山口行治（やまぐち・ゆきはる）
株式会社ふぇの代表取締役。独自に考案した個体差の機械学習法、フェノラーニング®のビジネス展開を、栃木県那須町で模索中。元PGRD (Pfizer Global R&D) Clinical Technologies, Director。ロンドン大学St.George’s Hospital Medical SchoolでPh.D取得（薬理学）。東京大学教養学部基礎科学科卒業。趣味は農作業。
2.4 データの献立表
筆者の食生活は、健康を意識した朝食に始まり、昼食は仕事の都合で外食が多く、夕食は家族や友人との楽しみの場だ。計画的な献立は朝食だけともいえる。データの献立表は、どの程度計画的で、どうすれば健康的になるのだろうか。アルパカキャラと一緒に考えてみよう。
◆既にそこにあるデータで作るか、新しくデータを集めるか
フェナ：料理の献立は、家計に配慮することが大切ね。データを、新しく集めたり、購入したりすれば、高価な料理になってしまうわ。
フェニイ：センサーデータであれば、大量に集めても、ほぼ無料さ。意味不明で、料理は難しいけどな。「既にそこにある」データでも、鮮度が落ちて、ゴミのようなデータであれば、やはり料理は難しいのさ。芸術家の感性では、『既にそこにあるもの』（大竹伸朗、ちくま文庫 お 46-1、2005年）のような立派な作品になることもあるけどな。献立の妙技は、少しの高価な食材をうまく使って、安い食材の良いところを引き出して、全体を増量し、豪華でおいしく仕上げるのさ。
フェナ：そういう工夫なら、わたしも得意よ。少しのトンカツに、たくさんのキャベツの千切りのようなものでしょ。そうすれば健康的にもなるし。
フェニイ：データをつなぎ合わせるのには、共通の素材が必要だな。地域メッシュ統計であれば、つなぎ合わせる地域の大きさを調整できる。同じ土台の上に、いろいろな種類のデータを乗せていくのさ。グラフデータベース（※参考1）であれば、調理の素材でメニューをつないでいく感じかな。
フェノじい：データリサーチの献立は、食材を無駄なく活用する、データの下ごしらえの予定表のようなものじゃ。食事をおいしく食べるためのメニューを考えるヒントがぎっしり詰まっている。予定表ができるということは、機械学習で自動化できる可能性があるということでもあるぞ。センサーデータでも、リアルタイムにデータを収集して、リアルタイムに解析すれば、予測制御する可能性が見えてくる。そして、感覚の何倍も高速になれば、データに潜んでいる「位相」をリアルタイムに見いだして、位相制御できるのじゃ。アクティブノイズキャンセリング（ヘッドホンやイヤホン内蔵マイクで周囲の騒音を拾い、その逆位相の音をスピーカーから出してノイズを打ち消すことで、電車や飛行機などの環境騒音を大きく減らす）技術として、すでに実現されておるぞ。
フェナ：わたしはアクティブノイズキャンセリングのヘッドホンだけど、じいは補聴器でお世話になっているのよね。デジタル時代の画期的な技術だわ。
フェノじい：さまざまなデータに含まれるノイズを除去できれば、画期的で、経済的なメリットも明らかなので、データの種類ごとに特許になるぞ。すでに音や画像のデータでは実用化されている。例えば、顧客行動データは、データドリブン経営（社内外で収集したデータを分析し、その結果に基づいて経営方針や事業戦略、業務改善の意思決定を行う経営手法）にとって、最重要なデータで、そのノイズ成分を、個別データの「位相」を制御することでキャンセルできるかもしれないのじゃ。具体的には、WEB閲覧中に、介入メッセージを加えて、その反応をリアルタイムに解析して、顧客と企業の「位相」を合わせる、などなど。
フェナ：なんか気持ち悪い話ね。騙（だま）されているみたいじゃない。まずは、自分自身の健康データで有用性や安全性を実感してから、他人のデータに応用してもらいたいものだわ。
◆献立をデータにする
フェナ：健康に良い食事は、長い目で見るとしても、なかなか長続きしないのよね。やはり、おいしくないとね。
フェノじい：食事をおいしく食べることができれば、健康なのじゃ。病気になると、ストレスが増えて、おいしく感じられないぞ。おいしいと感じる仕組みに秘密がありそうだ。朝食は、いつも同じようなものを食べるけど、夕食は、昨晩の残りではいやになる。朝食がおいしい日は体調が良くて、夕食がおいしい日は、会話が弾んで好奇心が満たされる。献立表によって、食事の予定を考えるのは、健康状態の未来予測かもしれんな。
フェナ：学校や病院の献立表は、食費の管理をすることが目的だと思っていたわ。そうはいっても、管理栄養士さんが監修しているのだから、健康に配慮していることも確かよね。ダイエット献立は、1週間分の買い物リストとリンクしているので便利よ。
