【ダイジェスト】
人工知能（AI）によるパターン認識アルゴリズムが、広大なエリアから特定のアイテムを見つけ出す作業を効率化しています。この技術は、迷子のハイカーや誘拐された子供、違法な武器や薬物、希少動物、人身売買の被害者などを発見するために、空中画像を基に地上の人員を指示するビジュアルアクティブサーチ（VAS）と呼ばれています。カーネギーメロン大学の応用AI専門家、ベン・モーズリー氏によると、AIを視覚検索に追加することで、広範囲のスキャン画像からの検索にかかる時間とリソースを大幅に削減できる可能性があります。
しかし、通常、地上の人員だけでは、空中画像上のすべての可能性のある場所を物理的に検索することはできません。ここで、深層強化学習（DRL）が役立ちます。DRLは「針」の画像を学習し、過去の検索データに基づいて空中画像上で最も可能性の高いグリッド位置を特定することができます。しかし、特定の「針」を検索するために特別に訓練されたDRLニューラルネットワークが常に利用可能なわけではありません。ワシントン大学セントルイス校のエフゲニー・ヴォロベイチク氏によると、DRLニューラルネットワークをリアルタイムで適応させることが解決策です。
ヴォロベイチク氏のグループは、進行中の検索のリアルタイム結果を使用して、ニューラルネットワークの学習プロセスを適応させ、これまでに地上の検索者によって見つかった結果から次に最も可能性の高いグリッド位置を選択する方法を監督するメタデータを使用しています。この新しい方法は、ニューラル情報処理システムの第37回会議（NeurIPS 2023、ニューオーリンズ）で発表された論文で詳述され、そのコードとデータはGitHubでダウンロード可能です。
研究者たちの部分的に監督された強化学習フレームワークは、3つの連続するアルゴリズムに分かれています。まず、1400万枚以上の事前ラベル付けされた写真を含む人気のImageNetデータセットで事前訓練された標準のResNet-34ニューラルネットワークを使用します。次に、事前訓練されたResNetに2つの学習ニューラルネットワークを追加し、地上での進行中の検索結果からのフィードバックを利用して、グリッド位置の検索を監督します。検索結果はメタデータとして予測ニューラルネットワークにフィードバックされ、物理的に検索する次のグリッド位置を選択する効率を徐々に向上させます。
【ニュース解説】
空中画像を利用して特定の対象物を見つけ出す作業は、文字通り「干し草の山から針を見つける」ような困難な作業です。しかし、人工知能（AI）技術の進歩により、このような作業が効率化されつつあります。特に、深層強化学習（DRL）を活用したビジュアルアクティブサーチ（VAS）が注目されています。VASは、迷子のハイカーや誘拐された子供、違法な武器や薬物、希少動物、人身売買の被害者などを発見するために、空中画像を基に地上の人員を指示する技術です。
この技術の鍵を握るのは、AIによるパターン認識と機械学習の組み合わせです。通常、地上の人員だけでは、広大なエリアの空中画像上のすべての可能性のある場所を物理的に検索することは困難です。しかし、DRLを用いることで、過去の検索データに基づいて「針」の画像を学習し、空中画像上で最も可能性の高いグリッド位置を特定することが可能になります。
さらに、特定の「針」を検索するために特別に訓練されたDRLニューラルネットワークがない場合でも、進行中の検索のリアルタイム結果を使用して、ニューラルネットワークの学習プロセスを適応させることができます。これにより、これまでに地上の検索者によって見つかった結果から次に最も可能性の高いグリッド位置を選択することが可能になります。
この技術のポジティブな側面は、検索にかかる時間とリソースの大幅な削減です。特に、野生動物の密猟活動の検出、捜索救助活動、違法な取引の特定など、多岐にわたる応用が考えられます。しかし、潜在的なリスクも存在します。例えば、プライバシーの侵害や、誤った検出による無実の人々への影響などが挙げられます。また、この技術の発展に伴い、規制や倫理的なガイドラインの整備が求められるでしょう。
将来的には、この技術のさらなる進化により、より高速で正確な検索が可能になるとともに、新たな応用分野が開拓される可能性があります。長期的には、人間とAIの協働による検索作業の新たなスタンダードが確立されるかもしれません。
from How to Find a Needle in a Haystack.
