# システム計画数理研究グループ〜キーワード？あいまい？ こんにちは。たけちゃんです。 たけちゃんの大阪平放チャンネル、 今日も聞いていただいてありがとうございます。 大阪の街の平野や、ゲストの方を おもろい基準にどことんご紹介しています。 お相手は大阪観光のプロガイド、たけちゃんことたけしけです。 今日もよろしくお願いいたします。 今日はライブでお届けいたします。 2023年5月1日、大阪豊中市にあります大阪大学豊中キャンパスの イベントでありました、胃腸祭りの中で 研究室をいろいろ公開していただいておりますので、 その模様をお聞きいただきたいと思うんですけれども、 今回はですね、医師決定支援ということで、 なかなかこうね、決めづらいもの、 それを言えばコンピューターというか、 AIとかを使って決定しようというね、 なかなかそういう研究をされているグループがありましたので、 ちょっとそこを覗いてみました。 # 乾口研究所 TAKECHANの大阪平和チャンネル # 決定科学、システム技法によるアプローチ それでは、犬口研究室の紹介をさせていただきます。 犬口研究室は社会システム数理領域というところで、スタッフは教授、準教授、助教授、それぞれそういった方がいて、 学生はドクターが1人、マスターが13人、4年生が9人という構成になっています。 この研究室はシステム計画数理研究グループということで、 主に数理工学的なアプローチによるシステム計画法や指摘・指定支援の開発とその応用を行っています。 交通システムなどに新たなシステムを導入、検討する際には、いくつかの案から最も望ましい案を選ぶことが必要とされます。 このように複数の案を評価して、その中から最もいい案を選ぶ際には、最もいい案を選ぶことを意思決定問題としています。 開発コストだったり、工期だったり、システム導入後の利便性や環境適応性などの様々な観点を考慮しなければならなかったり、 将来予測を積もるので評価値が明確に得られなかったり、決定に関わる人々の好みが一致しなかったりして、 案を必ずしも簡単に評価したり選択することができません。 したがって、このような意思決定問題をどのように対処するかというのが問題となります。 一方、案の作成においては、定められた仕様を満たす範囲で製造コストを対象にするシステムの設計案を作成する問題だったり、 電力や労力などの限られた資源の下で、最も効率よくシステムを運用する方法を求める問題などの最適化問題を解く必要があります。 イヌイドチ研究室では、様々な意思決定問題や最適化問題の基礎となるツーリモデルとシステム計画手法や知的意思決定支援手法の開発とその応用を行っています。 このようなシステム計画や知的意思決定支援の開発では、ツーリ最適化の考え方が重要になります。 ツーリ最適化というものは、 与えられた制約条件の下で、目的関数の値を最小化、あるいは最大化するような解を何らかの数理的手法によって求めることになります。 ツーリ最適化によって、現実社会における意思決定や問題解決を図ることができるようになります。 ツーリ最適化における課題解決の流れはこのようになっています。 まず考えるべき課題を最適化問題として定式化します。 ツーリ最適化では、課題を解決するための目的を目的関数として表現します。 また課題を得た際に満たすべき条件のことを制約として表現します。 次にこのように定式化された最適化問題の解を適切なアルゴリズムによって求めます。 そして求まった解がどの程度うまく課題を解決できるかを分析し検証します。 もし求まった解が期待されたほどいいものではなかった場合には最適化問題をもう一度検討して解を求めることを要領します。 最適化や意思決定においては、何らかの評価基準において最もいい解を見つけることが目標となるのですが、それは困難であるという問題があります。 そもそも何をもって最適化がいいのかという評価の仕方がわからないということがあります。 また将来のことが明確にわからないので最適な決定ができないということもあります。 さらにどちらかを立てるとどちらから勝たないという問題もあって、例えば感染症対策において厳しい感染防止対策を取ってしまうと経済が成り立たない、 その逆に経済の優先をすると感染爆発につながってしまったりなど、両立させることが難しいという問題があったり、 決定プロセスの透明性というものも必要になります。 やはり密室で進められる政策やプロジェクトはなかなかみんなに受け入れられるものにはなりません。 このように一概に意思決定や最適化といっても考慮することがいろいろあるということがわかります。 また意思決定においては曖昧さを考慮する必要があります。 例えばホタル外景のまでの宅集料金はいくらですかと聞かれたときに、 多分1000円くらいじゃないか、何円くらいという伝え方をすると思うんですけど、 意思決定とか最適化問題についても同じで、意思決定や最適化問題のパラメータ値というものは 大そどのくらいということがわかっても明確な数値としては与えられない場合があります。 また人の感覚にも曖昧さがあります。 例えばコーヒーに砂糖を入れる場合に、少しだけ砂糖を入れてもあまり甘さが感じられません。 甘さが近くできるようになるためにはある程度の量の砂糖を入れなければなりません。 