本記事は、G1経営者会議2019「AIとビッグデータによる戦略的サステイナビリティの実現」の内容を書き起こしたものです。（全2回後編、前編はこちら）
島田：全体討議の前にもう1つ、今後の見立てについても伺ってみたいと思います。AIの進化を見ていると、3年前に言われていたようなことも今は相当古くなっているような感じがあります。そこで、今後どんなことが起こりそうか、もしくは「今はこの辺に注目している」といったお話が何かあれば。
ヤフーの「データソリューション」とは
住：今後どんなところに貢献できるかを考えてみると、まずは時代の変化につれて次々出てきた新しいリスクに対してだと思っています。保険というのは14世紀の誕生以来、形が変わっていない珍しい商品なんですね。多くの業界では主力商品の形が時代とともに変わってきたと思います。しかし、不特定多数の方から掛け金をいただき、そのなかの誰かが不幸にして事故に遭ってしまったら保険金をお支払いするという保険の仕組み自体は変わっていません。
その一方で、対象となるリスクが変わってきました。保険というのは誕生した当時は貨物保険だったんです。香辛料を求めてアジアやアフリカに渡る商人たちの航海と積荷の保証をしていました。で、そのあと17世紀のロンドン大火を経て火災保険が誕生し、それからモータリゼーションとともに自動車保険が、ライト兄弟による飛行機発明後は航空機保険が、そして原子力事業の誕生では原子力保険がつくられてきました。
次はサイバー保険です。すでに商品化していますが、この分野でお客さまが求めているのは、サイバー攻撃に遭ってデータ流出等が起きてしまった場合の経済的な補償ではありません。一定水準の防御を設けること、あるいは、そうしたサイバーアタック等の活動を素早く発見することです。ただ、これは私どもだけではできません。ですから、それができる方々とパートナーシップを組んで、それでも被害が発生してしまったとき、最後の砦として私どもが経済的に補償をさせていただくということを今は強力に進めています。
もう1つはファクトリーIoTの分野ですね。メーカーの皆さまはAIの話が出てくるずっと前から、いわゆるプレディクティブ・メンテナンス（予知保全）を工場の現場で進めていらしたと思います。今はそれがどんどん進化していて、今後は工場で事故や故障が起きなくなっていく。そうすると、我々が従来保証していたリスクがなくなっていきます。ですから、これは我々の危機感でもありますが、プレディクティブ・メンテナンスとしてモノが壊れる前にメンテナンスを入れた際は、我々がその費用をお支払いできないかと考えています。
これは世界中の保険会社が考えていることで、日本では私どもがおそらく最も力を入れていると思います。いろいろなメーカーの方々とパートナーシップを組んで、プレディクティブ・メンテナンス導入を後押ししていこう、と。モノが壊れる前のメンテナンスのほうが補償額も絶対に小さいので。いずれにせよ、企業向けの火災保険市場が今後縮小するのは目に見えていますから、それならば自分たちからディスラプトを起こしていこうということで、現在は取り組みを進めています。
人が理解できる範囲というのは、物事をモデル化して予測できることのごく一部
松尾：私自身が今興味を持っているのは、「人間が“分かる”というのはどういうことか」という話です。ディープラーニングによって画像認識の精度がすごく上がっているとか、アルファ碁のようなものができるといったことの背景には、データから学習したモデルがあるわけですね。このモデルはめちゃくちゃ数多くのパラメーターを持っています。数千万から数億のパラメーターです。それをデータから学習している。それはもはや人が見ても分からないんですね。なぜそういう判断をしたのかが分からない。でも、精度は高い。そういう事例が相次いでいます。これが意味することは、「実は世の中には、人間は理解できないけれども、すでにモデル化できて予測できることが、想像以上に数多くあるのではないか」ということです。
そうすると、そもそも人が理解するというのは何か。人は少数パラメーター系しか理解できません。ところが、世の中には多数パラメーターでモデル化できることがたくさんあるわけですね。考えてみると、学問は、物理学、化学、生物学、心理学、経済学等々、いろいろな分野に分かれていますが、なぜでしょうか。そうでないと人が分からないから。人が少数パラメーターの系として理解できるものが、単に学問領域になっているだけなんです。たとえば量子力学と化学って絶対に関連している筈なんです。現象としては同じことを観察しているので。でも、いまだにくっついていません。なぜなら、量子力学という部分が少数パラメーターで、化学という部分がまた少数パラメーターで、その中間が多数パラメーター系になっているからです。ですから、おそらくデータからモデル化できる筈なんです。
