「未来に貢献する情報科学」に参加してきました

どうも川田です。9月12日(木)に神戸にあります

兵庫県立大学 神戸情報科学キャンパスで行われた「未来に貢献する情報科学」に参加してまいりました。

今日はここで参加して感じたことなどを書いていこうかなと思います。


この日は、私自身が何かを発表するということはなく、
様々なスピーカーのお話を聞くことと、この春に新設された母校の社会情報学部の先生方にお会いできると思い、
行ったわけです。(学部の先生とは何かを始めたいなと。)

また今回「未来に貢献する情報科学」にゲストで来られていたお二人の先生(所先生、樋口先生)は、
授業を受けさせていただいたり、

手法などを本を通じて勉強していたこともあり、今のデータサイエンスについてどのようにお考えなのかを実際に聞いてみたいと思い参加してきたわけです。


内容を総括するのは、非常におこがましいわけですが、
やはりキーワードになるのは「帰納、演繹」この二つの単語であるように感じました。

現在のデータサイエンスというより、AIを用いた様々なサービスが出てきているわけですが、
「帰納」的な側面が全面に出てきている。


それはもちろん、人間が処理できる知識量を超えた量を処理することができるコンピューターがあり、
ディープラーニングをはじめとするアルゴリズムがあることによって実現することができているわけです。


ちょっと異なりますが、自分も研究発表で、10日間寝ずに文章読めないですよねとか冒頭にはなしたりするので、
使っているわけですが・・・。


古い例ではありますが、これまで人でしかできないと思っていたような、
画像の認識がわかりやすい例ではないかと思います。


画像であれば、これは「ネコ」と覚えさせる帰納的なアプローチによって、その膨大な量の情報を用いて、
「ネコ」であるのかそうでないのかを区別しているわけです。


しかし、帰納的に求められている結果には、こちらがわかる正解が存在する。
その点で囲碁がプロ棋士に勝つというのも、囲碁のルール、
明確な勝ちが定義されていることでその正解を探索することができることによって、
棋譜を学習したものから、棋譜自体を覚えさせなくても勝ってしまうAIを作り出すことが出来るわけです。

一方で人のように、覚えさせない限り、ルールを明確にさせない限り、
動物の写真から、いやこれはネコではなく犬とは判断してはくれないわけです。


この辺りを勘違いしている人が多いように思う。

「なんかいい感じでやっといて。」

これは科学/データサイエンスには通用しないわけです。

きちんと、問題設定をデザインをしなければいけない。

そこで、「帰納」的なアプローチできるものはその技術を利用し、
その上でいかに問題を「演繹」的に捉える、検討を行うことがこれまで以上に大事になってきている時代であると、
言われているように私はお二人の講演から感じたわけです。


この辺りは、佐藤先生(修士時代の学科長)のシミュレーション学概論や
所先生のオープンシステムサイエンスで刷り込み教育を受けているようなもんなので、
まあその思考によってしまうわけですが。


また、そこで僕自身が必要とされると感じているのが、
今自分がどこまでの情報を持っていて物事を考えているのか、
より複雑な事象を捉える際には、どの部分を拡張する必要(どんな仮説がいるのか)があるのか、
既存のモデルが使えるのかなど、新たに問題設定をデザインしていくことです。


この考え方/アプローチは、やはり今になっても共感する部分も多く、
どう社会に実装していくのかをテーマにSCIO THINKでは取り組んでいきたいなと考えています。


あともう一つ、このような有意義なシンポジウムであれば、
是非ともこれからデータサイエンスを学んでいくという人には是非とも聞いていただきたかった。

平日だったということもありますがほぼ、学生(学部生)がいないという状況は如何なものかと。
特に大学はこの時期夏休みなわけなので、こういうセミナーやシンポジウムに参加することで、
今後の過ごし方などを考えるにもいい機会なのになと思ったわけです。