PDFファイル 5OS04b オーガナイズドセッション「OS4 マッシブデータフロー～人と環境と人工システムが作り出す複雑さ～ 」

The 28th Annual Conference of the Japanese Society for Artificial Intelligence, 2014

- 1 -

ネ

ッ

ン

:

社会

適化

行動誘発技術

Cybernetic Simulation: Behavior Induction Technique for Optimization of Social System

廣瀬通孝

谷川智洋

鳴海拓志

竹内俊貴

*1

東京大学大学院情報理工学系研究科

Graduate School of Interdisciplinary Information Studies, The University of Tokyo

*2

東京大学大学院学際情報学府

Graduate School of Information Science and Technology, The University of Tokyo

Induction technique of massive components in a social system is required for smooth management of the system. We propose a concept, Cybernetic Simulation, which consists of social sensor, dynamic simulation, and social actuator. Social sensor collects activities of components; dynamic simulation predicts future states of the system from output of the sensor; and social actuator inducts behaviors of the components. In this paper, we describe overview of Cybernetic Simulation and introduce several related researches.

1.

はじめに

実社会 情報 活用 ， 良い社会基盤 ン

計画 昔 行わ ，携帯型 情報

端 普 及 現 在 ，従来 一線 画 方法論 考え

可能 あ ．そ 実世界 セン ン タ処理 双

方 可 能 携 帯 端 ， ン 高い

頻度 ， タ 実施 恩恵 あ ．機械

工学 コン タ 利用 数値計算やCAD等

，そ ニ いう機械自体 変革

波及 わ あ ，そ 同様 変革 社 会 基 盤 設 計

到 来 言 え ． タ セ ン ン ン

ッ 行う ，情報主 型 社会 制御

行 う ッ ， 々 ネ ッ

ン 呼ぶ ．

論文 ， ネ ッ ン いう概念 提

案 ，そ 概要 述 ．そ ，関連 研究 挙 ，

そ 要性や適用可能性 い 考察 ．

2.

サアバネテァックシポュリーション

々 提案 ネ ッ ン ，

行動や社会 ン 生 出 ッ タ 社 会

状 態 常 時 観 測 手 法 ， 端 や タ

ネ 等 環境設置型端 用い ッ

個々 行動 変化 起 手法 組 合わせ

タ ッ 構 ， 高 速 高 頻

度 社会 適化 行 う方法論 あ ．例えば，社会

一 高速道路 や鉄道 い 交通基盤 取

上 ， 情報 ン 間 交通関連 ッ

タ タ ッ 構 ， 災 害

素早い検知や予測 防災機能強化や，交通流 適設計手法

高度化，経済活動 活性化 可能 図1 ．

ネ ッ ン 社会 対象 ，

タ ッ 高速 回 あ ，そ

構 要素 ， ソ セン ， 動的

ン ， ソ チ タ 3 ．

既 社 会 上 多 く セ ン 設 置 さ ，

日 々 膨 大 タ 生 い ． 例 え ば ， 高 速 道 路 上

ッ ンタ あ ． 実際 ， 利用

生 タ 在 ． そ

セン 群 検知 い 行動履歴や，SNS上 投

稿さ 意見 あ ．例えば Twitter ， タ

実 世 界 観 測 手 段 注 目 さ い [榊 12]．

セ ン タ 群 生 タ

群 合わせ セン ン ソ セン 呼ぶ．

次 ， セ ン 出 力 集 積 あ ッ タ 理 解 空 間

的 時系列的 析 行い， 来 状態 推定 ．

タ ッ い ， 動的

ン 1回 く何度 高速 行う点 ，従来

ン 異 ．一般 適 予測手法

異 ， タ 調整 チ ニン 必要

， タ ッ 漸次的行動誘発 前提

場 合 ， 性 能 限 界 高 く 有 効 利 用 可 能 あ 考

え ．

そ ， 解 析 情 報 ッ ，

行 動 実 際 変 化 さ せ ． 従 来 型 画 一 的 情 報 提 示 異

， ン等 や環境 設置さ 機器 通

連絡 ： 廣瀬 通孝，東京大学 大学院情報理 工学系研究科，

〒 東 京 都 文 京 区 郷 ， ，

e@ y e y

2K5-OS-04b-1

The 28th Annual Conference of the Japanese Society for Artificial Intelligence, 2014

- 2 -

ッ ， 行 動 誘 発 行 う ．

個々 活動 社会 チ ン 手法 あ

， ソ チ タ 呼ぶ．

3.

