機械と一緒にデータビジネスの冒険をする
『おいしいデータの家庭料理』第16回

◆エコロジーとエコノミー

産業経済（エコノミー）も地球環境（エコロジー）も、どちらも大切だけれども、両立させることは困難だ。産業革命以降の経済活動は、石炭や石油など、地球のエネルギー資源を、使い尽くそうとしている。現代のエコノミーとエコロジーは、どちらも地球規模のグローバルな問題を山積みにして、バラバラに発展している。政治的な論争では、右だ左だのと、エコノミーとエコロジーをゴチャマゼにして、政治家の損得感情の任せるままだ。

エコロジーでは、生物多様性など、生物の生存環境が重視される。エコロジーの基盤となるのは、地球の化学データだ。大気環境と海洋環境は、それぞれ気体と液体の化学データとなる。地上と地下の化学データは、土壌や岩石など、固体のデータだ。化学分析において、気体、液体、固体の全てに対応できる網羅的な機器分析法として、例えば、FTIR（フーリエ変換赤外線分光法、※参考1:FTIR 分光分析法の基礎、https://www.chem-agilent.com/contents.php?id=1006686）を想定しておこう。

現代のエコノミーでは、為替・株・債権などの金融商品の売買が主要なデータになる。金融商品以外でも、石油・水資源・食糧・クルマなど、多種多様な商品の生産や売買に関して、GDP（国内総生産）賃金・物価といった、経済学的で抽象的な経済データも、政策課題としては重要だ。

経済データを予測する場合、多種類のデータが相互に複雑に関連していて、因果関係はよくわからない。そこで、独立した外部因子、気候変動・人口・社会の安定性など、オルタナティブデータによって、経済データを予測する試みもある。オルタナティブデータとしての赤外線スペクトルデータも、農業収穫予測などで活用されている。

筆者としては、データビジネスの冒険ネタを探す目的で、エコノミーとエコロジーに共通する網羅的な化学データを考えている。もっと単純に言うと、E.F.シューマッハーが『スモール イズ ビューティフル 』(講談社学術文庫 730)で期待を寄せた「中間技術」を、エコノミーとエコロジーをつなぐデータ技術で実現する冒険談だ。化学技術としては、土木関連のコンクリート技術に注目している。最先端の化学AI（人工知能）が、半導体や医薬品の研究開発を志向しているので、コンクリートの「中間技術」は手薄になっている。コンクリートも近代文明の発明品であり、データビジネスとしての付加価値を発見できるかもしれない。

『おいしいデータの家庭料理』シリーズは、以前の『みんなで機械学習』を下地にした、筆者なりのデータ論のつもりだ。会社などの社会組織に関連するデータは、個別的なデータにしても、網羅的なデータにしても、入手が困難で、取り扱いも要注意なので、今回は対象外としている。本シリーズも折り返し地点となった。筆者自身のデータビジネスが、計画段階から実行段階へ移行する、そんな折り返し地点としたい。アルパカキャラたちに、冒険談を続けてもらおう。

3.6　機械と一緒にデータビジネスの冒険をする
◆本当の未来は冒険の後にやってくる

フェネイ：じいがベースキャンプを設営して、フェニイが、データビジネスの冒険をする。どちらも、仲間は機械学習の「機械」なのよ。英国の産業革命では、蒸気機関が発明され、繊維産業など、機械が大活躍したでしょう。AI革命でも、クルマやスマホが、過去の遺物に見えるような「機械」を発明しようというわけ。戦場や工場で仕事するロボットの開発競争は、すでに始まっているわ。だけど、本当の未来は、冒険の後にやってくるのよ。

フェナ：ドラえもんのようなロボットが、未来からやってくるといいけどね。ドラえもんの前に、ロボコップのような軍隊ロボットができて、未来を破壊してしまうの。だから、フェニイのように冒険をして、軍隊ロボットでは破壊できない、誰も知らない未来から、誰も知らない物語を持って帰るの。冒険は、新大陸の発見だけではなくて、科学的な発見だって、大冒険よね。じいのように、何を考えているのかわからない、ベースキャンプの変人たちだって、過去に見た未来の冒険の準備をしているのかもね。

