情報・システム研究機構
北川 源四郎
ビッグデータが拓く新しい科学研究の在り方
• 地震・津波・原発
• ビッグデータ
ビッグデータ
デジタル文書 （ウェブ，ワード，表計算） 個人情報発信 （ブログ，電子メールなど） デジタルコンテンツ （画像，映像） センサ情報 （ICタグ，各種センサ情報） トランザクションログ 大規模モデル計算出力情報爆発
2011年
1.6ZB
喜連川（情報研）
Big Data
Researchers in a growing number of fields are generating
extremely large and complicated data sets, commonly
referred to as “big data.”
http://www.nsf.gov/news/news_images.jsp?cntn_id=123607&org=NSF
Source of Big-Data
• Remote sensing, Sensor network
• Sensors equipped with mobile devices
• RFID readers
• Camera, Microphone
• Software log
アカデミック・ビッグデータ
情報通信技術の飛躍的発展
大量・大規模データの集積
情報通信技術
• 観測機器、センサー
• インターネット、通信
• データベース
• 並列計算機
Production Storage Processing• 生命科学: DNA data, Micro-array data
• マーケティング: POS data
• ファイナンス: High frequency data
• 環境科学
• 防災（地震学）
• 気象学
ソーシャル・ビッグデータ
データ取得
応用
• マーケティング（市場予測、顧客行動予測モデル）
• オンラインショッピングにおける推奨機能
• SNS上のテキスト分析
• センサーデータ活用（防犯，防災，故障検出）
• インターネット： Web, SNS, メール情報
• センサーデータ： POS, RFID
スマートフォン，家電，自動車
画像, 音声，変位センサー
•ソフトウェア・ログ，ライフログ
アメリカの動き
Mathematics
• Mathematical and Statistical Challenges Posed by
Large Data Sets
• Managing and Modeling
Uncertainty
• Modeling
Complex Nonlinear Systems
Cyber-enabled Discovery and Innovation (CDI)
• From Data to Knowledge: enhancing human cognition and generating new knowledge from
a wealth of heterogeneous digital data;
• Understanding Complexity in Natural, Built, and Social Systems: deriving
fundamental insights on systems comprising multiple interacting elements;
• Building Virtual Organizations: enhancing discovery and innovation by bringing people
and resources together across institutional, geographical and cultural boundaries.
Cyber-Physical Systems (CPS)
国内の動き
• 情報・システム研究機構 (2004)
• 情報爆発
情報爆発時代に向けた新しいIT基盤技術の研究
2006－2010
科研費特定領域研究
• 情報大航海
2007-2009
経済産業省
• さきがけ「知の創生と情報社会」
2008－
• 平成25年度戦略目標
「分野を超えたビッグデータ利活用により新たな知識や洞察を得る
ための革新的な情報技術及びそれらを支える数理的手法の創出・
高度化・体系化」
データは多ければ良いのか？
１９３６年（大恐慌後）アメリカ大統領選挙
Roosevelt
対 Landon
• The Literary Digest:
230万人調査
Landon 57% (370人:161人)
• The American Inst. of Public Opinion (Gallupの前身)
サンプル数 3000 Roosevelt 54%
結果： Roosevelt 60%（46/48州, 8人: 523人）
原因：
調査の偏り
• Literary Digest
読者＋自動車保有者＋電話利用者 1000万人
実世界
１９世紀
２０世紀
２１世紀
１９世紀
２０世紀
２１世紀
Cyber-Physical 世界
進化世界
物理世界
進化世界
物理世界
物理世界
物理世界
確定的現象
Newtonパラダイム
確率的現象
システム
ゲーム論的
非線形現象
複雑システム
人工物
Darwinism
科学の対象の拡大・変化
ICT
科学の文法
ビッグデータの背景(1)
学術研究分野
・物理モデルだけでは解決できない対象・問題が主流に
物理科学
生命科学
人間・社会科学
CPS
・「認識の科学」から「設計の科学」へ
・「真理の探究」から「予測、シミュレーション、知識創造、
