「人工知能」タグアーカイブ

なぜ量子コンピューターに注目が集まっているの?




■なぜ量子コンピューターに注目が集まっているの?

量子暗号技術(光子を使った原理的に盗聴できない暗号通信)と量子通信技術(光子検出・量子信号処理技術による超長距離での大容量通信)|未来ICT基盤技術|平成28年版 情報通信白書|総務省
量子暗号技術(光子を使った原理的に盗聴できない暗号通信)と量子通信技術(光子検出・量子信号処理技術による超長距離での大容量通信)|未来ICT基盤技術|平成28年版 情報通信白書|総務省

参考画像:未来ICT基盤技術|平成28年版 情報通信白書|総務省スクリーンショット

量子コンピューターについてのニュースが続々と出てきていますよね。

量子コンピューター、巻き返しへ本腰 NECや富士通

(2018/1/22、日本経済新聞)

量子コンピュータのスタートアップ続々

(2018/1/6、日経ビジネスオンライン)

アメリカのIBMやGoogle、Microsoft、Intelといった大手IT企業や日本のNECや富士通が量子コンピュータの研究開発を行なっており、またスタートアップによる開発も進んでいるそうです。

量子コンピュータが使われてしまうと、これまで利用されていたRSA暗号や楕円曲線暗号が簡単に解読できてしまうと考えられていることから、量子暗号の研究もおこなわれています。

格子暗号LOTUS提案
格子暗号LOTUS提案

参考画像:量子コンピュータ時代に向けた新暗号技術を開発~格子理論に基づき、かつ汎用性に優れた公開鍵暗号を国際標準化に提案~(2018/1/11、NICT 情報通信研究機構)|スクリーンショット

量子コンピュータ時代に向けた新暗号技術を開発~格子理論に基づき、かつ汎用性に優れた公開鍵暗号を国際標準化に提案~

(2018/1/11、NICT 情報通信研究機構)

インターネットを利用するときに使うウェブ・ブラウザ等には、パスワードやクレジットカード番号等の重要な情報を暗号化する機能が組み込まれています。この中で、RSA暗号や楕円曲線暗号などの公開鍵暗号が使われています。
しかしながら、現在広く使われているRSA暗号や楕円曲線暗号は、ある程度性能の高い量子コンピュータを使うと簡単に解読されてしまうことが数学的に証明されています

NICTサイバーセキュリティ研究所セキュリティ基盤研究室は、量子コンピュータでも解読が困難な格子理論に基づく新暗号方式LOTUS(ロータス:Learning with errOrs based encryption with chosen ciphertexT secUrity for poSt quantum era)を開発したそうです。

ところで、なぜ量子コンピュータが注目を集めているのでしょうか?

「量子コンピュータが人工知能を加速する」(著:西森秀稔・大関真之)

量子コンピュータが人工知能を加速する

超電導技術を用いた量子コンピュータは従来型コンピュータよりもはるかに低いコスト(時間や電力)で問題を解ける可能性があるのだ。

量子コンピュータを使うことで、組み合わせ最適化問題を従来型のコンピュータよりもはるかに低いコスト(時間や電力)で問題を解決することができるという期待があります。

最近話題になっているビットコインですが、#マイニング とは?「#ビットコイン などの #仮想通貨 を採掘(マイニング)する」について簡単にわかりやすく!【初心者向け用語集】によれば、ビットコインの送金プロセスを例にとると、ブロックを作成する際には膨大な計算が必要となるのですが、膨大な計算量となることで電力消費も膨大になっているそうです。

「ブロックチェーンの衝撃」(ダイヤモンド社)で紹介されているある試算によれば、ビットコインのマイニングで使用される電力はデンマークのエネルギー消費と同じくらいになるともいわれています。

DIAMONDハーバード・ビジネス・レビュー 17年8月号 (ブロックチェーンの衝撃)

新品価格
¥2,060から
(2017/12/28 18:02時点)

たとえば、典型的なコンセンサスメカニズムであるプルーフ・オブ・ワーク(proof-of-work)では、膨大な計算量が必要とされ、それには大量の電力消費が伴う。ある試算では、2020年には、一ビットコインのマイニングに、5500キロワットアワーが必要とされ、その時点でビットコインの採掘に使用される電力は、デンマークのエネルギー消費と同等になるとされている。

【参考リンク】

これから実現したい未来には人工知能やIoTといったテクノロジーが身近になっていくと考えられますが、ビットコインのマイニングのケースにあるように、膨大な電力消費量であったり、環境問題があり、これらの問題を解決するには、時間や電力のコストが低くなるコンピュータの開発が重要であり、だからこそ、量子コンピュータのようなテクノロジーに注目が集まっているのです。







P.S.
続きを読む なぜ量子コンピューターに注目が集まっているの?

