⑤ ディープラーニングの応用例／ 32. マルチモーダル

マルチタスク学習とは

マルチタスク学習とは、関連する複数タスクを同時に学習させ、共通特徴を共有することで性能向上を図る手法です。過学習の抑制や汎化性能の向上にも寄与します。

この用語はG検定シラバスの「32. マルチモーダル」に含まれます。章全体の用語は用語解説⑤（全133語）にまとまっています。

関連する複数の課題を同時に学ばせて、共通の力を伸ばす手法です。

なぜ性能が上がるのか

関連するタスクは共通の特徴を必要とします。顔の年齢推定と性別推定なら、顔の構造を捉える力は共通です。

同時に学習すれば、複数のタスクからの情報で共通部分がより確かに学習されます。各タスクのデータが実質的に増えたのと同じ効果が生まれます。

1つのタスクだけに合わせすぎることができなくなるため、過学習が抑えられます。正則化と似た効果です。

ただし関連の薄いタスクを無理に組み合わせると逆効果になります。タスク間の関係を見極めることが重要です。Unified-IOはこの考え方を大規模に推し進めた例です。

関連の薄いタスクを組み合わせると互いに足を引っ張り合うことがあります。これを負の転移と呼びます。

どのタスクを組み合わせるかの判断が性能を左右する設計上の要点になります。