自社のビジネス課題を解こうとすると、既成のAIモデルを活用するだけでは対応しきれない場合もあります。
そんなとき、AIモデルの出力層を調整することが出来れば対応できるかもしれません。
この記事では出力層についてご紹介します
ディープラーニングの答えを活用する＝モデルの出力値を活用すること になりますが、
出力値を活用するにはタスクに合わせて調整する場合が多くあります。
AI（ディープラーニング）が得意とするタスク
AIによって解決したい課題は様々ですが、ディープラーニングは、画像やテキスト、音声など非構造データからタスクを解くための特徴を学習することが得意です。
画像であれば画像分類や物体検出、セグメンテーション。
自然言語処理であれば文章分類や感情分析、要約や翻訳などがあります
タスクに合わせてAIモデルを作成する
課題に合わせて既存のモデルを流用する方法として、転移学習やファインチューンがあります。
具体的には、学習済みモデルの重みパラメータを初期パラメータとして、課題に合わせたデータセットで再学習を行う方法になります。大規模データセットで汎用的な特徴量を抽出する学習を行った後、課題に合わせてモデルの全体ないし、出力層を学習させることで課題に合わせたAIモデルを作成することが出来ます。
