対談 CONVERSATION

“アフターコロナ”でどう変わる⁉ 情報学から考える モビリティの現在地とこれから

長谷川茂雄

コロナ禍は、果たして世界の秩序や価値観を大きく変えたのだろうか? その答えは現時点では明言できないが、間違いなく人類はこの“わざわい”の先にある世界を具体的にイメージし始めている。今回の特集のテーマであるモビリティの在り方もそのひとつだ。移動は人類にとっての根源的な行為であるし、そのためのツールであるモビリティは、常にライフスタイルと直結している。ゆえに「アフターコロナ」は、それに見合った新たなモビリティが求められるはずだ。その最適解を導き出すための冷静な視点とガイドラインを、日本におけるコンピューターサイエンス研究の第一人者、佐藤一郎氏に伺った。

いまはモビリティの
定義が変わる転換期

近年、AIや自動運転といった技術面での進歩に注目が集まり、“快適な移動”をもたらすツールであるモビリティに対しては、期待値がかなり高まっていた。

ところが、誰も予想できなかった新型コロナウイルスの感染拡大を受け、その描いた未来をデザインしなおす必要が出てきた。

まずは、これから移動そのものはどうなるのかを捉える必要があるが、そもそも移動には、人と物(物流)の2種がある。両者はどのように変化したのだろうか?

「新型コロナウイルスで、移動というものはかなり制約される状況になりましたし、人の移動に関しては、いかに移動そのものを“させない”かを考える必要も出てきました。これからは、その2つのテーマが並存して進んでいくはずです。モビリティの定義そのものがちょうど変わる、いわば変わり目にいると言えます」

オンラインによる働き方もある程度浸透してきた現在、確かに人は積極的に“移動しない”ようになった。それゆえ、モビリティを使った人の移動を佐藤氏は、「物の移動と分けて考えられなくなった」という。では、物の移動はどうなるのか?

「人の移動が減る分、逆に物の移動は増えます。いわゆるECのような形で多くの人が物を買い、宅配便は増えています。巷で話題になっているウーバーイーツのように、専門物流業者以外に物流を担う人もたくさん出てきています。ITが人々の時間を断片化してきており、普段は別の仕事をしていて、空いた時間に配達の仕事をする人はこれからも増えていくはずで、断片化された空き時間の使い方が、様々な局面で重要となります。あとは、数年おきに注目される“共同物流”もクローズアップされる可能性はあります」

「モビリティの捉え方は、コロナ禍によって大きく変わった」と語る佐藤氏。

共同物流とは、複数の企業が同一のインフラを活用して保管や配送などの作業を行うことだが、コストが削減できる反面、他者に様々な情報が漏れる危険性があったり、業者ごとの細かな要望を共有できないなど問題点も多く、これまでは、長年成功している事例が少ない。

「これからは、ITを駆使して諸問題を解決しながら、コストカットに加えて、環境負荷を軽減する手段として共同物流のメリットを活かそうという流れは出てくるかもしれません。加えて、共同物流は倉庫と小売間といった比較的中距離の物流ですが、例えば東京と大阪間というような長距離でどれだけ効率的に物流を行うか? という課題もあります。トラックだけではなく、鉄道や船など複数の移動手段を使う“モーダルシフト”も、これからより注目される傾向にあります」

東京にはシェアリングと
公共交通の融合型がマッチする

そんな現状を踏まえたうえで、より人の生活に根ざしたモビリティの在り方も考えてみたい。例えば、現在MaaS(マース:Mobility as a Service)という概念がヨーロッパを中心に浸透してきている。マイカー以外のあらゆるモビリティをITでシームレスに結びつけるサービスのことだが、こういう動きは今後加速するといわれる。

例えば、コロナ禍以後、電動自転車などの需要が高まっているという話はよく聞く。身近なところでいえば、シェアサイクルなどのサービスは、日本でもさらに広がっていく可能性はあるのだろうか?

「日本の場合は、東京を見ればわかりますが、基本的に住宅とオフィスが混在していません。海外の都市のようにシェアリング自転車や電動スクーターが浸透するのは難しくなります。シェアリング自転車を例に取ると、東京の場合、朝は多くの人がやや郊外の住宅から最寄駅まで乗っていき、帰りは最寄駅から住宅へと向かいます。そうなると自転車の需要が時間に応じて偏ります。この結果、自転車の再配置の問題が出てきます。

シェアリング自転車置き場には、自転車がなくなってもいけないし、満杯になってもいけませんから、運用事業者はトラックを使って置き場から置き場へ再配置をしなければなりません。表に現れませんが、そこに一番コストがかかるんです。世界の都市で見れば、例えばパリは、住宅とオフィスが混在していますからシェアサイクルは古くから浸透しています。海外の都市におけるビジネスモデルが東京で使えるかというと、そうではないのです」

「世界の別の都市で活用されているモビリティのサービスやシステムが、そのまま日本で適用できるわけではない」。佐藤氏いわく「東京は、公共とシェアの融合を進めるのには有利な街」。

シェアリングモビリティは確かに便利ではあるが、街のスタイルによって向き不向きがあるというのは頷ける。では、日本では、シェアリングの乗り物はまったく向かないか、というとそうではない。公共交通とシェアリングモビリティの“融合型”がマッチするという。

