【AIによる予測】予測マシンの世紀#14 とにかくデータ！②

こんにちは。シンラボ共同代表の草場です。

AIとの共同に関して、『予測マシンの世紀　AIが駆動する新たな経済』をまとめていきます。推理小説のようで、ドキドキワクワクです。

目次
はじめに―機械知能
安さはすべてを変化させる
第１部　予測
　第３章　魔法の予測マシン
　第４章　「知能」と呼ばれるわけ
　第５章　データは新しい石油
第２部　意思決定（決断を解明する；判断の価値　ほか）
第３部　ツール（ワークフローを分解する；決断を分解する　ほか）
第４部　戦略（経営層にとってのＡＩ；ＡＩがあなたのビジネスを変容させるとき　ほか）
第５部　社会（ＡＩと人類の未来）

昨日は、予測の補完としてのデータの重要性を見ていきました。

では続きを見ていきます。

■データは新しい石油
データの取得にはコストがかかります。そこで、データの利点とデータ取得のコストとの間のトレードオフを考える必要があります。正しいデータ投資の決定をするためには、予測マシンがどのようにデータを使用するかを理解する必要があるとのことです。
ではそもそも、どのようにデータを使用するのでしょうか？AIがバズワードになる前に、ビッグデータの盛り上がりがありました。

画像やテキストはデジタル化され、機械が分析できるようになった。センサーはどこにでもある。

例として、心拍数をモニターするセンサーが取り上げられています。AliveCor、Cardiioというスタートアップがあります。心拍数データを使用した製品を開発しています。

例えば、スタートアップの Cardiogramは、Apple Watch からの心拍数データを使用して異常な値の情報を生成する iPhone アプリを提供している。ユーザーは、1日のうちに自分の心拍数がいつ急上昇したか、1年、あるいは10年の間に心拍数が急上昇したか、あるいは低下したかを知ることができる。

医療データを扱うスタートアップ、爆発的に増えていますね。大事な点は以下です。

このような製品の潜在的な力は、この豊富なデータと予測マシンを組み合わせることで得られる。

Cardiogram、AliveCor、Cardiioなどが開発している製品は、スマホから不規則な心拍数を予測しています。心拍数データを使って心臓病の診断に役立ている形です。

一般的なアプローチとしては、特定のユーザーが心拍数に異常があるかどうかという未知の情報を、心拍数データを用いて予測するというものである。

この心拍数データが、入力データです。予測マシンは入力データなしでは動作しません。この入力データは、トレーニングデータやフィードバックデータとは対照的に、単に「データ」とラベルを付けることが多いです。
我々素人には、心拍数データと心拍数異常の関連性はわかりませんが、Cardiogramは、ディープ・ニューラル・ネットワークを使用して、97%の精度で不規則な心拍数を検出することができるそうです。不規則な心拍数は脳卒中の約4分の1の原因となるため、脳卒中を予防に役立つそうです。

使いたい。

さて、ではどういうデータが必要でしょうか？

これを実現するためには、消費者個人が心拍数データを提供する必要がある。個人データがなければ、予測マシンはその人のリスクを予測することができない。予測マシンと個人データを組み合わせることで、その人の不整脈の可能性を予測することができる。

繰り返し繰り返し述べられていますが、個人データが必須です。では、予測マシンはどのようにデータから学ぶのでしょうか？例えば今取り上げている心拍数モニターの場合。

心拍数データから不規則な心拍数を予測するためには、予測マシンはデータと実際の不規則な心拍数の発生率との関連性を学習しなければならない。そのためには、予測マシンはApple Watchからの入力データと不規則な心拍に関する情報を組み合わせる必要がある。

このあたりは、いわゆる機械学習と呼ばれる領域です。
予測マシンが学習するためには、不規則な心拍数に関する情報はApple Watchの心拍数データと同じ人から得たものでなければなりません。

予測マシンは、不規則な心拍数を持つ多くの人の心拍数データと一緒に、不規則な心拍数を持つ多くの人のデータを必要とする。重要なのは、不規則な心拍数を持っていない多くの人々からのデータと、彼らの心拍数データが必要であるということだ。

予測には、異常なデータと普通のデータが両方必要です。予測マシンは、不規則な心拍数を持つ人と持たない人の心拍数パターンを比較して学習します。

機械学習、勉強しなおします。本日はここまで。

草場壽一
https://sinlab.future-tech-association.org/