データアノテーション

データアノテーションって何？

教師あり学習には前提があります。AIは「答えつきの問題」を見てからでないと解き方を学べません。データアノテーションとは、生データにラベルを貼ること。画像に「歩行者」の枠をつけ、音声を文字に起こし、口コミに「好評・悪評」を付ける——人手、あるいはAIの補助で行います。ラベルがなければ、どんなアルゴリズムも動きようがありません。

なぜ重要？

ラベルがモデルの上限を決める
「ゴミを入れればゴミが出る」。間違いや漏れのあるラベルを与えれば、モデルは間違いを学びます。
AIにできることを左右する
自動運転が車線や歩行者を認識し、医療AIが病変を読み、カスタマーボットが感情を聞き分ける。どれも一枚一枚のラベルから始まります。

主な種類

画像アノテーション
枠を描き、輪郭をなぞり、キーポイントを打つ——モデルに「見る」ことを教えます。
テキストアノテーション
固有表現・感情・意図を付ける——モデルに「読む」ことを教えます。
音声・動画アノテーション
書き起こしとタイムスタンプ——モデルに「聴く」ことを教えます。

誰がやる？

昔は大量の人手。今は「AIが先にラベル付けし、人が修正する」流れ作業が中心です。最先端では大規模モデルをアノテーターにして人が抜き取り検査します。コストは下がりますが、品質の最終確認に人は欠かせません。

まとめ：データアノテーションは、AIに「答えつきの練習問題」を渡すこと。問題が正しければ、モデルはちゃんと学べます。