外挿性能とは、機械学習モデルが学習データとして与えられた範囲を超える未知の入力データに対して、どれだけ正確に予測や推論を行えるかを示す能力のことです。学習領域の内側を予測する内挿性能とは異なり、未知の領域や未来のトレンド予測において重要な指標となりますが、一般的にAIはこの能力が低いとされています。
外挿性能とは
一言でいうと、AIが学習データの範囲外の状況に対応できる能力のことです。
詳しく解説
機械学習モデルは通常、与えられた学習データの分布や範囲のなかでパターンを学習します。そのため、学習データに含まれないような極端な値や、これまで見たことのない新しい領域のデータが入力された際、正しく出力を行えるかが問題となります。外挿性能の高さは、モデルが単にデータを記憶しているのではなく、背後にある本質的な物理法則や因果関係を正しく獲得できているかどうかに依存します。しかし、通常のニューラルネットワークなどは局所的なパターン学習に特化しているため、外挿性能を自力で高めることは難しいという背景があります。
具体例・使われ方
例えば、過去10年間の気温データとCO2濃度から特定の年の地球温暖化を予測する際、学習データに含まれない未来の極端な高気温や、これまでに観測されたことのないCO2濃度に対する数値を予測するケースが挙げられます。また、ロボット工学において、学習した動作範囲を超える傾斜地での歩行制御を行う場合などにも外挿性能が試されます。
似た用語との違い
学習データの範囲内の未知データを予測する「内挿性能」と対比されます。内挿性能はモデルが比較的得意とする領域ですが、外挿性能はデータの範囲を外れるため予測の不確実性が跳ね上がり、モデルの性能が著しく低下しやすい点が異なります。
注意点
外挿性能過信による誤った予測に注意が必要です。AIモデルは学習データの範囲外では根拠のない出力を堂々と行う傾向（ハルシネーションや発散）があるため、自動運転や医療診断などのクリティカルな分野では、外挿領域での安全性を保証することが非常に困難であるという限界を抱えています。