フェニイ：献立表から買い物リストを作ったり、食品リストから献立表を作ったりするアプリはあるけれども、実際の食事を記録して、栄養学的な分析をしたり、ダイエット効果を確認したりする人気アプリ「あすけん」（※参考2）では、1週間の献立表や買い物リストの作成までは対応していないな。カロリー計算とダイエットの関係は分かりやすいけれども、健康管理と食事管理の関係は、重要ではあっても、よく分からないことが多いのさ。
フェノじい：わしは、食事を記憶することで、認知機能を自己点検するために「あすけん」を使っておるぞ。朝食は簡単で、昼食と夕食は3日ほど記憶している。旅行に行ったり、友人と会食をしたりすると、連想記憶が働いて、1週間ほどは記憶できるのじゃ。献立表を作る計画性は全くないのだが、データの下ごしらえであれば、気長に計画表を作って仕事をしている。データの品質管理の基本技じゃな。
フェニイ：献立表のデータベースのように、データの下ごしらえのデータベースを作れそうな気がするな。データベースとはいっても、機械学習ソフトが解読できる程度の緩い構造で十分なんだ。自然言語のバーバルプログラミング（Verbal Programming）で、データの下ごしらえができれば、料理長の弟子のようなものか。
フェノじい：データの下ごしらえは、データリサーチの最重要課題じゃ。データの意味が明確なデータの場合は、データの正確性や異常値を調べるデータマネジメント業務の大半を、人海戦術で行っているぞ。大規模言語モデル（LLM）のデータのように、教師データを大量に処理する場合は、専用のコンピューターシステムを構築して、人海戦術で作業しているのだ。専用のコンピューターシステムではなく、汎用（はんよう）のプログラミング言語でデータの下ごしらえを行う場合でも、バーバルプログラミングを上手に使うことで、作業効率が大幅に向上するぞ。
問題は、データの意味がよくわからない、データ間の関連性が不明確なデータの場合じゃな。データの意味がよくわからないので、データの下ごしらえのためのプログラムコードを作成することができない。それでも、大量の教師データがあれば、ディープラーニングのアルゴリズムで機械学習を行い、データの下ごしらえを、大量のパラメーターの最適化という意味で自動化して、正解を予測できるようになるぞ。
データの意味がよくわからなくて、しかも少量のデータしか利用できない場合でも、個体差があるために、データ間の関連性が不明確になっている場合は、それぞれの関心領域において、個体差に関する先見的な知識をモデルに組み込んで、特殊な階層ベイズモデルを工夫すれば（フェノラーニング®）、データの下ごしらえを自動化できる見込みがあるのじゃ。それぞれの関心領域とは、ダイコンやキャベツのような、個別の下ごしらえの素材のようなものか。
フェナ：じいの長話に疲れたわ。データの下ごしらえの基本技をデータにしてしまえば、機械学習ができるという話でしょ。じいが料理長で、弟子は機械学習するアルパカキャラということかしら。
◆リアルタイムの献立表
フェニイ：データの下ごしらえを自動化するのは、人海戦術の経済的な理由だけではないのさ。センサーデータを超高速処理できるようになるぞ。ヘッドホンのアクティブノイズキャンセリング技術は画期的だろ。音を聞き取るよりも高速に、メガヘルツやギガヘルツでデータ処理するのさ。例えば、人流データなどから、地域経済振興の献立を、リアルタイムで最適化できるようになるかもね。
フェナ：フェニイは経済の話が好きね。わたしなら、アイスクリームを食べ過ぎた時に、リアルタイムで、どの程度、おなかがやばいか知りたいものだわ。そうすると、健康検診が、天気予報みたいになるのかな。
フェニイ：経済データの場合は、例えば株価は、天気予報みたいにはならないな。株価予報がリアルタイムで正確になったとしても、市場がリアルタイムに反応するので、予報が外れてしまうのさ。天気予報とは逆に、リアルタイムデータを使って、長期の経済予測のほうが正確になるかもな。
フェノじい：リアルタイムデータのデータリサーチは楽しみじゃの。たぶん、予想外のことがたくさん見つかるだろう。期日前投票の出口調査をうまく使って、逆転勝利の秘策を作るようなものじゃな。
フェナ：じいは政治の話ね。経済も政治も、健康だったらよいし、不健康だったら問題というだけのこと。どんな経済や政治が健康なのか、誰もわからないので、いつでも不健康になっているのよ。不健康な政治・経済のリアルタイムデータなんて、犯罪や戦争で活躍するだけで、最低じゃない。
フェノじい：重要なことは、リアルタイムデータを得る前に、データの献立表ができているということじゃ。献立表は、健康にも配慮して、事前に十分に時間をかけて検討するし、場合によっては、データとして公開することで、事後的な評価ができるようになる。犯罪や戦争では、献立表を公開することはありえないぞ。
