矢野和男さんの『データの見えざる手』(第5章)

今日も、ただ、ひたすら暑い。体温より暑い外気温、どう理解したらいいのだろうか。
これは外に出るなということだろうか。

本日も、矢野和男さんの著書、データの見えざる手を読み進めております。

人間の活動に温度差があるとはいえ、一日でできる小さな活動から大きな活動まである範囲に収まるという発見は、
驚かされた。U統計、U分布に、人の活動は規定されているのだ。自分の分布を知り、それをよりよくすることは、
是非ともやってみたいことであろう。加速度センサーからの人の行動、組織内部の行動構造について説明がなされたが、
第5章では、『データから見える社会を科学する』という視点からのお話をご説明いただいている。

いきなり社会構造といっても分からなくなってしまうので、まずは一人ひとりの人間の周りにある「場」とその周辺にある
人との相互作用の結果が、行動として表れるとしている。環境とのやりとり、相互作用から、行動が生まれるのだから、
環境内部に、様々な確度からの測定することができるならば、社会のある構造について語れるはずであるというアプローチを
取っておられる。人を加速度センサーという視点で詳しく見てきた方なので、場と相互作用も何かしらの方法で見える化できれば
と考えるのは、得心いたします。

様々なセンサーを取り付けた店舗内情報と、人の活動情報を照らして、売り上げを最大にするための要因を明らかにした
説明がなされています。跳躍学習を取り入れたAIシステムソフトウエアの凄さを解説いただいている。
何がすごいかって、一言でいうと、仮説生成を自動で行えるシステムに仕上がっている点にある。

計算機システムは、だいたい、よくわかっている専門家が、その知識のうえに、システムをくみ上げる。
これが何がダメかといえば、その専門家の恣意が、知らず知らずに入ってしまう点にある。
問題をシンプルに置き換えて、簡単かしてしまうような発想では、社会構造のような複雑な事象を扱うことができない可能性が
あり(気づかないだけで、シンプルな構造表現できる場合もあるし、それを見つけることがこれまでの科学手法でもあった)、
複雑な事象とは、どの方向からどうやって分けるのかすら、分からないほど、複雑なので、であるならば、帰納的な部分については
複雑なまま計算機に扱わせてしまおうという立場で説明される、これなんぞは、目から鱗である。

矢野さんらのAIシステムが画期的であるのは、データから仮説を自動生成、その仮説数も数百万の仮説を作りだして、
ある特定のパフォーマンスを高める因子を見つけ出せるようである。モデルはこうだと思い込んで、プログラム開発をするのではなくて、
データからすると、どうもモデルはこうなっているようだと、モデルの逆生成を行っているという、なんともすごいことである。

システム屋からすると、いままでの反対の行動でどんどん進んでおられるので、たいへん興味がわく次第である。
これができるなら、これからの必要となるといわれるデータアナリストも、いらなくなるのではないか。
アナリストがデータ分析を繰り返して、1つの道筋を見つけている間に、跳躍学習Hは、膨大な仮説から、
非常に多くな有用なストーリを示して頂ける可能性がある。もちろん、業界の専門家ですら、気付けない点についても、
きっとHシステムから、ご提案をいただけるのであろう。ほんとに、カッコいい。

今後私たちがなすべきことが分かった気になった(気づかせて頂けたというべきか)。
前提として、何を目標・目的に据えるかである。この目標・目的は、人間でしかできないことであり、意思を表すということだ。
そしてのその目標・目的を表現するために、どういうミクロなデータを集めるかを決めなければならない。
いついかなる時も、均質なデータを延々と取り続けること。取ったり取れなかったりするデータでもなくて、
24時間365日のデータ(時間軸上はできる限り短い時間、データ量はその分増えるが)を手にすることである。
この膨大なデータ量を手にした後、そのデータから目的や目標に到達するストーリを、計算機に導かせる。
人が作りだす仮説なんてものは、個人の恣意が入り、仮説のうちに入らないという世界が、近づいてきているようにも思えた。

目標設定⇒均質なデータ取得⇒データから多くの仮説を作り、目標を達成するモデルを逆生成する。

将棋・囲碁、画像認識、自動運転、こうした考えがベースになって、それぞれのアプローチを進めているように思います。
わたしも、こうした動きに少しずつでも理解を深め、前に進めるアプローチできたらと思います。