さらに入り方が変わると評価が変わることもあります。 例えばこの2つの四角は右の方が大きく見えるかもしれませんが同じ大きさであるということや この2つの線分も下が長く見えたりということがあったりして その見る角度や立場によって評価値が変わってくる可能性というのもあります。 また人が与える制約というものはきつくないということもあります。 例えば1000円までしか使わない1000円という制約を設け残しても 1050円のものだったら買ってしまうといった 人が与える制約の甘さも問題の一つとなります。 このように現実問題に対する意思決定・最適化を考える上では 曖昧さというものを導入することが必要になります。 人に優しい決定体制ではパラメーターや制約が曖昧な最適化問題に対して どのように曖昧さを数学的に定識化するのか どのような考え方で最適化を定めるのか そしてそのような最適化をどうやって求めるのかというものについて研究しています。 具体的には意思決定や最適化のパラメーターに区間や幅を持たせることで その重要度を考慮した解析などを行います。 例えば0.5という値で与えられたものを 0.4から0.6という幅を持たせることで曖昧さを表現するといったようなことをしています。 このように人に優しい決定体制ではできるだけ簡潔なモデルを用いて 曖昧さというものを含む意思決定や最適化の本質的な理解を行うための動きを進めています。 次はじょう。 3人教授がいたと思うんですけど、教授と準教授、助教が。 みんなそれぞれ違うことがある。最終的には最適化と言っていたことは一緒なんですけど それをどういう風に活かすかというのが違っていて さっきいらっしゃった林先生という方がマルチエデンスシステムをメインにやっているんですけど どういうことかといったら、これ一個一個が青の丸があるじゃないですか。 これが一個一個センサーとして、今やったら真ん中に大きな監視塔みたいなのがあって その監視塔が全部のセンサーと通信を行って制御するというのが 例えば飛行機の監視塔もそうじゃないですか。 一個一個の飛行機と真ん中の監視塔が通信し合ってやる。 でもこのマルチエデンスシステムというのは、飛行機同士も通信を行うという形で それぞれが近くにいる人たちと通信を行いながら すべての制御を大きなシステムを作っていくというのがマルチエデンスシステムになります。 だから一個一個の青丸がさっき言った最適化問題を解いて その値を時間ごとに通信し合うみたいな形になっています。 これは研究の例で、さっきの青丸が今回ドローンですね。 ドローンがこのテニスボールの位置を把握しようとしている。 三つのドローンが一個のテニスボールの位置を把握しようとしていて このテニスボールが動いているんですよね。 今大体どの隣にいるのかというのを全部のドローンが通信し合っているんですけど テニスボールが動いたときに一個のドローンのカメラから このテニスボールが動いているときに このテニスボールが動いているときに このテニスボールが動いているときに このテニスボールが動いているときに このテニスボールが動いているときに このテニスボールが動いているときに このテニスボールが動いているときに # 情報科学、知能工学によるアプローチ 消えたとしても、他のドローンが大体この辺ってわかるから 見えてないと見えなくなったドローンも こっちの方を向けるっていうようなことをしてます。 これは、下に花が二つあるじゃないですか。 この花を、この二種類の花の写真がバーって 一個のデータの中に、フォルダの中に写真がバーって アップします。 その花を種類ごとに分けていくっていう話なんですけど 一人が判断する。これは多分こっちだろう。 これは多分こっちだろう。 判断するよりも、何人かで多分こっちだと思う。 こっちだと思う。 みんながやったのを合わせた方が 評価率は上がるじゃないですか。 それを分散最適化っていうこと。 分散っていうのは、みんなでそれを共有しながらやる っていうのが分散最適化っていうことになってます。 それを、その評価基準っていうのを 数値で、計算で行おうという。 なるほど。 これは、この下の、右下のがわかりやすいと思うんですけど 風車があって、風力発電で風車がポツンポツンポツンとあったら それぞれ風の強さって違うじゃないですか。 だからだいたい風車は電力だけじゃなくて 今だいたいここの風が強いよっていうのを分かる基準になったりとか っていうのを、それも分散最適化っていうので それを利用してできるようになってます。 ここからはもう一人の先生から。 ジョン教授、じゃなくてジョ教授の元でやってる研究なんですけど 柔らかなデータ処理っていうことで 先ほど曖昧さっていう話をさせてもらったんですけど ファジー推論っていうものは 曖昧さというものを考慮した推論モデルになって これ、イフゼンルールっていうものを使って推論を行います。 