データの学習は冒険でもある
『おいしいデータの家庭料理』第15回

◆成長点としてのデータ技術

クルマ社会からスマホ社会へ、社会を破壊する技術が新しい社会を創（つく）っている。創造的破壊そのものだ。世界におけるクルマとスマホの年間出荷台数は、大雑把に、それぞれ1億台と10億台で、10倍の差がある。クルマとスマホの個体が、集積して消費するデータの量は、たぶん10倍以上の差があるだろう。スマホの次に来るデータ技術の個体化は、100億人の個体から、直接データを集積するセンサーチップ技術かもしれない。

体内センサーチップ技術としては、医療用途や、電子デバイスとのインターフェース用途など、個人の身体データを計測している。しかし、個々人の体内チップで、個体間の位置関係が瞬時に解析できるデータ技術で、どのような用途が開発されるのか、どのような社会となるのか、予想することは困難だ。

動物や植物では、地磁気やウイルスなど、高度な環境センサーによって、個体相互の関係性を把握している。人間は、言葉によって、個体相互の関係性を把握してきたけれども、その限界は明らかだ。記述された言語であっても、事実（ファクト）のデータとしては不正確で、その作成と理解には時間がかかる。しかし、言葉は、概念や物語を創作することが得意だ。そして、人間は、進化論的時間によって、高度な言語社会を構築した。その言語社会が、技術による創造的破壊によって、大きく変質している。データ技術が、言語社会を創造的に破壊している。

Sustainable Development Goals（SDGｓ、持続可能な開発目標）が、2015年9月の「国連持続可能な開発サミット」で採択された。国際社会全体が協力して、2016年から2030年までの達成を目指している。一方で、『Earth for All 万人のための地球「成長の限界」から50年 ローマクラブ新レポート』（丸善出版、2022年）は、「成長の限界」から「プラネタリーバウンダリー」へと、論点を精密化している。筆者としては、E.F.シューマッハーの『スモール イズ ビューティフル 』(講談社学術文庫 730)の「中間技術」を、「データ技術」として再構成することを目指している。SDGsやローマクラブに反対するつもりは全くない。政治や経済の問題として取り組むべき問題であることも理解しているつもりだ。しかし、技術の問題として、数理の世界において、新しい構想が必要だと考えて、拙論を続けている。

人口爆発のように、指数関数的な増大に限界があることは自明だ。筆者は、やっと最近になって、老化は成長の「折り返し」ではないことに気がついた。老化は、指数関数的な減少ではない。もしかしたら、老化を数理によって理解するためには、指数関数の逆関数としての対数関数を複素関数にしたような、複雑な数理を考える必要があるのかもしれない。老化の数理モデルを、探求することになる。

実在の生物は、おそらく、老化の理解には到達していないので、世代交代や植物の成長点など、成長を繰り返すことで、成長の限界を乗り越えている。成長は自己調整能力に優れていて、成長過程と生存環境の不都合や不均衡を、動的に乗り越えている。成長できなくなったら、生殖によって、次世代にバトンタッチする生物が多い。高等植物のように進化した生物は、成長点に生存のための探索を譲って、木の幹のような、構造を維持する支持体となる。

人間の言語社会も、成長点をデータ技術に譲って、社会を支持する根幹となるのかもしれない。

E.F.シューマッハーの「中間技術」は、新しい経済の成長点を目指していない。AI（人工知能）ビジネスが先行する現在の「データ技術」は、新しい経済の成長点となっている。しかし、「データ技術」には、老化の可能性を数理的に理解する、オルタナティブな近未来もあるはずだ。

体内センサーで、老化に関連したデータを、大量に集積してみたい。おそらく、全く意味不明なデータだろう。その数理的な構造を、シミュレーションで探索する。アルパカキャラたちに、物語を続けてもらおう。

