対談 CONVERSATION

【HERO X×JETRO】都市=メトロに風況情報ソリューションを提供。メトロウェザーの「風を読む」テクノロジー

HERO X編集部

JETROが出展支援する、世界最大のテクノロジー見本市「CES」に参加した注目企業に本誌編集長・杉原行里が訪問。京都大学初のベンチャーとしてスタートし、高性能ドップラー・ライダーを開発したメトロウェザー株式会社。大気中にレーザーを照射することで、数キロ先の風向や風速を測定できるという装置で、装置自体は他社でも作られているが、今までにない距離と精度を提供するという。さらにゲリラ豪雨の予測や、ドローンの実証実験にも貢献している。ドローン技術はもちろん、都市防災にも並々ならぬ関心をもつ編集長が、同社代表取締役CEOの東邦明氏に「風を読む」技術の可能性を聞く!

ゲリラ豪雨や強風の
予測を「光」で行う

(画像元:https://www.metroweather.jp

杉原:僕がメトロウェザーさんに興味を持ったのは、もちろん技術的な面もありますが、御社のウェブサイトにも掲載されている「風を制し、空の安全を守る」という言葉がカッコいいなと思ったからです。そもそも、なぜ「風」に行き着いたのですか?

東:もともと学生の時はゲリラ豪雨の予測というか、線状降水帯の研究をずっとやっていて風とは無縁だったのですが、京大大学院のポスドクで古本(京都大学生存圏研究所助教授、メトロウェザー取締役)の元を訪れてから、風に着目するようになりました。よくよく考えてみると、ゲリラ豪雨は夏の入道雲みたいな雲が急にわいてきて雨が降る。今もそうですが、当時はレーダーで予測できるといっても、10分前が限界で、誰が見ても雲が来ているのが見える。雲が急速に集まってくる時というのは、風が集積されて上昇気流ができるから、その風をとらえるともっと早く予測できるのではないかと考えました。あとは、大学の時にもうひとつやっていた研究が、滋賀県の強風だったんです。琵琶湖の西側で山と湖が非常に接近しているところがあって、そこは貨物列車が転覆するくらいの強烈なおろし風が吹くんですね。

杉原:あの風にうまく乗れたら、鳥人間コンテストでも戻ってこられますもんね(笑)。

東:そうそう (笑)。そこで、JR西日本の湖西線の電車がしょっちゅう止まる。その風を解明してほしいということで、共同研究していく中で、「風をとらえる」ということを始めました。最初は風見鶏みたいなものを置いていたのですが、それでは全体像がわからないので、リモートセンシングで測る方法として、海外のドップラー・ライダーを取り寄せてみたんです。それまで大学ではレーダーで風をとらえていたのですが、電波の場合は、どうしても四方八方へ広がることがあって、情報がノイズだらけになってしまう。あとは電波法の規制もあって自由に出せない。ドップラー・ライダーというのは、レーダーではなく光で風をとらえる装置です。でも、琵琶湖側に海外製のドップラー・ライダーを置いてみたら、当時は1キロメートル先もとらえることができなくて。

杉原:1キロ以内といったら、体感のほうが早いですよね。

東:そうなんです。僕は全然ダメだと思っていたら、古本が「自分たちで作ればいい」と言い出したんですね。それが2014年くらいで、2015年の5月にメトロウェザーを立ち上げました。

杉原:従来のものとは全く違うドップラー・ライダーを自社で開発されたということですが、信号処理技術、解析技術などを独自で研究開発されたということでしょうか?

東:そうです。当初は開発に5年もかかるとは思っていませんでした。基本的な原理や構成はレーダーとほぼ同じですし、信号処理の技術も、京大の大型レーダーで培ってきた信号処理技術を応用すれば、さほどハードルは高くないだろうと思って作り始めたのですが、いざ作り始めると、この部品とこの部品の組み合わせはNGとか、この部品とこの部品は相性がいいとか。

杉原:それは材質的な部分ですか?

東:部品メーカー同士の相性などです。どの組み合わせがいいのかは、組み合わせてみなければ分からない部分もあり、そうこうするうちに5年かかってしまいました。幸い、駆け出しのころにNEDO(国立研究開発法人新エネルギー・産業技術総合開発機構)の補助金をいただいたり、「そういうチャレンジングなことをするのなら投資しよう」という投資家さんが現れたので、なんとか乗り切ったという感じです。

風を読む技術を
ドローン社会のインフラに

杉原:ドップラー・ライダーは10キロ圏内であれば、円としてセンシングできるんですか?