「例えば住宅地ではなく、オフィス街の地下鉄の出入り口の近くに、シェアリング自転車の置き場を作る。そうすると地下鉄を降りたら自転車がすぐ利用できて重宝です。住宅地よりは実現性が高い。その背景は、オフィス街は人々が行き交うので時間に応じた偏りが少ないからです。また、地下鉄駅間は距離が短いことを考慮すると、例えば駅の自転車置き場に自転車が少ない場合は、自転車が残っている隣接する駅まで地下鉄で移動して、そこで自転車を借りるという手法も、地下鉄の事業者と連携すれば可能なはずです。海外でも公共交通とシェアリング自転車の連携は進んでいるとはいえず、東京で先行してみる価値はあるでしょう」

シェアリングと公共のハイブリッドというモビリティとの付き合い方。確かに住宅地とオフィス街が別れていることが多い日本では、それがスマートにフィットしそうだ。ただ、その場合はシェアリングの事業者と公共交通の距離感を今よりも縮めていく必要がある。では、AIに関してはどうだろうか?

ハイブリッド型のシステムを構築したうえで、オフィス街で使うモビリティにAIを搭載して、利便性を上げられないものか?

「モビリティそのものにAIを搭載して、音声で指示を与えて何かをしてもらうとか、自動運転の自転車が駅まで迎えに来てくれるとか、現段階ではそういったパフォーマンスの必要性はあまりない気がします。AIに関しては、ユーザーの意図を事前に予測して、使う自転車を予約してくれるとか、裏方的にユーザーの利便性を高めてくれるような使い方のほうが現実的ではないでしょうか」

自転車や電動スクーターそのもののインテリジェンスを高めるよりも、AIは、“先回り”的なサポート役に使ったほうがより有意義なようだ。さらに自動車においては、安全性のアップデートに使われている。

自動車はモビリティという
システムの一部になる

「これからは、自動車にカメラだけではなく、レーザーを使ったセンサーなどが搭載されるはず。そうなると障害物の発見能力が格段に上がりますから、事故を未然に防ぐ能力も高まります。

さらに、現状の自動運転は、自動車にたくさんセンサーを付けてコンピュータで処理をしていますが、自動車から見える視点には限界がありますから、他の車のカメラを含むセンサー情報も共有できれば、ドライバーの視線を超える視野を得ることになりますし、走る道路そのものにセンサーをつけて情報を共有できれば、さらに安全性は高まります。もはや自動車という閉じた単位ではなくて、それこそモビリティというひとつのシステムの一部が自動車という考え方に変わっていくのだと思います」

「モビリティという大きなシステムが作られるには、難題が多々ある」。それをクリアすることで、人間の生活はさらに大きく変わるのかもしれない。

他のモビリティや道路と連携して情報を共有しながら走るモビリティ。それが未来のモビリティの一つの在り方かもしれない。ただそこにももちろん課題がある。

「街や道路にセンサーを付けるには、それなりのコストがかかります。車の運転のためだけにセンサーを使うのではなく、社会的に他の用途でも使えるようにしなければ、その問題はクリアできません。そしてもっと難しいのは、新規の街ではなく、既存の街の方です。レガシーな場所をどうやってインテリジェント化するのか、ということです。

例えば過去に博物館のスマート化に関する実証実験を、上野の国立科学博物館などでやらせていただきましたが、それは企画展ではなく、既存の展示空間のスマート化でしたが、展示の邪魔をしないことが難題でした。、ショッピングモールなどで景観を損ねずに電源などを確保し、センサーを設置して、コンピュータで制御できるシステムを組み込むことも同じような難しさがあります。複雑に入り組んだ街もそうですし、そもそもそういった場所で、自動運転が可能なのか?という課題もあります」

既存の街や建物、インフラに新しいモビリティというシステムを組み込むことが難しければ、まだ未発達の地域を実験都市的に作り上げるというのも考えられなくはない。

「確かに実験都市というのは、新たなモビリティシステムを作っていくには好都合かもしれません。ただ、そこで得た知見が、既存の街でも応用できるかというと、それは違う部分もあります。また既存の街に関しても、東京などの大都会は複雑すぎます。今後はモビリティの概念が変わったときに都市や街に求められる大きさが違ってくるはず。新しいモビリティを活かすことで、新たな発展を遂げる地域や街が地方から出てくる可能性は、大いにあるのではないでしょうか」

(さとう・いちろう)
国立情報学研究所(NII)・情報社会相関研究系教授。慶應義塾大学理工学部電気工学科卒業。慶應義塾大学大学院理工学研究科計算機科学専攻博士課程修了。博士(工学)。お茶の水女子大学理学部情報学科助教授、国立情報学研究所助教授等を経て、2006年より現職。ほかにランク・ゼロックス客員研究員(1994〜1995年)、科学技術振興事業団さきがけ21研究員(1999〜2002年)等を務める。仮面ライダーゼロワンのAI技術アドバイザー(2019年)としても知られる。

(text: 長谷川茂雄)

(photo: 壬生真理子)

  • Facebookでシェアする
  • LINEで送る

RECOMMEND あなたへのおすすめ

対談 CONVERSATION

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