「#Noom」|人工知能(AI)と専門コーチが行動変容をサポートするヘルスケアアプリ|特定保健指導プログラムも開始




■「#Noom」|人工知能(AI)と専門コーチが行動変容をサポートするヘルスケアアプリ|特定保健指導プログラムも開始

「Noom」|人工知能(AI)と専門コーチが行動変容をサポートするヘルスケアアプリ
「Noom」|人工知能(AI)と専門コーチが行動変容をサポートするヘルスケアアプリ

参考画像:世界4500万DLのヘルスケアアプリNoomが、AIと専門のコーチによる新プログラムをリリース(2016/5/25、Noom Japan株式会社プレスリリース)|スクリーンショット

世界4500万DLのヘルスケアアプリNoomが、AIと専門のコーチによる新プログラムをリリース

(2016/5/25、Noom Japan株式会社プレスリリース)

NY発のヘルスケアアプリを運営するNoomはこれまでのAI(人工知能)による行動学習システムに加えて、正しい健康習慣を身につけるために構成された16週間のカリキュラムと、オンライン上のコーチングを行なう新プログラムをリリースしました。




◆特徴その1 行動変容を促す、16週間のカリキュラム

成功するプログラムをステージごとに分けて考えているようです。

Noomのサイトを参考に紹介します。

ステージ1 意識を変えよう

まず、今の自分の状態を知り、正しい食事・運動・睡眠などの知識を知るのが最初のステップです。

ステージ2 行動を変えよう

課題を見つけ、動機づけを行いながら、具体的な行動を実行に移していきます。

ステージ3 習慣を変えよう

健康習慣を身につけて、プログラム終了後も継続できるようにしていきます。

「習慣の力」(著:チャールズ・デュヒッグ)によれば、

デューク大学の学者が2006年に発表した論文によると、毎日の人の行動の、じつに40%がその場の決定ではなく習慣

なのだそうです。

習慣の力 The Power of Habit

新品価格
¥2,052から
(2017/1/22 17:05時点)

また、「スイッチ 変われないを変える方法」(著:チップ・ハース ダン・ハース)によれば、セルフ・コントロールは消耗資源であり、例が挙げられています。

スイッチ! ──「変われない」を変える方法 (ハヤカワ・ノンフィクション文庫)

新品価格
¥886から
(2017/1/22 17:06時点)

例:ウェディングレジストリ(アメリカで結婚時に新郎新婦が作る結婚祝儀のほしいものリスト)の作成やコンピュータの購入など複雑な選択や検討をさせられた人々はさせられていない人々よりも集中力や問題解決能力が落ちる事が分かっている。

例:ある研究によると、感情を抑えるように支持された被験者は、自由に涙を流した被験者と比べて、その後の身体持久力が低下することがわかった。

私たちはあらゆる場面でセルフ・コントロールを消耗するものであり、一つ一つの行動をいちいち決定してしまうと疲れてしまうため、人は習慣として自動化された行動をしてしまうのです。

つまり、反対に考えると、変化を起こしたいときには、自動化された行動=習慣を変えなくてはならないのです。

では、どのようにすれば習慣を変えることができるのでしょうか?

「習慣の力」(著:チャールズ・デュヒッグ)によれば、人間の心理には、2つの基本原則があるそうです。

1.シンプルでわかりやすいきっかけを見つけること

2.具体的な報酬を設定すること

新しい習慣作りには、「きっかけ」と「報酬」が重要です。

「習慣の力」(著:チャールズ・デュヒッグ)では、「きっかけ」と「報酬」についての具体的な例が紹介されています。

新しい運動習慣を身につけるのに成功した人々の研究では、職場から帰宅した直後にジョギングに行くといった特定のきっかけと、罪悪感から解放された夜のテレビ鑑賞やビールといった具体的な報酬を設定した人のほうが続きやすいことがわかっている。

食餌療法についての研究では、挫折せずに新しい食習慣をつくり上げるのには、前もってメニューを作成しておくなど、事前にきっかけを決め、シンプルな報酬を設定する必要が有ることも判明した。

