画像と音の分類

• 転移学習は、すでに大量の写真で学習ずみの部品を借りて、最後の見分けるところだけを自分の写真で学習させるやり方。だから 1 種類 20 枚でも動く。音も同じやり方で分けられる
• ばらばらの場所で 3 種類とも 20 枚ずつ集めたとき、学習に使った写真では 100%、見ていない 60 枚でも 88%。2 つの数が近い
• 同じ机の上だけで集めたときも、学習に使った写真では 100%。ところが別の場所で撮った 60 枚では 51% まで落ちた
• 落ちた理由は、機械が、ものの形だけでなく机の模様も一緒に覚えていたから。第4回の「でたらめな列」と同じことが、背景という形で起きている
• ペットボトルだけ 50 枚、ほかは 5 枚ずつにすると、全体では 67% だが、かんは 20% しか見つけられない。迷ったらペットボトルと答えるほうが得だから
• だから全体の正解率だけでなく、種類ごとの割合を見る。低い種類がどこかに必ずある
• 集め方は、あとから直せない。集める前に、場所・明るさ・向き・枚数をそろえると決めておく
• 人が写ったもの・人の声は、避けるか本人に断る。分かれ目は、断る相手がいるか、いないか
• 知らない人が写った写真、断らずに録った話し声、大人数の集合写真は使わない。相手が誰か分からない、あるいは全員には断れないから。代わりに、人が写り込まないもの（ごみ、標識、葉、道具、部品）を選ぶ。それなら断りも要らず、枚数も集めやすい
• 断るときは 3 つを伝える。何に使うか／どこに残るか／やめたくなったら消せること
• 「公開されている」だけでは足りない。使ってよいと書かれているかを確かめる
• 通常の学習と予測はブラウザの中で完結し、撮った写真や録った音は分析用のサーバへ送られない。生成 AI による解釈支援を押したときだけ、外部へ送られる

同じ 3 種類を分けるのに、学習に使った写真ではどの集め方も正解率 100% だった。それでも集め方によって差が出たのはなぜか。今日の数を使って 3 文程度で書く。

この単元はここで終わる。手に残ったのは 5 つ。1 行が 1 件で目的変数は人が決めること、正解率だけを見ないこと、学習に使ったデータで測った当たり方は本当の当たり方ではないこと、関係のない列でも足せば当たったように見えること、集め方の偏りはあとから直せないこと。 次に使うのは、探究の進め方の第10回「整理と分析」で、自分の探究のデータにかけるとき。そこでは、この 5 つがそのまま点検表になる。作ったものを人に使ってもらう形にしたくなったら、「Streamlit で Web アプリを作る」へ進む。各回の「探究へ」に書いたメモは、この端末の中の探究ノートに集まっている。