stakevip

このサイトではJavascript機能をOnにしてご利用ください。 ページの本文へ 日本語 English 中文 RIETIについて サイトマップ ヘルプ お問い合わせ 論文検索サービス サイト内検索 メニュー 研究テーマ プログラム (2024-2028年度) プログラム (2020-2023年度) プログラム (2016-2019年度) プログラム (2011-2015年度) 政策研究領域 (2006-2010年度) 主要政策研究課題 (2003-2005年度) 経済産業省共同プロジェクト プロジェクトコンテンツ 調査 フェロー（研究員） 肩書き別一覧 アルファベット順 過去の在籍者 フェローの活動 論文 ディスカッション・ペーパー（日本語） ディスカッション・ペーパー（英語） ポリシー・ディスカッション・ペーパー（日本語） ポリシー・ディスカッション・ペーパー（英語） テクニカル・ペーパー（日本語） テクニカル・ペーパー（英語） ノンテクニカルサマリー 英文査読付学術誌等掲載リスト Research Digest 政策分析論文 調査レポート 論文検索サービス 出版物 RIETIブックス（日本語） RIETIブックス（英語） 通商産業政策史 著者からひとこと RIETI電子書籍 年次報告書・広報誌（RIETI Highlight） その他出版物（日本語） その他出版物（英語） イベント シンポジウム ワークショップ BBLセミナー 終了したセミナーシリーズ データ・統計 JIPデータベース R-JIPデータベース CIPデータベース JLCPデータベース 日本の政策不確実性指数 産業別名目・実質実効為替レート AMU and AMU Deviation Indicators JSTAR（くらしと健康の調査） RIETI-TID 長期接続産業連関データベース マイクロデータ計量分析プロジェクト 海外直接投資データベース ICPAプロジェクト リンク集 コラム・寄稿 コラム Special Report EBPM Report フェローに聞く フェローの連載 世界の視点から 特別コラム 新聞・雑誌等への寄稿 特別企画 経済産業ジャーナル 研究テーマ フェロー（研究員） 論文 出版物 イベント データ・統計 コラム・寄稿 サイトマップ ヘルプ お問い合せ 閉じる ホームコラム・寄稿特別コラム新春特別コラム：2016年の日本経済を読む 新春特別コラム：2016年の日本経済を読む AIリテラシーは何を必要とするのか ツイート 印刷 小西 葉子 上席研究員 2015年はAIが身近になった年2013年からの第三次AI（人工知能）ブームを受け、2015年はAIという言葉が広く世の中に浸透した年であった。RIETIでもBBL、ハイライトセミナーなど多くのAI関連のイベントが開催され、AIに関心のあるさまざまな分野の方が参集してくださった。その内容は最新号のRIETIハイライト(1)で特集されている。AIはコンピュータに学習させることによって、人のような知能を持つことを目指す。第三次AIブームの中心的な技術は、ビッグデータを探索的に解析するデータマイニングと機械学習の中のディープラーニングという手法である。AIを理解するためには機械学習を知ることが不可欠であるが、機械という言葉の響きとAIの持つ先進技術の響きが一般的にはなかなか結びつきにくい。機械はコンピュータ、もっといえばコンピュータに特定の作業をさせるアルゴリズムやソフトウェアを指しているといえばイメージに合うだろう。どんな作業をさせるか、どの媒体（コンピュータ、ロボット、自動車など）に搭載するかを決め、アルゴリズムやソフトウェアを開発する。開発する機械(AI)には、前例や類似の例を学習させ、次に現れる事象に対しての判断を行わせるため、AI技術向上には学習させるデータの質と量が重要である。現状のAIは、分類、繰り返し、探索、整理、最適化の学習と実行を得意とする。 AIと経済分析が結びつくには現状のAIは自律的に動くわけではなく、仮説設定、アルゴリズムの決定、学習内容と程度、結果の評価や解釈など根源的な事項は人が決める。またビッグデータを用いるのでその特徴も理解する必要がある。小西(2014)(2)では、ビッグデータと既存の官・民の調査で得られるデータの違いを3点挙げた。たとえば、「行動しない場合はデータに含まれない」があるが、AIは学ぶほどに精度が上がるので、未知や稀な事象についての判断は得意ではないので留意が必要である。経済分析がAI技術に貢献できることとして、1)稀な事象への定性情報や事前情報の活用、2)仮説・問題設定に基づく理論モデルの作成、3)判別や分類への因果関係の導入が挙げられる。