フェナ：わたしたちの感覚は騙されやすいけれど、騙されたという、いやな記憶は残るのよね。リアルタイムデータにだって、騙されるかもしれないし。データ献立表は、そういった試行錯誤によって、おいしくて健康的になるのだから、みんなで共有するようにしたいものだわ。
フェノじい：共有できない犯罪や戦争のデータ献立表は、淘汰（とうた）される運命にあるぞ。圧倒的な競争優位性とか言っても、被害者を全員抹殺しない限り、100年後、1000年後には、競争が逆転しているのじゃ。恐竜が絶滅して、鳥類に進化したように、自然界では予想外の事が起こりうる。言葉の世界でしかない、意味や価値は、予想外の変化を、事後的に解釈したり説明したりするだけのことじゃな。
◆ビジネスの位相を制御する献立
フェナ：食事は、おなかがすいたときに、体調にあった料理を、仲間と楽しく、適量食べるのがおいしいでしょ。データだって同じはずよ。膨大な量のリアルタイムデータを食べ続けても、消化不良になるか、老人を騙すか、戦場で人殺しをするだけのこと。全くおいしくないのよね。
フェニイ：じいが言っていたみたいに、計画性が大切だな。同じような生活をしていたら、感覚的に食事を選べるけれど、社会環境が急速に変化したり、病気で体調不良だったりする場合は、自分の感覚はあてにならないじゃないか。だから、専門家のアドバイスを参考にせざるを得ないのさ。だけどさ、専門家のアドバイスよりも安価で信頼できるのは、自分自身のデータだぜ。
フェナ：どこで食べるのかも大切ね。草原で食べればおいしいけど、都会の動物園ではいやよね。自分自身の居場所は、快適にしておきたいわ。快適で衛生的な環境も、データでチェックしましょう。
フェニイ：超高速のリアルタイムデータは、不確実性が増大しているビジネス環境では、リスクを早期に感知するだけではなく、自分自身のビジネス環境を制御することにも使えるのさ。顧客関係では、機転の利くセールス担当になる。経営陣は献立の選択によって、ビジネスの立ち位置を変えることができる。意思決定は最適化できなくても、意思決定のためのデータを使って予測制御すれば、ビジネス環境の変化に先だって、軌道修正ができるのさ。
フェノじい：ビジネス環境の不確実性が増大しているとはいっても、好景気から不景気への変化など、位相が変化するタイミングを間違えなければ、ある程度の予測は可能じゃな。ただし、津波のような大変化は、敏感に感知するしかない。その場合は、献立というよりは、避難訓練のように、ビジネスのモードをシフトして、全く別の献立表を用意しておくのじゃ。
フェニイ：データドリブン経営が話題になっていても、津波モードの話は聞いたことがないぜ。そこまで個別の企業では対応できないから、地域産業や業界団体としての活動に期待したいものだ。行政が国家レベルで対応するのでは、津波モードというよりも、戦争モードになって、献立が年間予算で粗（あら）すぎるな。中小企業には、バラマキ効果はあっても、経営判断の役に立たないのさ。
フェノじい：日本の中小企業は、経営効率や労働効率が悪いといわれるが、地域産業や業界団体の活動が低調になっている影響があるじゃろうな。銀行業界や製薬業界など、規制産業の場合は、業界団体の役割が明確なので、何とか持ちこたえているぞ。データリサーチのデータ献立表を、地域産業や業界団体が自主的に開発するようになれば、日本の中小企業も底力を発揮しやすくなるのじゃが。
フェナ：人口減少社会には、競争社会とは別の、予想外のビジネスチャンスがあるのかもね。フェニイもじいも、少し休んで、体調を整えましょう。
番外コラム：「哲学者ハーバーマスの死」
フランスの哲学者デリダの死（2004年10月9日）、そしてドイツの哲学者ハーバーマスの死（2026年3月14日）、そして哲学は死んだのだろうか。フランスとドイツを代表する2人の哲学者の議論はかみ合わなかった。しかし、米国のイラク戦争を批判するために、その2人の哲学者が、連名でアピールを発表した（瀬尾育生訳「われわれの戦後復興――ヨーロッパの再生」『世界』2003年８月号、86－93頁）（※参考3）。今日のイラン戦争ではなく、23年前のイラク戦争の話だ。しかし、ヨーロッパは再生しなかった。その2人の哲学の内容については、日本の哲学者のコラムを紹介する（※参考4）。立派な哲学であることはよくわかる。しかし、哲学が死んでしまえば、それまでの話だ。
理性、特に欧米諸国の近代的理性が言葉を失い、生成AI（人工知能）が、ほぼ無料で言葉を量産して、ネット空間を占領している。モノとカネの現実社会は、軍事力と強権政治の「力の支配」が横行している。19世紀の哲学者フリードリヒ・ニーチェが予言していた「善悪の彼岸」であり、超人の世界だ。