矢野さん本、いよいよ残りは6章だけになりました。矢野さんの見ている世界観を少しでも近づくことができたらと思っています。
勉強になります。

矢野和男さんの『データの見えざる手』(第4章)

こんにちは、日曜日の午後です。
JONGDARI(ジョンダリ)は、過去見たこともない軌道を描き、地球の自転に反しての
右から左へ突き進みました。不思議なことが起きるものですね。
そして、今朝は、また暑い日曜日となっています。
どうも、水野裕識(みずのひろのり)です。

矢野さんの本と向き合おうと決めて、後半戦、4章になりました。
この章のテーマは、”運とまじめに向き合う”です。

運とは、ビジネス上の定義すると、「確率的に自分が必要とする知識や情報を持っている人に出会うこと」
運は、多くの場合、人との出会いより得られることのようだが、運に出会うことを理論・モデル化について、
4章では説明がなされる。人を介しての到達度とは、自分からみた人を介しての2ステップの到達数とし、
仕事がうまくひとというのは、概して到達度が高いとのこと。複雑に見える事象も、到達度をつかって、
そのヒントや答えの道筋に到達しながら、解決をしている可能性が高いようである。
人と人の関係性グラフ(ソーシャルグラフ)をえがくと、到達度の高い人のまわりに、多くの人が囲むようになるそうだ。
面白いことに、取り囲む状態は、必ずしも職位が高いからそうなるものでもないようだ。

なかなか希望を抱かせる結果である。コミュニケーションをしっかりとる、人のことを思いやる、
人望が厚いとか、結果を出せるとかいうすべての要素が絡み合い、このソーシャルグラフに反映されるのだろう。
組織のリーダが一人頑張らなくても、リーダーへの到達度を上げる方法もあるようだ。
そんなのはリーダが直接つながる人が増えればいいだけと、思ってしまったが、そこは違うとある。

ではなにかというと、メンバー間に三角形のつながりを作り出すのだそうだ。
3角錐の辺同士が連結していくのだと思った。強固な分子構造の話のようにも思える。
つまり部下同士が繋がることのようである。
これを意識してみると、三角形がない関係を、あえて作りだすようにしていくことで、リーダの力は自然と
あがってくる。面白いことを見つけるものですね。
この章では、事業統合の事例(違う会社の組織を統合して新事業体として進める話)が説明がなされ、
矢野さんの名札カードを活用し、データを分析することで、その統合もうまく進められたという話が紹介されている。
こうした利用法は、今後、様々な会社で活用されるのだろうなと想起される。詳しくは本書をお読み頂きたい。

会議の質も図れるようだ。会話とは、身体の動きのキャッチボール。言葉として発する部分は、会話とされるうちの
1割であり、それ以外の非言語によるコミュケーションが9割を占めるという。つまり、この9割は何かとなるのだが
身体の動きにも表れるということなのだろう。

会議に臨む人の態度は3つあるらしい。
1つは、対立を超えた答えを導く「建設」、2つ目は、リーダの意見に従う「追従」、3つ目は、「懐疑」だそうだ。
このカードで測定をすると、建設・追従・懐疑のどれにいるのか会話モードを計測できるとある。建設的な場面では、
会話が双方向率が高くなり、それ以外は低くなるとある。会話の双方向率と事業収益との関係が明らかになれば、
自然と建設的な会話モード(双方向率が高まる)にはいらざるをえなくなると考えている。

この日本の至るところで、不毛な会議、権限だけ持って能力のない上司、会話もない同僚などなど、生産性を抑える行動
が発生している予想する。名札カードを現場に取り入れることで、その組織の課題が客観的なデータとして見える化され、
さらにアドバイスまで頂けるなら(たぶん、上司からではなくて、AIがそう言ってますというのがいい)、
それに従ったほうが、早いとすら思える。

