NECは7月10日、収集データ量が少ない場合でも効果を得られるとする複数の機械学習技術を開発したと発表した。学習用データの量が不十分な段階でも機械学習技術を活用できるという。
同社が新たに開発したという機械学習技術は、（1）人のノウハウを活用した学習技術、（2）類似度に基づいてパラメータを推定する技術、（3）複数分割による効果見積もり技術――の3つ。それぞれの概要は次の通り。
人のノウハウを活用した学習技術
業務や領域での専門知識を持つ人の物事の因果関係に関するノウハウ（例：肥料の成分と植物の育成の関係など）を数値化して活用。学習効率の高いデータを能動的に収集、学習してより少ない収集データで学習でき、データ収集コストを削減する。
類似度に基づいてパラメータを推定する技術
複雑なシミュレーションで必要な多数のシミュレーションパラメータおよび実データに対するパラメータ調整において、実データが少なくともパラメータ値の異なる複数のシミュレーション結果の類似度に基づいたパラメータ値の修正を繰り返し、正しいパラメータ値を推定する。
複数分割による効果見積もり技術
収集データについて学習用と効果評価用に複数の分割パターンを準備し、それぞれの効果評価結果を平均することでより正確な効果を見積もり、少数データの偏りに影響されにくい、より正確な意思決定を行えるようにする。
新たに開発した機械学習技術のイメージ（出典：NEC）
これら技術の成果の一部は、産総研人工知能連携研究室および国立情報学研究所、科学技術振興機構、統計数理研究所、Max Planck Institute for Intelligent Systemsとのオープンイノベーションによって得られたといい、同社は10日からスウェーデンで開催される機械学習技術の国際会議「ICML2018」で詳しく発表するという。