フェニイ：ビジネスでは、過去や未来の話よりも、現在の行動が重要だぜ。冒険にはお金が必要だけど、お金があっても、冒険はできないんだ。現在の行動とはいっても、See・Think・Plan・Do（もしくはPDCAサイクルのPlan・Do・Check・Action）のすべてが行動であって、See・Think・Plan・Doのすべてに機械が活躍するのさ。しかもデジタル機械であれば、ミリ秒以下の時間で、たくさんの行動を模擬実験（シミュレーション）できるぜ。シミュレーションは、Plan・Doを繰り返すのさ。特に重要なのは、See（またはCheck）で、機械のセンサー技術が活躍するんだ。意味不明だけれども網羅的なセンサーデータ、例えば、赤外線スペクトルデータなどは、データビジネスの冒険にうってつけだぜ。

フェネイ：データビジネスも、ビジネスの目的が明確で、市場があることが大切よね。武器の市場や麻薬の市場のように、関係者以外には、どこに市場があるのかわからないような市場もあるわ。冒険的なビジネスでは、新大陸のような、未来の市場ということになるのかしら。ビジネスの目的としては、すでにある問題を解決するとか、開発競争に勝つとか、わかりやすいのよね。アートやサイエンスの目的は、冒険そのものが目的みたいな、未来から見るとわかるような気がしても、実際は、子供っぽい好奇心としか思えない目的もよくあるわよね。フェニイの話は、ビジネスとはいっても、アートやサイエンスの冒険隊のような感じもするわ。

フェノじい：過去の計画経済は、政治的な目的は明確でも、経済活動としての最適化や調整機能はうまくいかなかったのじゃ。AIで経済予測が正確になるとしても、AIは無責任で、計画経済はうまくいかないじゃろう。経済学者は、「アニマルスピリッツ」とか「神の手」とか、都合のよいことを言うけれど、よくわからないと言えないだけのことじゃな。経済環境や社会環境が良い時には、無責任な議論や行動でも問題が無いのじゃが、最悪の状況もありうるとすると、日常的に、責任が持てる範囲での「冒険」ができない強者は、いつかは絶滅するしかないのだぞ。弱者は、逃げ場を求めて、日常的に探索しているので、探索を冒険に格上げすれば、未来が見えるようになるぞ。探索を冒険に格上げする秘策を、未来からやってきたヌェフさんに聞いてみるかのう。

◆「中間技術」は冒険だ

フェニイ：強者は冒険できない、だから大企業になると冒険ができなくなるのか。ベンチャー企業が冒険するのは当然として、ビジネスの弱者である中小企業が冒険をする「秘策」が、データビジネスのシミュレーションなんだぜ。リスクは、ほとんどない。ネタデータは隠しておいて、シミュレーション結果をデータのように取り扱うんだ。ネタデータは、既にそこにあるものを拾ってくるだけさ。ビジネスネタなので、トラブル事例でもいいけれど、意味不明なデータのほうが、冒険には向いているな。何かを発見して、そのもうちょっと先まで冒険する時には、企画をまとめて、大企業や政府に投資してもらうのさ。

フェネイ：企画をプレゼンするときには、投資家目線が大切ね。AIは投資家目線で鍛えられているので、良いアドバイスがもらえるでしょう。ネットの情報を検索して、新しい発見をすることは期待できないわよね。だから、ネタデータを盗もうとするの。とにかく、冒険の前に、探検するの。どこを探検するのかは、ビジネスにもよるけれど、たいてい怪しい場所よね。顕微鏡の中にも、怪しい場所はたくさんあるから、危険な場所に行く必要はないのよ。

フェナ：じいも「場所」にはこだわりがあるみたいよ。怪しい場所は、地図にはない場所だけど、確実な目印があるのよ。その目印は、異次元への出入り口かもしれないし、意地悪く移動するかもしれないでしょ。お母さんの体温みたいな、自分だけがわかる秘密の場所もあるの。じいの「場所」は、個体が個体化する、わけのわらない場所だけどね。

