NECと産業技術総合研究所は、共同でAIに関する研究・開発を行う「NEC-産総研 人工知能連携研究室」を設立。「未知の状況での意思決定」の実現に向けた取り組みを行っています。そこで今回は、社会システムにおけるAIの応用について、連携研究室長である鷲尾隆氏と、NEC 中央研究所 データサイエンス研究所 所長の山田昭雄のふたりによるディスカッションをお届けします。

データマイニングで事象の関係性を見出す

山田 まずは鷲尾先生のAIへの取り組みについて教えていただけますか。

鷲尾 私がAIの研究を始めたのは1990年代の初頭のことで、限られたデータを計算機に投入して推論を行うという研究が中心でした。日本のインターネット元年である1995年になると、大量のデータが集まるようになったので、当時盛んになりつつあった機械学習やデータマイニングの研究を始めました。なかでも私が貢献できたと思うものは、グラフ構造から隠れた関連性を発見するグラフマイニングの分野です。2000年には私たちの研究グループが世界で初めて「グラフマイニング」という言葉を使って研究成果を発表しました。

山田 1990年代初頭というと、AIを中心とした第5世代コンピュータやエキスパートシステムの流行が落ち着き始めた時代です。そんなときになぜ、グラフマイニングの研究を始めようと思われたのでしょうか。

鷲尾 もともと私は物理系の出身なんですが、実世界に存在する事象をモデル化しようと考えると、項目と項目の関係を計算機に与え、その規則性を調べることが重要になります。そんなこともあって、自然とグラフ構造を扱う発想に向かっていったのだと思います。

山田 グラフマイニングのような関係性分析は、現在どのような分野で応用されているのでしょうか。

鷲尾 私が研究を始めたころはまだグラフも小さく、製薬の分野などで構造と化合物の特性の関係を分析していました。最近では大規模なグラフ分析技術も発展し、ネットワーク解析や高分子の構造解析で使われるようになりました。そのほか、マーケティングの分野での人と人とのつながりを分析するなど、多方面で使われています。

山田 1990年当時はどんなことが大変でしたか。

鷲尾 データや知識を集めることに苦労しました。当時はネットワークが未発達な時代でしたから、基本的には人が全部データを打ち込まないといけません。集められる情報も限られていたので、わずかな情報をもとに推論したり、答えを出したりすることが求められました。

山田 具体的にはどういった情報を扱っていたのでしょう。

鷲尾 当時の機械学習は、わずかなデータから規則性を見出すというものでしたので、そのデータをいかに収集するかで苦労しました。構造や社会的な意見を分析するにしても、アンケートを実施するなどしてフィールドから取ってくるしかありませんでしたから。

山田 今なら大量のデータを集めることも容易なのでそこから始められますが、当時はどんなデータを入力するのかなど、事前の設計や計画が大事だったんだろうなと想像します。

鷲尾 昔ながらの統計解析では、クリーンなデータを集めること、そして前処理が容易なデータを集めることが重要でした。アンケートにおいても事前に精密な設計を行う、解答者をバイアスのない母集団から選ぶなど、コントロールができた時代です。ですから集まったデータのクオリティは比較的高く、それをいかにうまく解析するかがカギでした。

山田 解釈性があった時代ということですね。とはいえ最近では、解釈性はいったん置いておいて、まずは大量のデータを分析していこうという流れにあります。これからもデータを力業で分析するような流れが続くのでしょうか。

鷲尾 イエスともノーとも言えますね。例えば、自動運転のようにリアルタイムで機械が状況を把握しオペレーションを行うような用途であれば、解釈性ではなく判断の的確さが求められるかもしれません。しかし、多くの用途では人間とAIが協力しながらタスクを実行していくことが求められます。そうすると答えの正確さだけでなく、人間の解釈性が重要で、むしろ私はそうした用途への展開の方が多いような気がします。

山田 面白い視点を挙げていただきましたが、要するに人間が機械を使いこなし活躍するためには、人と機械とのコミュニケーション力が求められるということですか。

鷲尾 人間が機械とのコミュニケーションに適応しないといけない側面もあるでしょうし、機械が人間に歩み寄ろうとする際は、人間が理解できない数字の羅列を出すのではなく、理解できるような形で答えを提示することも必要ということです。

山田 ほかにはどんなことがポイントになりますか。

鷲尾 AIの出した答えを人間がいかに解釈して利用するかというリテラシーの問題です。これは一般的なレベルでも教育の問題として出てくるでしょうし、エンジニアなら機械学習やデータマイニングの手法をマスターし、使いこなすためのリテラシーを高める必要があります。