東:半径10キロ、条件がよければ15キロくらいの範囲をスキャンできます。もちろん、鏡を使ってレーザーをいろいろな方向に向けて円形にスキャンすることもできますし、斜め上に照射して三次元でとったりすることもできます。

杉原:やはり高い所に設置したほうがいいのでしょうか?

東:はい。見通しがいいところがいいので、おのずと鉄塔の上などがベストになります。

杉原:今、京大の中で研究しているということですが、仮に京都全域をドップラー・ライダーでセンシングするとなると、およそ何台くらい必要ですか?

東:京都盆地の中だったら、4、5台あればいけると思います。ざっくりとですが。

杉原:え? すごい。想像以上に少なかったです。でも、高い建物というだけではなく、障害物というのがキーですよね。これ、機材の大きさはどのくらいですか?

東:去年の3月にローンチしたタイプでだいたい1立方メートルくらい、重量がかなりあって350キロくらいです。ただ、今年の春には一辺が65センチ四方で重さが130キロくらいのものができます。

杉原:すごい。急に開発スピードが上がっていますね。いったん完成した後のスピードは、「今までなんだったんだ?」と思うくらいですよね。僕も開発しているので、わかります。ドップラー・ライダーはどういう場所で活用することになりますか? 企業のビルに業務委託の形で置かせてもらうのか、それとも公共の場所と手を組むのか。

東:最終的には、ドローンがこれからたくさん飛んでいく世界になった時のインフラにしたいと思っています。例えば、電柱や携帯の基地局に置いていきたいのですが、いきなりそこにはいけないので、今は協力してくださるビルオーナーのもとで、ビルの屋上などに置いているケースと、業務提携契約を結んでいるNTTコミュニケーションズ社の遊休鉄塔などを使わせてもらっています。

杉原:このドップラー・ライダーにはセンシングやアルゴリズムなど御社独自の技術があると思うのですが、出口がとても豊かだなと思います。いま東さんがおっしゃられていたドローン社会の到来もそうだと思うのですが、「風を制す」というところの中で、わかりやすいものでは、日本で社会課題になっている都市防災がありますよね。例えば御社のテクロノジーを使ったら、僕らが今こうむっている災害を防げるということはありますか?

東:防災の観点では、やはりゲリラ豪雨の予測ですね。東京の都市には地下空間がいっぱいあります。よく地下鉄の入り口に止水板が置いてありますが、ああいうものを設置するのに10分前予報だと間に合いません。これが30分前だと、なんとか間に合います。そういう形でドップラー・ライダーを使って浸水を防ぐ、なんらかの対策がとれる、というケースはよくお伺いします。

杉原:ゲリラ豪雨の特徴をもった特殊な風の集積ができた時に、それを感知して「あと30分後にゲリラ豪雨が来る可能性は何%くらいです」みたいな予報になるのでしょうか?

東:たぶん、そうなると思います。

杉原:うわあ、すごい。めちゃくちゃ傘が売れそうですね。

都市部で必要になってくる風の情報

杉原:あとはドローンのための風予測ですよね。今は長崎の五島列島など、人のいない場所で実証実験をやっていますが、都市部で飛ばす場合は、風が一番重要な情報といっても過言ではないと思います。

東:おっしゃる通りで、ANAの五島列島での実証実験で弊社のドップラー・ライダーが使用されたのですが、海の上は比較的乱れが少ないんです。都市に入って来た瞬間に、ビルや建物の影響がすごく出てくるので、風の情報が非常に重要になってきます。

杉原:ドローンに関しては、リアルタイムで24時間データを供給しながら、「今、どのルートがいいよ」と提案していくイメージですか?

東:そうですね。建物の情報はそんなに変わるものではないですが、唯一風の情報だけが時々刻々と変わっていくので。24時間365日の観測情報をドローンのオペレーターに提供していく形になると思います。

杉原:ということは、完全にオートメーション化していかないと、遅延が発生してしまうと、情報が全く違うものになってしまうということですね。

東:ええ。我々も今はほぼリアルタイムで風の情報を提供できるようになっていますが、「今の風」をいかに届けるかというのがポイントです。

杉原:具体的にはどのくらいの時期に実用化をめざしていますか?

