>>821
ラベリングが自動的にできる位なら、そもそも機械学習は必要ない。
機械学習が必要な限り、手作業によるラベリングは必ず発生する。
その意味でアノテーションとかラベリングは機械学習の要で、最近になり中国やインドの業者が増えてきてる。
ただし、ラベリングは車載カメラの映像から自動車を選ぶとか誰でもできるものと、
胸部レントゲン写真から腫瘍部分を選ぶとか高度な専門教育を受けた者でしかできない仕事に分けられる。
現在、中国とかインドの業者に発注する場合、単価は下限で時給1ドルくらいとなっている。
一方、イスラエルの企業が開発した胸部レントゲン写真の自動診断システムのラベリングは時給80ドルで
専門医10名くらいを雇用し、数百万枚の写真を8年くらいかけて分類したとかその企業が発表してた。
また、Googleが運用を開始したGoogle Duplexの場合、AIが認識できないケースが全体の30%とかに
達しており、AIが対応できなかったケースは、個別に専任のオペレーターがマニュアル対応してそのデータを
元の機械学習データにフィードバックさせるような非常に手間と金をかけることをやってる。
同じケースはAlexaでも発生しており、Alexaの場合、AIが認識できなかった音声を個別に人間がテキスト化して元の学習データに戻している。
このパターンで最も複雑な処理を実装化しているのがTeslaで、Teslaは自動運転モードで走行している
にかかわりなく、全自動車の走行時に取得したセンサーデータを毎日、センターコンピューターに吸い上げて
AIの精度を向上させている。