AIワークロード応用

自然言語処理AIが顧客レビューから「不満」と「満足」を分類する際、訓練データの90%がスマートフォン関連のレビューから構成されていました。このAIを家電製品全般の分類に使用した場合、起こりやすい問題はどれですか?

A.ドメイン外適用(Out-of-Domain)による精度低下。特に冷蔵庫や洗濯機などのレビューで不正確な分類が増加する可能性が高い← 正解
✓ 正解です。AIモデルが特定ドメイン(スマートフォン)でのみ訓練されて別のドメイン(冷蔵庫など)に適用されると、ドメイン外適用による精度低下が生じます。異なる製品では用語や表現が異なるため予測精度が落ちます。
B.家電製品すべてでスマートフォンレビューと同等の精度が自動的に得られる
✗ 訓練データのドメインと適用先が異なる場合、精度は自動的に維持されません。ドメイン適応やデータ拡張が必要です。
C.分類精度はドメイン関係なく、訓練データの量だけで決まるため問題ない
✗ データ量だけでなく、訓練データのドメイン多様性も精度を大きく左右します。単一ドメインデータでは汎化性能が低くなります。
D.AIが自動的にドメインに適応し、新しい製品カテゴリーのレビュー言語パターンを学習する
✗ AIモデルは自動的にドメインに適応しません。新しいドメインでの性能向上には追加の訓練やファインチューニングが必要です。

この問題のポイント

AIモデルが特定ドメイン(スマートフォン)でのみ訓練されて別のドメイン(冷蔵庫など)に適用されると、ドメイン外適用による精度低下が生じます。異なる製品では用語や表現が異なるため予測精度が落ちます。

AI-900:Microsoft Azure AI Fundamentals の問題一覧