あるグループでは、92%の人が、気持ちが良いから習慣的に運動すると話している。運動で分泌されるエンドルフィン等の神経伝達物質を期待し、求めるようになるのだ。

毎朝、走りたければ、シンプルなきっかけと明確な報酬を選ぶ必要がある。

しかし、その後の無数の研究によって、きっかけと報酬そのものには新しい習慣を長続きさせる力はないとわかった。脳が報酬を期待するようになってはじめて、つまりエンドルフィンや達成感を求めるようになってはじめて、毎朝、ジョギングシューズのヒモを無意識のうちに結ぶようになるのだ。きっかけはルーチンを生み出すだけでなく、その先の報酬への欲求を生み出すものでなくてはならない。

「きっかけ」と「報酬」は新しい習慣を作るうえで欠かせないものですが、「きっかけ」と「報酬」そのものには新しい習慣を長続きさせる力はなく、「〇〇したい」「〇〇がほしい」というような明確な欲求が習慣のための原動力となるのです。

そのため、このプログラムにおいては、変わりたいという感情をいかに生み出すのか=「動機づけ」をいかに行うかがポイントになってくるのではないでしょうか?

どのような目標を立てるのかも大変重要です。

『スイッチ!「変われない」を変える方法』(著:チップ・ハース&ダン・ハース)によれば、

「いかに小さな成功であってもそれを積み上げることで自信につながる」

NFLコーチ ビル・パーセルズの言葉を紹介しています。

手の届く範囲の目標を掲げて、それを達成することにより、小さな成功を感じることは、その人にとっての自信になるはずです。

◆特徴その2  学習機能により、一人ひとりに最適化

世界4500万DLのヘルスケアアプリNoomが、AIと専門のコーチによる新プログラムをリリース

(2016/5/25、Noom Japan株式会社プレスリリース)

食事や運動の記録をアプリが学習し、一人ひとりの食生活にあわせて最適化されていく。ユーザの1日の食事内容は、健康度に応じて緑、黄、赤に分けた3色グラフに分けられ、自分の食事の健康度を知ることもできる。

人工知能(AI)を活用して、食事や運動の記録を学習し、最適化していくそうです。

最適化とは具体的にどのようなものかはわかりませんが、明確でわかりやすい方法を示すことが重要だと考えられます。

◆特徴その3 コーチングサポートと、仲間とのコミュニケーションの場

世界4500万DLのヘルスケアアプリNoomが、AIと専門のコーチによる新プログラムをリリース

(2016/5/25、Noom Japan株式会社プレスリリース)

コーチがユーザのやる気を引き出し、継続をサポートする。アプリ内では、Noom のトレーニングを受けた専門コーチと一対一のコミュニケーションを行い、コーチは生活の記録から「何をどう改善していけばいいか」をアドバイスする。

これまでにも備わっていたNoomのグループ機能をうまく用いて、同じ健康目標をもつ利用者同士のコミュニケーションを促し、コーチや仲間と一緒に減量ができるようにしている。認知行動療法など、心理学的なアプローチを組み込んだプログラムとなっている。

新しい習慣に変える上で重要なのが、習慣になるまでが大変だということで、そのモチベーションをいかに保たせるかということです。

そこで、Noomでは、コーチによるアドバイスや利用者同士のコミュニケーションを行うことでモチベーションを維持しようという取り組みを行うそうです。

ダイエットは仲間と一緒に取り組むと成功しやすい!?によれば、ダイエットのモチベーションを保つのは一人では難しいようで、女性の場合には、一緒にダイエットをしてくれる仲間を探すことがダイエット成功の近道なのだそうです。

女性の脳の特徴を活かしてダイエット|ためしてガッテン(NHK)によれば、友達と一緒に運動をしたり、ダイエット情報(体重グラフ分析)の交換をすると、楽しくダイエットが出来るそうです。

また、女同士のウラの顔|ホンマでっかTV 4月25日によれば、女子にはグループで目標を立てて皆で協力した方が成績が伸びやすいそうです。

NASAの男女混成チームを見ると、成功の要因はチームのコミュニケーションがとれていること。

コミュニケーションを円滑にする女性特有の能力。

そして、目標を達成しようという男性が得意な能力。

それらがうまく組み合わさるとき、最強の力を発揮するチームが生まれるのではないか。

男性だけだと、競争が優先されるため、より遠くまで探査できるが、人命救助がおろそかに。

女性だけだと、お互いを気遣うあまり、探査が思うように進まない。
(「だから、男と女はすれ違う」より)

だから、男と女はすれ違う―最新科学が解き明かす「性」の謎

中古価格
¥106から
(2017/3/30 09:45時点)