より現状を理解するために、2015年12月1日に、産業技術総合研究所の人工知能研究センターの本村陽一氏と野村證券の金融工学研究センターの山本裕樹氏を講師に迎え、『人と社会のビッグデータへのAI技術活用』という研究報告会を主催した。以下では、両者のAI分野の最近の動向と分析の具体例を通じ、経済分析との連携可能性のイメージが膨らむような要約を試みる。 少し未来のAI技術について本村氏からは、「次世代人工知能技術とビッグデータ活用」(3)のタイトルで、AIの中心技術であるディープラーニングの発展のために、「人と相互理解できる」「予測精度向上だけではなく現象を説明できる」ことを重視した産業技術総合研究所の取り組みが紹介された。数多くのAIの学習事例が紹介されたが、本村氏はAI技術を高めるためには、利用できるデータの質と量を増やせるかが鍵となると述べ、その収集と共有方法について先を見据えた議論をしたのが印象的であった。IoT (Internet of Things)によってモノにセンサーやデータ収集機能が着くことにより、生産者・サービス提供現場・消費者から膨大なデータが自動で収集されるようになる。それらをより多くの企業や研究者が共有可能にするために、個々の情報を大きく損なうことなく、プライバシー保護を担保した匿名化の手法が紹介された。個人情報保護法の改正を視野に入れ、事前に議論や手法の開発を行うことは、安全で安心なパーソナルデータや超マイクロデータの利活用に貢献するだろう。 経済・金融実証分析へのAI技術の応用世の中に膨大に存在する企業に関する公開情報をより早く、精緻に、低コストで集約・加工して顧客に提供することは、証券会社にとって本質的に重要である。山本氏は内閣府の「景気ウォッチャー」を教師データとして、ディープラーニングを応用し、景気に関する文章のセンチメント(ポジティブ、ネガティブ)を高精度で判別可能とした。ここで学習させたマシン(AI)に「日銀金融経済月報」や内閣府の「月例経済報告」などの文章を読ませ、各文章の景気見通しを指数化した。さらに、得られた各「野村AI景況感指数」とマクロ指標との関係についても分析した。その結果は、水門・山本・木下(2015)(4)で紹介されている。因みに山本氏が「景気ウォッチャー」を学ばせたマシン(AI)は、小学校高学年の賢さまで育っているそうで、人が行うと莫大な時間がかかる量の資料読み込みを24時間いつでも行い、マクロ経済に関する文章なら90%位の精度で景気判断できる。分析現場でのアルゴリズムやプログラムへの「学習した」・「育った」といった擬人化表現もAI分野の特徴である。 データリテラシー、統計リテラシー、AIリテラシーデータを探索的に解析し現象を理解するデータマイニングには、データリテラシーが必要で、機械学習ではビッグデータ解析をするため統計リテラシーが必要である。現在のAIの中心的な技術はデータマイニングと機械学習なことに鑑みると、相変わらずデータリテラシーと統計リテラシーは必要な素養となる。3つ目のAIリテラシーとは何だろうか。日常で我々がディープラーニングのアルゴリズムを自分で作ることではないし、すぐにその能力が求められるわけではない。AIリテラシーは、日常の中に標準化やパターン化されているが多量なため諦めていた作業がないか、「分類、繰り返し、探索、整理、最適化」に人手や金銭および時間コストを掛けすぎてないかを意識することであろう。これはAIでもできる、できないという考えることを習慣にしたい。AIが学ぶものは数量データに限らないため、テキスト、音、画像などさまざまな情報を記録することが価値を持つ。たとえば母親の料理のレシピをテキスト化しておく、将来「お料理ロボット」ができたらその派生として、たった1つでもレシピがあればお袋の味を再現するビジネスに繋がるかもしれない。自分の持つ情報が高い付加価値を生む可能性があるのか考え、AIが自分の代わりにできる仕事は手放す心の準備をし、"彼ら"にはできない自分の強みへの投資と学習を少しずつ始めたい。2015年12月25日掲載 参考文献 (1) RIETI (2015) 「人工知能と経済社会」, RIETIハイライト冬号、57号。http://www.rieti.go.jp/jp/about/Highlight_57/Highlight_57.pdf (2) 小西葉子 (2014) 「ビッグデータがブームで終わらないために何が必要か」、RIETIコラム No. 388。http://www.rieti.go.jp/jp/columns/a01_0388.html (3) 本村陽一 (2015) 「次世代人工知能技術とビッグデータ活用への展望」、RIETI研究報告会『人と社会のビッグデータへのAI技術活用』配布資料。 (4) 水門善之・山本裕樹・木下智夫(2015) 「人工知能で政府・日銀の景況感を指数化する」、NOMURA マクロ・エコノミック・インサイト, 11月30日号。 