フェノじい：幽霊のように、時空を漂う個体は例外として、ある瞬間、個体には定位置があるのじゃ。その場所が、個体の識別情報となるぞ。清水の次郎長は、同時刻の、江戸の次郎長とは別個体というわけじゃ。ところが、その場所の識別が難しい。識別というよりも、場所を表現する属性としての、場所の個体差の問題じゃ。心地よい場所とか、安全な場所といっても、何を意味しているのか、まさに個人差があって、よくわからないのじゃ。ある場所は、外部の人には冒険であっても、内部の人には日常の場所になる。そもそも、地名は同じでも、同じ場所を同じ方向から見ているとは限らないし、都市と農村では、場所の立体感が全く異なるのじゃな。場所を表現する属性で、場所の個体差を、網羅的に表現する属性となると、もっと難しくなる。植物のように、場所を視覚以外の感覚でとらえるほうが、非言語的表現としては、可能性が大きいかもしれんのう。

フェニイ：怪しい場所を探検して、不思議な発見をしたら、探検のその先に、冒険の目標が見えてくるのさ。地図はないので、どの程度遠いのか見積もってから、ベースキャンプを設営して、冒険の準備をするんだ。じいから教えてもらった「中間技術」は、すでに探検されて、いろいろな発見があるから、あとは冒険するだけさ。現代の冒険は、ベンチャービジネスだから、「先端技術」が無力で無責任に感じられるような、もっと身近で興味深い「中間技術」をベンチャービジネスにする冒険さ。

◆表面処理技術

フェノじい：科学技術の冒険では、まずは理論家が冒険するのじゃ。既成概念を打ち壊すような、新しい理論を構築する冒険じゃの。その理論がどの程度有意義なのか、実験家が新しい冒険を計画する。実験家にとって、理論が正しいか間違えているかということは、あまり重要ではないのじゃな。新しい実験装置で、新しいデータを集積して、新しい冒険をすることが、また新しい理論となる、そういう冒険の高揚感が、多くの人びとの高揚感となる、そして本当の未来がやってくるのじゃ。

フェナ：スポーツビジネスなら、高揚感は必須だけど、データビジネスでは、もっと淡々と、日常生活の一部として楽しむような、趣味の世界もあるのよね。家庭菜園だって、苗を育てる楽しみは、おいしい料理を食べるときに実感されることもあるでしょ。

フェノじい：確かに、理論家の冒険は、あまりお金がかからないし、ほとんど儲（もう）からないので、趣味のようなものかもしれんの。実験家の冒険は大規模で、結果が理解しやすいので、スポーツビジネスに似ているのじゃろう。ところで、データは事物の表面、もしくは表面的な関係しかとらえることができないので、近代までの深遠な哲学の世界ではないのじゃ。実践的なビジネスの世界のほうが親しみやすいのじゃろう。スポーツビジネスも、データビジネスとの親和性が良いぞ。そういう意味では、科学技術でも、半導体技術のような、表面処理技術は、データビジネスとの親和性が良いのじゃ。医学においても、倫理的で、深い生命の理解が必要なバイオ技術ではなく、細胞表面・臓器の表面・身体の表面としての皮膚など、表面に注目するほうが、データビジネスを応用しやすいぞ。

フェニイ：表面処理技術はケミカルAIの得意分野さ。中間技術としても、表面だけを処理するのだから、お手軽だな。だけど、例えば、セメント技術で、表面処理の効果をデータ化するのは大変なんだ。せいぜい、見かけが良くなった程度しか認められなかったのさ。既成概念を打ち破るという意味では、中間技術としての表面処理は、データビジネスのビジネスチャンスかもしれないぜ。

◆シミュレーションは仮想世界ではない

フェニイ：セメントの表面処理技術を特許調査することを考えてみようぜ。大企業なら、弁理士事務所に依頼する、特許調査専門のAIソフトを使うなど、資金力に応じて対処するけど、中小企業では、そもそも特許調査などしたことが無いし、特許とは無縁のビジネスなんだ。もしくは、社長の趣味を、社員に押しつけられても困るというところか。だから、特許調査などしないで、ネタデータを探すんだ。例えば、バイオ炭をセメントに混ぜて、炭酸ガスの排出権取引を行う建築ビジネスの場合、環境経済的な計算以外では、黒くてかっこいい程度の効果しか遡及（そきゅう）できていないんだ。活性炭の光化学反応で、ゼオライト以上の環境浄化作用があることをデータで示すことができれば、ビジネス価値は2倍にも3倍にもなる計算だ。ネタデータを実験室で作ったら、あとは化学シミュレーションで、特許の実施例を作って、強力な特許となる可能性までを提案書にまとめて、あとは大企業に任せるのさ。実際はどうなるかわからないし、儲かるのは大企業なので、中小企業は冒険をした実績に満足して、新たな冒険にチャレンジするというわけさ。

