AIBR プレミアム
拓海先生、この論文って要するに何を示しているんでしょうか。うちの現場でも「学習させれば何でも分かる」と言われて怖いんです。
素晴らしい着眼点ですね！今回の論文は、「部分的にしか定義されないルール（部分概念）」を機械が学べるかを、オンライン学習の観点で調べた研究ですよ。結論を3点で言うと、まず一部の部分概念はオンラインで学習可能である、次にその部分概念を“完全なルール”に拡張しても学習可能とは限らない、最後にこの性質はPAC学習（事前に与えられたサンプルで学ぶ枠組み）より強い観点で示された、という点です。
部分概念ってのは、例えばどういうイメージですか。現場で言えば「この製品は高温だと判定しない」みたいな未定のルールですか。
いい例えです。部分概念（partial concept class、部分概念クラス）とはある事象について「はい」「いいえ」のどちらとも決められない箇所（曖昧な箇所）を含むルール群だと考えてください。ビジネスに置き換えれば、現場で判定できないケースを＊未定（⋆）＊として残すルール群です。学習とは、この未定部分をどう扱うかに関わる問題でもありますよ。
なるほど。で、「拡張しても学習不可」っていうのは、未定を全部決め打ちしてルールを完全にしても意味がないということですか。これって要するに、学習できる部分とできない部分が根本的に違うということ？
概ねその理解で合ってます。重要なのは二点あります。第一に、PAC learning（Probably Approximately Correct learning、PAC学習）では部分概念を完全に埋めれば学習性が伝搬する場合があるが、オンライン学習（online learning、オンライン学習）では必ずしもそうならないと論文は示した点です。第二に、この差は理論的な「学習可能性」の本質に関わる話で、投資対効果を判断する際に過度に拡張や複雑化を避ける指針になりますよ。
じゃあ、現場で「未定」はそのままにしておく方がいい場合もあると。要するに、未定を無理に埋めて巨大なモデルにすると失敗するリスクがあるということ？
その通りです。短く要点を3つにすると、大丈夫、一緒に言うと、1) 部分概念は現場の曖昧さをそのままモデル化する手法になり得る、2) 拡張して完全化してもオンライン学習の観点では学習不可能になる例が存在する、3) 実務的には未定を安易に埋める前に、まずオンラインでの挙動を小さく試すべき、ということですよ。
投資対効果の観点で言うと、まずは小さく試してから拡張するという方針が得策ですね。これって要するに、学習可能な部分だけをまず使って成果を出せばいいということ？
はい、その方針で問題ありません。実務では可能な範囲で部分概念を扱い、オンラインでの運用を通じて改善を重ねる。これで失敗の損失を抑えつつ、学習が有効な領域を見極められるんです。大丈夫、一緒にやれば必ずできますよ。
分かりました。要点を自分の言葉で言うと、部分的にしか決められないルールはそのまま学習に利用できる場合があるが、未定を全部決めて完全なルールにしてもオンラインで学べるとは限らない。だからまずは学習できる範囲で小さく運用し、効果を確かめてから拡張する、という理解でよろしいですか。