意思決定（制御、管理）」へ
・「物理モデル」から「目的達成のためのモデリング
」
ビッグデータの背景(2)
人間・社会
・グローバル化、社会の不確実性とリスクの増大
・災害の広域化、甚大化と社会の安全・安心
・根拠に基づく意思決定（政策決定EBP、医療 EBM)
産業分野
・「ものづくり」から「サービス」へ
・「大量生産・大量消費」から「個別ニーズ対応」へ
・「（普遍的）知識の応用」から「知識と個別情報の統合」へ
歴史の転換点
歴史にも境界がある。
・・・数百年に一度、際立った転換が起こる。社会は数
十年をかけて、次の新しい時代のために準備する。世界
観を変え、価値観を変える。社会構造を変え、政治構造
を変える。技術と芸術を変え、機関を変える。やがて50
年後には、新しい世界が生まれる。
・・・
この転換は2010年ないし20年まで続く
。
社会における科学の役割
占星術，錬金術
工業生産過程（ものづくり）
天気予報，経済予測
マネジメント, マーケティング
リスク管理，ファイナンス
科学的発見（発見科学）
サービス
専門家の
経験と勘
科学的方法
歴史的瞬間
馬車 vs. 蒸気機関車
蒸気機関
=>
工業化社会
経験と勘にもとづく専門技能 vs. データ分析
・棋士vs.コンピュータ将棋
ボルチモア・オハイオ鉄道
1830年12月25日
1776年
ワット
専門家 vs. データ分析
• ワインのヴィンテージ評価
• 野球のスカウティング
• 人事採用
• カジノの顧客対応
• 航空会社顧客サービス
• 保険料の層別
• ネット販売の個別価格設定
• EBM
医療診断支援
• 判決予測、取引業者評価
『その数学が戦略を決める』（イアン・エアーズ著、文春文庫）
Super Crunchers, Why thinking-by-numbers is the new way to be smart
データ中心科学（第４の科学）
理論科学
Human
inspiration
dependent
データ中心科学
（第４の科学）
データ中心科学
（第４の科学）
Cyber-enabled
計算科学
（シミュレーション）
演繹的
（モデル駆動型）
帰納的
（データ駆動型）
経験科学
Fourth Paradigm
The Fourth Paradigm, Data-Intensive Scientific Discovery Edited by T. Hey, S. Tansley and K. Tolle
Microsoft Research
必要な要素技術
• 高次元データ可視化
• 新NP問題への挑戦
• モデリング・情報統合技術
ベイズ統計, MCMC, MCF
データ同化
機械学習、データマイニング
メタアナリシス
統計学の歴史
古典統計学以前（17世紀-１８世紀）
・国勢学派：
国の実態を捉える （ドイツ、記録、表式化）
・政治算術学派：大量の事象を捉える（イギリス、Graunt, Petty, Halley)
数量的観察、
大量観察、規則性の発見
、推算
・古典確率論： 確率的事象を捉える（フランス、Pascal, Bernoulli, Laplace,…)
古典的確率論、集団的規則性（大数の法則）
古典統計学（1830－1850）
Quetelet
官庁統計、国際統計協会
近代統計学
・記述統計学
(1892-）
Galton, Pearson
相関係数、回帰係数
、生物測定学
・推測統計学
(20世紀）
Fisher, Gosset
小標本論、実験計画法
、分散分析法、
検定論
現代統計学
・モデル選択からベイズモデリングへ
統計学のトレンド
大量データからの因果律の発見
小標本に基づく精密推論
ベイズモデリング
フィッシャーの統計的推論
最尤法は考えられたモデルのパラメータについて、
先験分布の考えをかりることなく適用できる方法
であり・・・ベイズ理論の難点を回避するという
形で具体化されている
最尤法
は極めて実用上有効であったが、これを小サ
ンプルの場合に適用しようとすると問題が生じる。
極めて多くのパラメータを持つ
複雑な統計的モデル
が実用されはじめると、これまでの常識では極めて
大きなサンプルと考えられていたデータが
実は小サ
ンプルである
ことに気付く。
データが許す範囲で可能な限り複雑なモデルをあて
はめようとするため、いわゆる
大サンプルという場
面が生じなくなった
。
最尤法の直接的利用によっては有効な結果は望まれ
なくなり、最尤法に代わって
尤度関数の与える情報
を極限まで利用する方法
を発展させる必要性が生じ
る。
ベイズモデル
Specification
Test
Estimation
Data
x
Output
Yes
No
∙ |
∙ |
ビッグデータと次元の呪い
回帰モデル
離散的最適化
A =
p
n
Ax
y
n
データ数
p
説明変数の数
マイクロアレイ、マーケティング
p >> n
新 NP問題
)
,
,
(
)
(
max
f
1
p
1
,
,
p j
k
k
A =
p
n
ベイズの定理 18世紀
事前分布の問題
哲学的論争
計算困難性
ベイズの定理 18世紀
事前分布の問題
哲学的論争
計算困難性
近年の発展
（１）方法論上：事前分布，モデル評価
（２）計算上： 計算機の発達，アルゴリズム（MCMC, MCF）
（３）応用上： 統計数理，情報学，情報検索，人工知能，
地球物理，統計地震学，生物学，データ同化
季節調整，調査データ解析
例：Google
ベイズモデルの隆盛
異種情報の統合
情報抽出，情報検索
解決
ベイズモデリングの実用化
ベイズモデリングによる異種情報の統合
1.
