Home / 開発実績 / AI開発 / テスト採点業務を決定木学習(Decision tree learning)で自動化するシステムをPythonで開発

テスト採点業務を決定木学習(Decision tree learning)で自動化するシステムをPythonで開発

テスト採点業務を決定木学習(Decision tree learning)で自動化するシステムをPythonで開発
data
内容

大学の英作文のテスト採点業務を決定木学習(Decision tree learning)で自動化するシステムを開発

大学の英語のライティングテスト自動評価システムに機械学習Machine Learning)の決定木学習(Decision tree learning)を導入。
採点ルールや特徴を抽出し、教師データとして学習させ最適な採点結果を出力。
ディープ・ラーニング手法(深層学習)によって、採点能力の向上と効率化に大きく貢献。

機械学習(Machine Learning)教師あり学習

機械学習(Machine Learning)教師あり学習は、あらかじめ正解を提示しておき、その条件に当てはまる情報をひたすらインプットしていくものです。決定木学習は、統計、データマイニング、機械学習で使用される予測モデリングアプローチです。今回はClassification and Regression Treesでテストの回答のパターンを予測しました。採用したパターンを定義して入力したテキストを予測して採点を実施します。。

あらかじめ英作文の正解パターンを与えることで、AIが自律的に採点ルールや特徴を抽出し「正解」を理解、判断できるよう促していきます。

機械学習を発展させたディープラーニング

このような機械学習をさらに発展させた学習形態として、ディープラーニングと呼ばれる手法があります。ディープラーニングは単純な機械学習とは異なり、より複雑な判断を可能にする働きをします。特定の情報をより多層的に深く読み込みことで、その事象に共通するパターンを見いだすことができます。人の神経細胞を模したニューラルネットワークを多層化し、情報を具体的に理解できるよう促しています。一般的な機械学習の精度は優れてはいるものの、まだまだミスも多いものです。ディープラーニングはそんな情報判断の精度をさらに高め、ミスのない技術を実現してくれるのです。

 

PythonでAI(人工知能)開発

1991年にオランダの開発者が開発したプログラミング言語がPythonです。当時、イギリスで大ヒットしたコメディ「モンティ・パイソン」が名前の由来となっています。

PythonにはNumPyPandasなど有名な機械学習ライブラリが多数あり、AIを活かしたアプリ開発に便利です。例えばPinterestやInstagramなどのSNSアプリはPythonで開発されています。

 

今後の開発について

今後は、採点者がルール化を行わず、AI(人工知能)が採点の特徴やルールを自動的に抽出して
学習データを生成するような次の段階の開発を予定しています。
AI(人工知能)を使った自動採点の開発はますます進んでいくと弊社は考えています。

実績一覧

ある商品(消費財)のAI画像認識のための教師データ用のCGを制作しました。商品の現物を参考にしながら酷似したCGモデルを制作しました。CGモデルをUnityで様々な角度や陰影をつけた画像をAIの学習データとして抽出します。Unityのツールも開発しました。

7セグメントディスプレイのデジタル数字を認識するモジュールを開発しました。 デバイスのデジタル数字が表示されている枠内の数字を自動解析します。決定木の手法と SSOCR(seven segment optical character recognition)を利用しました。 このモジュールはホロレンズ(Microsoft HoloLens)、スマホなども応用可能です。

OpenCV+ AI Yolo画像認識の研究開発 今回は2018年のセミナーのプレゼンテーションのために以下の3つのデモを研究開発した実績をご紹介します。

無料相談
お問い合わせ