「日立」タグアーカイブ

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




■第一生命が取り組む「InsTech」とは?

Family Enjoying Mangos

by U.S. Department of Agriculture(画像:Creative Commons)

Insurance Technology への取組みについて

(2016/1/12、第一生命)

保険ビジネス(Insurance)とテクノロジー(Technology)の両面から生命保険事業独自のイノベーションを創出する取組みを“InsTech”と銘打ち、最優先の戦略課題としてグループ全体で推進していきます。

第一生命が取り組む「InsTech(Insurance+Technology)」とは具体的にどのようなことを行なっているのでしょうか?

第一生命の子会社であるネオファースト生命では、過去1年間タバコを吸っていない方の保険料を割り引きをする非喫煙者割引特約を付けた終身医療保険を生保業界初めて適用したそうです。

【関連記事】

また、ネオファースト生命では、健康な人ほど得をする保険商品の開発を積極的に行っているようです。

業界初!健康割引を適用できる引受基準緩和型終身医療保険を発売!あわせて実額給付タイプの治療保障保険を発売!

(2016/2/10、ネオファースト生命)

このたび第二弾商品として発売する引受基準緩和型の終身医療保険「ネオdeいりょう健康プロモート」は、持病がある方の治療実績等のデータ分析等により、5年間健康状態を維持した場合は以後の保険料を割り引く「健康割引」の仕組みを新たに開発し、生命保険業界で初めて引受基準緩和型の終身医療保険に適用したものです。

5年間で健康状態が改善した場合や健康状態を維持された場合(例:疾病入院給付金・災害入院給付金のいずれについても、給付金の支払われる入院がない)の以後の保険料を割り引く「健康割引」の仕組みを終身医療保険に適用できるようにしたそうです。

ビッグデータの新たな活用!実年齢に代えて「健康年齢®」を使用した新商品検討を開始!

(2016/7/19、ネオファースト生命)

「健康年齢®」とは、JMDC社が開発した新たな指標で、同社が保有する健診データや診療報酬明細書(レセプト)等のビッグデータを使用し、個々人の過去の健診結果等によって将来の疾病の発生率等を分析することで、健康状態を「健康年齢®」として示したものです。国として国民の健康寿命延伸のために推進している「健康日本21」のもと、生命保険業界でも、ウェアラブル端末等を活用したビッグデータの収集や健康増進サービスの開発を進めている中、当社は、JMDC社のデータに基づく当社独自の方法による「健康年齢® 」を使用した新商品の検討を開始しました。

ネオファースト生命保険と日本医療データセンターは実年齢ではなく「健康年齢®」を使用した生命保険の新商品の検討を開始したそうです。

例えば、健康な人のほうが、健康に不安がある人よりも保険料が安くなる保険ができることによって、健康増進を促す保険というものの開発が期待されます。

第一生命と日立が「医療ビッグデータ」活用の共同研究を開始-保険のお引き受け・査定などを高度化-

(2016/9/6、日立製作所)

将来の疾病罹患や予後の状況を予測するモデルの構築などを行うことで、「保険アンダーライティング機能」(保険のお引き受け・お支払い査定機能)の高度化や、新たな保険商品の開発などをめざします。

第一生命保険と日立製作所は「医療ビッグデータ」を生命保険事業に活用するための共同研究を開始し、AIの研究によって医療ビッグデータの高度な解析を目指したり、将来の疾病罹患や予後の状況を予測するモデルの構築を行なったり、これまでのデータから介護や高額な医療費を必要とする病気ににつながりやすい要因を解析することによって病気予防につながる情報提供や新商品・サービスの開発を行なうそうです。

健康状態によるご加入可能範囲の拡大 および「ご加入目安ナビ」によるお申込み前のご加入可否目安のご案内開始~医療ビッグデータ解析結果の生命保険ご加入時への活用~

(2016/10/7、第一生命)

当社の保有する約1,000万人の医療データに、当社が保有していない医療データ(当社にご加入いただけない健康状態の情報など)を社外の医療データで補完して融合させた上で、医学的知見、公共統計などを組み合わせ、高度にインテグレーション(統合的に活用)する仕組みを整えました。

医療ビッグデータ解析の結果、「血圧が高くても保険に加入できるのかな」「健康診断の結果が悪かったが保険に加入できるのかな」というように、これまで持病などにより加入できなかった人でも加入できる可能性があることがわかったそうです。