普遍的知識と個別的情報の統合
個別化（Personalization）
2.
シミュレーションモデルとデータの統合
データ同化（Data assimilation
）
3.
知識発展のスパイラル
能動的モデリング（Active modeling）
4.
事前情報とデータ情報の統合
ベイズ推論
5.
時間発展とデータ更新
フィルタリング（Sequential filtering）
１．個別化：統計的ものの見方の変化
帰納：個々の具体的事実から一般的知識へ
集団として捉える
本質を捉える
大量生産・大量消費を目指した２０世紀
個人に焦点をあてた科学技術へ
背景
資源の有効利用のための選択と集中
価値観の多様化（個人，個性，個別，固有の尊重）
平均を見る
個を捉える
個別化（Personalization，平均から個へ）
平均から個性へ
分布
平均と分散
粒子（個）
本質は究極の条件付け
X =
n
新NP問題 ( n << p )
• マイクロアレイ
• マーケティング
サービスの個別化
・テーラーメード医療 ・オーダーメード創薬 ・マイクロ・マーケティング ・テーラーメード教育 ・ロジスティックス ・情報提供２．データ同化：モデルとデータの統合
気象学・海洋学の分野で開発
数値シミュレーションと観測データを統合
– シミュレーションモデル
複雑な現象を完全には表現できない
• 厳密な初期条件
• モデル不確実性（境界条件, パラメータ, 構造）
– 観測データ
は有限 (スパース)
• 物理的または予算上の条件
データを使ってシミュレーションモデルの改良
=
データ同化
３．モデリングと知識発展
対象に関するあらゆる取得可能な情報 (対象に関する理論，経験的
知識，観測データ) およびモデリングの目的
事前情報とデータの持つ情報の統合
ベイズモデリング
データ
経験的知識
理論
データ
データ
経験的知識
経験的知識
理論
理論
統計的モデル
－情報・知識獲得の「道具」－
統計的モデル
－情報・知識獲得の「道具」－
情報抽出
知識発見
予測
シミュレーション
意思決定
制御・管理
統計的モデル
－情報・知識獲得の「道具」－
情報抽出
知識発見
情報抽出
知識発見
予測
シミュレーション
予測
シミュレーション
意思決定
制御・管理
意思決定
制御・管理
ベイズの定理と知識発展
ベイズの定理
逐次フィルタリング
Prediction
Filtering
n n n n n n n n n n n n n n n n n ndx
Y
x
p
x
y
p
Y
x
p
x
y
p
Y
x
p
dx
Y
x
p
x
x
p
Y
x
p
)
|
(
)
|
(
)
|
(
)
|
(
)
|
(
)
|
(
)
|
(
)
|
(
1 1 1 1 1 1 1
dx
x
p
x
y
p
x
p
x
y
p
y
x
p
)
(
)
|
(
)
(
)
|
(
)
|
(
データデータ中心科学: 期待される効果
• データ集約型の研究方法
論の確立
• 個別的ニーズの把握、
一般的知識との情報統合
• 人間・社会における新し
い調査法の確立
複雑な現象に対する研究
の飛躍的発展
サービス産業など日本の
基幹産業強化
根拠に基づく政策決定の
方法確立
情報・システム研究機構
大学共同利用機関
大学共同利用機関
国立情報学研究所
統計数理研究所
国立遺伝学研究所
国立極地研究所
大学共同利用機関法人
情報・システム
研究機構
2004年
法人化・機構化
情報・システム研究機構
現象の解明
予測・制御
実験・観測・調査
大規模
データベース
生命，地球，環境，社会などの複雑な問題を，物質とエネ
ルギーの観点に替って情報とシステムという立場から捉え
るための，方法の研究，研究基盤の整備および実践を行う．
人間・社会
生命
情報・システム研究機構の挑戦
-目的:
データ中心科学の確立
取組: データ中心科学研究基盤の構築
融合研究の推進
データ中心科学研究基盤
データ基盤
モデリング
・解析基盤
生命科学
デー
タ
地球科学デー
タ
人間
・社
会デー
タ
その他の科学デー
タ
データ基盤: データベース構築
生命科学データ
Database Center for Life Science (DBCLS)
