2018年5月のGoogle I/Oで、音声アシスタント（Voice Assistance）のGoogle Assistantの拡張サービスとして、電話代行サービスであるGoogle Duplexが発表され、そこで行われたデモは世界に衝撃を与えました。それはAIが利用者に代わって飲食店や美容室に電話予約を入れるというもので、やりとりの音声だけを聞くと、どちらが人間かもわからないくらいに自然な会話となっており、従来の一問一答のものとは一線を画していることがわかります。

一方で、自動音声応答装置（Interactive Voice Response：IVR）による電話受付の自動化も進んでおり、近い将来、音声アシスタントとIVRによる人が関与しない通話コミュニケーションが実現するかもしれません。

このような新しいユーザー体験が実現する背景には、音声認識技術の進歩があります。そこで今回は、音声認識を中心としたテクノロジーや人工知能（Artifical Intelligence：AI）の、現在の動向や未来の可能性について言及しようと思います。

隠れマルコフモデルによる音声認識。

そもそも音声認識（Voice Recognition）とは、人間が発する音声情報としての自然言語をコンピューターに認識させることであり、音声情報を文字情報に変換したり、発言者や発言内容の特徴をとらえて識別するなどの機能を実現します。

音声認識技術の歴史は長く、前回の「いまさら聞けない音声UI」でも触れた通り、1960年代初期にIBM社により開発されたShoeboxがそのルーツだと言われています。それが消費者向けに商品化されたのはそこから約半世紀後のこと、Apple社が2011年に発売したiPhone 4Sに搭載された音声アシスタントのSiriがそれでしょう。ただし、当時は音声認識の精度が低く、実用にはまだ遠いものであったことも事実です。

それがここ数年で状況が大きく変化し、音声認識の精度は格段に上昇しました。それに伴い、前述のGoogle社のGoogle Assistantや、Amazon社のAlexaなど、大手IT各社の音声アシスタントが登場し、今なお発展と進化を続けています。その背景では、どのようなブレイクスルーが起きていたのでしょうか。

音声認識技術の本質は、空気の振動である音声からパターンや特徴を抽出し、発言者や発言内容を識別することにあります。その際、過去のデータから学習したモデルをもとに推論を行うわけですが、そこでは主に隠れマルコフモデルが利用されています。隠れマルコフモデル（Hidden Markov Model：HMM）とは、直前の結果のみから次の結果が確率的に求まるというマルコフ性を仮定して事象をモデル化する手法です。これにより、最後に発話された言語の要素から次に発話される言語の要素を確率的に推論することで認識精度を向上させることが可能となります。

ただし、この手法は確率に基づく推論モデルを事前に構築しておく必要があります。すなわちエキスパートシステム（Expert System）¹⁾再考するエキスパートシステムでいう知識ベース（Knowledge Base）が必要であり、その構築には膨大な時間と労力を要します。

またそれゆえに、会議やプレゼンのような比較的正確な文法や標準的な語彙が使われるビジネス会話には対応できますが、文法的に崩されたりスラングが多用される日常会話に対応することが極めて難しいという欠点があります。

深層学習による音声認識。

その欠点を克服する技術として、いま急速に進化しているのが、深層学習による音声認識です。深層学習（Deep Learning）²⁾いまさら聞けない深層学習は、人間の脳を模倣した多層ニューラルネットワーク（Deep Neural Network：DNN）を用いた機械学習の手法で、コンピューターが自ら特徴表現を行うことが最大の特長です。これにより、モデルの中身がブラックボックス化されるという欠点はあるものの、多用な文法表現や語彙表現に対応する推論モデルの構築が可能となり、日常会話のような自然な会話においても実用レベルになりつつあります。

深層学習により、音声認識の技術レベルは格段に上がりました。あとは多様なデータからモデルの多様性や精度を向上させたり、あるいは学習や推論にかかるコストを下げることでさらに実用性が向上していくものと思われます。これは音声認識技術そのもののブレイクスルーというよりは、例えば音声データのノイズを除去する技術や、音声データを高速に通信する技術などの周辺技術に依存するものと言えるでしょう。

とはいえ、ここでいう音声認識とはあくまで音声をパターンとして認識することであって、意味を理解するということではありません。現在のAIは「小さい子供の服」と言った場合に「小さい」が「子供」にかかるのか「服」にかかるのかを識別できません。人間であれば、慣習やそれまでの話の流れ、あるいは周囲の環境などの多様な情報からその意味を識別できます。

意味の理解については、音声認識だけではなくAI全体の課題であり、その実現に向けては越えるべき技術的な壁が多くあります。とはいえ、意味を理解するための背景や周辺の多様なデータは集まりつつあり、それを高速に学習する技術も向上しています。実現に向けて少しずつ近づいて行っていることは間違いないでしょう。

わからないデータはつまらない。

中路：チャンス発見学のビジネス活用について問題にぶつかったとのことですが、詳しくお聞かせください。

大澤：データに抵抗のある人をどう巻き込んで新しい価値を創造するかということです。当時、文部科学省の助成金による多数のAI研究者による協働研究で、肝臓患者の血液情報を扱うようになりました。患者の血液検査データを元にC型肝炎治療の説明を試みたのですが、データが専門的すぎて理解が追いつかず、研究が進まないという問題に直面しました。血液検査項目にはGOTやGPTといった値がありますが、何が何だかよくわからない。人はわからないデータを見ても面白くないという、当たり前だけれども極めて重要なことに、その時気づきました。

中路：確かに、そもそもの変数や値の意味がわからないデータは、いくら可視化されても理解できないですし、見ていて全く楽しくないですよね。

大澤：データといくら睨めっこしても、わからないものはわからない。そこでキーグラフ（KeyGraph）を活用して患者のデータを可視化しました。とはいえ、この段階ではまだ何もわかりません。この結果を肝臓の専門医に見てもらってはコミュニケーションをとり、またデータセットを変えて可視化することを繰り返しました。可視化して議論するというプロセスを何度も回すことで、初めはデータからは見えてこなかったC型肝炎治療のプロセスを説明することに成功しました。

この研究でわかったことは二つあります。一つ目は、データクレンジングにおいて、データの意味を理解することが極めて重要だということです。医学のデータは同一成分が別の言葉や単位系で書かれているなどデータが整理されてないケースが多く、データの意味を理解しないとデータクレンジングはできません。専門医とのコミュニケーションを重ねてデータの意味を理解することで分析可能なデータに整理することができました。

二つ目は、データの意味がわかってくると面白いということです。データクレンジング処理が完了すると、可視化やより深い分析ができるようになります。医学の先生たちの中で何となく不明瞭だったC型肝炎治療のプロセスが、分析を通して判明して行く研究はとても楽しいものでした。

データ分析には五段階あり、その中でもどきどき期からわくわく期というデータ分析の仮説検証を回してる時が最も楽しい段階です。そしてそれを創出するにはデータの意味や背景を知る人と一緒にデータを可視化して議論し、繰り返すことが重要であると、わたしは考えています。

