産業機械のコントローラーを模したマルチタスク学習協調手法を ICML で発表

記事の3ポイント

1. 1

   多目的学習の競合問題

   グラフデータ処理において複数の目標（リンク予測、特徴再構築など）を同時に最適化すると、勾配の不一致やドリフト、特定の目標が枯渇する「干ばつ」が発生し、性能が低下する。

2. 2

   ControlG の仕組み

   各トレーニングステップで全ての目標を混合するのではなく、計算リソースを一度に一つの目標に割り当て、PID（比例・積分・微分）コントローラーが次に注力すべき目標を動的に決定する。

3. 3

   時間的割当への転換

   本研究は多目的調整の本質を「混合の比率」ではなく、時間軸におけるリソースの「割当問題」と捉え直し、目標間の競合を回避する新しいアプローチを示した。