イフゼンルールっていうのは もしこうならこうであるっていうようなルールを 大量に用いて推論を行うみたいな推論になっていて それは何がいいかというと 人間の経験的知識を伝えたり 得られたルールが直感的に理解しやすいっていうような理念があって 近年話題になっているディープラーニングとかで比較すると 推論結果までのプロセスが確かされるという利点があって ディープラーニングだと例えば医療診断なら もしこうなら ディープラーニングで医療診断を行ったときに 得られた結果が どういう推論でその結果が得られたのかというのが 分からないというような問題があって それがブラックボックスと呼ばれているんですけど その点、ファジー推論では推論結果までのプロセスが すべて分かるので なんでその結果が得られたのかというのを こういう偶然ルールというものを用いて もしこうだからこう、こうだからこうというような感じで そのプロセスが確かされるというものが利点になっています ファジー議論についてもう少し詳しく見ていくんですけど 先ほど言ったみたいにファジー議論というのは 曖昧さというものをうまく処理する考え方を利用するんですけど 例えばこのロボットに このロボットにまず赤いトマトは熟しているという知識を 与えている状態であるとして 人がちょっと熟したトマト取ってきてね と言ったときに このロボットはちょっとというものが分からないので その命令を実行することができないんですけど その点、人間であれば赤いトマトが熟している という知識さえあれば ちょっと熟しているというのは ちょっと赤いのかなというような理解ができると思うんですけど この機械だけに赤いトマトは熟しているという知識だけでは それができない だからちょっとというような曖昧さをロボットに与えようというのが ファジー議論の考え方になります これはまたちょっと違う例なんですけど この場合、暑いというものを考えたときに こっちがファジー集合で こっちがファジー集合じゃない クリスプ集合と言うんですけど この30度を境に暑い、暑くないとなって 29.9度を見たときに暑くないとなったんですけど 30.1度と何が違うのかという 直感に反するようなものがクリスプ集合と呼ばれるもので 曖昧さというものを滑らかにつないで 曖昧さというものを表現してやると 29.9度でも0.9分だけ暑いみたいな 1ほどは暑くないけど ちょっと暑いみたいなのを表現できるというのがファジー集合になっています こういったものをついて 先ほど言っていたような意思決定を行ったりしています またちょっと同じ話になっていたんですけど ファジー推論というものは 偽善ルールというものでルールが得られるので 人間が理解しやすいという特徴があったり 特徴があります ファジー推論を行う手順としては まずある問題があったとして その問題に対するデータを収集します そのデータから各問題に関する 適切なファジーの偽善ルールというものを 大量に設計します もしこうならこうであるというルールを大量に設計した上で そこから知識獲得というものを行います そのファジー推論で具体的にどのようなものができるかというと 医療診断を行ったり 遺伝子発見解析だったり ロボットにサッカーをさせるロボカップというものを行ったり 人狼ゲームというゲームの役職推定を行ったりというものが ファジー推論によってできます この研究室の授業の一環としては 定番飛行シミュレーションだったり 何かを発見したり推薦したりするシステムの構築というものを 授業で扱ったりというものをやっています 以上になります ありがとうございます あいまいって本当はあれでしょうね 僕らは本当にゼロか1かみたいな感覚だったので そこにそれを持ってくるというのはすごいなと思ったんですけど そこが逆にどこまで持っていくのかって難しそうな気がしますね 相当サンプルがいるってことですか その一線ルールというものも色々決め方があるんですけど 例えば医療診断だったら実際お医者さんに聞いて あいまいその具合を探究するだったり あとは試行錯誤でいい結果が得られるように調整したり サンプル数自体はそんなに多くないのかなというような お医者さんに色々聞くというのでそこの人数はやっぱりいるかなと 色んなものに応用できそうですよね そうですよね それこそAIとかがやっぱりまだできない頃なので それをAIとつなげるかと あいまいなところがまだ人間の勝てるところなので でもそれもそのうちAIがやり出す そうなんや でもそうやろなおっしゃってるよね 今のあいまいなやつとAIをひっつけたら可能性としては 判断するときはここまでやったらOKみたいな出し方とかできるもんね ちょっと困りますけど人間が立ち打ちできない 逆にね自分の中の知識とか経験値だけでしか僕らは言えないけど AIさんの場合はAIさんやったり めちゃめちゃ多い量から取ってくれるから ある意味信憑性が高いっていうかね なるほどありがとうございました # 2023-5-1大阪大学いちょう祭豊中キャンパス お聞きいただきありがとうございました。 ちょっとショックでしたね。 人間でないと考えられないというか、思考の部分というか そういったところも曖昧な判断は人間がやってたのかなと思うんですが それもある基準には基づくにしてもAIがやってくれるし しかもちょっと話の中でも言いましたが サンプル数がやたら多いので 自分の中の経験値だけで物を言うのとはまた違う判断ができると思うので それがすごいなぁとかって ちょっとびっくりするやら怖いやらそんな感じの話になりました。 今日も聞いていただいてありがとうございました。 ほなさいなら。