ただ、もう人間はそこを理解できない。つまり、人が分かる範囲というのは、物事をモデル化して予測できることのごく一部である、と。そのごく一部を、人間は科学技術という形で見つけてきたんだということが少しずつ明らかになってくるのではないかと思っていまして、そこが僕は一番エキサイトしているところですね。
島田：怖い話ですよね（会場笑）。だんだんシンギュラリティに近づいていくようなお話に感じました。先日、聖書をつらつら読んでみたんですが、そこに面白いことが書いてありました。あるとき、イエス・キリストの弟子たちが手を洗わずにご飯を食べていたのを見て、ファリサイ派と呼ばれるユダヤ教のグループは、「手を洗わずに食べちゃダメだろ」と言いました。そういう戒律がすごく厳しいので。すると、イエス・キリストは「食べ物に悪いものは1つもない」と答えたというんです。細菌があるから手は洗ったほうがいいに決まっているんですが、それが分かるまで千年の時間が必要だったわけですね。ただ、ユダヤ教の人たちは経験値的に「手を洗ったほうがよさそうだ」と分かっていた。これ、どこかAIの話にも通じるように感じます。
松尾：どちらかというと、人間が理解できるということに対して、我々は一歩引いて謙虚になるべきであって。我々は全知全能じゃないんですよね。そういうなかで、たとえば地球環境の問題ひとつとっても考えていかなければといけない。
島田：おっしゃる通りです。ということで、ぜひ皆さんもAIを勉強いただけたらと思います。松尾先生はいろいろと認定制度にも関わっているんですよね。
松尾：そうですね。ディープラーニングに関するG（ジェネラリスト）検定とか。
島田：数が増えれば増えるほど理解も深まるのではないかなと思いますので。G検定は役員の方でも受けることができるそうです。
松尾：日本社会は上がやると下がやらざるを得なくなるので、偉いほどお願いします（会場笑）。
島田：では、ここからは皆さんのご質問を受けたいと思います。
会場質問者A：AIが今後さらに広がっていくなかで、次世代を担う学生たちに必要となる教育はどんなものになるとお考えですか？
松尾：教育のことはよく聞かれますが、正直、僕としては答えがない状態です。たとえばインターネットが出てきた1990年代に、川邊さんは何かインターネットの教育を受けたのかというと、別にそんなことなくて、単にやっていただけだと思うんですよね。初期はそういうものだと思うんです。今のディープラーニングもまさにそういう感じで、「とにかくやればいいじゃん」と。環境は整っているし、どんどんやりやすくなっているし、やっているなかで新しいことも生まれますから。チャンスはたくさんあるわけだから挑戦したらいいということを、いつもインターネットにたとえて僕は話しています。
それで5年10年と時間が経ってきたとき、「インターネットをきちんと学校教育にも取り入れるべきだよね」とか、たとえば川邊さんのように活躍する方を生み出すために「中学教育や高校教育はどうあるべきか」とか、そういう議論になってくるんだと思います。でも、初期は出口に近いところからどんどんアニマルスピリッツでやるということがまず求められるんじゃないかなと思いますね。普段こういう風に答えるのはあまり良くないと思うんですが（会場笑）。
島田：実際、川邊さんはどのようにしてできるようになったんでしょうか。
川邊：まあ、アニマルスピリッツで（会場笑）、本能のままに面白いと思ったことを。いずれにしても、AIとロボティクスによって人間でなくてもできることは少しずつ増えていくと思うんです。それで、先ほど松尾先生がおっしゃっていたように「人間がやれる程度のことなんて」という風になってくる。だから、僕も子どもは3歳と1歳なのでどういう教育をしたらいいのかというのは自分でも考えるところがありますけれども、やはり人間にしかできないことを伸ばすことが大事なのかなと、個人的には思っています。
「じゃあ人間にしかできないことって何だろう」と考えるんですが、1つは意思決定ですよね。AIは判断や認識をするかもしれませんが、別に「こっちのほうへ行こう」という意思決定をしているわけではないので。それと、好きなもの、夢中になれるものを見つける。AIは夢中になったりしませんよね（笑）。あとは、人と向き合うこと。これも、おそらくは人間が当面強いままだと思います。ですから、そのあたりを自分の子どもにも頑張って欲しいなと思っています。
島田：住さんはいかがでしょうか。