3.5　データの学習は冒険でもある
◆意味不明なデータを集積する

フェニイ：データは、海岸の漂着物のようなもので、それ自体では役に立たない、既にそこにあるものなんだ（※参考1：『既にそこにあるもの』〈大竹伸朗、ちくま文庫 お 46-1〉）。だけど、データ相互の関係には、新しい発見があるのさ。お金に関連するデータは、儲（もう）けるにしても騙（だま）すにしても、すぐに役立つぜ。そういうデータは、国家や大企業が独占的に集めてしまうんだ。図体（ずうたい）が大きいということは、喧嘩（けんか）には有利だけれど、見落としが多くて、かしこくはなれないな。環境が悪くなると、新しい居場所を見つけられなくて、自滅するのさ。体を鍛えて冒険しないと、新しい居場所は見つからないぜ。

フェネイ：冒険に必要なのは、十分な準備で、体力も大切だけれども、適切な目標を設定することが最重要ね。悪質な冒険隊は、本当の目的を隠しておいて、出資者や隊員を裏切って、大儲けを企んでいるわ。米国のスペースX社が、火星への移住を目指すといっているようなものよ。本当は、地球の戦争で儲けているだけ。

フェニイ：データの学習は冒険なんだ。意味不明なデータをたくさん集めて、地図のない荒野を探索する冒険隊さ。冒険隊とは言っても、ひとりで機械と一緒に冒険するのさ。昔の機械は、探索的データ解析の高価なソフトウェアだったな。現在では、様々な機械学習のプログラムを、無料、もしくは安価に利用できるんだぜ。Positron（※参考2：最新情報、https://note.com/macro_index/n/n57410e057fbe）が断然お勧めだ。文章作成ツールのQuarto-2との連携が、AI時代の冒険隊のイメージそのものさ。文章中でプログラムを実行できて、人間が読む文章と、AIの大規模言語モデル（LLM）が読みやすい文章を、同時に出力できるんだ。

フェネイ：PositronやQuartoはマニア向けよ。先端技術を使いこなしている実況中継とか、研究結果を公表して、仲間から認めてもらいたいのよ。コンピューター技術に直接は関係のない、ビジネスとか、教育では、ほとんどの機能は不必要で、データの探索に集中できないの。データの保護機能も不十分ね。フェニイがPositron/Quartoを、SAS社のJMP（※参考3：https://www.jmp.com/ja/home）のように、使いやすくセットアップしてくれないかしら。

フェニイ：特定の企業や業界団体専用のセットアップなら歓迎するぜ。現場にエンジニアが入り込んでデータ探索を定着させる、AIシェルパの仕事だな。教育用というよりは、AIシェルパの教育用に、個人のPCをセットアップすることもありうるぜ。しかし、そもそも意味不明なデータを探索するのだから、AIシェルパに適切なベースキャンプを設定する必要があるのさ。

フェネイ：意味不明なデータを収集するときに、ある程度、データ収集の目的があったはずでしょ。データ収集に夢中になると、もともとの現場の問題を忘れてしまうのよ。冒険隊の最終目標も大切だけれど、確実で身近なベースキャンプを設定することが第一歩ということね。じいの意味不明な構想における、データをモデル化するための網羅的データが、意味不明なデータ探索のベースキャンプに相当するのかしら。

◆意味は表現の場に出現する

フェノじい：医学データにおいて、個人差があることは常識じゃが、その個人差を、どのように理解するのか、どのように数理的にモデル化するのか、どのようにシミュレーションするのかという問題は、事例ごとに探索するしかないのじゃ。遺伝子の差異や、栄養状態などの環境因子など、わかったようでわからない、意味不明な探索を繰り返しておる。新規医薬品の承認申請など、明確なYES/NOを意思決定したいときには、たくさんの患者で、無作為割付をして、統計的なエビデンス、すなわち探索的な解釈ではなく、検証性が要求されるのじゃ。薬剤の体内動態では、個体差がある程度モデル化されておるが、これも事例ごとの探索じゃの。要するに、探索的データ解析は補助的なもので、膨大な資金を使って、検証的な臨床試験で成功することが、新規医薬品や新規医療機器を開発するビジネスの主流なのじゃ。場合によっては、博打（ばくち）のようなものじゃが、冒険ではないぞ。しかし、個別化医療の時代になって、医療費が超高額になったので、ベイズ統計や機械学習など、多少は冒険的な試みも始まっておるな。医学データにおける意味不明なデータ探索のベースキャンプは、病理診断なのじゃ。病理診断のための網羅的なデータ、すなわち医療画像データが、ベースキャンプとして適切じゃの。しかし、がん診断のような例外を除いて、多くの病理診断では、医療画像が意味不明なのだから困ったものじゃ。