社会的な「つながり」をダイエットに活用する|社会的な絆が強い人の影響を人は受けやすいによれば、近くに住んでいる人よりも社会的な絆が強い人の影響を人は受けやすいので、ダイエットを一緒に努力しているメンバーが時にはライバルとして、時には応援する人として、社会的絆が強くなればそれだけダイエットへの影響を強く与えることができるということではないでしょうか。

■まとめ

健康のためにはバランスの良い食事と運動が重要とよくいわれますが、そういわれたからといって、人は習慣を変えないものです。

『スイッチ!「変われない」を変える方法』(著:チップ・ハース&ダン・ハース)によれば、「もっと健康的な食生活を送る」といった総括的な目標は、不明瞭であり、その曖昧さが感情に言い逃れの余地を与え、失敗を正当化しやすくしてしまうそうです。

つまり、「健康のためにはバランスの良い食事と運動をしましょう」というメッセージは、受け取る側としてはわかりづらいもので、結果どうしたらよいかわからず、今まで通りの生活をしてしまうことになってしまいます。

ではどのようにしたらよいのでしょうか?

『スイッチ!「変われない」を変える方法』(著:チップ・ハース&ダン・ハース)ではこのような提案がされています。

例:アメリカ人に健康的な生活をさせるには?
「もっと健康的に行動しよう」と訴えるのではなく、「次にスーパーの乳製品コーナーに立ち寄ったら、ホールミルクではなく低脂肪乳に手を伸ばしなさい」というべきなのだ。
飲食行動を変える必要でなく、購入行動を変える。
「もっと健康的に行動しよう」と伝えても、解釈の仕方はいくらでもある。

よくテレビで紹介されているような、○○の不足が病気の原因となる恐れがあるので、△△を食べましょうというのは、見ている人に伝わりやすく、行動を変えやすいということなんですね。

デザインとアイデアでカンボジアの人を貧血から救った鉄製の魚「LUCKY IRON FISH」によれば、カンボジアでは鉄分不足による貧血によって極度の倦怠感やめまいで悩まされている人が多かったそうです。

しかし、カンボジアの食生活は魚と米から成り立っていて、鉄分の摂取が不足していたそうです。

「魚は幸運の印である」という地元の俗説を利用して、カントロップという魚の形に成形した鉄の塊(Lucky Iron Fish)を調理中の料理にしたところ、Lucky Iron Fishを使っている地域では鉄欠乏性貧血が50%減少したそうです。

普段食べている食事にLucky Iron Fishという鉄の塊を入れるだけで鉄欠乏性貧血が解消するというのは実にわかりやすい方法です。

「健康のためにはバランスの良い食事と運動をしましょう」というのは最も正しいメッセージですが、最も伝わりづらいメッセージでもあります。

もし、Noomを改善するとしたら、人工知能(AI)を活用して、様々な人の生活習慣をデータとして読み込ませ、個人のユーザーのデータと比較し、比較したデータの中から、最も変化を与えるのに効果的な生活習慣1つを提案するように変えてみてはどうでしょうか。







【関連記事】
続きを読む 「#Noom」|人工知能(AI)と専門コーチが行動変容をサポートするヘルスケアアプリ|特定保健指導プログラムも開始

ゲノム解析が一般的なものになった時、AIが過去の文献や医学論文、データベースを探索するようになる!?




■ゲノム解析が一般的なものになった時、AIが過去の文献や医学論文、データベースを探索するようになる!?

Dictionary

by Dave Worley(画像:Creative Commons)

製薬業界の丸ごとAI化を目指す取り組みが日本でスタート – VINAS Users Conference 2017

(2017/10/13、マイナビニュース)

抗がん剤は高価で、かつ副作用の生じることから、薬が効かない患者に副作用のリスクを負わせ、高額な医療を施す必要があるのか、という話になり、そこでゲノム情報を活用して、どの薬が効果を発揮できるのか、ということを事前に調べて投与する「プレシジョン・メディシン(Precision Medicine)」に注目が集まることとなっている。

京都大学大学院医学研究科の奥野恭史教授によるスーパーコンピューターや人工知能(AI)を活用した創薬の現状と可能性についての発表についてのレポートは興味深いものでした。

現在では、抗がん剤を使用する前に、ゲノム情報を活用してどのような薬が効くのかを事前に調べて投与する「Precision Medicine」に注目が集まっており、京大病院でも、がん患者の遺伝子を調べて、その薬で対応できるのかを判断してから投与するという流れになっているのですが、過去の文献や関連データベースなどから、効果があるかどうかといった調査は人間が行なっているそうです。