データと戯れる。

中路：データ分析の専門家だけではなく、そのデータの意味や背景を知る人とともに、データと戯れることが大切ということですね。そのプロセスを通じてデータの意味がわかってくると、さらに面白くなる。いわばデータ戯れ学ですね。あるいはデータディライト（Data Delight）とでも。データに抵抗のある人をどう巻き込んで新しい価値を創造するかの問いに一つの解が見えそうです。

その後、ビジネス側の研究に戻られたのでしょうか？

大澤：はい。データを可視化して、議論するステップを取り入れることがビジネス活用でも大いに役立てられると思い、ビジネスでのイノベーションを創発するフレームワークであるイノベーションゲームの研究を、東京大学大学院システム創成学科にて始めました。

イノベーションゲームは、ビジネスにつかえる製品や知識をカードに記入し、そのカード同士の関係をキーグラフで可視化して、参加者で議論をするという、ワークショップ形式で行います。さらに、単に奇抜なアイデアにならないように、マーケット原理、つまりお金の概念を導入し、良いアイデアにはお金が集まるような仕組みを導入しました。その仕組みをイノベーション市場（Innovators’ Marketplace）と言います。

中路：これまでの研究の集大成といえるものですね。この仕組みでビジネスの現場におけるイノベーション創発はされたのでしょうか？

大澤：残念ながらこの方法ではあまり多くのイノベーションが生み出されませんでした。イノベーション市場には二つの問題があります。一つ目は、継続しないこと。ワークショップが終了すると、その取り組み自体も終了してしまうわけです。

二つ目は、良いアイデアが出づらいことです。この問題の解決について、過去の研究にヒントがありました。それは仮説推論の研究の中で発見したもので、シンプルな事象についての知識を掛け合わせることで、未知の事象を説明できる、というものです。イノベーション市場の問題は、カードに記入するアイデアが複雑すぎたことにありました。

シンプルであること。

中路：なるほど。「良いアイデアは、既存のシンプルなアイデアの組み合わせで生まれる」とジェームス・ウェブ・ヤング著の『アイデアのつくり方』でも述べられています。大澤先生も、製品・知識データをシンプルなものに変えたということでしょうか？

大澤：はい。製品・知識データを概要情報に絞ったものを、データジャケット（Data Jacket）¹⁾データジャケットって？と名付けました。データジャケットは、データ概要が書かれているシンプルなものなので、ワークショップ内で組み合わせて良いアイデアを創発しやすい形状になっています。また、データジャケットのもう一つの利点は、データそのものでなくて良いということです。

データそのものは入手困難なものです。肝臓患者の血液情報データもプロジェクトメンバーの研究者であったため触れることができましたが、一般のユーザーは到底アクセスできないでしょう。一方で、このようにデータそのものの提供が難しい状況であっても、データの概要のみが書かれたデータジャケットであれば、お互いに公開し合えて議論が活性化できると考えました。

中路：確かに。多くの企業がビジネスに活かそうとデータを収集してますが、その多くが他社への提供が難しく、違いに活用することなく埋もれてしまっています。

大澤：自社データを提供することで競合に活用されてしまうリスクがあるという気持ちはよくわかります。そこで、データの概要情報に絞って開示を促すことが効果的となります。データそのものを渡すことは難しくても、データジャケットなら問題ないというケースがあることに気づきました。

2013年3月のNHK特集で、震災をテーマに各企業がデータを出し合い、参加者がデータ分析をするというコンペが報道されました。開催後にデータ提供企業に対してデータを欲しい旨を伝えると、もう結構使えそうだと知ったので無料では渡せないとのこと。これではイノベーションは継続的に生まれていかない。一方で、データの概要情報、すなわちデータジャケットなら問題ないという企業がいくつかありました。

データジャケットであればたくさん収集し、イノベーション創発に役立てることができるということに気づいたわけです。このデータジャケットを活用したイノベーション市場のワークショップを、IMDJ（Inovation Marketplace on Data Jackets）と呼び、現在も継続的に実施しています。これには複数の企業が参画し、データを活用したビジネスのイノベーションに取り組んでいる状況です。

中路：最後に、大澤先生の今までの研究から導き出された最も新しいエッセンスを一言で教えてください。

大澤：ひとことで言うと「変化の予測ではなく、変化の説明」です。

過去の変化の事象からの予測はできても、その変化の原因を説明できなければ、対策として行動シナリオを描けないことが、今までの研究を通して明らかになりました。仮説推論という私の最初の研究テーマを、数十年間にわたって研究から外していた最大の理由は、与えられた仮説や情報からだけでは、変化を説明できず、未来を予測できないと思ったからです。言い換えると、与えられた仮説以外の事象を新たに生み出すことができれば、未来を創発することができるかもしれない。そう気づいたのはデータジャケットを生み出した時でした。

データジャケットは、イノベーションゲームの参加者が自由に追加することができます。つまり、説明できない新たな知識を補い合うことが、ワークショップの仕組みの中でできるのです。AIは限られた仮説の中で最適な答えを出すことには優れてますが、与えられてない仮説を生み出すことはできません。その限界を理解して、イノベーションゲームといった人が間を補い合うことができる仕組みを持つことで、変化の説明を行えるようになりました。これは、新たな仮説推論手法とも言えます。事象のなぜ（Why）に対して、自分の知識や与えられたデータだけではわからないことを、可視化や分析、そして多様な人の議論によって解き明かすことができる。それが新たな価値を生み出す上で最も大切なステップだと考えてます。

物事の変化をデータで説明する。

本メディアのテーマである「UXとデータによる価値創発」に関わる領域で先駆的な取り組みをされている専門家の方々を、uxmeetsdata.com編集部の中路（ナカジ）が訪ねる本企画。

今回は、東京大学大学院システム創成学科教授の大澤幸生先生にお話を伺いました。大澤先生は、物事の変化をデータで説明することを基軸とし、チャンス発見学（Chance Discovery）やデータジャケット（Data Jacket）¹⁾データジャケットって？などの学問・フレームワークを創出した、この領域の先駆者です。

“物事の変化をデータで説明する“とは何か、またなぜそれが求められているのか。ビッグデータやAIがバズワード化している現在、データに関わるすべての人が理解しておくべき極めて重要なこのテーマに入門するとともに、そのプロセスにおいて”いかにしてデータと戯れるか“を語ってもらいました。

なぜその事象は発生したのか。

中路：まずは大澤先生の研究テーマについて、これまでの経緯と合わせて教えてください。

大澤：卒論では自然言語処理でした。修士課程では光ファイバーを、博士課程では人工知能の研究室で仮説推論の研究をしてました。

仮説推論（Abduction）とは、観測事象などの目に見えて起きている物事の変化を説明する学問のことです。1990年代当時、今ほど脚光を浴びていなかった人工知能（Artificial Intelligence：AI）や機械学習の原理となる論理モデルを活用して仮説推論の研究を行なっていました。AIを観測事象を説明するための道具として活用していたわけですが、その時に感じていたのは、AIが新たな事象を説明するのは得意ではないということです。与えられた仮説の中でしか事象を説明できないAIにとって、物事の変化を説明する、すなわちなぜ（Why）を解き明かすことは全くできなかったのです。そこにAIの不完全性を感じましたし、その不完全性をどのように人が補うのか、ということが私の中で重要なテーマとなったわけです。