フェニイ：西洋医学は、医師法によって、国家が管理しているんだぜ。だから、あまり冒険したがらないのさ。産業経済は、国家の介入があっても、市場が機能している場合は、技術的な冒険をするベンチャー企業など、予想外の展開があるぜ。だけど、産業革命で、航海技術が発展して、新大陸を発見したような、フロンティアスピリットの時代は終わったな。せいぜい既存の領土や市場のぶんどり合戦さ。

フェノじい：未踏の地は、新大陸だけとは限らんぞ。産業革命では、石油や金属などの地下資源を採掘するだけじゃったが、地下は、軍事基地や貯蔵施設など、新時代のフロンティアかもしれんの。地熱エネルギーや地下水などを活用して、地下に根を張る新文明だってありうるぞ。データ技術は、眼に見えない新大陸を発見するのじゃ。産業革命では、物質と機械、それぞれの関係を変革したが、データ革命では、関係の関係という、より抽象的な世界にも触手を伸ばしているのじゃ。関係の関係が何を意味するのかは、眼に見えないのだから、想像力を働かせて探索するのじゃな。

フェネイ：意味不明なデータは、でたらめなデータに見えるわね。データにはノイズや誤差があるので、よほど工夫をしないと、でたらめに見えるのよ。でも、例えば平均値を計算して、ノイズや誤差が小さくなると、意味がありそうに見えてくるわけ。その意味が、みんなも同じように意味がありそうに感じるのであれば、たぶん、意味があるのよ。データの意味は、意味を読みとる「みんなの世界」（表現の場）にあるともいえるし、データの作者が表現しているともいえるのよね。その場合は、データの意味が「作品」になる仕組みね。自然科学のデータの場合、データの意味は、神が与えたともいえるし、言葉と自然の関係ともいえるわね。でも私は、データの意味が見えてくる経験は、「みんな」と学習する経験だと思うの。機械学習は、データの学習が得意なので、機械を仲間にするのも面白いかもね。

◆データの表現は冒険する

フェナ：フェニイは冒険談が好きよね。でも、データの世界で、本当に冒険しているのは、作者でも、作品でも、鑑賞者でもない、もしくはその全てでもある、表現そのものではないかしら。意味不明な現代詩や、意味不明なアート作品では、表現そのものが、時代の意味や価値を乗り越えてゆくのよ。例えば、性別のデータにおいて、性の表現が冒険すると、男性/女性という、従来のデータの表現では、意味不明になるでしょ。試行錯誤しているのは表現そのもので、データは、表現された現象の後追いをしているだけかもね。

フェノじい：意味不明であっても、まずはデータを受け入れろということじゃな。善悪や、真偽など、固定的な価値観をデータに押しつけないという意味では、確かに冒険しているぞ。フェナの見方では、検証的臨床試験は、固定的な価値観が前提条件となっていて、実際の患者さんの役に立とうとする冒険を、じゃましているともいえるな。本当に冒険しているのは、患者さん本人かもしれないのじゃ。わしは以前、人間中心主義を批判して、人間周辺主義を考えたことがある。フェナが言うように、「データが表現された現象の後追い」ならば、データ中心主義ではなく、データ周辺主義ということになるぞ。表現が中心なのじゃが、その意味は不明で、周辺のデータから、表現の意味を推論しようというわけか。