「ゲノム解析は10年以内には数万円で可能になる。そうすると、何でもかんでもゲノムを調べよう、という流れになり、蓄積されるゲノムの量が一気に増加。併せて文献も増加の一途となり、これまでのマニュアルでやってきたことが追いつかなくなる。しかし、病気の進行は待ってくれない。そうしたデータの増加に追いつくために、AIが人の代わりにデータベースや文献からマイニングを行う必要がでてくる」(同)とし、詳細は明らかにしなかったが、日本人のゲノム情報を元にした最適な薬を探索する技術の開発も進めているとした。

テクノロジーと医療分野のトレンド|ウェアラブルデバイス・健康アプリ・医学研究|メアリー・ミーカー(MARY MEEKER)レポートで紹介したレポート(スライド300)によれば、インプットのデジタル化の増加によって、医療データは年間成長率は48%となっているそうです。

また、レポート(スライド302)によれば、インプットされるデータ量が増えていくことで、科学論文引用が増加しており、医学研究・知識は3.5年ごとに倍増しているそうです。

以前取り上げたIBMの「WATSON」によってがん治療がスピードアップする!?によれば、医療従事者は、膨大な数の情報(最新の医療研究、論文、医療データ、患者の医療記録)を取り扱っていて、すでに人の頭脳では把握することができないほどなのだそうです。

そこで、注目を集めているのが、人工知能で医師や患者をサポートするシステムであり、その代表的なものがWatsonです。

Watsonは膨大な量の医療データや論文などのデータベースが格納されており、患者のデータを高速で解析し、医療データを照らし合わせることで、患者に最も最適と思われる治療方針を提案することで、医師や患者が意思決定の支援をするシステムです。

現在でも様々ながんの治療法(外科手術、抗がん剤による化学療法、放射線治療など)があります。

そして、がんの遺伝子を解析して患者ごとの診断を行い、がんを引き起こす特定の変異細胞を狙った治療ということも実現しています。

しかし、がんと立ち向かうことは、時間との闘いなのですが、がんの遺伝子を解析して患者ごとの診断を行い、治療方針を決める際には、専門の医師によるチームでも数週間という長い時間を要してしまうのが現状です。

Watsonを活用することで、遺伝子情報の解析、医療データや論文などと照らし合わせる作業の時間短縮が可能になります。

今後は、ゲノム解析が低価格で行われるようになることによって、蓄積されるゲノムデータの量が増え、またそれに合わせて医学論文などの文献も飛躍的に増加するため、コンピュータの力を活用することが重要になってきます。

【参考リンク】




■まとめ

データ数が少なくて進んでいなかった研究が、医療に役立つデータが増加し、医学研究が加速していることにより、これまで正しいと思っていた常識が覆ることも出てくるのではないでしょうか。

「世界をつくった6つの革命の物語 新・人類進化史」(著:スティーブン・ジョンソン)

世界をつくった6つの革命の物語 新・人類進化史

新品価格
¥2,052から
(2017/3/30 20:09時点)

ヨーロッパでは中世から二〇世紀になるまでほぼ一貫して、水に体を浸すのは明らかに不健康どころか危険であるというのが、衛生についての社会通念だった。毛穴を土や油でふさぐことによって、病気から身を守るとされていたのだ。「水浴びをすると頭が蒸気でいっぱいになる」と、一六五五年にフランス人医師が助言している。

体を清潔に保つということは現代人からすればさも当然なことであっても、当時の人、それはたとえ医師であっても「きれいにする」ことは当然ではなかったのです。

人々がセンサーが付いたウェアラブルデバイスなどを今まで以上に活用するようになったり、ゲノム解析が一般的なものになれば、これまで以上に医療に役立つデータが増加し、医学研究が進むとなると、昨日まで常識だった医学知識が次の日には非常識になってしまうようになることが予想されます。

おそらくそのスピードは日単位ではなく、時間単位になっていくことでしょう。

もし昨日まで常識だった医学知識が次の日には非常識になってしまうような時代が来た時には、医療機関が提供するサイトでさえも誤った情報を提供してしまうこともありえます。

そう考えると、人が医療に関する情報を提供するということは事実上不可能になる時がいつかくることになり、研究者の論文発表やニュースリリースをもとにAI(人工知能)が情報を精査し、すべての情報を更新していくしか医療情報の正確性を担保する方法はないのではないでしょうか。







【関連記事】
続きを読む ゲノム解析が一般的なものになった時、AIが過去の文献や医学論文、データベースを探索するようになる!?