第一生命グループと日本調剤株式会社との提携について~大手調剤薬局における健康を促進する保険商品の販売、大手生保グループと大手調剤薬局チェーンによる初の協業~

(2017/2/20、第一生命)

営業基盤・スマートフォンアプリ等の顧客インターフェイスにおけるコラボレーションや、双方のノウハウを活用した健康寿命延伸に資する新たな保険商品・サービスの開発等を検討・実施していきます。

第一生命保険株式会社、ネオファースト生命保険株式会社、電子お薬手帳である「お薬手帳プラス」アプリを独自に開発している日本調剤株式会社が業務提携を行ない、新たなサービスや保険商品の開発を行なっていくそうです。

【関連記事】




■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!?によれば、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そうです。

例えば、ウェアラブルデバイスから得られるデータにより、運動をする機会が多い人が病気になるリスクが低いということがわかったとするならば、それに対応した新しい保険商品(例:ウェアラブルデバイスをつけて、毎日運動をしている人は保険料が安くなる)の開発が検討されるかもしれません。

これには、ユーザーにもメリットがあり、運動をすることによって保険料が安くなるのであれば、もっと運動する機会を増やすことにもつながるでしょう。

タバコを吸わない人が得をする医療保険ができたように、これからは様々な予防医療に取り組んだ人には保険料が安くなるといった保険商品も考えられそうです。

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。

また、可能性としては、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でしょうか。

このように、健康とはこれまで縁がなかった銀行などの金融機関や保険会社が健康への関心を高めていくことによって、社会全体で健康な生活を後押ししていくような形になっていきそうです。

銀行が健康的な人には金利を上乗せする時代が来る!?健康が金利に反映されるアイデア|#ダボス会議2017 人生100年時代では、佐藤康博みずほフィナンシャルグループCEOが健康的な人には金利を上乗せするという健康を金利に反映するアイデアを提案されていたことを紹介しました。

人の信頼度を評価するシステムによって信頼自体がお金(通貨)のような価値をもつ時代になる!?では、信頼が通貨のような価値を持つ時代について紹介しましたが、長寿社会において健康であることは価値が高くなっており、行政機関や銀行、保険会社などの取り組みによって、健康であることが数字として表れることで、健康が通貨としての価値を持ち、本当の意味での資産になる日も近いかもしれません。







【関連記事】
続きを読む 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

第一生命と日立の共同研究(医療ビッグデータ分析)の成果で、高血圧の生命保険加入基準緩和

> 健康・美容チェック > 生活習慣病 > 高血圧 > 第一生命と日立の共同研究(医療ビッグデータ分析)の成果で、高血圧の生命保険加入基準緩和




■第一生命と日立の共同研究(医療ビッグデータ分析)の成果で、高血圧の生命保険加入基準見直し

第一生命と日立の共同研究第一弾 生命保険のご加入範囲を拡大-医療ビッグデータ分析で、生活習慣病に起因する将来の入院可能性とその日数を予測-
第一生命と日立の共同研究第一弾 生命保険のご加入範囲を拡大-医療ビッグデータ分析で、生活習慣病に起因する将来の入院可能性とその日数を予測-

参考画像:第一生命と日立の共同研究第一弾 生命保険のご加入範囲を拡大-医療ビッグデータ分析で、生活習慣病に起因する将来の入院可能性とその日数を予測-(2017/8/31、日立製作所プレスリリース)|スクリーンショット

第一生命と日立の共同研究第一弾 生命保険のご加入範囲を拡大-医療ビッグデータ分析で、生活習慣病に起因する将来の入院可能性とその日数を予測-

(2017/8/31、日立製作所プレスリリース)

高血圧治療中の方について、本モデルを用いることで、その他に一定程度「健康を阻害する要因」がある場合でも、健康な方の入院可能性・日数との差が小さい場合があることなどが確認できたため、第一生命は該当するお客さまの一部をお引き受けできるように基準を見直しました。

今回のニュースリリースによれば、「糖尿病や血管系疾患など8大生活習慣病(高血圧性疾患、急性膵炎およびその他膵疾患、糖尿病、肝疾患、腎疾患、心血管疾患、脳血管疾患、悪性新生物の8つの生活習慣病)に起因する入院の可能性とその日数」を予測する定量評価モデルを用いることで、高血圧に該当する人でも一部の人は生命保険への加入が引き受けられるように基準の見直しが行なわれたそうです。




