現在の機械学習システムは、事例に基づいて学習しており、理想的なアウトプットを作り出すため、人間によって個々にラベル付けされた膨大なデータを取り込んでいる。そしてこれらのシステムが進歩する中、ディープ・ニューラル・ネットワーク（deep neural networks: DNN）は、最先端の機械学習モデルとして台頭してきた。しかし、DNNの訓練には極めて膨大な量のラベル付けされたデータが必要であり、それには多くの費用と時間が必要とされる。また、機械学習システムは状況のささいな変化によって不調・故障することが多い。こうした中、国防高等研究計画局（Defense Advanced Research Project Agency: DARPA）は、機械学習モデルの訓練と適合に伴う初期費用と時間を削減するため、「より少ないラベルで学習する（Learning with Less Labeos: LwLL）」プログラムを開始する。DARPAは、LwLLプログラムを通じて、訓練あるいはアップデートのための情報量を大幅に削減する新たな学習アルゴリズムについて研究を進める。

Defense Advanced Research Project Agency “Reducing the Data Demands of Smart Machines” (7/11/18)