地球科学データ
Pansy Data Analysis Center
(Program of the Antarctic Syowa MTS/IS Radar)
人間・社会科学データ
DIFI
（Data Driven Information Flow Infrastructure）
他のアカデミックデータ
ライフサイエンス・データベースの統合化
を実現する
ための研究開発を推進
ライフサイエンス統合データベースセンター(DBCLS)
2006年設立
事業内容:
• 現存するデータベースの統合
• データベース統合化のための技術開発
• 日本のライフサイエンス・データベースの保存
• アノテーション
• ライフサイエンス・DBポータル サイト
• ライフサイエンス分野の出版情報
• キュレーターおよびアノテーターの育成
• BioHackathon: 開発者向けの国際ワークショップ
DB保管
DB統合化
Annotation
技術開発
出版情報
ポータル
人材育成
DBCLS
遺伝研
遺伝研
情報研
情報研
産総研
産総研
お茶大
お茶大
東大
東大
京大
京大
かずさDNA
研究所
かずさDNA
研究所
JST
JST
理研
理研
Pansy データ解析センター
研究業務内容
• レーダー操作
• データベース構築
• データ同化とモデリング
• 先端技術開発
• 国際協力
世界初の南極大型大気レーダー
• 1045基のレーダーアレイ
• 対流圏・成層圏・中間層の風、電離圏のプラズマ精密観測
• 気候変動の検出・温暖化の将来予測
• グローバルなエネルギー収支の定量化
• グローバルな大気結合
PANSY
データ中心科学研究基盤
データ基盤
モデリング
・解析基盤
人材育成
生命科学
デー
タ
地球科学デー
タ
人間
・社
会デー
タ
その他の科学デー
タ
モデリング・データ解析基盤
データ解析の方法開発・ツール提供
• 可視化と構造探索
• モデリングと知識発展，ベイズ推論
• 機械学習，計算アルゴリズム
• シミュレーション・データ同化・意思決定
Visualization of high-dimensional data and analysis results1900 2000 2100
Ensemble simulation
データ同化研究開発センター RDCDA
シミュレーション
モデル
観測データ
データ同化
+
現実に対応した
シミュレーション
研究開発内容:
アンサンブル・カルマンフィルタ、粒子フィルタ等のデー
タ同化の基本技術の研究開発
データ同化手法の応用
•
大洋‐大気系連成モデル
•
津波モデル、
•
惑星磁気圏3D構造
•
バイオインフォーマティクス、生物学
•
化学プラント
細胞質分裂時の細胞表層の硬さの推定
• 細胞質分裂は、分裂溝をくびれさせることによって細胞を二 つに分割する • このとき、分裂溝から細胞の極側に至る細胞表層の硬さが重 要と考えられるが、硬さを直接測定するのは困難 細胞質分裂の模式図（左）と、実際の線虫胚における細胞質 分裂の様子（右） • 実験的に観測された細胞形状と、硬さを考慮した数理モデル を組み合わせ、細胞表層の硬さの時空間的な変化をデータ同 化の考え方で予測する方法を構築 • 線虫初期胚の細胞質分裂に適用したところ、細胞表層の硬さ の指標である曲げ弾性係数が、細胞の極側に対して分裂溝近 傍で相対的に低下することが推定されたデータ同化
大地震に伴う大気変動のデータ同化
• 大地震の発生時には地面の振動や津波により
音波が励起される
• これは、高感度微気圧センサーによって観測
できる
• 2008年岩手・宮城内陸地震に伴う大気変動を
データ同化によって解析したところ、震源の
深さはこれまで考えられていた6Kmよりも
4kmとするほうがデータによく合致すること
などがわかった
データ同化の結果から再現し た、2008年岩手・宮城内陸地 震の（上）発生直後の地震音 波の空間分布（中）発生から 70秒後（下）発生から1000秒 後 現在、同様の解析が2011年東 北地方太平洋沖地震に伴う大オープン・ソーシャル・セマンティックWeb基盤
博物館 標本DB種情報
DB
Taxon
Name DB
GBIF
BioSci.
