Vol.2 No.1 2009

12/94

研究論文:大規模データからの日常生活行動予測モデリング(本村)−9−Synthesiology Vol.2 No.1(2009)で推進している[21]。 こうした情報サービスが普及し、多数のユーザがシステムを利用することによって、選択したコンテンツの履歴がさらに大量の統計データとして集積する。そのデータによりベイジアンネットモデルの改善が進み、モデルの適合度や推論精度も向上するといった好循環と別のサービスへの水平展開も実現できる。これは実サービスを通じて市場から得られるデータが計算モデルにより再利用可能な知識となり、これがさらに次のサービスに反映される知識循環、すなわち先に述べた、Research as a Serviceの好例と言える(図6)。このような実サービスを通じた研究活動はサービス工学研究センターにおいても実践され、大規模データからの計算モデル構築によって、最適設計ループをフィールドの中に実装し、サービス産業の生産性を向上させるための事業として推進されている[22]。 8 おわりに本研究においてソフトウェアの開発までは第一種基礎研究的であったが、ソフトウェアの開発が一段落した後は明らかにアウトカムを志向した第二種基礎研究を意識したものになった。その過程で直感的に進めてきたアプリケーションの選択基準を今あらためて考えてみるといくつかの条件があったように思う。1. 既存手法では解決できていない問題であること2. 利用者が必要としている顕在化している問題であること3. その問題解決により利益を得、それに見合うコストとリスクを負担するステークホルダーが存在することこのような条件の中で、ベイジアンネットを人間行動のモデル化に用いて、顧客やユーザの行動を予測すること、それによりサービスを最適化することで価値の向上と効率性の向上を果たすことが適切なアウトカムであると考えられた。このアウトカムを実現できるクライアント企業は多様な顧客との接点(チャネル)を持つ業種の中に存在した。先述したアウトカムを選択したことで、適用フィールドはインターネット、携帯電話、カーナビ、コールセンターなどの顧客からの大量データが集積できるチャネルであることになる。しかし、これらの選択肢の中で、現時点の技術を移転することで十分対応できるものと、アウトカム実現のためにさらなる技術開発が必要なものとの2種類があった。そこで前者にはベンチャーが対応し、後者は産総研と企業との共同研究を進めるという選択をした。工学的な実現と社会的な実現は異なる。工学的にはすでに確立した技術であっても、社会的な価値を生み出すためにはさらに多くのステークホルダーの関与を必要とする。必ずしも工学的バックグラウンドを持つわけではないこうしたステークホルダーにアウトカムの価値を伝え、コストとリスクを担ってもらうためには、アウトカムの効果を信頼性の高い形で示すことが必要であった。そのために事業部レベルでの共同研究や産総研技術移転ベンチャーを通じた社会実装が必要となり、効果は実フィールドで実証される必然性を持つ。つまりアウトカムの評価と社会実装は同時に行われることになったのである。社会的実装が可能な条件を明らかにするために、ベンチャータスクフォースの中で市場調査を行った。そこでは第一種基礎研究では考える必要のなかったコストベネフィット分析が重要であった。社会実装を円滑に進めるためにはベネフィットの向上とともにコストとリスクの低減が求められる。この段階でアウトカム自体の修正、あるいは新たなアウトカムが必要となることから、基礎研究の駆動力となる可能性がある。これこそが本格研究を推進する上で新たに生まれる第一種基礎研究へのフィードバックであり、デジタルヒューマン研究センターのポリシーステートメントとして図7 再利用可能な人間の認知・評価構造モデル図6 ベイジアンネットによる知識循環サービスベイジアンネットモデル構築・推論統計的学習によりモデルを自動的に構築顧客分析・マーケティングリサーチなどの応用へユーザの好みを予測し、最適なコンテンツを推奨様々な状況・ユーザアプリケーション・サービスフィードバックデータ操作履歴水平展開嗜好性を表すユーザモデル映画・ショッピング・レストラン推薦Web、携帯、カーナビシステムなど大規模データベースサービスの実現人間の認知評価構造状況依存性新サービス設計サービスを通じた行動分析学実サービス中のデータ観測サービス提供人間行動モデルの統計的学習再利用可能な知識モデル日常生活(実フィールド)データ統合センサ統合モノが~だから状況が~だから場所が~だから動きが~だから欲しい・買いたい笑い・怒り快適・不快安心・危険楽しい好き・嫌い

※このページを正しく表示するにはFlashPlayer9以上が必要です