近年、深層学習(Deep Learning)という技術が注目を集めています。 深層学習は従来のニューラルネットワークを多層化・複雑化したものと言えます。 深層学習によりこれまで困難だった多くのタスクが、コンピュータを使って 処理できるようになりました。
ただし深層学習を利用するには大量の教師付きデータが必要です。 しかし現実的には利用できる教師付きデータは存在しない、あるいは非常に少量であることが 通常です。また教師付きデータを構築するのは手作業になるため、コスト的に不可能です。
我々はこの問題の対処として2つの点から研究を行っています。 一つは転移学習、もう一つは半教師あり学習です。 転移学習は既に学習できている別タスクに対する知識を、 対象とするタスクへ利用する学習手法です。 半教師あり学習とは少量の教師付きデータの他に 教師の情報が付いていない大量のデータを利用する学習手法です。 どちらの手法にも共通しているのは、対象のタスクに対して 少量の教師付きデータしか利用できない状況での学習であり、 現実的な設定といえます。