中路：新たな事象を説明するというのは、具体的にはどういうことでしょうか？

大澤：その事象が起こるメカニズムを説明することです。具体的な研究テーマからお話しすると、その発端は1995年1月に発生した阪神淡路大震災でした。観測データを既存の仮説から説明する仮説推論では、大震災のような滅多に起こらない事象を説明することはできません。そこで、発生頻度の低い事象を予測することはできないのか、という問題に強い興味を持ちました。

機械学習には、事象にある程度の頻度がないと学習ができないという問題があります。発生頻度の低い事象を説明するにはどのように立ち向かうべきかを考えました。そこで編み出したのがキーグラフ（KeyGraph）というアルゴリズムです。

中路：キーグラフを地震以外に活用した事例はどのようなものがありますか？

大澤：薬局の購買データをキーグラフによって可視化し、これから売れる商品の予測、すなわち需要予測に役立てようとしました。ところが、うまく予測することができなかったのです。なぜ地震の予兆を捉えることはできるのに、需要変化の予兆は捉えられないのか。私は人の介在が大きく絡んでると考えました。

マーケットには人が介在する。

中路：需要変化に人の介在が影響するというのは具体的にどういうことでしょうか？

大澤：マーケットは人で形成されています。ゆえに商品の購買の裏側には人が大きく介在しています。したがって、商品の需要変化には人の介在が影響しているわけです。地震予測と決定的に異なるのはその点です。

人の意思や価値観が間に入ると、なぜ（Why）を理解することが途端に難しくなります。そこで、購買データから需要予測をするのではなく、購買データを元に、購買の結果の事象と関連する情報の関係性を可視化することで、なぜ売れたのかという説明を得た上で次の戦略を立てる仕組みを作るという方向で研究を進めることを考えました。そうして誕生したのがチャンス発見学（Chance Discovery）という学問です。

中路：チャンス発見学について、詳しく教えてください。

大澤：チャンス発見学とは、事象や関連する情報を理解し、新しい価値を生み出すために活用するための考え方や仕組みの学問です。ある繊維メーカーにおいて、購買の事象とその周辺の情報要素をキーグラフを活用して可視化し、新商品を売るアイデアを創出することに成功しました。そして社会人の方々と協働してチャンス発見コンソーシアムを立ち上げ、キーグラフを活用したチャンス発見学をビジネス活用する方向で動きました。

中路：ビジネスにおけるデータ活用の重要性は、以前にも増して高まっている状況ですが、このチャンス発見学をビジネスに活かすことはできるのでしょうか。

大澤：チャンス発見学のビジネス活用においては一定の価値を提供できることがわかったわけですが、ひとつ大きな問題にぶつかりました。それはデータに抵抗のある人をどう巻き込んで新しい価値を創造するかというものです。

機械学習（Machine Learning）¹⁾いまさら聞けない機械学習の手法に、ニューラルネットワーク（Neural Network：NN）のアルゴリズムを用いたものがあります。これは人間の脳を模倣したモデルであり、この着想は1950年代ごろからあるものの、さまざまな問題から実用化には至りませんでした。その様相に変化が起きたのは2012年のことです。

きっかけのひとつが米Googleによるネコの認識です。YouTubeに投稿された動画から1000万枚の画像を取り出しでニューラルネットワークに入力し、そこに内在するネコたる特徴を自動的に抽出して抽象化することに成功しました。

もうひとつが2012年に開催された世界的な画像認識コンテスト「ILSVRC：ImageNet Large Scale Visual Recognition Challenge」において、カナダ・トロント大学のジェフリー・ヒントン教授のチームが開発したSuper Visionが優勝したことです。ここでは、画像に写っているものが何かを自動で判別する際の誤り率を競うわけですが、前年の優勝記録である25.8%から16.4%へと約四割も削減し、二位以下を大きく離す圧勝でした。

このSuper Visionに勝利をもたらした技術こそが深層学習です。深層学習（Deep Learning）は、人間の脳を模倣した多層ニューラルネットワークを用いた機械学習の手法で、コンピューターが自ら特徴表現を行うことが最大の特長です。

最近はやや落ち着いた感がありますが、人工知能（Artificial Intelligence：AI）あるいは機械学習という言葉を聞かない日はないくらいにバズワード化しています。これは第三次AIブームと呼ばれ、その火付け役がこの深層学習であることはいうまでもありません。すでに多くの文献や書籍でその解説が行われているため、いまさら感はありますが、機械学習や特徴表現、そしてニューラルネットワークについておさらいしつつ、深層学習とは何か、またその可能性について考えてみたいと思います。

「いまさら聞けない機械学習」でも触れたとおり、機械学習は人間がもつ学習能力をコンピューターで実現する技術や手法のことです。人間のあらゆる能力を対象とするのがAIであるとするならば、機械学習はその一部にすぎません。

学習（Learning）の意味は文脈により異なりますが、とりわけ脳科学や人工知能の領域では”分ける“処理を意味します。ある事象について判断する、それが何かを認識する、などはすべて分ける処理であり、うまく分けることができれば、ものごとを理解・判断し、行動することが可能となります。また、いったん分ける基準や方法がわかれば、未知の事象を予測することも可能です。

自ら特徴表現を行う。

機械学習のアプローチの中に、人間の脳を模倣することで学習能力を実現しようとするものがあります。脳の内部ではニューロン（Neuron／神経細胞）がシナプスの結合によりネットワーク構造となっており、そこに電気が流れて情報を処理するコンピューターのようになっていることが知られています。その情報処理機構を数理モデルにしたものが多層ニューラルネットワークであり、それを用いた機械学習の手法が深層学習です。

多層ニューラルネットワーク（Deep Neural Network：DNN）の仕組みをもう少し詳しく説明します。あるニューロンは他のニューロンからの電気刺激をシナプスを経由して受け取り、それが一定以上たまると発火して次のニューロンに電気刺激を伝えます。これを数理モデルで表現すると、あるニューロンが他のニューロンから0か1の値を受け取り、その値に何らかの重みをかけて足し合わせ、それが一定の閾値を超えれば1、超えなければ0になり、それが次のニューロンに伝播するということになります。このモデルをニューラルネットワークといいます。ニューラルネットワークの階層は大きく、入力層・隠れ層・出力層の三つからなり、入力データは、入力層から隠れ層へ、隠れ層から出力層へと伝播されます。この隠れ層を多層にし、人間の脳の動きにより近づけたものがDNNです。