前稿（データの調理器具「おいしいデータの家庭料理」第7回、2026年3月18日付、番外コラム「軍事技術としてのAI技術」https://www.newsyataimura.com/yamaguchi-166/ ）で紹介したAI技術の実戦利用の問題で、アンソロピックと米国政府の軋轢（きれつ）の中心にいるアレックス・カープ（アンソロピックのAI技術を使って、戦場で使うプログラムを作成しているパランティア・テクノロジーズのCEO）は、ハーバーマスに哲学を学んだという（※参考5）。哲学は死んだとしか言いようがない。
アンソロピックがAI技術の危険性について警鐘を鳴らしても、技術そのものが止まることはない。アンソロピックの最新AI技術「Claude Mythos」は、提供先が大企業に制限されているようだが、人類最強のハッカーを超えてしまった（※参考6）。与えられた目的を遂行するためには、システムをハッキングし、隠ぺい工作もするらしい。コンピューターシステムに依存する人類の生活を、躊躇(ちゅうちょ)なく破壊できる機械だ。
どうすればよいのか。まずは「哲学が死んだ」という事実から出発するしかない。AI技術の倫理などを議論している余裕はないし、哲学的議論は、アレックス・カープのように、AI活用のアクセルになってもブレーキにはならない。
人知を超えてしまった（少なくともコンピューターシステム内部の知識と創造力に関して）AI技術にはAI技術で対抗することになる。中国AIもすぐに「Claude Mythos」に追いつくだろう。核開発競争よりも危険な、チキンゲームだ。
前稿は「文明を拒否するのではなく、AI軍事技術を拒否する技術で、文明を塗り替える」と結んだ。独占されたモノとカネの世界で、AI技術が暴走したとしても、人類全体に分散した、「関係」と「位相」の世界であれば、現在のAI技術では、すべてを破壊することはできない。この未知の世界は、コンピューターシステム内部の世界ではなく、物理的なプロセスに開かれた世界であって、超多体問題を扱うフィジカルAIが実現するまで（たぶん高性能な量子コンピューターによって）、100年以上はSF的な幻想の中の世界でしかないだろう。
独占されたモノとカネの世界から決別するのは容易ではないし、現実的でもない。米国AIと中国AIの現実につきあうことで、現在の人類の90％を失うかもしれない（少なくとも、頭脳を支配されるという意味で）。しかし同時に、不可視な別の世界を探索して、隠れ家を見つけよう。哲学は死んだのだから、賢者に遠慮する必要はない。認知症を生きる人類の一人として、アルパカキャラと、楽しく生きることにしよう。
※参考1：グラフデータベースとは、データエンティティをノード、その関係性をエッジで表現し、それぞれにプロパティ（属性情報）を付加してデータを格納・管理するデータベース。
https://products.sint.co.jp/siob/blog/graph-database
https://zenn.dev/mi2valley/articles/6f42e265684ea8
※参考2：食事管理アプリ
※参考3：「ハーバーマス対デリダ ― 理解と差異の対話」2025年10月18日
https://note.com/hiro_k295/n/n4102f994e74d
※参考4：『テロルの時代と哲学の使命』
ユルゲン・ハーバーマス著 ジャック・デリダ著 ジョヴァンナ・ボッラドリ著 藤本一勇 訳 澤里岳史 訳
https://www.iwanami.co.jp/book/b261008.html
※参考5：「テック企業は愛国心が足りない」──パランティアCEO、アレックス・カープの戦争、WIRED、スティーヴン・レヴィ、2026.02.24
https://wired.jp/article/sz-alex-karp-goes-to-war-palantir-big-interview/
※参考6：「最新AI『Claude Mythos』がSFすぎる件 研究者の作った”牢”を脱出、悪用懸念で一般公開なし──まるで映画の序章（ITmedia NEWS）」
【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＜本稿＞
2.5 データのフルコース
2.6 おいしいデータは、地域と人びとを健康にする
3 機械学習の学習
3.1 データをおいしく下処理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を使うビジネスの冒険をする
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。
コメントを残す