フェネイ：またじいが、意味不明なことを言っているわ。データは現象そのものではなくて、現象との関係の表現であるため、とても抽象的なのよね。フェナがいうように、データを感覚的に受け入れて、データには意味がありそうだという感覚を頼りにして、現代詩やアート作品のように楽しむことから始めることにしましょう。

◆位置エネルギーをシミュレーションする

フェニイ：俺にとっては、意味不明なデータを機械学習する冒険が楽しいのさ。その冒険に、多少なりともスポンサーがついて、新たな発見が知的財産権となって、未来のデータビジネスの出発点になるんだぜ。冒険は、危険である必要はないけど、既成概念をぶっ壊したり、未来への探索路を発見したり、大暴れしてから、静かに帰路に戻るのさ。

フェノじい：じいは、ベースキャンプでデータビジネスの夢でも見ているか。じいが若かった頃、増山元三郎先生の『成長の個体差－ヒトの成長直線をめぐって』（※参考4：みすず書房、1994年）を読んで、老化の個体差について考えていた。加齢とともに発症する慢性疾患、特に、認知症の治療薬を開発するための戦略じゃ。成長の個体差は、成人となる生理的イベント、例えば女性の初潮から個体ごとの固有時間を逆算すると、個体差が小さくなるという話だったな。老化の個体差の場合は、死亡時点から逆算しても、長い老化の過程を考えると、死亡は一瞬の出来事で、あまり意味が無さそうじゃの。それよりも、がんになるとか、心血管系が老化するとか、認知機能がダメになるとか、身体の多様性という意味での個体差には意味がありそうじゃ。老化するということは、マザーツリーのように、身体内外の環境との調和を試行錯誤しているのかもしれんの。成長には生理的な目標があるけれど、老化には正解がない……。

フェネイ：じいには、ベースキャンプで数理モデルを夢想してもらうことにして、フェニイのデータビジネスについて、もう少し考えてみない？　データビジネスは、波乗りのような冒険だといっていたわよね（※参考5：前々稿第13回、https://www.newsyataimura.com/yamaguchi-172/）。波乗りのように、環境変化を瞬時にとらえて、波の上のポジションでカッコよく演技するのよね。環境変化を瞬時にとらえることと、その環境変化と自分の関係を、「力」というよりは「位置エネルギー」として理解することが、データビジネスの突破口のような気がするわ。「力」は強いか弱いかだけで、単純なの。ビジネスにとって最適な場所を探すことは、まさに冒険ね。だけど、データの機械学習を仲間にすれば、シミュレーションで、ある程度のことは予測できるようになるわ。

フェナ：シューマッハー先生の中間技術は、機械化した先端技術ではない、もっと素朴な道具のことだったでしょ。経済学者として、貧困対策を考えていたことはよくわかるけど、中間技術では、先端技術が暴走することを止められなかったのよ。波乗りは、自分の技術と、波の位置エネルギーを組み合わせる、中間技術のようなものじゃない。病気だって、自然治癒力を身体の位置エネルギーの問題だと再解釈すれば、東洋医学のような中間技術にも、データビジネスの可能性があるかもね。自然と調和してつつましく生きる、先住民のような生活が、実は環境変化に瞬時に対応する反脆弱（ぜいじゃく）性（※参考6：https://diamond.jp/articles/-/224579）を学ぶ実習になるかもしれないわ。クマが出るかもしれないし、先住民もリスクをとっているのよ。じいにお付き合いいただいて、データの機械学習を、高価な先端技術ではない、誰でもできる中間技術として、お手軽にしてもらいたいものだわ。暴走するAIビジネスから、データビジネスの波乗り効果で、お客さんを引き抜いて、暴走列車を空っぽにするのよ。冒険談はフェニイに任せて、私たちは、おいしいデータの家庭料理を楽しみましょう。