DNNを用いた深層学習の最大の特長は、コンピューターが自ら特徴表現をすることにあります。機械学習を用いた分類や予測において、正解を決定づける要因のことを特徴量（Feature Quantity）といい、それを抽出・抽象化することを特徴表現と言います。前述のGoogleのネコの認識でいうと、ネコをネコであると識別する上で、それを決定づける特徴をつかむことです。他の機械学習ではこれを人間が行う必要がありますが、無数の変数から特徴をつかむ作業が困難、あるいは想定していない特徴をつかむことができないなどの問題があり、自動化には大きな意味があります。

これを可能にしているのが、オートエンコーダ（Auto Encoder／自己符号化器）という次元圧縮の技術です。従来、ニューラルネットワークを作るには、正解である教師データを人が与えて学習させるという訓練フェーズが必要でした。たとえば、入力に手書きの「7」という画像を与える場合、出力に「7」という正解の識別情報を与える必要があるということになります。

一方でオートエンコーダでは、出力に入力と同じものを与えることで、入力を再現するデータを出力するようコンピュータ自身に訓練させるということを行います。つまり、入力に手書きの「7」という画像を与える場合、出力には全く同じ手書きの「7」を与えればよく、自動で行うことが可能です。そしてオートエンコーダは、出力が入力にできるだけ近いものになる、専門用語でいうと復元エラーが最小になるような特徴表現を自動的に探してくれます。

これはMNISTと呼ばれる0〜9の手書き数字の画像のデータセットでオートエンコーダを動かした場合の例です。上が入力データ、下が出力データですが、ほとんど同じような手書き数字が出力されていることがわかります。

DNNを用いた機械学習の発想は古くからあり、現在の深層学習につながる世界的に最も先駆的な研究に、日本のNHK放送技術研究所の福島邦彦氏によって1979年に発表されたネオコグニトロンがあります。これにはコンピューターが自ら学習することによってパターン認識能力を獲得する自己組織化機能があり、応用例として手書き文字データベースから自己学習によって手書き文字認識能力が獲得されることを実証しました。

しかしながら、当時は手書き文字認識方式の一つと誤解され、その重要性が世間に認識されませんでした。また、大量データと膨大な計算を行う超高性能なコンピューターを必要とするために実用化には至りませんでした。それらが克服されたことと、長年の研究によるアルゴリズムの進化が融合し、深層学習として具現化され、まさにいま盛り上がりを見せています。

一方で、「UXモデリングって？」でも触れたとおり、深層学習には大量の学習データが必要である、導出されたモデルがブラックボックス化するなどの欠点があります。また過学習による汎化性能低下の問題もあります。いま現在において深層学習が実用化されているのは、大量の学習データを獲得しやすく、かつモデルを単純化しやすい画像処理などの一部の領域に限られているというのが現実です。

人の”目”となる深層学習技術。

そうだとしても、多くの問題解決に深層学習が有効であることが認められており、実用化が進んでいます。とりわけ重要なのは人の”目”の代わりになることであり、人手不足や働き方、高齢化などが大きな社会問題となる中で、もはや欠かすことができない技術となりつつあります。

大手コンビニエンスストアでは、24時間営業を見直す検討がなされており、既に数百店舗での実証実験が行われています。人手不足や加盟店の過酷な労働環境を是正することが目的ですが、一方で24時間営業をやめると利便性が低下し、他のチェーンや店舗に顧客を奪われるリスクもあるため、大きなジレンマに陥っています。そこで期待がかかるのが無人店舗の実現です。

米Amazon.comの「Amazon Go」が話題となり、中国でも無人コンビニが増加していますが、国内でもレジなし店舗を実現するための技術や製品の開発が進んでいます。2017年11月に、東日本旅客鉄道（JR東日本）の大宮駅にレジなし店舗が登場しましたが、これはサインポスト社が開発した「スーパーワンダーレジ」の実証実験店舗です。利用者が棚から商品を取ると、棚などに取り付けられたカメラがその状況を捉え、AIが識別して購入金額を自動的に計算します。利用者はレジで交通系ICカードをタッチするだけで精算が完了します。ここに深層学習の画像識別技術が活用されています。

また最近では高齢者による自動車事故が相次いでおり、連日報道されるなど、社会問題として顕在化しつつあります。実際には高齢者よりも若年層のほうが事故率が高く、流通している情報や分析に偏りが見られるものの、今後の超高齢化社会では高齢者の母数が増大するため、率以上に数が問題となることは明白です。

環境問題も含めると、そもそもマイカーに依存しない交通インフラを目指すべきという考え方もあります。一方で、電気や水道などの生活インフラと同様、人口減少に伴う維持コストの問題もあり、コンパクトシティの実現と合わせて考える必要があります。日本よりも一足先に高齢化社会に突入したドイツやフランスなどの欧州各国では、トラム（路面電車）を中核としたコンパクトシティ構想を国家レベルで実証実験しています。日本でも取り組みは進められているものの、実現には多くの時間とコストを要します。

それを待たずして到来する超高齢化社会における交通問題に対して、現時点でもっとも有効かつ現実的な解が自動運転です。大手自動車メーカーはIT企業と協力しながら自動運転の実用化に向けた研究開発を進めていますが、当然ながらここでも人の”目”の代わりになる技術が重要となります。

本田技研工業（ホンダ）はすべての人に事故ゼロと自由な移動の喜びを提供するために自動運転の研究開発に取り組んでおり、マイカーのレベル４自動運転技術の確率を目指しています。レベル４自動運転技術とは、緊急時にも運転手が対応せず、コンピューターが主体として全責任を持つ、すなわち運転手が運転操作に参加することを前提としないというものです。ただし限定エリア内の制限があるため、エリア外での運転を想定し、ハンドル・アクセル・ブレーキなどは設備します。

ホンダは車体の前・左前・右前に設置された三台のカメラで視覚情報を取得し、深層学習により物体や距離の識別を行うことで、自動運転のための状況の理解と判断を実現しようとしています。

このように深層学習は、人の”目”となることで、現代社会が抱える問題を解決し、生活をサポートする技術として高い可能性を秘めています。AIが人の仕事を奪うということがうるさく言われていますが、すべての技術革新は何らかの形で従来の仕事を自動化・代替してきたわけであり、AIだけが特別なものではありません。人間がやらなくてもよい作業をAIに代替させ、より創造的なことに時間を使えるようになるということです。

最近はやや落ち着いた感がありますが、人工知能（Artificial Intelligence：AI）あるいは機械学習（Machine Learning）¹⁾いまさら聞けない機械学習という言葉を聞かない日はないくらいにバズワード化しています。これは第三次AIブームと呼ばれ、その火付け役が機械学習の一種である深層学習（Deep Learning）であることはいうまでもありません。

第三次があるならば、当然ながら第二次AIブームも存在したわけですが、その中心にいたのがエキスパートシステムです。エキスパートシステム（Expert System）とは、専門知識を持たない素人でも、専門家と同じレベルの意思決定や問題解決ができるよう、その領域の専門知識をもとに専門家の能力を再現するシステムのことです。専門知識をルール化することから、ルールベースシステム（Rule-based System）とも呼ばれます。