ヨ゠ラタアマファードバックによる行動誘発

著者 研究室 ，動的 ン 来予測

取 入 ネ ッ ン 構 築 研 究 進

い ．そ 一 高速道路上 行動誘発

関 研究 あ [諏訪 14]．高速道路 SA

対 ， ン上 来 運転行動 提示

，SA 出発時刻 変化させ いう あ 図 2 ．

研究 ，渋滞 時間30 以内 渋滞 提示さ 場

合 ， 出発時刻 変化させ い ．

， 同研 究 室 消 費 予報 い う ， 来 消

費行動 ッ ，消費行動 変化

誘発 い [Takeuchi 10]．消費予報 学文

識 OCR ， 日 々 消 費 行 動 関

記録 ， そ タ 基 来 消 費行 動 予測 提示 ．

ッ ，消費金 変化させ ，消

費場所 あ 変化させ いう結果 得 い ．

来予測 ッ タ 管理 適用 来日記

いう 構築 行 い [Takeuchi 13]． 々 日 々

来予測 行い 生 い ，様々 拘束条件 在

現 実 ， 正 く 予 測 行 え い 多々 あ ． ， 人 時

間選好性 ，遠い 来 ほ 意識 上 辛く，

破綻 起 や い． 来 見通 常

持 ， 適 タ 管理 行う ．

研 究 要 点 ， 予 測 精 度 大 問

い いう あ ．実際，上述 研究 予測 比

較的単純 あ ， 行動誘発 い ．

， 単 一 ッ 適 く ， そ 高 頻 度

繰 返 さ 漸 次 適 化 さ あ 考 え

． 故 ， 高速 ッ 基 礎 ネ

ッ ン い ， ソ チ タ

要 要素 あ 考え ．

そ う あ ば ， 動 的 ン 全 行 う 必

要 く ， 人 行 う い う 考 え ．Yumlog ， 食 事

対 他者評価 利用 食生活 改善 ソ

あ [廣瀬 13]．Yumlog 他者

評 価 い そ う え ッ 図 3 ． そ

，心理 学 期待 同化 効果 ，

食事 満足度 増 ， 食事 頻繁 食

う ．Yumlog 行う え部

あ ，基 的 評価 人 行 い ．SNS 普及 現在，

SNS 社会 一部 ，セン チ

タ 有効利用可能 あ 示唆 い ．

4.

おわりに

総務省 調査 ば， 21 度 国内流通情報

約 7.6×1021 ッ あ 対 ，情報消費 約2.9×1017

ッ ，流通 情報 0.004% 活用 い い． ッ

タ 時 代 言 わ 現 在 ， 流 通情報 飛躍的 伸び 対

情報消費 伸び 緩や あ ， そ 差 開くば あ ．

現在盛 行わ い ン タ 収 集 や 統 合 ， 数

理 的 解 析 研 究 え ， ン ンセン ン や タ

処理等 駆使 ッ タ 価値 正 く観測 発見

， さ ンタ 技術 人間 働 情報

あ ネ ッ ン 構 築 ，

高い頻度 タ 価 値 社 会 還 元 い く 方 法 論 ， 今

後 要 課 思わ ．

参考文献

[榊 12] 榊剛史，松尾豊: ソ セン Twitter : ソ

セ ン 物 理 セ ン 凌 駕 ？ <特 集

>Twitter ソ ， 人 工 知 能 学 会 , Vol.27,

No. 1, pp.67-74 (2012).

[諏訪 14] 諏訪恭 ，竹内俊貴，中 直人，谷川智洋，廣瀬通

孝: 運転時間 来予測 提示

行動誘発 基礎的検討，情報処理学会第 76 回全国大

会 (2014).

[Takeuchi 10] T. Takeuchi, T. Narumi, K. Nishimura, T. Tanikawa, and M. Hirose: Recieptlog applied to forecast of personal consumption. 16th International Conference on Virtual Systems and Multimedia, pp.79–83 (2010).

[Takeuchi 13] T. Takeuchi, K. Suwa, H. Tamura, T. Narumi, T. Tanikawa, and M. Hirose: A task-management system using future prediction based on personal lifelogs and plans, In Proceedings of the 2013 ACM Conference on Pervasive and Ubiquitous Computing Adjunct Publicatation, pp.235-238 (2013).

[廣瀬 13] 廣瀬通孝，谷川智洋，鳴海拓志， 川恭 : ソ

食生活改善，人工知能学会第 27回全国大会

(2013).