東:ドップラー・ライダー自体はお客さんのもとに届いている状況で、サービスは今年中にはスタートしたいと思っています。今はユーザーインターフェース部分の開発を急いでいます。

杉原:それはお客さんによってユーザーインターフェースを変えていくということですか?

東:変えていかないといけない。基盤のところは変わらないのですが、どちらかというとドップラー・ライダーを売るというよりは情報を売るイメージです。だんだんITベンチャーチックな感じになっていくと思います。

ポスドクから
ベンチャー起業の前例となりたい

創業メンバーの四人で力と知恵を持ち寄り次のステージを目指すメトロウェザー。(画像元:https://www.metroweather.jp

杉原:最後に今、日本はポスドク問題のようなものも言われていて、研究室で若手が席を確保するのは至難の技だとさえ言われます。その中で、ポスドクの期間終了時に研究職一本で行くのではなく、起業という選択もあるのではないかということを、御社の場合は示されているのかなと感じました。

東:おっしゃる通りで、ポスドクでよく言われるのが「次がない」ということですが、起業する道もあることを示したいというのは、初期のモチベーションとしてはありました。ディープテック系で成功した事例があまりないので、その成功事例の一つになれればいいなと思います。

杉原:僕もすごく興味があります。今日は貴重なお時間をありがとうございました。

東 邦昭(ひがし・くにあき)
メトロウェザー株式会社代表取締役CEO。2009年に京都大学のポスドクに着任後、大気レーダーを用いた乱気流検出・予測技術の開発・高分解能気象予測シミュレーションの開発を行う。民間気象予報会社において2年間の環境アセスメントの実務経験も持つ。2014年にポスドクを辞めた後、1年間の起業準備期間を経て、2015年に古本氏とともに京都大学発スタートアップとしてメトロウェザーを設立。代表取締役。神戸大学博士(理学)・気象予報士。

(トップ画像:https://www.metroweather.jp

(text: HERO X編集部)

  • Facebookでシェアする
  • LINEで送る

RECOMMEND あなたへのおすすめ

対談 CONVERSATION

Laboro.AI 椎橋徹夫と語る AIが引き出す新しいバリュー データ統合ビジネスで見えてくる日本の未来

吉田直子

現在はAIの第三次ブームといわれている。機械のスペックが上がり、膨大なデータを処理できるようになったことで、いわゆるディープラーニングが可能になり、ビジネスの様々なシーンに活用されるようになった。しかし、AIが何を得意とし、実際にAIを使ってどんなことができるのかは一般にはあまり知られていない。AIを活用したオーダーメイド型のソリューション開発やコンサルティングを提供する株式会社 Laboro.AIのCEO・椎橋徹夫氏に、編集長・杉原行里がAIビジネスの可能性を聞く!

AIは人間の右脳的な働きを実現できる

杉原:僕はその分野にいるのでそう感じてはいないのですが、一般の方はAIを神格化している部分があると思います。そもそも“AIはなんでもできるのか?問題 ”というのがあると思うのですが、そのあたりを教えていただけますでしょうか?

椎橋:AI万能論に対してよく言うのは、まず「AIは基本的にはソフトウェアです」ということです。ただ、今までのソフトウェアやITシステムとは少し種類が違うことができるようになっています。今までのソフトウェアはロジカルな処理を正確に速くやることが得意でした。一方で直感的な処理が結構難しかったんです。

例えば、画像を見て、それが犬か、猫かを分類するみたいなことは、明文化できない直感的な処理が人間の脳の中で起こっています。そういう直感的な処理は今までのソフトウェアでは全くできませんでした。でも、AIはそれができるようになった。人間のように賢くて難しいことができるというより、人はわりと当たり前にやっているけれども、従来ならプログラムやルールに落とし込みきれなかった処理ができるようになったソフトウェアだと考えています。今までのソフトウェアが左脳的なものだったのに対して、AIは右脳的な処理ができるようになったと言ってもいいと思います。膨大なデータから自動的に特徴を見い出して、それに沿って具体的な認識や予測ができるようになりました。ですから、AIという言葉は「データに基づいた直感的な処理ができるソフトウェア」や、「認識や予測のアルゴリズム」という捉え方をするのが、現時点では実態に近い説明ではないでしょうか。

杉原:もともと、椎橋さんは東大の松尾研究室にも関わられていたということなので、その分野のエキスパートだと思うのですが、僕は、AIが介在することによって、今までバリューとしてとらえていなかった一連の行動や、価値を見出せていなかったデータを、価値あるものに置換できる未来を期待しているのですが。

椎橋:はい。まさにそうですね。

杉原:ヘルスケアの部門はそれが顕著だと思います。御社や椎橋さんの中で、今後こういう未来が来そうだという予測はありますか?