筆者が大阪大学でAIの研究に関わっていた1990年代後半は、まさにこのエキスパートシステムを中心とした第二次AIブームが過ぎ去った後の、いわゆるAI冬の時代でした。しかしながら、その研究は粛々と続けられており、当時は大阪大学の助手であり、筆者の指導教官でもあった大澤幸生氏（現東京大学教授）により開発が進められていた、Index Navigator²⁾ユーザの変化する興味を理解し表現する文献検索支援システムIndex Navigatorと呼ばれる、キーワードの関連性を表す知識ベースをもとに、推論エンジンを使ってユーザーの興味を入力キーワードから理解し、次のキーワード候補を提案することで文献検索を支援するシステムは、1998年の人工知能学会論文賞を受賞しました。

ところで、なぜ第二次AIブームは終わってしまったのでしょうか。それを理解するには、そもそもエキスパートシステムとは何か、そしてその欠点を知る必要があります。また、第三次AIブームの渦中で、エキスパートシステムはどのような状況にあり、さらに今後はどうなるのでしょうか。

深層学習のベースである多層ニューラルネットワーク（Deep Neural Networks：DNN）を用いた機械学習の発想は古くからあり、1979年に福島邦彦氏により発表されたネオコグニトロンでその原型が確立されています。しかしながら当時は、その技術を生かす大量データと膨大な計算を行う超高性能なコンピューターが存在せず、実用に至りませんでした。ところが、近年のビッグデータの普及とコンピューターの進化により、深層学習として具現化されたわけです。

2019年は5G・IoT元年になると言われています。AIをとりまく環境も大きく変わることでしょう。深層学習がそうであったように、エキスパートシステムが近年の技術革新により進化する可能性は十分にあります。ここで復習をかねて、再考してみたいと思います。

知識に基づく推論。

エキスパートシステムは、専門家の意思決定や問題解決の能力や手順を模倣するシステムであり、専門家のように知識に基づいた推論を行うことで、複雑な問題を解くよう設計されたものです。

通常のシステムでは、すべてのロジックをプログラムで構造化するのに対し、エキスパートシステムでは、知識と推論を分離して構造化するという特徴があり、それぞれの部分を知識ベース・推論エンジンといいます。

知識ベース（Knowledge Base）は、専門知識をルールで表現した特殊なデータベースであり、「もしXならば、Yである」という自然言語の形式で記述されます。サッカーでたとえるならば「もしディフェンスが右に動けば、オフェンスは左に動く」というようなことです。推論エンジン（Inference Engine）は、エキスパートシステムの頭脳であり、知識ベースに記述された専門知識をもとに最適解を推論する仕組みのことです。

もともとエキスパートシステムは、スタンフォード大学のヒューリスティック・プログラミング・プロジェクトの研究者らにより1960年代に提唱されたもので、その一人でありエキスパートシステムの父といわれるエドワード・ファイゲンバウム氏らによる、Dendralという有機化学の知識をもとに未知の有機化合物を質量分析法で分析して特定するシステムがその起源です。

1980年代には、同氏が提唱したエキスパートシステムを扱う工学分野である知識工学をベースに研究開発が進み、多くの大企業が導入するなど実用に向けて大きく前進しました。これが第二次AIブームです。多くの大学ではAI関連コースが開設され、日本では第五世代コンピュータの開発を目指す国家プロジェクトも発足しました。

しかしながらそのブームは1980年代とともに終了します。その理由は、エキスパートシステムが抱える以下の欠点によるものでした。

• 専門家のあらゆる知識のルール化が必要で労力がかかる。
• たくさんの知識を教えると矛盾が発生する。
• 知識として体系化しづらい例外が存在する。

そもそもエキスパートシステムが求められる業種や職種の専門知識は複雑かつ多岐にわたります。また、相互に矛盾するものやルール化しづらい例外も多く、それらを包括する汎用的なロジックの表現は極めて難しいものです。

例えば、会計業務には明確なルールがあり、簿記の手順にしたがって作業をするだけなので、エキスパートシステムにより代替できると考えられていました。たしかに簿記の範囲であればルール化は容易ですが、決算書作成の段階では人間の判断が必要で、かつ会計基準が業種業態により異なるためルール化は非常に困難です。現在でも、簿記会計の自動化は可能であるものの会計監査の自動化は不可能であるといわれています。

専門知識のルール化を多層ニューラルネットワークで自動化する試みもされましたが、当時は前述のとおり、そのための大量データと膨大な計算を行う超高性能なコンピューターが存在せず、実現することはありませんでした。こうして失意のもと第二次AIブームは終焉を迎えたわけです。

エキスパートシステムの現在と未来。

では、エキスパートシステムの現状はどうなっているのでしょうか。すっかり廃れているのでしょうか。実は、そんなことはまったくありません。

第三次AIブームに便乗する形で、AI搭載を謳う製品やサービスが雨後の筍のごとく次々とリリースされています。その中でも、とりわけ画像処理関連のものの多くは深層学習をベースにしているようですが、それ以外ではエキスパートシステムをベースにしていることも多いように思われます。深層学習とは違い、明確にそれが謳われることがなく存在感が薄いだけで、実用化は確実に広がっています。

そもそも深層学習が具現化されたのは、ビッグデータの普及とコンピューターの進化によるものですが、その恩恵を受けたのはエキスパートシステムも同じです。従来環境では難しかった複雑な推論処理が可能となり、知識のルール化の自動化の可能性も高まっています。

また深層学習には、大量の学習データが必要である、導出されたモデルがブラックボックス化するなどの欠点があります。さらに、エキスパートシステムにはない例外を学習できるという特長があるものの、その反面として過学習による汎化性能低下の問題があり、エキスパートシステムの欠点を克服して代替する存在には至っていません。

そのような背景もあり、いま現在において深層学習が実用化されているのは、大量の学習データを獲得しやすく、かつモデルを単純化しやすい画像処理などの一部の領域に限られており、エキスパートシステムの進化が期待されている領域は多く存在します。

そのひとつに、教育業界で注目されている適応学習があります。適応学習（Adaptive Learning）は、学習者一人ひとりの学習進捗度に最適化された学習方法と学習教材を選択して提案するためのロジック・システム・サービスなどを包括的に指し示す言葉です。とりわけ算数や数学は効率的に学習するための教育体系が確立されており、エキスパートシステムがもっとも得意とする領域と言えるでしょう。

ではスポーツはどうでしょうか。たとえばゴルフは教育体系が確立されており、かつ他者に影響を受けづらい競技であるため、エキスパートシステムを適用しやすい領域と言えます。

一方でサッカーは、対戦相手のみならずチームメンバーにも影響を受けるため、意思決定プロセスが複雑でルール化が難しく、適用しづらい領域と言えます。ただ、ボールを蹴る・止めるなどの基本技術については適用できそうです。実践技術においても「ディフェンシブサード右サイドでの一対一」や「アタッキングサード中央でのボール奪取」などの”局面”で因数分解できれば適用される可能性があります

