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

RECOMMEND あなたへのおすすめ

対談 CONVERSATION

【HERO X × JETRO】車の「目」はこう変わる!自動運転技術加速を支える新技術

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。独自のスキャナーとFMCW測定系を組み合わせることで、従来の LiDAR(ライダー)を超える次世代型のLiDARシステム開発に成功した株式会社SteraVision(ステラビジョン)。完全自動運転を実現可能にする独自技術について同社CEOの上塚尚登氏に話しを聞いた。

独自技術で新しい市場価値を創ることをめざす
産総研発のベンチャー企業

杉原:産総研発のベンチャー企業ということですが、具体的にどのようなことをしている会社なのでしょうか。

上塚:産総研(国立研究開発法人産業技術総合研究所)というのは、日本に3組織しかない特定国立研究開発法人の一つで、茨城県つくば市にあるつくば本部エリアにあるのですが私たちはその一部にある4部屋を借りて、研究・開発に取り組んでいます。本社は産総研の隣にあって、つくば市が運営するインキュベーション施設(株式会社つくば研究支援センター内つくば創業プラザ)のシェアオフィスを借りているんです。

左「HERO X」編集長・杉原と右SteraVision CEO・上塚氏

杉原:設立は最近ですか?

上塚:2016年12月です。産総研で培われた光通信技術を応用して、独自方式の光ビームステアリングデバイスと、FMCW方式の測定システムを組み合わせた次世代型LiDAR(Light Detection and Ranging:光による検知と測距)の開発と製造販売をやっています。製品としては、“Digital FMCW LiDAR”&光ビームステアリングデバイス “MultiPol™”があります。

車の中でお酒も飲めるし仕事もできる、
完全運転をめざす

上塚:Digital FMCW LiDAR”&光ビームステアリングデバイス “MultiPol™”は、独自に開発した、これまでにない新しい形のスキャナーです。これによって我々がめざすのは完全自動運転の実現です。

杉原:一般の車でも、最近はアクセルを離しても設定した速度のまま走り続けるクルージング機能や、車間距離を保ってくれる機能など、自動運転にかなり近づいていますが、ステラビジョンではそれをさらに進化したものにする技術を開発中だと伺いました。実際のところ、今、一般的な車両についているものは、まだ自動運転と言えるものではないですよね。

上塚:そうですね。ご指摘の通り、ドライブアシストと完全自動運転はかなり異なります。自動運転のレベルには0から5までがあり、レベル2まではドライブアシストです。ここでは事故が起きたときはドライバーが責任を持ちます。それに対して完全自動運転では、人が運転することはなく、車の中でお酒も飲めるし仕事もできるといった、新たな価値も生まれます。その一方で、事故が起ればシステムが全ての責任をもたなければなりません。

杉原:レベル4くらいを開発目標にしている、というのが世の中の潮流でしょうか。

上塚:そうですね。我々が目指すのは「完全」自動運転、つまりレベル5ということになります。実は自家用車の完全自動運転は伸び悩んでいて、どこが伸びているかというとトラックの完全自動運転です。コロナ禍で買い物へ行かなくなった代わりに、在宅で注文する機会が増え、輸送用トラックの出荷台数が凄い勢いで伸びている。そんな中で、トラックの完全自動運転、特に高速道路の完全自動運転のニーズが増加しています。ドライバーの身体的負担を減らすだけではなく、燃費も良くなります。ガソリンが高騰していることもあり、アメリカでは本当によく伸びているんですよ。

杉原:なるほど。そして、ズバリ、御社の製品の強みはどのあたりになるのでしょうか?

上塚:我々のLiDARは、大きくふたつの技術を持っておりまして、ひとつがスキャナーです。LiDARというのは、光の方向を見ながら戻ってきた光で、距離と速度も求めることができるというシステムです。その距離と速度を求めるために、我々は光の波の性質を利用する『FMCW(Frequency Modulated Continuous Wave radar:周波数変調連続波レーダー』という方式を採用しています。これを利用して「完全自動運転」に必要な“目”を作ろうというのが我々の目標です 。

距離を測るLiDARの方式としてはToF(Time Of Flight:光の飛行時間)というのが主流なので、LiDARのスタートアップは、アメリカを中心に世界で百数十社がある中で、ほとんどがToFを採用しています。これは光の粒の性質を利用して光を外に出して、戻ってきた光の粒をカウントするという方式で、光が戻る時間から距離や速度を求めるやり方です。光は1秒間に地球を7周半するのですが、実は我々から見ると光の速度は非常に遅い。というのも、戻ってくるのにだいたい1マイクロ秒かかるからです。つまり、300メートルくらい先へ行くのに1マイクロ秒も必要ということです。往復で2マイクロ秒かかる。エレクトロニクスで言うと2マイクロ秒は遅いんです。ですから、我々は別の方法を考えたのです。

また、ToFは太陽や対向車からの光の影響を非常に受けやすいという問題もあります。そのため、ToFは「ドライブアシスト」のために用いることはできるのですが、我々が目指す更に高いレベルの「完全自動運転」には向かない。

杉原:それで、新技術を開発しているということですね。

上塚:はい。産総研で培われた光通信技術を応用して、光ビームによる FMCW方式の測定系を開発しました。これにより、見たいところ(必要なところ)を好きなだけ詳しく“見る”(ワープスキャン)ができるようになりました。

ワープスキャンを使うと運転に必要な情報だけを見られるようになる。

杉原:2016年に上塚さんとCTOの所武彦さんで創業されたということですが、2人は元々ライダーやセンサーに関する研究をされていたんですか?