ディープラーニング×医療|deep learningでがんを見つける?|がん検診を人工知能が行なう時代になる!?




【目次】

■がん検診を人工知能が行なう時代になる!?

Enlitic
Enlitic

参考画像:The wonderful and terrifying implications of computers that can learn | Jeremy Howard | TEDxBrussels|YouTubeスクリーンショット

がん検診は人工知能で!Deep Learningが悪性腫瘍を見逃さない

(2015/8/5、ITpro)

人工知能をがん検診に応用することで、悪性腫瘍を高精度で見つけ出す技術の開発が進んでいる。メディカルイメージをDeep Learningの手法で解析すると、熟練した医師より正確にがん組織などの病変を見つけ出す。

人工知能をがん検診に活用する技術の開発が進んでいるそうです。

■ディープ・ラーニングでがんを見つける?

サンフランシスコに拠点を置くベンチャー企業Enliticは、Deep Learningを医療データに応用したシステムを開発している。イメージデータをDeep Learningの手法で解析し、病気を判定する(上の写真)。イメージデータにはレントゲン写真、MRI、CTスキャン、顕微鏡写真などが使われる。検査結果に悪性腫瘍などがあるかどうかを高速にかつ正確に判定する。

今回紹介したEnliticのシステムは、おそらくディープ・ラーニングの手法で組織構造の特徴を学習させ、被験者の組織画像から悪性腫瘍があるかどうかを組織構造の特性から探し出すものだと思われます。

The wonderful and terrifying implications of computers that can learn | Jeremy Howard | TEDxBrussels




■ディープ・ラーニングとは?

ディープラーニングとはそもそも何なのでしょうか?

「コンテンツの秘密」(著:川上量生)では、ディープラーニングのことをこのように説明しています。

ディープ・ラーニングとは、簡単に説明すると、なにかを学習するときに、いちどに全部を学習するのではなく、基礎から応用へと何段階かに分けて学習するような学習方法のことです。

ディープ・ラーニングとは、多くの段階に分けて学習を行うことのようですが、具体的にはよくわかりません。

天才プログラマーが予測する「AIが導く未来」 人間の「なんとなく」は合理的に判断される

(2017/8/24、東洋経済オンライン)

言い方を変えると、今までのコンピュータによる最適化の能力では、答えは基本的に1つしかない。それがディープラーニングだと、答えがそもそもないのです。「確たる答えはないけど、なんとなくこう」っていうのがディープラーニングです。

人工知能の動向(2016/3/17、NRI)では、機械学習とディープラーニングの違いについて次のように紹介しています。

従来の機械学習とディープラーニングの違い
従来の機械学習とディープラーニングの違い

参考画像:人工知能の動向(2016/3/17、NRI)

従来の機械学習とは、人間が特徴を定義するため、複雑な特徴を表現できないという弱点があります。

ディープラーニング(深層学習)とは、機械学習の手法の一つで、人工知能が学習データから特徴を抽出、つまり、AI自身がデータからルールと知識を獲得していく方法です。

Machine Learning and Human Bias|YouTube

機械学習において重要なことは、多くの学習データを用意することなのですが、例えば、Googleは、機械学習用データを集めるために、落書きをしてもらうサービスを提供しています。

【参考リンク】

ビッグデータとは何か|平成24年版情報通信白書|総務省によれば、ICT(情報通信技術)の進展により、多種多量なデータ(ビッグデータ)を生成・収集・蓄積することが可能になったのですが、このことも機械学習が注目されるようになった背景としてあります。

ディープラーニングは「音声認識」「画像認識」「言語処理」などで用いられていて、画像認識に関しては、例えばECサイトでの商品画像による商品検索に活用されているそうです。

AI活用事例|ディープラーニングの商品検索への応用
AI活用事例|ディープラーニングの商品検索への応用

参考画像:人工知能の動向(2016/3/17、NRI)

Enliticの場合は、レントゲン写真、MRI、CTスキャン、顕微鏡写真などの画像データをディープラーニングで学習させ病気を判定することに活用していると考えられます。

→ AI(人工知能)と機械学習(マシンラーニング)と深層学習(ディープラーニング)の違いとは? について詳しくはこちら

■IBMのWatsonとの違いは?