椎橋:はい。実はヘルスケア、メディカルの領域はひとつの重点領域として考えています。まさに、AIのイノベーションというのは、今までは価値に変換できなかった細かいデータを、AIというアルゴリズムを通して効率よく価値(バリュー)に変換できることです。でも、その中でまずみなさんがやるのは、とりあえず持っているデータの価値を引き出すためのAIを開発することなんです。

一方で20〜30年後を考えると、そういうタイプの取り組みの価値は、むしろ小さくなると考えています。より大きいのはA社、B社、C社、それぞれが持っている断片的なデータをきちんと組み合わせてAIのアルゴリズムを通すと、全員にとってかなり大きな価値を生み出すという流れです。今、我々は様々な領域でクライアントと1対1でAIのスキームを作っていますが、この先は複数のデータをつなげてAIに入れて価値を引き出すということも視野に入れていく必要性があるなと感じています。

杉原:具体的な例はありますか?

椎橋:はい、そうですね、例えば、今、健康診断のデータは保険組合が、病院の診断データは病院が、細かい精密検査のデータは検査会社がそれぞれ持っているような状態です。一方でそれらのデータを使って価値あることをやりたいのは、製薬会社や医療保険系の保険会社です。データを様々な人が断片的に持っていて、かつそのデータの価値を一番引き出せる人が、データを持ってないということが、すごくわかりやすく起こっているのが医療の領域です。この医療ビッグデータの活用が、ひとつの議論です。患者さんのデータを共有しあう構造の中で、アルゴリズムで処理されて適切に医療データが提供される形になると、リスクがあれば早めに手を打てて、健康なまま長く生きることが可能です。

近未来に予想されるAIの具体的な活用について話し合う編集長杉原(左)と椎橋代表(右)

杉原:僕もまったく同じことをずっと言っています。僕らはたぶん将来、病院というものが形を変えていくだろうと考えています。日々生活していく中で当たり前のようにデータがとられ、レコメンデーションがどんどんされていって、健康寿命が延びていくと。製薬・投薬もそうですが、まだパーソナライズされたものがないですよね。そこまでには越えなきゃいけない壁がたくさんあるとは思いますが。

椎橋:医療費も削減されるので、国レベルで考えるとデータの統合は絶対やったほうがいいのですが、難しいのは、一歩踏み出す、その一歩の踏み出しによってネガティブな印象を受ける可能性があることです。短期的にいかにインセンティブがある形で各プレイヤーがそこに踏み出していけるかというのを設計することが重要だと思います。

杉原:そうですね。僕らもよく言っているのは、結局ここで一番大事なのはコミュニケーションだということです。どういう未来がインセンティブをくれるのかというのを提示しない限りは、たぶんみんなはデータ共有に賛成してくれないですよね。

「冷蔵庫の中の最適解」を
AIが導き出す!?

杉原:今後、医療の業界以外には、どういう分野でより顕著にAIが活用されていくでしょうか。

椎橋:そうですね。キーワードになるのが、フィジカル×コンシューマのデータの領域だと思っています。要はインターネットを介したデジタルなデータの分野は、すでにネット系のプレイヤーが色々とやっています。一方で物理的なところと切り離せない領域、医療もそうですが、これはまだネット系のプレイヤーもほとんど手つかずです。

食の領域もそうですね。例えばレシピは、データがフィジカルなので、あまりきちんと整備されていない。ここが整備されていくと、新しい料理をAIが発明したり、その人の今食べたいものと料理のスキル、あとは冷蔵庫の中に何が入っているかを総合的に見て、作り方まで含めた献立の提案ができる世界も可能です。これをやろうとすると、一社だけではできない。栄養という観点でいうと、先ほどの医療にもつながっていきますし、食周りのデータにAIを活用するというのはあると思います。

