seoil e&m

ソウル大のB.G.JEON(ジョン・ビョンゴン)教授

ウィンドトンネル(WindTunnel)の概要

2021.08.09 09:28

ソウル大学校工科大学のコンピューター工学部B.G.JEON(ジョン・ビョンゴン)教授チームがMicrosoft社との共同研究を通じて
伝統的マシンラーニング・パイプラインをニューラルネットワークに変換して最適化するフレームワークである
「ウィンドトンネル(WindTunnel)」を開発したと発表した。

このフレームワークは伝統的なマシンラーニング技法と最新ディープラーニング技法の両方の長所を取る中核技術であり、
クリック率の予測と推薦システムなどの様々な現場での人工知能(AI)応用に活用されると思われる。

ディープラーニング技法がコンピュータービジョンや自然言語処理(NLP)などの分野で効果的と認められ注目を集めてはいるが、
クリック率の予測や推薦システムなどの人工知能の応用分野で使われる表形式のデータ(Tabular data)は今も線形モデル(Linear model)や
GBDT(Gradient boosting decision trees)のような伝統的マシンラーニング技法がより優れた性能を見せる場合が多い。

普通、伝統的なマシンラーニング技法を使う場合は多数のマシンラーニングモデル及びデータ変換演算を合わせて
一つのマシンラーニングパイプラインを構成し、学習時にはパイプラインを構成する各要素を個別的に学習した後に使うことになる。

B.G.JEON教授チームはパイプラインの各構成要素を個別的に学習した後、これらをニューラルネットワークに変換させて
多様な構成要素を誤差逆伝播法(backpropagation)でいっぺんに最適化する技術を開発した。

特にGBDTやカテゴリカルデータエンコーダー(Categorical feature encoder)のように一般的に微分できない構成要素を
ニューラルネットワークに変換して最適化する方法を提案した。

この技術を用いて開発されたウィンドトンネル・フレームワークは既存より高い予測性能とともに、表形式データに関した
伝統的なマシンラーニング技法とディープラーニング技法間の落としどころを探す様々な研究へ繋がれると評価されている。

一方、今回の研究結果はグローバル「大規模データベース国際会議2022(International Conference on Very Large Data Bases, VLDB)」で
「ウィンドトンネル：単一モデルを乗り越える差別化されたMLパイプライン(WindTunnel: Towards Differentiable ML Pipelines Beyond
a Single Model)」というタイトルで発表される予定である。

※本件についてお問い合わせ事項がございましら、当ホームページの「お申込み/お問い合わせ」又は下記の連絡先へご連絡お願い致します。
部署名：SEOIL E&M 企画マーケティンググループ
TEL ：+82)2-6204-2033
E-mail : pl@seoilenm.com