• 番外コラム：ケミカルAI再考

高市政権が定めた日本成長戦略には、17の戦略分野における62の主要な製品・技術などの官民投資ロードマップが詳細に記載されている。(1)AI・半導体(2)デジタル・サイバーセキュリティ(3)情報通信(4)量子(5)防衛産業(6)航空・宇宙(7)海洋(8)造船(9)マテリアル<重要鉱物・部素材>(10)合成生物学・バイオ(11)創薬・先端医療(12)資源・エネルギー安全保障・GX(13)フュージョンエネルギー(14)防災・国土強靱（きょうじん）化(15)港湾ロジスティクス(16)フードテック(17)コンテンツ（※参考7：日本成長戦略本部／日本成長戦略会議https://www.cas.go.jp/jp/seisaku/nipponseichosenryaku/index.html）。驚くことに、化学およびケミカルという用語は、(12)資源・エネルギー安全保障・GXの⑦GXケミカルにしか記載がない。日本のノーベル化学賞受賞者は9人もいて、世界的にも、日本の化学のレベルが高いことが評価されているのに、この化学に関する粗末な取り扱いには、悲鳴を上げたい気持ちだ。日本の政府は、日本の化学者や化学技術者のことを全く理解できていない。

以前、フィジカルAIを揶揄（やゆ）するぐらいの気持ちで、ケミカルAIについて書いた文章を下記に引用する。「フェノじいは、日本のAI戦略として、ケミカルAIを提案したい。ケミカルAIは、少量のおいしいデータがあれば、化学的シミュレーションでデータ量を100倍にできる。タンパク質の化学的シミュレーションは、ノーベル賞になり、すでに実用化されている。筆者が興味があるのは、代謝の化学的シミュレーションだ。物理法則は普遍的なので、物理的シミュレーションはデータ量の競争になる。一方で、化学反応は多様であるため、化学的シミュレーションは用途に応じて工夫次第で、広範囲の産業応用が期待される。」（※参考8：「おいしいデータの家庭料理」第3回、https://www.newsyataimura.com/yamaguchi-162/）。もう少しまっとうな化学AIの記事も紹介しておこう（※参考9：「最近の化学系AIで気になったものをまとめてみる」https://note.com/rio_chem/n/n38f9d63f700c）。残念なことに、主役はAnthropic、Google、Metaなどの米国企業だけれども、日本では株式会社Preferred Networksを母体とするMatlantis（※参考10：https://matlantis.com/ja/）が世界的に評価が高い。国内最大手の石油元売り企業ENEOSも出資しているというのに、日本成長戦略には存在感が無い。

筆者は最先端AI技術とは距離をおいている。筆者の考えているケミカルAIは、中間技術としてのデータビジネスだ。具体例としては、バイオ炭をコンクリートに混ぜて、植物（農業や林業）との協業で、大気中のCO2を地上に固定する技術だ。「バイオ炭混合コンクリート」（※参考11：https://www.rise-jms.jp/media/kensetsu_yougo/a1442）。無理に言えば、⑦GXケミカルに分類されるけれども、日本成長戦略では「GXケミカルとは、自動車や電池、半導体などのGXに資する製品の製造に不可欠な部素材である機能性化学品や、その原料となる基礎化学品で低炭素化・脱炭素化されたものをいう」と定義されていて、GXケミカルも、自動車や電池、半導体などのGXに資する製品のGX（グリーン・トランスフォーメーション）に限定されている。清水建設や大林組などの国内企業が研究開発する「バイオ炭混合コンクリート」には、産業技術としての成長性がないというのだろうか。ケミカルAIで、「バイオ炭混合コンクリート」の物性予測をして、特許権を充実させることぐらいはすぐにできる。活性炭の表面処理技術など、日本の化学会社には、大量のノウハウが眠っている。

ケミカルAIを宣伝する気持ちは全くない。高市政権の日本成長戦略には、日本の化学会社における研究開発人材を活用する気持ちが全くないことに、ガクゼンとしている。これは日本成長戦略の欠陥であるとともに、筆者自身のビジネスチャンスかもしれない。

【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＜本稿＞
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。