ファルスネガティブとは、AIや機械学習のモデルが実際には陽性であるデータを誤って陰性と判定してしまう「偽陰性」のことです。見逃しエラーとも呼ばれ、特に医療診断やセキュリティなど、見落としが重大なリスクにつながる分野で厳密な対策が求められます。
ファルスネガティブとは
ファルスネガティブとは、AIモデルの予測において、本来は「陽性（異常・検出すべき対象）」であるデータを誤って「陰性（正常・検出なし）」と判断してしまう現象のことであり、「偽陰性」や「見逃し」とも呼ばれます。
詳しく解説
AIモデルの性能評価において、予測結果と実際の正解データの組み合わせは4つに分類されます。その中で、実際にはポジティブな事象であるにもかかわらず、ネガティブと判定してしまうエラーがファルスネガティブです。例えば、迷惑メールフィルタが実際には迷惑メールであるものを正常なメールと誤判定して受信トレイに入れてしまうケースがこれに当たります。機械学習では、モデルの閾値を調整する際に、ファルスネガティブを減らそうとすると逆にファスポジティブが増えるというトレードオフの関係が存在することが多く、ユースケースに応じた適切なバランスの設計が極めて重要になります。
具体例・使われ方
医療AI画像診断において、実際には悪性の病変が存在するにもかかわらず「異常なし」と見なしてしまうケースや、不正検知システムにおいて実際の不正利用を見逃してしまうケースがファルスネガティブの代表的な具体例です。
似た用語との違い
ファルスネガティブが「実際にあるものを無いと誤る（見逃し）」であるのに対し、ファスポジティブは「実際には無いものを有ると誤る（誤検知）」という正反対のエラーを指します。
注意点
ファルスネガティブを過度に恐れてモデルの検出感度を上げすぎると、今度はファスポジティブの発生率が上昇して実用性が損なわれるため、それぞれのビジネスリスクやコストを考慮した総合的な評価が不可欠です。