単なる加速度という時系列データから、ここまで価値を引き出したものだと思う。

データ上は、数字と時間のペアが、延々と並んでいるだけであろうが、
そのデータにラベル化を行い、意味を見いだしを繰り返し、ここまででも大変な作業であったと推察するが、
コミュケーションや組織にまで適用しようと研究をされたことに、驚くとともに敬服する。
いま流行りの?IoTにおける問題は、ここが欠落していて、データを大量に集めましたのその先が、見えてないことにある。
データの適用先を見いだせるかどうか、さらにそれを従来からの問題の解決に使えるように仕立て上げられるかどうか。
センサーデータを積み上げてきた結果、これに使えそうだ、こう使えばこういう意味のあることが言えるようになるという
ことを、説明をしていかなければならない。
IoTサービスも、そろそろ見える見える話から、こうすれば使える使えるの発想に切り替わっていかなければならないと思う。
この意味でも、矢野さんの書かれたこの本は、貴重だと思いました。

矢野和男さんの『データの見えざる手』(第1章)

3連休の終わり、今日もとても暑かったですね。
朝ランをしたのですが、身体があまりに火照り、午後はプールで2km泳いできました。
水野裕識(みずのひろのり)です。

矢野さんの『データの見えざる手』を読み進めています。
この本は、じっくりと向き合うべきとわかり、1章ずつ繰り返し読んでいます。
1章のテーマは、”時間を自由に使えるか”について。

結論からいうと、時間は自由にならずのようである。個々人が使えるエネルギー量とその配分は、U統計に従うとのこと。
日立評論2013年6・7月合併号:ビッグデータの見えざる手
http://www.hitachihyoron.com/jp/pdf/2013/06_07/2013_06_07_03.pdf

速い動きを続けることや、遅い動きを続けることはないようで、それぞれの速さの動きを行える時間に制限があるらしい。
まったく違う仕事や立場の異なる人であっても、行動において共通な法則があるという事実を見出したことは、
たいへん興味深いことだと思う。

”U分布は一方向に右肩下がりなので、身体の動きが活発な行動を、静かな行動よりも長時間行うことは許されない。
U分布では、より素早い行動の時間は、より静かでゆったりとした行動よりも常に少ない時間しか許されない”

と説く。ゆっくりとした動き時間に制限があるのだから、1日ほ静かな作業(たとえばパソコンの前に座り、
開発を行う、文章を書く、ウェブを見る)の時間にも制約があるということになる。
U分布に従った行動を取るように、人は自らの行動を無意識のうちに配分しているようである。

ある帯域の活動を消費してしまうと、ひとはやるきがおきなくなったり、それ以上の同じ行動を続けることができなくなるようだ。それでも、社会的な制約(上司の命令、納期など)により、無理強いする場合も多々あろうが、その場合にはどうなるのか。ある状態行動を必要以上にし続けることを数か月あるいは半年1年と継続した場合に何が起きるだろうか。

人の行動は、普遍的なU分布に従うようなので、早い動作と遅い動作もU分布に沿うように、様々な速度の行動を上手にやりくりをして日々を過ごしているはずである。しかし、仕事という名の下、ある一定領域の動作を強いられ、似たような行動パターンが継続した場合にどうなるのだろうか。

週末くらいは休めということは、人が本来持つU分布の行動パターンに戻せることで、身体が本来の動きパターンに戻されるのではないか。自分の時間を自由に使える人ほど、長時間働いていても、ストレスを感じないという話がある。これは、長時間労働をしていても、その行動はU分布に従っているので、問題を生じさせないのではないかと思った。

一度、自分のU分布を見てみたいと思うとともに、今週の活動(例えばカレンダーとの連携)から、対応行動を提唱してくれたら、それに従ってしまうかもしれない。一人ひとりが無理のない範囲で、行動パターンの提案がなされるとしたら、それを利用してみたい気持ちになるのではないだろうか。

矢野さんの本、青本につづいて、ピンク本、どちらも奥が深くて、たいへん示唆に富むので、じっくりと読み進めてみたい。
まずは、第1章を読んだところまでの感想でした。

NHKスペシャル:人工知能 天使か悪魔か2017

電王戦佐藤名人との対局で叩きのめされる場面から始まる。

AIの社会進出の説明。
名古屋のタクシー会社の事例。初心者ドライバが、システムの指示通りに車を走らせると、乗車数が2割もあがる。シンガポールでは、事故が起きる可能性が高いドライバーを事前に見つけ出し、再教育をはかるという紹介。

AI棋士・PONANZA(山本一也 31歳)は2013年に登場して以来、将棋界では負けしらず。PONANZAは過去20年の対局棋譜を5万曲を機械学習させた。

佐藤名人とのPONANZA第1手は、38金。人間では絶対に打たない手を打ってきた。
人間側の常識では絶対に行わない手を打つPONANZA。10手進んだときに「中住まい」で強固な陣営を作りあげた。