シミュレーションを社会科学に適用し社会の課題を解決する

山田 鷲尾先生は先ほど、データが少なかった時代は、クリーンなデータを使って問題を解いてきたとおっしゃっていましたが、世の中にはデータに乏しい分野もたくさんあります。研究者も含め、いわゆるホワイトカラーの労働において人の能力を拡大しようとしたとき、そこで使えるデータは意外に少ないように思えますが、この点についてはどのようにお考えですか。

鷲尾 そのとおりでして、データの量にも差があり、膨大にある場合、ある程度の量がある場合、ほとんどない場合の3つのケースに分けて考える必要があります。膨大な量のデータがあれば、ディープラーニングのような学習に適用できますし、それによって機械学習やデータマイニングの技術が活用でき、高い識別能力を得ることができます。一方、限定された業務に関するデータですと、それほど件数が集まりません。しかし、数百/数千件レベルのデータがあれば、既存の機械学習でも対応が可能です。ディープラーニングでは膨大な量のデータがないと精度が上がりませんが、過去に研究されている機械学習のなかには立ち上がりが早く、精度の高いものも存在します。今後はこうした既存の機械学習の技術の適用が、カギになっていくのではないでしょうか。
そして、ほとんどデータが存在していないケースについてですが、例えば過去の大規模な災害のデータ、発生頻度の低い事故やイベントのデータ、レアな材料の開発、ヒッグス粒子の発見などに代表される物理現象の研究など、実験で数が抽出できない研究分野はたくさんあります。こうした集まりにくいデータをいかに解析するかですが、既存の機械学習やデータマイニングの技術だけでは足りないため、他の技術と組み合わせていく必要があります。
1つの可能性はシミュレーションです。シミュレーションを使うためには、対象に対する知見やモデリングの技術が必要で、少数のデータに合うモデルを作り、シミュレーションをしながら対象を分析していきます。あるいはシミュレーションの結果に対して機械学習やデータマイニングを適用し、更にそのシミュレーションのなかで起こっている現象を理解することも必要になるでしょう。

山田 シミュレーションといえば、物理的な風洞実験や気象実験などが有名ですが、今ならどんな事象のモデリングが作れると思いますか。

鷲尾 最近では社会科学や経済学のモデルにまで適用範囲が及んでいます。私たちの研究室では社会における人の動きをモデル化し、そこに機械学習やデータマイニングのテクノロジーを適用することで、ある空間での混雑がどのようなメカニズムで起こるのか、どのような対策を実施すればそれが緩和できるのかといったことを分析しています。

山田 それは面白いですね。人の動きのような、これまでAIの入る余地が少なかった心理的な分野までシミュレーションできるようになると、私たちの社会はどのように変わっていくと思いますか。

鷲尾 今、世界的に研究されているのは、人の動きを使った災害時の避難シミュレーションですね。また、ショッピングモール内の人の流れや動きを分析する研究もあります。都市計画でいえば、ラッシュ時の人の動きなども定性的に再現できるところまで進んできました。こうした人の動きが分析できるようになれば、車やトラックなど交通機関のシミュレーションにも応用できるので、物流や交通など、かなり広い範囲の現象に適用できるようになるでしょう。

山田 NECであれば「安全」や「調査・監視」などのキーワードが思い浮かびます。例えば、警備やテロ対策、災害予防に対しても貢献は可能とお考えですか。

鷲尾 可能でしょうね。例えば事前に想定されるシナリオをオフラインでシミュレーションして、危険を事前に察知することも可能でしょう。人流センサーのようなものが開発されていますので、センシング技術と組み合わせてオンラインでモニタリングを行う。あるいはリスクを予測しながら、ある区域をマネジメントしていくことにも使えるでしょう。この分野の可能性は大きいと思います。

山田 もう少し先に進んだ場合、人間の精神世界までコントロールすることはできるのでしょうか。

鷲尾 マーケティングの分野では、人の思考やタイプによってどんなアイテムに興味を示すかといったシミュレーションを行い、その結果と現実の売れ行きを比較して人の思考を推定する研究が盛んになってきています。そういったところに機械学習やデータマイニングを使っていく可能性は高いと思いますね。

山田 今は、ポイントカードやPOSレジを使って顧客の志向を分析していますが、そんな大々的なことをしなくても、ターゲットを少し観察するだけで、その人が欲していることを理解し、適切なときに適切なサービスを届けられる未来があり得るかもしれませんね。

鷲尾 現在のパーソナライゼーションの原理を更に進めていくと、人の人格や思考まで洗い出してマーケティングに使うような時代が来るかもしれません。

共同研究により社会の課題を解決し社会実装・産業応用を目指す