また、スポーツには”動き”という自然言語での記述が難しい専門知識が存在します。しかしながらこれはモーションキャプチャーというセンシング技術の進化により克服されており、ゲームなどでプロサッカー選手の動きが再現されています。

さらに5GとIoTの普及により、”動き”などの自然言語記述が難しいものも含めた専門知識が世界中でルール化され、共有される可能性があります。それがWikipediaのように民主的にマネジメントされれば、エキスパートシステムは三つの欠点を克服し、さらなる実用化が進むかもしれません。

ベイズ推定という言葉は聞きなれないかもしれません。その意味では「いまさら聞けない」というタイトルはやや不適切ですが、技術や手法としては機械学習（Machine Learning）¹⁾いまさら聞けない機械学習と同じように広く一般的に使われているものです。もっともベイズ推定は機械学習の手法として利用されるため並列ではありません。

また、ベイズ推定はベイズの定理を基にした推論技術ですが、ベイズ統計、ベイジアンフィルタ、ベイジアンネットワークなど、ベイズの定理を基にした技術や手法はたくさんあるので、なんらか耳にしたことはあるかと思います。これらをひっくるめて簡単に頭の整理をします。

ベイズの定理は、条件付き確率に関して成り立つ定理で、18世紀にイギリスの数学者トーマス・ベイズによって示されたものです。条件付き確率（Conditional Probability）とは、ある事象Xが起こるという条件のもとでの事象Yの確率P(Y|X)のことで、事象Xと事象Yの両方が起こる確率P(X∩Y)と合わせて、事象Xの確率P(X)が正の場合に以下の数式で表現されます。

$$P(Y\mid X) = \frac{P(X\cap Y)}{P(X)}\\$$

ベイズの定理は、ある事象Yが起こった場合の事象Xの確率P(X|Y)を、条件の確率P(X)、結果の確率P(Y)、条件付き確率P(Y|X)から求めることができるというものです。この確率P(X|Y)を逆の条件付き確率といい、確率P(Y)が正の場合に以下の数式で表現できます。なお、条件付き確率の数式を変形したもので、意味はまったく同じです。

$$P(X\mid Y) = \frac{P(Y\mid X)P(X)}{P(Y)}\\$$

つまり、条件の確率P(X)、結果の確率P(Y)、条件付き確率P(Y|X)がわかれば、逆の条件付き確率P(X|Y)を推論できるということです。これで何がうれしいかというと、このような問題を解くことが可能となります。

結果から原因の確率を推論する。

• 今日のゲストが男性か女性かを当てる。
• これまでのデータからゲストが男性である確率は60%である。
• 今日のゲストは身長が165cm以上である。
• 男性が165cm以上である割合は70%、女性が165cm以上である割合は20%である。

身長が165cm以上という情報と、男性のほうが女性よりも165cm以上である割合が高いという情報から、ゲストが男性である確率はこれまでのデータの60%よりも高いと推測されますが、それをベイズの定理で計算してみましょう。

この場合、まず男性に着目すると、条件の確率P(X)は男性である確率の60%、結果の確率P(Y)は身長165cm以上である確率の100%、条件付き確率P(Y|X)は男性の場合に165cm以上である確率の70%となります。すると以下のように、逆の条件付き確率P(X|Y)として男性である確率は42%と計算されます。

$$男性：P(X\mid Y) = \frac{0.7\times 0.6}{1} = 0.42\\女性：P(X\mid Y) = \frac{0.2\times 0.4}{1} = 0.08\\$$

同様に女性に着目すると、女性である確率は8%と計算されるため、男性である確率：女性である確率＝0.42：0.08となり、男性である確率は84%であると推論されます。

このように、ベイズの定理を用いて逆の条件付き確率を求めることで、結果の事象Yが発生した場合に、原因の事象Xが発生している確率を推論する手法をベイズ推定（Bayesian Inference）といいます。

なお、これまでに事象Xが発生した確率P(X)を事前確率、新たに事象Yが発生した場合の事象Xの確率である逆の条件付き確率P(X|Y)を事後確率、条件付き確率P(Y|X)を尤度（ゆうど）ともいいます。また、事後確率を新たな事前確率として扱うことをベイズ更新（Bayesian Updating）といい、繰り返すことで推論精度が上がります。

未知や不確実性に強い。

ちなみに、さきほどから確率（Probability）という言葉を使っていますが、実は二種類の定義があります。頻度確率とベイズ確率です。

頻度確率（Frequency Probability）は、観測された頻度分布あるいは想定された母集団の割合から導かれる確率のことで、客観確率とも言います。また、頻度確率に基づく考え方を頻度主義（Frequentism）、頻度確率に基づく統計を頻度主義統計（Frequentist Statistics）といい、代表的な手法が最尤（さいゆう）推定です。頻度主義統計では母集団を固定するため、母数が定数でデータが変数となります。

ベイズ確率（Bayesian Probability）は、ベイズの定理に基づき、事前確率を事後確率で更新（ベイズ更新）することで得られる確率のことで、事前確率を手元のデータから主観的に決めることから、主観確率とも言います。また、ベイズ確率に基づく考え方をベイズ主義（Bayesianism）、ベイズ確率に基づく統計をベイズ統計（Bayesian Statistics）といい、代表的な手法がベイズ推定です。ベイズ統計では手元のデータを前提とするため、データが定数で母数が変数となります。

頻度主義統計は、充分なデータが得られる場合は客観的な確率を計算できるという特長があるものの、充分なデータが得られない場合には確率を計算できない、母数が更新された場合は最初から計算をしなおす必要があるという欠点があります。一方で、ベイズ統計は、事前確率が手元のデータに依存した主観的な確率であるという欠点があるものの、少ないデータでも確率を推論できる、母数が更新されることが前提かつそれにより推論精度が上がるという特長があるため、未知や不確実性に強く実用的であるといえます。

ベイズ推定の実用例でわかりやすいのはベイジアンフィルタ（Bayesian Filter）です。対象データを分類するフィルタで、学習量が増えるとフィルタの分類精度が上がるという特長があり、スパムメールを判定するフィルタや、検索エンジンのランキングなどで活用されています。また、ベイジアンネットワーク（Bayesian Network）は、複雑な因果関係をグラフ構造で表現し、変数間の関係を条件つき確率で表す確率推論モデルで、これもさまざまな領域で応用されています。

ただ、ベイズ推定がいま最も注目されている領域は機械学習でしょう。「UXモデリングって？」でも触れたように、ビッグデータによる機械学習には、大量の学習データが必要である、導出された予測モデルのメカニズムがブラックボックス化して説明しづらくなるという欠点があります。その克服には正則化が必要ですが、ベイズ推定によるベイズ最適化（Bayesian Optimization）が有効な手法となるため、多層ニューラルネットワークの重みの調整にベイズ最適化を利用する研究がなされています。また、ベイズ最適化と相性のいいカーネル法を活用したサポートベクターマシン（Support Vector Machine：SVM）が見直されています。