ツイート 2015年12月25日掲載 印刷 この著者の記事 ふるさと納税の現在地～2つの調査結果より 2023年11月17日［コラム］ 消費ビッグデータで振り返るコロナ禍の3年間 2023年5月16日［コラム］ 日本はコロナ禍にどう対応したのか？—2年間の消費ビッグデータから読み解く 2022年8月24日［フェローに聞く］ 2022年度　中小企業の日に寄せて―コロナ禍での中小企業の声を聴く：中小企業景況調査の活用 2022年7月29日［コラム］ コロナ禍とキャッシュレス決済：家計簿アプリデータの活用 2022年4月 1日［特別コラム：新型コロナウイルス－課題と分析］ コラム・寄稿 コラム Special Report EBPM Report フェローに聞く フェローの連載 世界の視点から 特別コラム 新春特別コラム：2024年の日本経済を読む～日本復活の処方箋 新春特別コラム：2023年の日本経済を読む～「新時代」はどうなる EBPMコラム 新春特別コラム：2022年の日本経済を読む～この国の新しいかたち 新春特別コラム：2021年の日本経済を読む〜コロナ危機を日本経済再生のチャンスに 特別コラム：新型コロナウイルス－課題と分析 新春特別コラム：2020年の日本経済を読む 新春特別コラム：2019年の日本経済を読む 新春特別コラム：2018年の日本経済を読む 新春特別コラム：2017年の日本経済を読む 新春特別コラム：2016年の日本経済を読む 特別コラム：RIETIフェローによるTPP特集 新春特別コラム：2015年の日本経済を読む 新春特別コラム：2014年の日本経済を読む 新春特別コラム：2013年の日本経済を読む 新春特別コラム：2012年の日本経済を読む 特別コラム：東日本大震災ー経済復興に向けた課題と政策 新春特別コラム：2011年の日本経済を読む 新春特別コラム：2010年の日本経済を読む 新春特別コラム：2009年の日本経済を読む 新春特別コラム：2008年の日本経済を読む (2008年1月) 新春特別コラム：2007年の日本経済を読む RIETIフェローが見る瀋陽総領事館事件 RIETIフェローによるWTO新ラウンド特集 新聞・雑誌等への寄稿 特別企画 経済産業ジャーナル 情報発信 ニュースレター 更新情報RSS配信 Facebook X YouTube 研究テーマ プログラム (2024-2028年度) プログラム (2020-2023年度) プログラム (2016-2019年度) プログラム (2011-2015年度) 政策研究領域 (2006-2010年度) 経済産業省共同プロジェクト プロジェクトコンテンツ 調査 フェロー（研究員） 論文 ディスカッション・ペーパー（日本語） ディスカッション・ペーパー（英語） ポリシー・ディスカッション・ペーパー（日本語） ポリシー・ディスカッション・ペーパー（英語） テクニカル・ペーパー（日本語） テクニカル・ペーパー（英語） ノンテクニカルサマリー 英文査読付学術誌等掲載リスト Research Digest 政策分析論文 調査レポート 論文検索サービス 出版物 RIETIブックス（日本語） RIETIブックス（英語） 通商産業政策史 著者からひとこと RIETI電子書籍 年次報告書・広報誌（RIETI Highlight） その他出版物（日本語） その他出版物（英語） イベント シンポジウム ワークショップ BBLセミナー 終了したセミナーシリーズ データ・統計 JIPデータベース R-JIPデータベース CIPデータベース JLCPデータベース 日本の政策不確実性指数 産業別名目・実質実効為替レート AMU and AMU Deviation Indicators JSTAR（くらしと健康の調査） RIETI-TID 長期接続産業連関データベース マイクロデータ計量分析プロジェクト 海外直接投資データベース ICPAプロジェクト リンク集 コラム・寄稿 コラム Special Report EBPM Report フェローに聞く フェローの連載 世界の視点から 特別コラム 新聞・雑誌等への寄稿 特別企画 経済産業ジャーナル RIETIについて 個人情報保護 ウェブアクセシビリティ方針 RIETIウェブサイトについて サイトマップ ヘルプ お問い合わせ 経済産業省 独立行政法人経済産業研究所（法人番号 6010005005426） 当サイト内の署名記事は、執筆者個人の責任で発表するものであり、経済産業研究所としての見解を示すものでは有りません。掲載している肩書や数値、固有名詞などは、原則として初掲載当時のものです。当サイトのコンテンツを転載される場合は、事前にご連絡ください。 "ページの先頭へ戻る