こんにちはシバタアキラです。人工知能＝機械学習かというとそうじゃないんですが、意味のない議論なのであまり深入りしないようにしていますwww。

私が高エネルギー物理学のアカデミックな世界から足を洗い、現実世界での仕事を探し始めた頃、この分野の多くの物理学者が就職していた分野が金融でした。リーマン・ショックは既に昔の出来事になりつつありましたが、ヘッジファンドは成長を続け、アグレッシブに採用を行っていました。今でもあまり変わってないかもしれないですネ。

アルゴリズムを使った高速なトレーディングは、人間よりも遥かに速いスピードで売買の判断をし、莫大な利益を生み出していました。価格変動の予測モデルを作り、より速く金融商品の価格変動を捉えるためには、情報をいち速く手に入れる必要があります。そのためそういった取引を行う会社はマーケット情報がいち早く手に入る場所に物理的に所在することで競合優位を獲得することができます。ニューヨークでは、ハドソン通り沿いにあるCarrier Hotelが、インターネットが一番最初に地上に顔をだす地点で、そこに近ければ近いほど情報を速く手にすることができるため、その回りにデータセンターが作られています。更に、そういった情報をいち早く入手するための情報網の建設のために、人間は山を削り、光ファイバーを地面に埋めていくのです。

(taken from Kevin Slavin’s talk on TED)

現在の金融トレーディングの有に半分以上を占めると言われるアルゴリズムトレーディングにおける人間の役割は、山を削ってアルゴリズム様の必要とするデータを整備すること。

時代は代わり、データを使ったアルゴリズムの予測は、金融、インターネットにかぎらず幅広いビジネスに応用されてきています。近年機械学習（ディープラーニング含む）など人工知能関連分野への注目と、その技術的革新により、この傾向はどんどん進んでいくでしょう。

アルゴリズムにもいろいろな種類があり、アルゴリズムが解決できる問題にもいろいろな種類があり、またアルゴリズムにうまく解決できる種類の問題とそうでない種類の問題があり、個人的には大変興味深いテーマです。例えば機械学習アルゴリズムを使うと、

• あなたが5年後に糖尿病になるかどうか？
• あなたが借りようとしているお金をちゃんと返すかどうか？
• あなたと昨日見かけて気になっているレストランのウェイトレスの女の子がいい関係になれるかどうか？
• 今製造している半導体が完成時にテストにパスするかどうか？
• このコールセンタースタッフは２ヶ月後仕事をやめてしまうかどうか？

なんていう問題を予測することができます。こういう問題がどうして機械学習向きなのかというと、どれも原因と結果の関係の法則が非常に複雑で、完全に正確に説明することがもともとほぼ不可能かつ確率的な要素が強い問題だからです。

私が現在取り扱っているDataRobotという製品は、機械学習技術が幅広い分野で応用されるためのイノベーションを起こしています。機械学習が「レンジでチンする」くらい簡単になった時の人間の役割人間の役割は、大きく３つにわけられると思います。

• 機械学習アルゴリズムに教えてあげる
• 機械学習アルゴリズムの言っていることを解釈してあげる
• 機械学習アルゴリズム自体の開発と運用をしてあげる

機械学習アルゴリズムって「パターン認識にはすごく優れてるけど、いちいち教えてあげないといけないし、結局その結果が役に立つのかどうかって、つかってる人間次第じゃね？」ってことです。なので逆の言い方をすると今後人工知能には人間の奴隷ちゃんがつかないといけないということになっていくわけです。

(from http://www.worldfuturefund.org/wffmaster/Reading/Religion/slavery.htm)

一方で根本的に機械学習には向かない問題もいっぱいあります。

• 自分は今エイズにかかっているのかどうか？
• この人は本当に人殺しをしたのかどうか？
• このコメントには規約に違反する内容が書かれているか？

なんていう問題は、確率的に間違ってもオッケーと言うたぐいの問題では無いため、機械学習アルゴリズムで解くことはできないのです。「あなたの年齢で、この年収で、こういう交友関係で、ここに住んでる人なので8%エイズです」とか言われても、個人レベルではなんの判定にもなりません。一方で、こういう情報があると感染症予防の観点からはいろいろ便利なこともあったりするので、誰が使うかによっては役に立ったりします。

明日D3ではこんなもやもやに関してお話したいなと思いいます。

良かったらここからご予約下さい。無料セッションみたいです。冒頭したような金融の話はあんまりしません。