IBM Watsonは、人工知能を医療分野に応用し成果を上げているが、Enliticのアプローチとは大きく異なる。Watsonは、Cognitive Computingと呼ばれ、大量のデータから意味を引き出すことを目的とする。医学論文や臨床試験結果など、大量のドキュメントを読み込み、そこから治療に関する知見を得る。医師が治療方針を決定する際に利用する(上の写真)。

一方、Enliticは、Deep Learningの手法でメディカルイメージを解析し症状を判定する。イメージ解析ツールとして位置づけられ、医師の視覚として活躍している。さらにDeep Learningの特性とし、高速で学習する能力を備えている。つまりEnliticは、短時間で熟練医師を超える能力を獲得する。両者共に人工知能を医療分野に適用しているが、そのアーキテクチャーは大きく異なる。

IBMの「WATSON」によってがん治療がスピードアップする!?によれば、Watsonは膨大な量の医療データや論文などのデータベースが格納されており、患者のデータを高速で解析し、医療データを照らし合わせることで、患者に最も最適と思われる治療方針を提案することで、医師や患者が意思決定の支援をするシステムです。

同じ人工知能を活用するシステムといっても、がん治療に対するアプローチは全く違っています。

しかし、人工知能「Watson」に医療画像解析を追加|IBM、Merge Healthcareを10億ドルで買収によれば、IBMは、医療用画像解析技術をMerge Healthcareを買収することで、Watsonに医療画像分析の機能を追加しようとしていると思われるので、その違いは小さくなるかもしれません。

■まとめ

今後は、人工知能を医療に活用されるようになり、IBMのWatsonとEnliticのような画像診断を組み合わせたものもできてくるでしょう。

大事なことは、より多くの患者のデータを得て、より精度の高いシステムを作り上げることです。

そのためには、病院同士が連携して、データを共有していくことが大事になっていくのではないでしょうか。







【関連記事】
続きを読む ディープラーニング×医療|deep learningでがんを見つける?|がん検診を人工知能が行なう時代になる!?

SBI生命保険、健康管理や生活習慣改善のための「FiNC for SBI⽣命」を提供|生保初となる人⼯知能による姿勢分析機能を SBI ⽣命の保険加入者全員に提供




■SBI生命保険、健康管理や生活習慣改善のためのFiNCアプリのサービス対象者を保険加入者全員に拡大

SBI生命保険、健康管理や生活習慣改善のための「FINC FOR SBI⽣命」を提供|生保初となる人⼯知能による姿勢分析機能を SBI ⽣命の保険加入者全員に提供
SBI生命保険、健康管理や生活習慣改善のための「FINC FOR SBI⽣命」を提供|生保初となる人⼯知能による姿勢分析機能を SBI ⽣命の保険加入者全員に提供

参考画像:SBI ⽣命と FiNC、健康管理や⽣活習慣改善のための「FiNC アプリ」の提供を SBI ⽣命の保険加⼊者全員に拡⼤ (2017/6/27、SBI生命保険)|スクリーンショット

SBI ⽣命と FiNC、健康管理や⽣活習慣改善のための「FiNC アプリ」の提供を SBI ⽣命の保険加⼊者全員に拡⼤

(2017/6/27、SBI生命保険)

SBI 生命の保険加入者に対し、「FiNC アプリ」を 1 年間無料1でご提供します。「FiNC アプリ」は、スマートフォンを利用してライフログの蓄積ができる他、栄養士やトレーナー、臨床心理士や薬剤師など専門家への健康相談および一人ひとりの健康状態や生活習慣に合わせた改善ソリューションを、人工知能を活用し提案されます。さらに目標達成などによりポイントが付与される「健康インセンティブプログラム」もご利用いただき、貯まったポイントは、ウェルネス・ヘルスケア商品に特化した EC サイト「FiNC モール」でご利用いただけます。

SBI生命保険は、健康管理や生活習慣改善のためのFiNCアプリのサービス対象者をSBI 生命の保険加入者全員に拡大するそうです。

FiNCアプリではスマホを活用して歩数・体重・食事・睡眠・生理日などのライフログ・生体データを蓄積し、その他各種検査結果などに基づき、人工知能が一人一人に最適化された食事・運動プログラムの提案や栄養士やトレーナー、臨床心理士や薬剤師など専門家への健康相談ができるそうです。

また、目標達成状況に応じたポイントが付与される「健康インセンティブプログラム」も利用でき、貯まったポイントはウェルネス・ヘルスケア商品に特化したECサイト「FiNC モール」で利用できるそうです。

SBI生命と FiNC、人工知能を搭載した健康管理や生活習慣改善が⾏える「FiNC for SBI⽣命」を提供〜生保初となる人工知能による姿勢分析機能を SBI 生命の保険加入者全員に提供〜

