農業からアートまで、データ サイエンスが世界を変える 4 つの意外な方法

私たちは、急速な破壊と絶え間ない変革の時代に生きています。一般の人々は、「次の流行」がわずか数年でコンセプトからユース ケースへと進化することに慣れています。近年、コンピュータの性能とデータの可用性が飛躍的に向上したおかげで、機械学習のようなデータ サイエンスのアプリケーションもこの傾向の例外ではありません。急速に進む発見のペースは、高度にカスタマイズされた AI アシスタントや「デジタル ツイン」と呼ばれるバーチャル リアリティの未来を大胆に想像させます。しかし、このような空想は、今日の世界を改善するデータ サイエンスの革新を妨げることになるのでしょうか?

データ サイエンティストのツール ボックスには、基本的なアルゴリズムから最先端のニューラル ネットワークまで、ほぼすべての分野や産業で利用されています。しかし、最も画期的な研究は、新聞の一面や (アルゴリズムを駆使した) ニュース フィードには載らないかもしれません。それは、既存の製品やサービスを置き換えるのではなく、むしろ強化するものだからです。最新のアルゴリズムや優れたアルゴリズムがデータ サイエンスのイノベーションを決定するわけではなく、深層学習のようなアプリケーションと最新のテクノロジを組み合わせることで、特定の分野における可能性の限界を押し広げるのです。

例えば、米国カリフォルニア州などで発生した山火事をアルゴリズムで早期発見するシステムなどがあります。以前は、人間が 1 日に何百枚もの監視カメラの写真を見て火事の兆候を探さなければなりませんでしたが、今では AI システムが火事の発生の可能性を示すことができるようになりました。このシステムは、緊急係員が使えば使うほど改良されていきます。

ここでは、データ サイエンスが現在すでに多様な分野でテクノロジを推進している他の 4 つの例を紹介します。

農業の最適化

人類は最古の文明から、最新の技術を使って農業を改善してきました。紀元前 300 年には鉄の鋤 (すき) が登場し、20 世紀には新しい化学肥料や農薬が開発され、工業化された農業技術が世界の隅々まで行き渡るようになりました。より多くの作物をより効率的に栽培する方法を模索することは、人間にとって必要不可欠なことです。

しかし、現代の先進的な農業経営者は、外部から持ってきたものよりも、新しい種類の天然資源であるデータを重視しています。生産のあらゆる側面に関する広範な情報を収集することで、現代の農業関連産業はデータに裏付けられた意思決定を行い、より良い結果を生み出すことができます。データ サイエンスの農業への応用としては、畳み込みニューラル ネットワークによる作物の病気の検出や、IoT (Internet of Things) に接続されたセンサーによる土壌の状態の監視などが挙げられます。さらに、現場で得られたデータと第三者が提供する天候などのデータを組み合わせることで、より高い予測能力を発揮することができます。

味と栄養をカスタマイズする

宅配プラットフォームから食料品の物流まで、すでに現代のフード システムの中心はデータとなっています。そして今、機械学習によって、私たちと食べ物の関係が個人レベルで定量化されようとしています。Kellog 社のような農業食品企業は、パンデミック後の世界で変化する消費者の嗜好に対応するためにデータ サイエンスを活用し、食感や風味、パッケージが AI によって考案された製品を食料品店に並べています。ワイン メーカーも、何世紀にもわたって受け継がれてきた伝統的な製法を、アナリティクスの力で更新しています。

データ サイエンティストが活躍するのは、よりおいしいスナック菓子を作るだけではありません。データ サイエンティストの技術は、慢性疾患に対する食生活の影響を正確に把握したり、ソーシャル メディアでターゲットを絞った健康的な食事のキャンペーンを行うなど、栄養や健康に関する複雑な課題の解決にも役立っています。

新しいアバンギャルド:アナリティクス アート

データ サイエンスをめぐる議論の多くは、生命科学などの STEM 分野との相乗効果を期待するものです。論理的、合理的な目標がなければ、AI の原理を創造的な活動に適用しても意味がない、という考え方です。しかし、これは誤った二分法です。さまざまな分野のアーティストが、データ サイエンスの専門家とコラボレーションしたり、データ サイエンスの専門家になったりしています。

例えば、先駆的なミュージシャンは常にスタジオでテクノロジを利用してきましたが、今では、人間が作曲したメロディーを分析し、それを推定するアプリケーションをアーティストが試しています。また、芸術分野におけるデータ サイエンスの応用は、音楽に限らず、抽象画や創作小説の作成にもモデルが活用されています。

古代・未知の言語を照らし出す

私たちの多くは、GNMT ニューラル翻訳モデルを搭載した「Google 翻訳」に慣れ親しんでいます。しかし、翻訳や言語学の分野で最も困難な課題を解決するためにも、アルゴリズムが活用されています。例えば、ボストン大学の研究者は、コンピュータ ビジョン ツールを使って古文書を解読し、「リソースが不足している」言語の翻訳ギャップを埋めようとしています。彼らのアプローチは、深層学習を用いて言語を 3 次元空間のようにマッピングするもので、AI がオンライン ソースから並列の単語やフレーズを探し出すのではなく、言語間のギャップを埋めるための「ベクトル」としてキーワードを特定します。

解析の対象は、人間のコミュニケーションだけでなく、動物の領域にまで広がっています。Project CETI のチームは、何千時間ものクジラの鳴き声に、文脈の中で言語の断片を評価する自然言語処理を適用し、そのコミュニケーションに単語や文法として認識できるパターンがあるかどうかを確認しています。

データ サイエンスをさまざまな分野に応用することで、人間の経験のすべての領域でイノベーションを向上させることができます。データ サイエンスがすでにこれらの進歩に貢献しているいくつかの方法を紹介することで、データ専門家の継続的なブレークスルーがもたらす最終的な影響について、さらに楽観的になります。Anaconda では、この革新的な技術を引き続きサポートできることを嬉しく思っています。データ サイエンスが私たちの世界を改善し続けるユニークで魅力的な方法を目にするのが待ち遠しいです。


参照記事: From Agriculture to Art, Four Unexpected Ways Data Science is Improving our World