杉原:確かに食もパーソナライゼーションされていくほど最適解みたいなものが出てきますよね。と同時に、要はフードロスの防止にもつながると思います。だいたい日本だと年間600万トンくらい捨てられていて、実は事業者と一般家庭は、ほぼ同じくらいの量を捨てているそうなんです。ということは、まず冷凍庫の中の最適解がまだ出ていないのではないかと。買い物に対してのレコメンデーションが出てくればロスを減らせるし、そういう世界も、悪くないなと思います。スーパーマーケットで先に買っておいてくれるとか。

椎橋:結局、ネットのデジタルな消費って消費者の消費活動でいうとかなり部分的ですよね。フィジカルな領域の消費データにきちんとアルゴリズムやAIが入っていけば、バリュー地点をさかのぼって、産業全体のデータをつなげて、より効率化していくということが絶対に起こってくると思います。

杉原:僕らはデータを提供したら、1人あたり年間で何百万円かもらえる世界がくるだろうと予想しています。65歳以上からは年金をもらわなくても、たぶんデータ提供者にお金がもらえるみたいな未来が来るんじゃないかと。

椎橋:これまでのインターネットを中心としたイノベーションは、GAFAやBATなどの米中のインターネットジャイアントがデータを全部抱え込む世界でした。それに対して、ヨーロッパのGDPR(EU一般データ保護規則)などの動きもそうですが、個々人が自分のデータを管理するという分散型の方向に行ったほうが健康的ですよね。それが成り立ちうるひとつの領域が医療です。だから医療を起点に、それぞれが自分のデータを管理して、それを適切な範囲で提供することで、誰かに対して価値を提供して対価を得る。そういう社会的な構造を日本のマーケットで世界に先駆けて作って、その形を海外に展開していくことができると、すごく面白いと思います。まさに医療かつ高齢者という部分では、日本は世界最先端の課題先進国ですし。

杉原:今後日本の新しい産業を支えていく上では根幹となっていく部分かなと僕も思っています。課題先進国というのはある意味ラッキーですよね。

テックビジネスで
必要なのは技術の俯瞰図

杉原:一方でAIの世界は進化が速いですよね。そうすると、ビジネス側も研究をおろそかにできないと思います。それについてはどう考えていますか?

椎橋:AIもそうですが、あらゆるイノベーションが起こっている時は、まず学術的な領域から論文などの形で新しい技術が発表され、新しい手法が科学的に確立され、それが実用可能な技術に落とし込まれ、さらに現場で使えるソリューションになっていくという、一連の流れがあります。その意味で、アカデミアの先端にきちんとキャッチアップながら、それをどう使えばどんな産業ビジネス的な価値につながるのかということを考えることが大事だと思います。

ただ、学術的に新しいことを生み出すことをスタートアップ企業がやらなきゃいけないかというと、必ずしもそうではないですよね。どちらかというと、全体像がきちんと見えていて、技術の俯瞰地図を持っているということが必要です。つまり、この技術を探ろうと思ったらこの研究者にあたればいいとか、この論文を見ればいいとかいう全体図ですね。医療に例えれば、各専門医をつなげられる総合医のような立場です。これからスタートアップを起こす時には、実現したいことに対して、全体的なマップを見て、「これを実現するためにはこの専門医とこの専門医とこの専門医に聞きに行くのが重要だ」とか、「これをつなげるのが重要だ」とか、そう考えられることが大事ですね。

杉原:あとは誰とコラボやアライアンスを組んでいくかというのが大事になりますよね。実現したい未来に対して、1人ではなかなかチャレンジできませんから。HERO Xも、ここがコミュニティの場になって、様々なものが生まれていけばいいなと思っています。

椎橋徹夫(しいはし・てつお)
米国州立テキサス大学理学部物理学/数学二重専攻卒。ボストンコンサルティンググループに入社後、東京オフィス、ワシントンDCオフィスにてデジタル・アナリティクス領域を専門に国内外の多数のプロジェクトに携わる。BCG社内のテクノロジーアドバンテージグループのコアメンバーとして、ビッグデータ活用チームの立上げをリード。のちに東京大学工学系研究科松尾豊研究室にて産学連携の取り組み、データサイエンス領域の教育、企業連携の取り組みに従事。2016年、株式会社Laboro.AI(https://laboro.ai/)を創業、代表取締役CEOに就任

関連記事を読む

(text: 吉田直子)

  • Facebookでシェアする
  • LINEで送る

PICK UP 注目記事

CATEGORY カテゴリー