、何ら不審ではない行動を「不審だ！」と検知して困らせるオオカミ少年モデルになるかのどちらかでしょうね。
ただ、不審者検知ではなくてトラブル検知なら話は別で、（音声がないと厳しいかもしれないけど）トラブルは誰が見てもトラブルだと判断できるので、それなりに信頼できるラベルをつけることができるし、検知後即駅員等々に場所を含めて自動的に連絡できるという活用方法はあるでしょうね。
より多くのコメントがこの議論にあるかもしれませんが、JavaScriptが有効ではない環境を使用している場合、クラシックなコメントシステム(D1)に設定を変更する必要があります。
アレゲはアレゲ以上のなにものでもなさげ -- アレゲ研究家
データあんの？ (スコア:1)
数年に1度違う形で起きる事件にどんな特徴を探すんだよ
Re: (スコア:0)
データはたくさんあるよ。
異常検出っていうAIの手法を使う。普通の人の動きをAIに学ばせてあげると、普通の人じゃない動きが炙り出される。それが不審者。
機器の計測データの異常検出なんかにも使われてる。
Re: (スコア:0)
普通な人しかいない中に数年に1度加害するレベルの普通じゃない人が沸くならそうだけど。
普通な人が多くて、そこそこ普通じゃない人がいて、その中で加害するラインを超えてしまう人が数年に1度出るのだから
平常時の挙動を学習しても加害ライン手前の人がそこそこ含まれていてあまり役には立たないのでは。
Re: (スコア:0)
それをやるのが腕の見せ所。
同じデータを利用してAIを作っても、プログラマによって「使えるAI」になったり「使えないAI」になる。
不審者のデータがいくらあってもそういう考えじゃ使えるものは作れないよ。
＃AIはプログラムじゃないなんて言う人いるけど違うから。本当にプログラマによってできるAIの品質が変わる
Re: (スコア:0)
いわゆる「AI」を作る側の人間だけど、こういう主張をする人とは仕事したくないなw
Re: (スコア:0)
じゃあAIの質は何で担保されるんでしょうかね
どんなデータがあってもそれを判別するアルゴリズム次第で有能にも無能にもなると思いますが
Re:データあんの？ (スコア:0)
> どんなデータがあってもそれを判別するアルゴリズム次第で有能にも無能にもなると思いますが
データがゴミだとモデルも自動的にゴミになります。どんなNN組んでみても無駄です。もちろん技術で改善できる部分はあるけど、モデルの質はほとんどデータ（特にラベル）で決まると言っても過言ではないですね。MLやってる人間なら知らない人はいないAndrew Ng [youtube.com]もそう言っている。
今回の件で言うなら、まず「こいつは明らかに不審者で何かをやらかす」というのが人間が見て判断できないとだめです。わからないのならそれは「（見ている時点において）不審者という特徴がない」ことを意味するので。「その隠された特徴を探すのだ」というのならそれは科学の領域で、研究にお金も時間も相当かかるし、有用な結果が出る保証もないです。
単純にトラブル起こした人間をポジティブとラベル付して、NNに突っ込むのなら、overfittingした結果、トラブルを起こしそうな人を検知するのではなく「トラブルを起こした張本人」（厳密にはそいつと似ている挙動をした人間）を検知するモデルになるか、何ら不審ではない行動を「不審だ！」と検知して困らせるオオカミ少年モデルになるかのどちらかでしょうね。
ただ、不審者検知ではなくてトラブル検知なら話は別で、（音声がないと厳しいかもしれないけど）トラブルは誰が見てもトラブルだと判断できるので、それなりに信頼できるラベルをつけることができるし、検知後即駅員等々に場所を含めて自動的に連絡できるという活用方法はあるでしょうね。