(2017/11/30、SBI生命保険)

人工知能による姿勢分析機能が搭載され、睡眠時間・体重等のライフログの記録や、歩数に応じて「FiNCモール」で使えるポイントが貯めることができる、健康管理や生活習慣改善のためのアプリケーション「FiNC for SBI生命」をSBI生命の保険加入者全員を対象に無料で提供するそうです。

気になる機能は「人工知能を活用した姿勢分析機能」です。

姿勢の悪化は、肩こり・腰痛・膝痛などの身体的疾患や呼吸機能悪化の原因となり、気分や抑うつ感などの心理面にも影響を与えることが明らかになっています。また、身体的疾患により運動量が低下することや心理状態の悪化は生活習慣病を引き起こす要因になりえます。

アプリ内で写真を撮るだけで人工知能が姿勢分析を行い、改善アドバイスを行なってくれるそうです。

【関連記事】

なぜ生命保険会社がこうした健康管理や⽣活習慣改善に役立つアプリを提供するのでしょうか?

生命保険会社としては、保険加入者に対しての付帯特典としてのサービスや今後ユーザーの健康状態や生活習慣改善の取組みを考慮した保険料が設計される「パーソナル保険」の開発につながることを期待していると思います。

また、アプリ会社としては、ライフログ・生体データの蓄積ができ、人工知能が提案した食事・運動プログラムによってどれほどの効果が得られるのかというデータをとることにもつながると考えられます。

保険加入者としては、保険に加入した特典として健康管理アプリが利用でき、また「健康インセンティブプログラム」で貯まったポイントをウェルネス・ヘルスケア商品の購入に使えるため、メリットがありますね。

「健康ポイント制度」に医療費を抑制する効果があることが初めて実証されるによれば、運動や検診など健康づくりに取り組んだ人がポイントを受け取って商品券などに交換する「健康ポイント制度」に、医療費を抑制する効果があることが初めて実証されたそうです。

積極的に計画・実行する人はがん・脳卒中・心筋梗塞の死亡リスクが低い|国立がん研究センターで紹介した国立がん研究センターによれば、日常的な出来事に対して、積極的に解決するための計画を立て、実行する「対処型」の行動をとる人は、そうでない人に比べて、がんで死亡するリスクが15%低く、また、脳卒中リスクが15%低く、脳卒中心筋梗塞などで死亡するリスクが26%低いという結果が出たそうです。

その理由としては、日常的な出来事に対して、積極的に解決するための計画を立て、実行する「対処型」の人は、がん検診や健康診断を受診するため、病気の早期発見につながり、病気による死亡リスクが低下して可能性があるようです。

つまり、積極的に健康管理を行うように努力する人は死亡リスクが低いわけですから、保険会社としても、そうした保険加入者に合わせた保険料を設計することにつながるのではないでしょうか。

→ 健康ゴールド免許|定期検診などの予防医療を導入することで、病気による死亡リスクが減少し、医療費の削減にもつながる について詳しくはこちら




■まとめ

保険とIOTを融合した健康増進サービスの開発に注目!|ウェアラブルデバイスをつけて毎日運動する人は生命保険・医療保険の保険料が安くなる!?では、損保ジャパン日本興亜ひまわり生命保険株式会社はFitbitを導入し、健康と運動データとの関係を分析する取り組みを行い、今後の新しい保険商品の開発を検討しているというニュースを取り上げましたが、保険会社各社が健康状態や生活習慣改善の取組みを考慮して保険料が設計される「パーソナル保険」の開発に取り組んでいるようです。

また、第一生命が取り組む「InsTech」とは?|保険(Insurance)とテクノロジー(Technology)|医療ビッグデータの解析・健康な人ほど得をする保険商品の開発では、PHYSIO HEALTH|従業員向けの健康コーチをするモバイルヘルスプラットフォームのような、雇用主の健康保険料に対するコストを減らし、健康奨励プログラムに励む従業員に報酬を与えるシステムを企業と保険会社が組み合わせるということもあるのではないかという予測を紹介しましたが、実際にこうした取り組みが始まったようです。

これからは保険会社の立ち位置が「病気になってからの保険」ではなく、「予防のための保険」というものになっていきそうですね。







【関連記事】
続きを読む SBI生命保険、健康管理や生活習慣改善のための「FiNC for SBI⽣命」を提供|生保初となる人⼯知能による姿勢分析機能を SBI ⽣命の保険加入者全員に提供