人間には思いつかない、独創的な手を打ち込んでくる。

自己対戦で700万局を学習させたという。
人間が1年3000局対戦をしても20年以上かかる対局を学習しおわっている。
羽生名人が仰るには、この対局の一部しか知らないのではないかという。

全国24万台走行するタクシー、名古屋のタクシー会社の紹介映像になる。
名古屋地区を500m区切り、各マスの上に到着人数が現れる。
どの道をどの方向に進むと客を拾う可能性が高いかを、画面に表示する。
普段は通らない道を入ると、予測が的中し、お客さんをすぐに捕まえることができた。

あたかも、天空の目がお客様の位置を教えているようにみえる。
DOCOMOが開発、携帯の位置情報+タクシー会社の乗降記録(1900人分運転手の1年間データ)さらに、天気と曜日によって乗り方がどう変わるかも予測する。
過去のデータよりも、いまの携帯数が多いマスならば、お客様が待っている可能性が高くなる。予測の精度は95%まであげられる。

次いで、金融部門に話がおよぶ。

東証売買の8割が計算機による自動売買。年金の機関投資家の運用をすべて計算機に任せている。野村証券のトレーダーはもはや不要という。野村証券AI導入担当 原田大資さん。株価予測システムは銘柄ごとに5分後の株価を予測する。
東証500銘柄の過去1年間の動き(1ミリ秒単位)と売買データを学習済み。
人間がアクションを取っている間に売買は終了していることになる。
ここでも、将棋同様に、すでに機械VS機械の対戦となっている。

佐藤名人は8手先を見越した手を打つも、PONANZAは一見失敗(相手にみすみす取らせる)したように見えるも、そのうち手ゆえに、PONANZAは見抜いて勝利を納める。

人間が直感で捨ててしまうはずの手をPONAZAエンジン内部は情報として獲得していることになる。人間を超えた動きができるPONAZAの内部構造を、開発者も説明することができないという。なんでここまで強くなるのか、わからなくなってきている。

まさにここが、人に恐怖を与える瞬間であり、AIの怖さに通じる。
人知を超えた知性らしきものを、内部構造に蓄えているように結果として見えるからだ。まさにブラックボックス。答えを示すが、理由は示さないAI.

次いで、アメリカでの再犯罪予測システムに映像が切り替わる。
カルフォルニア裁判所に再犯率予測システムが導入され、どんな傾向のある人が再犯するかを予想する。人の特性・行動パターンなどを学習させてあり、被告の人種、仕事、育成環境などの情報を与えると再犯率が割り出される。再犯率が10%低下し、刑務所のコスト削減につながった。AIが人を判定し、AIが人の運命を決めている。AIが人生を判定するという時代。

日本ではAIが企業の社員を評価する取組がはじまった。医療事務の人材を送りだす会社(ソラスト)では、退職率を下げることが大事という。社員の個別面談を繰り返すも、退職する人を面談では見抜くことができない。社員の表す面談の文章から、退職する可能性のある予兆を見つけて、管理側に伝える。
満足度は4と高いものの、本人が表したたったの2行から予兆があると判断をした。
学習エンジンは、半年間の面談文と退職者。

キーは分解された単語と順番らしい、人間では見抜くことができないパターンを学習している。ここでも退職の理由を提示せず、退職する可能性があると伝える。

「教師データのなかの特徴を捉えるチカラ」は、人間では全く及ばない印象である。
膨大なデータが揃いさえすれば、そのなかから特徴・特性を見抜く能力は計算機のほうが高いことをあらわしている。

次に韓国のAI国家戦略。国家運営に導入しようと計画されている。
「グローバル リーダーズ フォーラム」でAI政治家の発表した。
人工知能に最適予算を配分させようとしている。

人工知能研究所・ベン・ゲーツェル博士は自身が開発したロボットをAI政治家に育てようとしており、世界各国の憲法・法律・国防・最新の経済政策、ネット上の世論などを読み込ませ、5年後の実用化を目指している。政策提言の1つとして提案させ、国民が判断する方式をとる。将来は国民と直接対話を行わせたいとも。