フェネイ：プレゼン資料なんて、AIが上手に作るから、中小企業は冒険を楽しむだけということね。触媒化学のシミュレーションを上手に行うためには、計算化学の理論が重要だけど、ここでもAIが活躍するのよね。じいのような理論好きの変人たちに、ベースキャンプで頑張ってもらいましょう。

フェニイ：異業種では、同業者では気がつかない、変人がたくさんいるのさ。セメントみたいな中間技術では、異業種でも活躍できる場所がたくさんあるんだぜ。科学でも、化学と生物学、物理と化学などの、境界領域が発展しやすいんだ。ビジネスだって、異業種の境界領域を見つけることが重要なのさ。データビジネスは異業種中の異業種だから、データビジネスのベースキャンプで変人を育成して、異業種の境界領域に派遣するのさ。

フェナ：ヌェフさんが姿を現さないのは、もしかしたら未来はないかもしれないとか、陰謀論のような闇（やみ）社会から身を隠しているのかもしれないという話を聞いたわ。フェニイが冒険を楽しむのは良いとしても、みんなが未来に希望を持てなくなれば、冒険談を話すこともできなくなるわね。冒険をしなくても、日常生活は危険がいっぱいなのよ。フェネイが、間違いを認めない、認めることができないということが、最悪の間違いだといっていたわ。最悪の間違いばかりが横行しているのだから、間違いに囲まれて生きているようなものなのよ。だから危険がいっぱいなの。先端技術よりは中間技術のほうが身近に感じられるけど、それでも中間技術に希望を見いだすことなんてできるのかしら。冒険する前に、もっと身近な場所を探検するのでしょ。宇宙からの隕石（いんせき）みたいなものを見つけたとして、別の隕石がどこにあるのか、どこを探したらよいのか、シミュレーションで予測できるのかしら。偶然に見つけるのだから、偶然なのであって、予測なんてできそうもないわね。でも、じいが信じているように、偶然にも法則性があって、場所に関する模擬実験を工夫すれば、別の新しい発見につながるような、そんな偶然の連鎖はあるかもね。シミュレーションは、偶然の世界ではあっても、仮想世界ではないのよ。じいの寝言も、シミュレーションできれば、夢物語ではなくなるかもね。

• 番外コラム：元気な社会

日本語は不思議な言語だ。「さようなら」が、とても美しい言葉であることを、40年前にビジネス英語の外国人教師から学んだ記憶がある。最近になって、ネットを検索してみた（※参考2、参考3：https://president.jp/articles/-/60692?page=1、https://note.com/aichanzw/n/n7a0d0d5a8dd2）。当時の筆者は、英語課題として、量子力学の非局所性と局所実在論の問題を実験的に解決するベルの不等式（※参考4：https://ja.wikipedia.org/ベルの不等式）の小論を書いた「使い物にならない」化学企業の研究者だった。不等式の内容よりも、平均値と相関係数で導いた統計的な思考方法に驚いた。ベル自身、実験結果とは逆の予想をしていたのだから、データを用いた統計的な思考は、人間の感覚を容易に裏切る。現在の、量子計算機の原理が発見された瞬間でもある。現在の筆者は、むしろ、「さよなら」の思考に驚いている。統計的なAI言語では、簡単に利用（翻訳）できても、理解不可能な思考だろう。

「自分」についても調べてみた。自らの分をわきまえるとか、自らの居場所を確保するといった、驚くべき語源で、その意味は、西洋の自我とはあまり関係が無いようだ。筆者の興味では、「自らの個体化」とも言える内容だ。日本の身分制度が、西洋とはどのように異なっていたのかなど、深い内容につながっているので、簡単にAIで調査できる内容ではない。