DB
研究DB
個別
研究DB
名前数： 113118 トリプル数：14,532,449検索拡張アプリ
e-サイエンス基盤構築
情報推薦の基盤技術
22万人の研究者が参加するサイエンス3.0基盤Resarchmap上で統合
連想情報処理基盤
論文の意味解析技術 論文の役割解析に基 づく推薦指標判定技 術 情報資源の同定・検 索基盤技術 情報推薦の数学的モ デル準備中（Feasibility Study)
イメージデータ解析
自然言語処理
データ中心科学研究基盤
データ基盤
モデリング
・解析基盤
人材育成
生命科学
デー
タ
地球科学デー
タ
人間
・社
会デー
タ
その他の科学デー
タ
Current Vogue-Words
Data Scientist，統計学
ビッグデータ時代に必要な人材
• Statistician (IBM Almden研究所講演）”the sexy job in the next 10 years”
• Data Scientist （Harvard Business Review）
• Deep Analytical Talent （McKensey Global Institute
Report）
データ中心科学のための人材育成
T-型，
-型研究者
データ中心科学と融合研究の推進に必要な人材
• データ解析、ビッグデータ処理、計算法
• モデリング、知識発展の方法
• 領域科学の深い知識
領域研究
方法論
領域研究
領域研究
方法論
Insight Initiative:
Data science fellows program
“The Insight Data Science Fellows Program takes
scientists from academic and in six weeks prepare them to
succeed as data scientists. The program combines
mentoring by data experts from local with exposure to
actual big data challenges.”
Who makes the best data scientists?
“Hard scientists, particularly
physicists, rather than computer science majors
”
•
Strong mathematical background
•
Computing skills
我が国の現状（日本の特殊事情）
統計学科，統計学専攻を設置せず，応用分野（医学，工学，農学，
数学，経済学，心理学，社会学など）で専門的人材を育成している
○ 現実の問題に根差した研究・教育の実現（先人の工夫）
● 当該分野の課題に特化した方法論になりがち．抽象化の不足
● 新分野開拓，他分野への転向の困難
● コミュニティ形成不足：日本統計学会 1500人，統計関連学会連合 3000人?