上塚:我々のヒストリーは、実は光通信部隊なんです。私は光通信のデバイスなどの分野をやっていて、2019年に入社した所は光トランシーバー関係の開発をしていました。実はFMCWというのは光通信のデジタルコヒーレント通信とほとんど同じなんです。だからそのまま進んでいたら、非常にうまくいったんです。

杉原:なるほど。そこから、ToFのほうが世界的な潮流として使われていたけどもFMCW が来るだろうと踏んだということですよね。重複するかもしれませんが、従来のLiDARとの大きな違いはどのあたりになるのでしょうか。

上塚:我々はLiDAR単独ではなく、カメラと組み合わせることで、たとえば運転中の、物体が右から左へ、前から後ろにくるという動きに合わせて、必要なところを詳しくスキャンできます。ここが我々の優位性です。

カメラは全体を見るのは優れていますが、無駄な情報を省き、いかに効率化するか、つまり「見たいところだけ見る」というのが我々の会社のスローガンです。運転中に必要なのは、運転に必要な情報だけです。空とか地面とか見ても仕方がない。無駄な情報もすべて処理すると、コンピュータパワーも使いますし、エネルギー的にも無駄が多いんです。

杉原:車にスーパーコンピュータを積むわけにいきませんからね。これはすごいですね、面白いですね。

上塚:対象が人なのか猫なのか、ボールなのかは、ディープラーニングで物体認識もできます。たとえば人とか車とか、衝突の危険性があるものはまずカメラで認識します。そうすると、その右側にあるステラビジョンのLiDARで実際の距離を測り、情報を色で表します。距離により色分けをして、赤だと遠い、青だと近い、緑が中間ぐらい。そして、それが「車」か「人」だとなったら、そこまでの距離により衝突する可能性があるかどうかを判断、危ない場合はブレーキをかける。運転に必要最低限の情報さえ取り込めれば、これだけのことができます。データ処理を極限まで減らし、重要な物は見落とさない独自の技術があるため、車だけでなく、健康医療分野への応用にも期待がかかっているところです。

杉原:僭越ながら、僕がとても刺さったのは、データの重さが全く変わるところです。軽くなるから情報を処理するスピードも上がるわけですよね。

上塚:それです! まさにその通りです! 要は自動運転といっても、ある程度車のスピードを上げられなければ意味がない。車が速く動けば、それだけ早く情報が上がってこないと、事故につながりかねない。そうなるとやはり情報は高速でほしいわけです。ただし、それを全画面の全距離を無限で測るとしたら、それはスーパーコンピュータの処理が必要です。このようにデータ処理を極限まで減らし、ただし重要な物は見落とさないというのが重要なのです。

杉原:素晴らしいです。僕らの目にも欲しいですね。

上塚:人間の目はそもそもそういうことをやっているんです。景色を見ているけど見てるのは自分の関心があるところだけだし、目に入った情報のすべてを脳は処理していませんよね。

杉原:そのとおりですね。

上塚:それを、実際のコンピュータやLiDAR、光学センサーを使って実現しましょうというのが我々のコンセプトである「見たいところを見る」ということです。

杉原:今回はCESにも出展されていますが、反響はありましたか?

上塚:はい。今引き合いがいっぱいあって、独自性を非常に高く評価してくださる方が多いですね。アメリカから来た方や、駐在の方も来られましたので話をして、海外の方からも是非取り入れたいと言っていただきました。

杉原:自動運転のレベル4レベル5の話もそうですし、健康データだったり、様々なものも含めて世の中を大きく変えていける可能性を感じます。

上塚:そうですね。実際に、健康関係のところからも引き合いはあります。

杉原:個人的にも大変興味深いお話でした。ぜひ御社へ足を運んで、実際に技術を拝見させてください! 今日はありがとうございました。

上塚尚登 (うえつか・ひさと)
1981年東京工業大学を卒業。 専門領域は光デバイス技術。 日立電線(現 日立金属)に入社し,光通信デバイスビジネスを立上げた。 社内ベンチャーのヘッドとして約100億までの部門に成長させた経験を持つ。

関連記事を読む

(text: HERO X 編集部)

  • Facebookでシェアする
  • LINEで送る

PICK UP 注目記事

CATEGORY カテゴリー