筆者が米国製薬企業の研究者として、バイオマーカーの研究を行っていた20年以上前に、東北福祉大学感性福祉研究所の山本光璋教授のグループと交流があった（※参考5：https://www.tfu.ac.jp/research/kanken/report/6th_report_japanese.html）。山本先生のグループが開発した「swc元気点検票」における、健康を計測する、という考え方に、バイオマーカーに共通する発想があると考えていた。山本先生は、健康と元気を区別して、自分の元気を点検する行動に、健康向上の秘訣（ひけつ）があることを見抜いていた。

「今は昔」、日本の古い物語の始まりには、タイムトリップする、未来への希望があったと思う。物語を語り継ぐ、今を生きる人々の責任でもあるのだろう。

人口減少社会における、経済成長戦略を考えている。人口が減少すれば、国民1人当たりのGDPが増えて、世界幸福度ランキングが上がれば人口が増加するとといった、単純な話ではなさそうだ。未来に希望が持てないと、人口は減少するだろう。しかし、人口が減少していても、社会構造が変化すれば、未来への希望や冒険は、再発見できるはずだ。日本の人口構成が予想通りに推移するとして（戦争や大災害が無いと仮定して）、未来に希望が持てるような社会構造への変革を、経済成長によって実現できるのだろうか。

このような困難な課題には、戦略的な思考が不可欠だ。自分の元気を点検する行動に、健康向上の秘訣があるとすれば、自分の身近な社会の元気を点検する行動が、社会構造の変容を導くかもしれない。

社会構造を、社会システムとしてではなく、社会プロセスとして理解して再定義することから始めよう。自分の身近な社会の元気を点検する行動は、再定義された社会プロセスの元気を点検する行動になる。

本シリーズ『おいしいデータの家庭料理』では、組織を個体と見なしたデータに関する考察を先送りしている。社会は組織の複合体だ。地域、すなわち、自分の身近な社会の個体差から、社会そのものの個体差までは、かなり遠い冒険になる。自分のデータビジネスとは別視点で考察する準備を始めよう。

【目次案】「おいしいデータの家庭料理」
1     はじめに; データをおいしくする家庭料理
1.1　おいしいデータは栄養たっぷり
1.2   地域のデータをおいしくする
1.3　データの学習と食事
2     データの料理法
2.1　生データのしたごしらえ
2.2　データは発酵するのか
2.3　データの調理器具
2.4　データの献立表
2.5　データのフルコース
2.6　おいしいデータは、地域と経済を健康にする
3　　機械学習の学習
3.1　データをおいしく下ごしらえしてから機械学習する
3.2　機械と一緒にデータを学習する
3.3　機械と一緒にデータを使うビジネスを考える
3.4　楽しくデータの学習をする
3.5　データの学習は冒険でもある
3.6　機械と一緒にデータビジネスの冒険をする＜本稿＞
4　　まばらでゆらぐデータの家庭料理
4.1　まばらでゆらぐ生活と経済のデータ
4.2   生活と経済を豊かにするデータの家庭料理
4.3　まばらでゆらぐデータの調理法
4.4   まばらでゆらぐデータで健康になる
4.5   データを使った生活と経済の予測
4.6　生活と経済のリスクを生き延びる
4.7　たくさんの小さな試行錯誤による適応
5　　よりあいグループと社会
5.1　よりあいグループ（地域や家族）のデータ
5.2　よりあいグループのよりあいグループ
5.3　機械と学習するよりあいグループのデータ
5.4　よりあいグループのデータは廻る
5.5　よりあいグループのデータの周辺
5.6　よりあいグループのデータを予測する
5.7　よりあいグループのデータで社会問題を解決する
6　　おわりに；生活と社会の近未来
6.1　ほとんど色即是空・空即是色な（まばらでゆらぐ）世界
6.2　まばらでゆらぐ人びとの地域社会
6.4　データでつながる、地域のNPOから国際NGO連合まで

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

技術的な内容は、「ニュース屋台村」にはコメントしないでください。「株式会社ふぇの」で、フェノラーニング®を実装する試みを開始しました。