（米ASA 18000人，英RSS 7200人）
日本学術会議勧告（1983/11/18）
「統計学の大学院研究教育体制の改善について（勧告）」
・大学院専攻（教員定員18名，学生定員30+6名程度）の複数設置
・実現は総合研究大学院大学（統数研，1988年）のみ
海外の統計学科
アメリカ 主要大学に統計学科，生物統計学科
Ivy League：8大学中6大学（Yale, Harvard, Brown, Penn., Columbia, Cornel）
Univ. California (8/10)
(UCB, UCD, UCI, UCLA, UCR, UCSF, UCSB, UCSC)
有名校：Johns Hopkins, Duke, Puredue, Carnegie Mellon, Rice, Washington,
Texas A&M, Georgia Tech, Temple
2004年PhD
PureMath 562, Applied Math & OR 287, Math. Stat. 226, Stat 149
欧米
イギリス：Cambridge, Oxford, Edinburgh, Glasgow, Warwick, West of Scotland
アジア
中国： 161学科(2005年）8000人，職業学校300校 10000人
大学院 数理統計学(135+31), 医学統計学(79+22), 経済統計学(115+24)
韓国： 58学科(2005年）75学科(2011年）
統計思考院
統計思考院は、共同研究の現場にさまざまな人が集い切磋
琢磨しながら「統計思考」の訓練や研究をする、いわば
「道場」の気風を持つ場となることを目指す。
育成する人材像
・T型・Π型人材
・データを活用したモデラーや研究コーディネーター
統計思考力育成事業
・共同研究スタートアップ
・研究者交流促進プログラム
・統計数理セミナー
・公開講座、公開講演会
・連携大学院、夏季大学院
・特別共同利用研究員制度
・統計教員研修
データ中心科学リサーチコモンズの事業
データ中心科学研究基盤
• データ基盤
新領域融合研究センター
• 生命システム
• 地球・環境システム
• 人間・社会システム
• システムズ・レジリエンス
研究者交流促進プ
ログラム
国際ワークショップ開催
共同利用
共同研究
新領域融合研究センター
設置目的
極地研，遺伝研
において得
ら れ る 多 種 大 量 の 地 球 科
学・生命科学のデータ及び
知見を
統数研
で開発される
モデリング・計算技術およ
び
情報研
において開発され
る情報技術・情報基盤と結
合させ，データとモデルに
基づく真理の発見と予測の
独創的な手法を生み出し，
地球，生命，人間・社会シ
ステムの各研究分野におい
て，
新しいパラダイムを創
造
することを目指す。
統計数理 研究所 国立情報学 研究所 国立極地 研究所 国立遺伝学 研究所 新領域融合 研究センター新パラダイム創成への挑戦
生命、環境、社会、 経済などを対象とした 「データに基づく合理的 推論の仕組み」の 研究推進 遺伝学の中核拠点として 遺伝子、ゲノムデータ、 生命システムの解明を 目指した先端的研究 南極・北極での観測を基礎に、 地球、環境、宇宙、生物など 先進的総合地球システム 科学の巨大データ わが国唯一の「情報学」の 中核的研究機関として、 すべての学問分野の 学術・研究活動を支える 学術情報基盤の構築運営概念図
システムの科学 情報の科学新領域融合研究センターのプロジェクト
• 地球環境システム
• 生命システム
地球生命システム学
地球環境変動と微生物の進化・多様性の相互作
用を解明する。
環境変動下での生命の適応戦略のメカニズムを
明らかにする。
地球生命シス
テム学の構築
Estimation of global environmental change from ice-core data
Ice core obtained at Dome-Fuji (3000m depth, 0.72M years old)
Moss pillar ecosystem: A miniature of global biosphere Moss pillar ecosystem: A miniature of global biosphere
CO2
N2
interaction between global environmental change and evolution/diversity of microorganisms in ice core
Discovery of new micro-organisms from the bottom of the ice sheet
（１）次世代シーケンサによるゲノム関連情報の大規模生産とその情報解析手法の開発
（２）大量ゲノム関連データと多元的な生物表現型多様性データの統合による遺伝的相関構造
描出のための統計手法の開発と最適化
（３）大量で多元的なデータの情報・統計手法を適用したゲノム機能と遺伝的ネットワーク抽出
遺伝機能システム学
人工的に作成したネオセントロメア位置および領域の構造上の特 徴をゲノム科学と情報学の融合研究で明らかにした。 Neoセントロメアを もつ多数の染色体で Chip-seqにより配列 を特定した。 (Fukagawa group; in preparation) 野生イネ446系統と栽培イネ1083系統のゲノム情報を用いて、栽 培化の道筋と栽培化遺伝子の選抜がもたらしたゲノム構造変化を 明らかにした。 X Huang, N Kurata, X Wei,Z-データ中心人間・社会科学の創成
ネットワーク型の人間・社会データ共同利用・共同研究基盤の構築を通じて、
人間・社会を適切なデータに基づいて設計可能とする新たな融合的研究パラダ
イムとして、人やその集合体としての社会の相互情報コミュニケーションを理
解・設計する新たな情報科学を創成します。
Security, anonymity, Leakage measures Life-log dataImprove human relations, tourism prediction, evacuation guidance, safety confirmation, etc.
SNS, E-mail Academic cloud
