データラベリングとは？
読み方: データラベリング
30秒まとめ
AIモデルの教師あり学習に必要なラベル（正解データ）をデータに付与する作業。
データラベリングの意味・定義
データラベリング（Data Labeling）は、AIモデルの教師あり学習に必要な正解ラベル（アノテーション）をデータに付与する作業です。画像に「猫」「犬」などのタグを付けたり、テキストの感情を「ポジティブ」「ネガティブ」と分類したり、音声をテキストに書き起こしたりすることが該当します。モデルの性能はラベルの質に直結するため、「ゴミを入れればゴミが出る（GIGO）」の原則が適用されます。 ラベリングには大量の人手が必要で、コストと時間がかかる課題があります。近年はAIを活用した半自動ラベリング（Active Learning）、LLMによるラベル生成（AI-assisted Labeling）、クラウドソーシングによる分散ラベリング（Amazon Mechanical Turk等）などの効率化手法が普及しています。RLHF（人間のフィードバックによる強化学習）もラベリングの一形態であり、ChatGPTの品質向上に大きく貢献しました。