システム情報系　櫻井　鉄也（さくらい　てつや）教授

近年のAl (人工知能）の発展ぶりには目を見張るものがあります。囲碁ソフトなど、少し前まではまだまだ難しいと考えられていた技術が次々と
実現する反面、近い将来には人間が行っている仕事のかなりの部分がAlに置き換わってしまうという報告もあり、Al研究の在り方に関する請論も盛んです。
そんな中、データ解析の性能向上に取り粗みつつ、誰もが気軽に、安心して使うことのできるAlを目指して、研究を進めています。

最適な方法でデ-タを解析する

　家電製品から人事面接に至るまで、様々な場面でAlが活用されるようになりました。それらは、スマートスピーカ－やロポットといった姿で私たちと接していますが、その正体はアルゴリズム（計算方法）です。アルゴリズムは Al研究の一番の基礎になるものです。与えられたデータをどのように解析し、どういった情報を得るか、それはアルゴリズムにかかっています。同じデータでも、そこから1日を知りたいかによって、使うべきアルゴリズムが異なります。
Al研究自体は1950年代からあり何度かの浮き沈みを経て、ようやく花開いた分野です。現在のように、具体的に役立つ形で使えるようになった要因には、インター ネットの発達によって容易に大量のデー タが集められるようになったこと、それらのデータの中から反復的に学習して解析する機械学習が可能になったこと、などが挙げられます。
膨大なデー タから特定の情報を引き出すことができるようになった一方で、医療データなど、数が少ない上に、取得するのにコストがかかるデー タの中からも情報を見つけたいというニ ーズも出てきました。その場合には、すでにわかっている正しい情報と照らし合わせる方法（教師あり）や、与えられたデータから何らかの関係性を見出していく方法（教師なし）を使います。デー タの種類や解析の目的に応じた最適なアルゴリズムを見つけることが、Alの能力を向上させます。

複雑な世界をモデル化する

　Alを活用するということは、現実の世界で起こっている現象をサイバー空開に表し、アルゴリズムを使って解析し、その結果を再び実世界にフィードバックすることです。とはいえ、実際の現象は極めて複雑で、全てを忠実にサイバー空間に表すことはできません。ですから、解析したい事柄に注目してモデル化をすることで、個々の現象を取り扱います。
　モデル化の際には、現象を細かく分割してそれらの相互作用を解析します。例えば自動車のボディーの振動などを解析するには、ボディーを細分化し、各部分がどのように影響し合うかを方程式に表します。この方程式は汎用性があり、化学反応における電子間の反応などに関するモデルにおいても、ほとんど同じ形になります。もちろん、パラメータごとに複雑な数式が含まれますし実際の計算では何億ものデ－タを扱いますから、簡単に答えが得られるわけではありませんが、互いに影響を与えるということで考えれば、全く違った現象のようであっても、共通のモデル化の手法が使えるのです。
　アルゴリズムの観点からは、そのようにして様々なシミュレーションやデータ解析を行います。その性能を上げていくことで、より正確に現実社会を捉え、適切なフィードパックが可能になります。

学際性を活かしたAl研究

　これからの社会では、AIだけでなく、コンビュータや様々なデジタルデバイスなどが、どんどんと使われるようになるはずです。その流れをしっかりと捉え対応していくために筑波大学では２０１７年に「人工知能科学センター」を設立しました。コンピュータサイエンスや情報系の研究者が揃っていることに加えて、学際研究をしやすい環境が整っているのが本学の強み。 単にAlの基盤技術を研究するだけではなく、それぞれの研究グループが持っている膨大なデータを、Al研究で有効活用していくための核としての役割を担っています。
Alは、解析したいものがあって初めて、その力を発揮します。ですから、解析すべきデータを持っている分野と協働することは必須です。逆にいうと解析の術がなければせっかくのデータを活かすことはできません。医療、モビリティ、農業、スポー ツ、さらにはマーケット分析など多岐に渡る分野でAl活用のボテンシャルがあり、そこをつないでいこうというわけです。その一つとして、附属病院で蓄積したデータを集めて解析するプロジェクトが進んでいます。

人とAlがコラボする社会へ

　人間の生活は膨大なデータの塊。日々の行動パターンや健康情報などを蓄積ずれば、その中から病気などの予兆を見つけて適切なアドバイスを提供することが可能です。
スマートフォンなどのデバイスにはたくさんのセンサーが搭載されており個人の様々なデータを集めることは比較的簡単です。ただ、今のところはまだ、セキュリティの問題も含め、それらのデータを活用しきれていません。
　それに、最先端のAlでも、動物の写真を見て全く違うものだと認識するなど、人間ならあり得ないような問違った判断をすることがしばしばあります。ビッグデータや機械学習といっても、判断基準として人間が持っている知識の幅広さに比べれば、限られた知識にすぎません。ですからAlが出した答えを人間が検証するプロセスが不可欠です。完全にAlに任せてしまうのではなく、人間とAl がコラボする、その方策を探っていくことが重要です。

みんなが使えるAlを

　近い将来人間が行なっている仕事の多くがAlに置き換わってしまうという話が聞かれます。人関にとっては困ったことかもしれませんが、もはやAl研究を止めることはできません。
実際、ある部分については Alの方が人間よりもはるかに優秀で、そのような仕事はAlに任せた方が効率的です。そのことを「仕事が奪われた」と考えるのではなく、「別の仕事ができる」と捉えるべきです。コンピューターアルゴリズムもかつては大勢の手計算をする人たちがいることを前提に研究されていました。それぞれの計算結果をお互いにやりとりして、全体としての結果を得るというのは、現在のスーパーコンピュー タの構造と同じ。それが機械化されたのはここ50年ほどのことです。計算機の出現によって多くの人々が仕事を失いました。しかし同時に、プログラミングなどの、それまでには存在しなかった新しい仕事が登場し、彼らの知識やスキルはそこで活かされることになりました。
自動車やパソコンも、かつてはごく限られた人にしか使えない特別なものでしたが、 今では誰もが使えるもの、なくてはならないものになっています。そうやって社会全体が変化していくのです。いずれはAlもそのような位置づけになっていくはず。その先もより良い仕組みを求めて、アルゴリズム研究は続きます。