前のブログでも書いたように、「2029年に計算機は一人の脳の計算パワーを抜き、2045年には全人類の10億倍の計算資源に達する」ので、人は計算機が発する内容に従わざるを得なくなるだろうし、そのほうが(幸か不幸か)総じて幸せだったといえる人生になる可能性が高い。(AIの暴走論は横においておく)

『成長戦略Society 5.0』が発表された

一人あたりのGDPは年々下がっている(世界27位)。少子高齢化であってもGDPを上昇させるのは、生産性を高めるしかない。日本GDPは、2次産業2割、3次産業が6割であり、3次産業側に、さらにシフト中である。3次産業をサービス産業とみなすと、マンパワーに依存する、現状、生産性向上を望めない。ここで、サービス産業の機械化を押し進めると、(たぶん)人の仕事はなくなる。

1900年初頭、人類は移動力を大幅に向上させた。蒸気機関による力、馬による耕しもトラクターに代わり、船から飛行機に変わった。2029年に計算機は一人の脳の計算パワーを抜き、2045年には全人類の10億倍の計算資源に達する。人間が行っている単純な作業の大部分は、ことごとく計算機で置き換わると予想できる。たったの20年の間に、劇的な変化がおきる。過去にエネルギー政策で人の力を大きく伸長させたが、今回は、人の知性を大きく置き換える可能性が高い。

サービス産業の機械化が進むと、人の作業を奪う。人で行う費用より、装置の製造・保守費が、はるかに小さくなるからだ。人は仕事場に不要となるので、一人あたりの所得も下がると予想する。歴史を振り返ると、外国の安い労働賃金を狙い、外へと向かっていたが(帝国主義・植民地化)、いずれ外国の賃金も上昇し、均衡し立ち行かなくなる(地球は有限)。外に向かう意味が見いだせなくなるので、たぶん国内のさらなる機械化に拍車がかかる(機械を奴隷をみなすか)。おそらく、今後、機械化による供給力は、需要力をいとも簡単に賄ってしまう可能性をもつ。そうなれば、さまざまなサービス単価は下がり、価格0に向かう、フリー世界となる。

そう思うと、機械化が進んでも、供給力を急激に上げないか、価格を急激に下げさせない工夫が必要と思う。先進国が一斉にこの機械化の供給力向上目指すと、余剰したサービスは世界にあふれかえる。機械の労働に税?をかけて、国が吸い上げることが求められるだろう(世界同時進行なので国レベルで解決できないとも思う)。そこで産まれた富を、国内の人に還元できるだろうか。そうなると、いよいよベーシックインカム、広い薄い保障制度の登場となる。毎月どの位あると最低生きていけるか、仮に月10万円とすると、1.2億人*10万円*12か月なら144兆円。対象を生産労働人口7700万人に限ると、92.4兆円。完全失業者数(2.8%)200万人に限れば、2.4兆円である。この機械化による産業が、144兆円の法人税を得るには、経常利益360兆円を産むことになる、営業利益20%なら新産業の売上は1800兆円が必要となり、全くもって現実的でない。単なる数字遊び、机上の空論と叱られそうだ。全部は無理としてもこの1/10規模ならどうだろうか。180兆円の新産業を作りだせると、国民の1/10にBIを提供できる。

今後数十年で、サービス労働の機械化が進み、人の労働が総じて小さくなりだす前に、色々なサービスが、フリーに向かうとすると、その財政を支えるのは誰?となるはずで、プロセスのなかで新たな仕組み(税?・法律?)の議論が必要だ。先進国では競争が起こり、一斉一様に機械化(AI)が進み始めるので、どこかが独り勝ちにもいかないだろう。その一方、既に気づいているgoogle,FB,amazon などのAIへの投下資金を思うと、彼らの会社自体が、国家を越えてしまう。(ネット広告は既にgoogle社の売上となっているので、日本財は既に米国に流れている)

このままでは、日本企業は、これらの先端技術系の企業群の下請けになってしまう。もっというと、下請けにもなれないで、日本財がこうした企業に、吸い取られてしまう可能性があるのではないか。本来、日本は、新しい仕組・プラットフォームを提供するサービス会社を、グローバルに成長させて、国外からお金を吸い上げる仕掛けが必要である。

5月30日に発表されました、 日本経済再生本部 、未来投資会議(第9回)配布資料が、こちらにあります⇒資料