またスパースモデリング（Sparse Modeling）²⁾スパースモデリングって？も、スパース条件を事前確率ととらえれば、ベイズ推定の一つであることがわかります。

最後に、ベイス推定を学ぶ参考書として、大関真之氏の著書「ベイズ推定入門 モデル選択からベイズ的最適化まで」をおすすめしておきます。ベイス推定の概念や理論が、数式なしでわかりやすく解説されています。

最近はやや落ち着いた感がありますが、人工知能（Artificial Intelligence：AI）あるいは機械学習（Machine Learning）という言葉を聞かない日はないくらいにバズワード化しています。これは第三次AIブームと呼ばれ、その火付け役が機械学習の一種である深層学習（Deep Learning）であることはいうまでもありません。

一方で、機械学習はAIの一分野にすぎないにも関わらず、あたかもイコールであるかのような空気感や、あるいは機械学習の手法はたくさんあるにも関わらず、深層学習に代表されるニューラルネットワークとビッグデータ（Big Data）¹⁾再考するビッグデータを利用した手法のみが取り上げられる風潮が、機械学習の正しい理解を妨げているように思います。そもそもAIとはなんぞやについては長くなるので控えるとして、ここでは機械学習とはなんぞやについて簡単におさらいしておきます。

教師あり、教師なし、強化学習。

機械学習は、人間がもつ学習能力をコンピューターで実現する技術や手法のことです。人間のあらゆる能力を対象とするのがAIであるとするならば、機械学習はその一部にすぎないということになります。

学習（Learning）の意味や解釈は文脈により異なりますが、とりわけ脳科学や人工知能の領域では”分ける“処理を言います。ある事象について判断する、それが何かを認識する、などはすべて分ける処理であり、うまく分けることができれば、ものごとを理解・判断し、行動することが可能となります。また、いったん分ける基準や方法がわかれば、未知の事象を予測することも可能です。

機械学習は、教師あり学習と教師なし学習に大きく分類されます。

教師あり学習（Supervised Learning）とは、問題と正解の両方を教えて、新しい問題の正解を予測できるようにする学習のことです。例えば、現在までの天気のデータから明日の天気を予測させる問題がこれにあたります。この場合の正解とは「晴、曇、雨」などで、それを決定づける要因である気温・湿度・気圧などのデータと合わせてコンピューターに学習させることで、現在までの状況から明日に起こる天気を予測できるようにします。なお、問題と正解の組み合わせを教師データといいます。また、正解を決定づける要因のことを特徴量（Feature Quantity）といいます。

教師なし学習（Unsupervised Learning）とは、問題だけを与えて特徴を認識させる学習のことです。例えば、購買データをもとにユーザーを似た者同士でグループ分けするような問題がこれにあたります。2012年に米Googleがネコを認識できるAIを開発したことが大きな話題となりましたが、これも教師なし学習です。YouTubeから取り出された1000万枚の画像を読み取るうちに、自律的に”ネコ”というグループを認識するようになりました。ただし、そのAIはそれが”ネコ”という名前の動物であることは知りません。なお、似た者同士のグループをクラスター、その分類手法をクラスタリングといいます。これはデータマイニング（Data Mining）²⁾再考するデータマイニングでも用いる用語で、使われるアルゴリズムも同じです。また、分類を決定づける要因のことを、教師あり学習の場合と同様に特徴量といいます。

強化学習（Reinforcement Learning）を、三つ目として分類に加えることがあります。教師あり学習と似ていますが、正解ではなく「報酬」を与えることで、もっとも多くの報酬を獲得できる「行動の選択肢」を学習させる手法です。報酬を正解と捉えれば教師あり学習と同じですが、決定的に異なるのは、各行動ではなく連続した一連の行動に対して報酬が与えられることです。サッカーでたとえると、ゴールに至るまでのドリブルやパスなどの一連のプレー選択に対して報酬を与えるのが強化学習で、それぞれのプレー選択に良し悪しの評価を与えるのが教師あり学習といえます。2016年にGoogleのAlphaGoというAIが囲碁プロ棋士を破ったことが大きな話題となりましたが、これは強化学習です。

盛り上がるニューラルネットワーク。

機械学習の手法はたくさんありますが、代表的なところで、サポートベクターマシン、クラスタリング、ニューラルネットワークなどがあります。

サポートベクターマシン（Support Vector Machine：SVM）は、入力データから正解を識別する教師あり学習の代表的な手法です。詳しい説明は別の機会にしますが、機械学習の永遠の課題である過学習を回避し、汎化性能をあげやすいという特長があります。過学習とは、目の前にある問題に最適化しすぎることで、新しく発生する問題に対応できないことを言います。受験でたとえると、過去問を完璧に解くことにこだわるあまりに、応用力がつかず、テスト本番で出題された傾向の違う問題に対応できない、というような状態です。その克服に使われる方法のひとつに正則化があります。正則化は、変数に制約を課すことで問題を抽象化してシンプルにすることを意味し、スパースモデリング（Sparse Modeling）³⁾スパースモデリングって？のスパース条件、あるいはベイズ推定（Bayesian Inference）⁴⁾いまさら聞けないベイズ推定の事前確率がそれにあたります。SVMではマージン最適化という正則化手法で過学習を回避するよう工夫されています。

クラスタリング（Clustering）は、入力データを似た者同士で分類する教師なし学習の代表的な手法です。こちらも詳しい説明は別の機会にしますが、多次元空間上のユークリッド距離が近いものを同じクラスター（似た者同士）としてグループ化するのが基本的な考え方で、階層型と非階層型に大きくわけられます。階層型は、距離が近いものから順にグループ化し、階層構造にすることでクラスターを整理します。いくつのクラスターに分類するかを事前に決める必要がないという特長がありますが、大量データの場合に計算量が多くなったり、結果が不明瞭になる欠点があります。対して、K平均法に代表される非階層型は、事前にクラスター数を決め、その数にサンプルを分割するため、大量データの学習に適しています。ただし、最適なクラスター数を自動的には計算する方法は確立されておらず、分析者のスキルに依存するという欠点があります。

ニューラルネットワーク（Neural Network）は、教師あり学習・教師なし学習のどちらにも利用される手法で、とりわけ多層ニューラルネットワーク（Deep Neural Network：DNN）を用いた機械学習のことを深層学習といいます。脳の内部では神経細胞（Neuron）がシナプスの結合によりネットワーク構造となっており、そこに電気が流れて情報を処理するコンピューターのようになっていることが知られています。その情報処理機構を数理モデルにしたものがDNNであり、すなわち脳を模することで学習機能を実現しようとするアプローチといえます。DNNを用いた機械学習の発想は古くからあったものの、大量データと膨大な計算を行う超高性能なコンピューターを必要とするために実現に至りませんでした。それらが克服されたことと、長年の研究によるアルゴリズムの進化が融合し、深層学習として具現化され、まさにいま盛り上がりを見せています。

