モデルドリフト
Model Drift
AIが時間の経過とともに現実の変化についていけず、予測の精度が下がってしまう現象。
簡単に説明すると
モデルドリフトは、学習したときと社会の状況が変わることで、AIの予測の正確さが落ちてしまう現象のことだよ。 例えば、流行の言葉や新しい買い物のパターンが生まれると、過去のデータしか知らないAIは正しい判断ができなくなるんだ。 そのため、自動翻訳や不正検知などのシステムでは、定期的にAIの精度を確かめる作業が行われているんだよ。
名前のヒミツ
「モデルドリフト」という名前は、AIの予測の仕組みを表す「モデル」と、「漂流する」や「少しずつずれる」という意味の英単語「ドリフト」を組み合わせたものなんだよ。 AIが社会の流行や生活様式の変化から取り残されて、現実と予測がだんだん離れて流されていく様子から名付けられたんだね。
くわしく見てみよう！
モデルドリフトとは、作られたAIが時間の経過とともに現実社会の変化に対応できなくなり、予測や判断の精度が落ちていく現象のことだよ。
AIは過去のデータを元にパターンを学習するため、人間の生活様式や世の中の仕組みが変わってしまうと、正しい答えを導き出せなくなってしまうんだね。
かんたんに言うと、モデルドリフトが起きる原因には入力データの変化と判断基準の変化という2つのパターンがあるよ。
例えば、新しいトレンドの登場によってAIに入力されるデータそのものが変化する現象をデータドリフトと呼ぶんだ。
一方で、法律や社会情勢が変わることで「何が正しいか」という基準そのものがズレてしまう現象を概念ドリフトと呼ぶんだよ。
モデルドリフトを放置すると、AIが誤った予測を続けてシステム全体の信頼性が失われてしまう危険があるんだ。
そのため、実際の運用ではAIの予測結果を絶えず監視し、定期的に最新のデータを使って再学習を行わせることで精度を保つ取り組みがされているんだね。