住：今社内でカリキュラムを走らせている実感から申し上げますと、プログラミングは学生時代に少しやっておいたほうがいいのかなと思います。簡単なものでも結構なので。我々の時代はFORTRANのようなものがありましたけれども、今は文系の学生さんもそういうものを勉強していらっしゃる方が増えてきていますよね。そういうものを少しやっておくと入りやすいと思います。
会場質問者B：近い将来あらゆるところにAIが入り、ビッグデータを皆が活用できるようになったその先の差別化要因として、何が必要になるとお考えですか？
住：そこは我々のテーマでもありますが、「人間力」になると考えています。AIによるサービスはデータの独占性がない限りキャッチアップされるのも割と早いと思うんですね。一方、川邊さんもおっしゃっていた通り、そこで人間にしかできない仕事の部分を磨いていくことによって差別化できると考えています。我々の仕事には定型的な業務と人間にしかできない業務が混在しています。たとえば自動車保険で事故を起こした際に示談をまとめること。車体をこすった程度ならたぶんAIで処理できるし、おそらく1～2年以内に、定例業務としてそれができるようなフローもできあがると思います。今、大手3社は皆それに取り組んでいますから。ただ、人身事故のほうは人間にしかできません。感情の問題がありますので。被害者感情もあれば、加害者が「そもそも挨拶に行ったのか」といった話もあって、そういう部分で揉めていくんですよね。
島田：「ロボットで答えさせやがって」なんていう風になったり。
住：間違いなくそうなります。ですからAIで代替できる部分はすべてAIにする一方で、それを今まで担っていた人間の手をすべて開けて、徹底的に、人間にしかできないところを磨いていこう、と。AIのサービスが当たり前になってきたときは、それにプラスして人間が何をできるかで差がつくのではないかと我々は思っています。
川邊：「その先の付加価値」となると、ちょっと難しいですよね。それが分かっていればヤフーをもっと大きくできていると思うので（会場笑）。ただ、独創性は大切になると思います。ここも、そのうちAIのほうが独創的なことを考えるようになる可能性はあると思いますけれども、今のところは人間のほうが独創的だし、やはり人間の欲から生まれる独創性は大きいと思うので。とにかく、すべてにAIが行き届くと効率や能率といったものがフラット化すると思うので、そこで今は独創性みたいなものが付加価値として重要になると思っています。
島田：ソニーの北野（宏明氏：株式会社ソニーコンピュータサイエンス研究所代表取締役社長、工学博士）さんが「AIにノーベル賞を取らせよう」なんておっしゃっているのを聞くと、また怖い感じなんですが（会場笑）。
川邊：イノベーションというのは「異なるモノとモノの掛け合わせパターンの数でどれがヒットするか」といった話ですから、AIでもノーベル賞級のことができる可能性はありますよね。
松尾：AIが広がった先で産業的には何が起こるか。すごくいろいろなことが起こると思いますが、僕が最近よく言っているのは、巨大で非効率な産業が大きく変わるということです。そういう産業は世の中にたくさんありますが、今まではデータを取ることができなかったからそのまま放置されてきました。でも、そこにIoTが入ってイメージセンサが入ってデータを取ることができるようになると、先ほどのようなA/Bテストが回りはじめます。そうすると驚くほど効率化していく筈なんですよね。しかもそれがグローバルな規模で起こり、そこにプラットフォーマーが現れる。そういうことがさまざまな産業で今後起きると考えています。ですから、AIは1つのイネーブラーというか技術ですから、それをうまく使いながら効率化等を実現していくという戦いが今後は進んでいく、と。そういう意味では今後すごく面白くなるんじゃないかと考えています。
会場質問者C：AIの進化によって、今後何かしら人間の幸福からかけ離れてしまうようなものが生まれるリスクに備え、国や企業、あるいはプラットフォーマーに倫理的な枠組みを持たせるべきだとお考えでしょうか。
住：我々は自動車保険を主力にしていますが、自動運転の時代になると、たとえば衝突が避けられない状況で、「歩行者が数多くいる方向にハンドルを切らせるのか、歩行者が少ない方向へ切らせるのか」といった話がジレンマになるとよく言われています。あるいは、高齢者がいるほうなのか、子供がいるほうなのか、と。これについてはAI自体で解決するというより、なんらかの形で社会的コンセンサスをつくるしかないと考えています。国等によっても答えは変わると思いますので。そのコンセンサスに合わせてどのように保険商品を設計していくかというのが、我々にとってかなり大きなテーマになると考えています。ちょっと答えになっていないかもしれませんが。