とはいえ、大量データと超高性能なコンピューターを利用するには膨大なコストがかかります。また、データも大量にあれば何でもよいというわけではなく、学習に適した変数がないと意味がありません。さらに「UXモデリングって？」でも触れたように、ビッグデータによる機械学習には、導出された予測モデルのメカニズムがブラックボックス化して説明しづらくなるという欠点があります。

それらを克服するためには、学習に適したデータを低コストで獲得するための仕組みと、学習に必要な変数とデータ量に絞り込んでシンプルな数理モデルを作る技術が必要です。前者はデータ流通（Data Trading）⁵⁾データ流通って？という分野で普及に向けた取り組みが行われており、後者はスパースモデリングのような技術の研究開発が進んでいます。

最後に、機械学習を学ぶ参考書として、大関真之氏の著書「機械学習入門 ボルツマン機械学習から深層学習まで」をおすすめしておきます。機械学習の概念や理論が、数式なしでわかりやすく解説されています。

2019年4月10日、物理学・天文学における快挙が発表されました。世界で初めてブラックホールの撮影に成功した、というものです。アインシュタインの一般相対性理論によりその存在は知られていたものの、その実体を視覚的に捉えることはできませんでした。なぜなら、極めて大きな天体であるため、観測するには地球ほどのサイズの望遠鏡が必要となるからです。しかしながら、世界８箇所の望遠鏡で同時に観測したわずかなデータから、スパースモデリングという画像解析技術でその実体を浮かび上がらせることに成功しました。（※2019年4月11日に加筆）

スパースモデリング（Sparse Modeling）は、物事に潜むスパース性を利用した情報抽出技術で、いま注目されている技術のひとつです。スパースとは「まばらな」を意味し、スパース性とは物事の本質的な特徴を決定づける要素はわずかであるという性質を示します。

写真の画像データを例にすると、画像は画素の集合ですが、隣り合う画素間で値が大きく異なるところはわずかで、写っている物質が変化する境界線の部分だけになります。このような場合に、スパース性があるといいます。

スパースモデリングには以下の三つの特長がありますが、ここであることに気づきます。

• データが不足している状態でも分析ができる
• 大量データをスパースにすることで分析の時間やコストを圧縮できる
• 複雑なデータ構造をわかりやすく表現できる

「UXモデリングって？」でも触れたように、ビッグデータ（Big Data）¹⁾再考するビッグデータによる機械学習（Machine Learning）²⁾いまさら聞けない機械学習には、大量の学習データが必要である、導出された予測モデルのメカニズムがブラックボックス化して説明しづらくなるという欠点があります。つまりスパースモデリングの特長は、ビッグデータによる機械学習の欠点の裏返しであり、補完できることを意味します。

スパースモデリングは、機械学習のもつ変数選択と予測モデルの説明の難しさの問題を、高次元なデータを数学的に説明可能な次元まで落として、シンプルな数理モデルにすることで解決してくれます。数学的に説明可能というとわかりづらいですが、連立方程式の問題としてとらえると比較的わかりやすいでしょう。

連立方程式の問題。

連立一次方程式の問題で考えてみます。

問１：以下の数式を満たすx, yを求めよ。

$$2x+3y=7\\x-y=1\\$$

答えは (x, y) = (2, 1) で、何の問題もありません。では次の問題。

問２：以下の数式を満たすx, yを求めよ。

$$2x+3y=7\\$$

この問題は解くことができません。正確には、答えが (x, y) = (2,1)、(x, y) =(5,-1) など無数にあるため一意に特定できない、ということになります。これは未知数の数に対して数式の数が足りないことが原因です。ここで欲しくなるのが、数式の数が足りない連立方程式から一意の解を見つける手法です。次の問題を考えてみます。

問３：以下の数式を満たすx, y, zを求めよ。ただしx, y, zのうち0でないものは1つだけである。

$$x+y+2z=1\\x-2y-z=-2\\ $$

答えは (x, y, z) = (0, 1, 0) となります。未知数の数に対して数式の数が足りないにもかかわらず、「x, y, zのうち0でないものは1つだけ」というヒントにより一意の解が得られることになります。このヒントのことをスパース条件といいます。

つまり、物事の本質的な特徴を決定づける要素はわずかであるという性質（スパース性）を、スパース条件として表現できれば、未知数の数に対して数式の数が足りなくても、答えを導出できることになります。この原理が、データが不足している状態での分析や、大量データをスパースにした分析を可能にします。

ちなみに、スパース条件の変数選択との違いは、いくつの未知数を無視できるかがわかればよく、どの未知数を無視できるかがわからなくても答えが得られるという点です。これは非常に大きな違いです。なお、未知数を無視するとは、存在しないものとすることで、数学的には0として扱うことを意味します。

スパースモデリングを応用する。

この非常にシンプルな連立方程式の理論が、スパースモデリングのひとつである圧縮センシング（Compressed Sensing）という技術を支えています。圧縮センシングとは、観測対象データがある表現空間にはスパース性があると仮定して、必要とする未知数の数よりも少ない観測データから、あるスパース条件の下で対象を復元する手法です。

観測データを大量に獲得することが難しいケースがあります。そもそも物理的に取得できない場合はもちろんですが、たとえば医療の現場では、一刻を争うような患者の診断を行う場合に、患者の負担軽減なども含めて、MRIの撮影にかかる時間はなるべく短縮したいというニーズがあります。

京都大学医学部では、スパースモデリングを使ってMRIの撮影にかかる時間を短縮させる研究が行われており、MRIのデータが80%欠損していても、ほぼ正確な画像を復元することに成功しています。これには、物質と物質の境界線のみで画素値が大きく変化するというMRI画像の特性が利用されています。

今後の応用分野として注目されるのは、マーケティングでしょう。ユーザーの行動データから未来の行動を予測したいという欲求は常にありますが、5GとIoTの普及により行動データが大量かつ広範囲にわたって収集されることになり、そのニーズはさらに加速する一方で、分析は非常に難しくなります。

「UXモデリングって？」でも書いたとおり、人間は実にいろいろな要因に影響を受けて意思決定を行います。つまり考慮すべき変数が異常に多いわけです。機械学習や深層学習で予測モデルや特徴量の抽出が機械的に行われたとしても、そのモデルのメカニズムを説明することは困難です。この問題に対するスパースモデリングの有用性が期待されます。

また、スパース条件を事前確率ととらえれば、スパースモデリングがベイズ推定（Bayesian Inference）³⁾いまさら聞けないベイス推定の一つであることがわかります。ベイズ推定は、目の前に現れる事実と、これまでの経験（事前確率）から、知りたいことを少ない情報で推定する手法で、幅広く応用されています。

最後に、この記事を書くにあたり、日高昇治氏・松下亮祐氏・楠田哲也氏による著書「スパースモデリングって何だ？―データ構造を解き明かす先端技法」を参考にさせていただいたことをお伝えします。スパースモデリングの本質や理論がとてもわかりやすく解説されていますので、興味のある方はぜひ読んでいただきたいと思います。