松尾：保険に関して少し申し上げると、僕は保険会社の方々といろいろやりとりをさせていただくなかで勉強させてもらったことがあります。保険についてもデータ分析をすることでいろいろ効率化できるのではないかと、皆思うんですよね。ただ、実はそれは簡単で、自動車保険から18歳と19歳だけを省けばいいんですよ。明らかに事故率が高いので。ところが、それをフラットにすることによって若い人の保険料を年配の人が補う構造になるんですよね。ですから、そこには公的な側面があるんです。つまり、保険というのはデータで最適化しまくればいいというものはないし、「社会全体で助け合っていこう」という考え方の1つの形として、現在のようになっている、と。だからこそ規制があるという話なんだと思っています。そういう意味では、現状の諸々の仕組みについて、「なぜそうなっているのか」ということを再度考え直したうえで、それをいろいろな商品設計に組み込んでいくということも重要なのかもしれません。
会場質問者D：災害では初期行動が非常に大切だと考えています。今回の台風でも進路がかなり正確に分かっていたにも関わらず、これだけの死者が出てしまった。そこで、たとえば「どこの道路が冠水するか」「どこが通行止めかになるか」といった情報を出すため、今後どんな挑戦をしていかれるのかを伺いたいと思っています。
川邊：観測装置をつくってデータを取ることによって正確な予測や理論が生まれるわけですから、まずは正しい観測装置を日本中に埋め込むことが第一歩だと思います。降水や風について、もちろん今も観測所はありますが、現在のものと比較にならないほど多くのデータを日本のあちこちで取ることができるようにしていく。そうすれば、「ここは30分後に必ず冠水します」というのも分かるようになりますから。そのうえで、「避難してください」ではなく「早く2階に上がってください」等、具体的で適切な指示ができるようにすることも含め、住民の方々に適切にアプローチしていくことが大事になる、と。今のIoTパラダイムに絡めると、そういうお話になります。
また、今はグーグルが量子コンピューターを開発したという話も出ていますよね。実用化にはまだ時間かかると言われていますが。これは松尾先生にも伺いたいんですが、天気というのは複雑系の極みみたいなもので、パラメーターがたくさんある分野です。そこでも新しいコンピューティングの登場によって、今のスーパーコンピューターによる予測よりも格段に精度の高い天気予報に、おそらくはなっていく筈なんですよね。ですから次のパラダイムはより正確に、もう何日も前から「ここが必ず氾濫します」と予測できる方向になると思いますし、ITを使った減災もさらに進んでいくのでのではないでしょうか。我々はそのようにしていくつもりです。
住：地震の予知は非常に難しく、まだまだ課題がありますので、そこは地震工学の世界でも頑張っていただきたいなと思っています。で、水災・風災に関して言うと、こちらも非常に複雑で、どこが決壊するかという予測はすごく難しいんですね。内水氾濫等、さまざまな要素があって、すべてモデル化して予測するのは大変困難です。そこで考えられる1つのやり方は、自治体が出しているハザードマップの活用。そういうのをベースにして、もっと多くのセンサーを付けて、そのうえで水を検知したら早めにアラートを出す、と。今日お話ししたプレディクティブ・メンテナンスではないんですが、まずはそちらのほうが簡単にできると思います。予測自体や避難行動の指示というのは行政や法律との絡みもあるので。たとえば天気予報も我々は勝手に出せないんですね。そこは大きな課題がある部分だと思います。
松尾：最近すごく面白い研究を見ました。ディープラーニングの世界では大変著名なヨシュア・ベンジオ先生による、ストリートビューを洪水が起きたときの画像にしてしまうというものです。それによって、自分が住んでいる街で「こんなに水が来るんだ」というのをまざまざ知ることができる。その研究自体は気候変動に対して警鐘を鳴らす意味だったんですが、「今回の台風が来ると、このぐらいになるかも知れませんよ？」というのを画像で見せてあげるのは、1つの良い方法かもしれません。
島田：あと、東芝では「フェーズドアレイ気象レーダ」というものをつくっていまして、これを使うと、たとえば「30分後、ここにこれだけ降る」というのが確実に分かります。少し高いのが玉にキズですが（会場笑）。では、時間になりました。素晴らしいパネリストの皆さまに拍手をいただければと思います。ありがとうございました（会場拍手）。
＜前編はこちら＞