■まとめ

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、第一生命保険と日立製作所は「医療ビッグデータ」を生命保険事業に活用するための共同研究を開始し、AIの研究によって医療ビッグデータの高度な解析を目指したり、将来の疾病罹患や予後の状況を予測するモデルの構築を行なったり、これまでのデータから介護や高額な医療費を必要とする病気につながりやすい要因を解析することによって病気予防につながる情報提供や新商品・サービスの開発を行なうというニュースをお伝えしました。

医療ビッグデータ解析の結果、「血圧が高くても保険に加入できるのかな」「健康診断の結果が悪かったが保険に加入できるのかな」というように、これまで持病などにより加入できなかった人でも加入できる可能性があることがわかったそうです。

今後、医療ビッグデータ解析の結果、保険加入基準の見直しが行われるようなケースが増えてくるかもしれません。







【関連記事】
続きを読む 第一生命と日立の共同研究(医療ビッグデータ分析)の成果で、高血圧の生命保険加入基準緩和

アフラックと日立製作所、尿中代謝物によるがんの識別技術の活用方法、がんの早期発見・早期治療を促進する新しい保険商品・サービスを作り出すための検討を開始




尿中代謝物の網羅的解析により、健常者、乳がん患者および大腸がん患者の尿検体の識別に成功|日立製作所
尿中代謝物の網羅的解析により、健常者、乳がん患者および大腸がん患者の尿検体の識別に成功|日立製作所

参考画像:尿中代謝物の網羅的解析により、健常者、乳がん患者および大腸がん患者の尿検体の識別に成功(2016/6/14、日立製作所ニュースリリース)|スクリーンショット

アフラックと日立が、がんの早期発見・早期治療社会をめざした協創を開始

(2017/7/26、日立製作所ニュースリリース)

1.尿中代謝物によるがんの識別技術の向上に向けた検討

2.がんの早期発見・早期治療社会の構築に向けたがんの識別技術の活用方法を検討

3.新しい保険商品・サービスの創出に向けた検討

アフラックと日立製作所は、日立が持つ尿中代謝物によるがんの識別技術の活用方法、がんの早期発見・早期治療を促進する新しい保険商品・サービスを作り出すための検討を行なっていくそうです。

以前、尿の代謝物で乳がん・大腸がんを識別する世界初の技術開発|日立・住商ファーマ(2016/6/15)では、日立製作所、住商ファーマインターナショナル、住友商事は、尿の中の代謝物の網羅的な解析により、健常者と乳がん患者および大腸がん患者の尿検体を識別する基礎技術の開発に成功したと発表しました。

具体的に言えば、尿から糖や脂質などの代謝物を検出し、そこからがん患者を識別するバイオマーカー候補となる物質を絞り込み、成分の含有量の違いから、健康な人とがん患者の尿を識別することができるようになったそうです。

今回はその技術を活用した取り組みを行なっていくようです。

現在、がんは日本における死因の第1位*2で、生涯のうちに約2人に1人が罹患する*3と推計されています。早期発見での治療ほど治癒する可能性が高いことから、厚生労働省の「がん対策推進基本計画*4」の施策では、積極的ながん検診の受診が促されています。一方、日本のがん検診の受診率は約30%から50%*5と欧米諸国と比較すると低い状況にあり、内閣府の調査*6によると、その理由として、「受ける時間がない」「検査に伴う苦痛に不安がある」といった声があげられています。

*2厚生労働省 「平成28年(2016年)人口動態統計の年間推計 (2016年12月)」
*3国立がん研究センター「最新がん統計(2016年8月)」
*4厚生労働省(2012年6月)
*5厚生労働省 「平成28年 国民生活基礎調査」 性別およびがんの種別ごとにみたがん検診の受診状況のこと。
*6内閣府「がん対策に関する世論調査(平成28年11月)」

がんは早期発見・早期治療を行なうことが大事であるため、がん検診を受けることが大事なのですが、平成28年国民生活基礎調査によれば、日本のがん検診受診率は上昇傾向にあるものの、欧米諸国に比べて低い水準にあります。

その理由として、例えば乳がん検診でいえば、痛みに対する不安のために受診をしないというのが理由として挙げられています。

尿中代謝物解析によるがんの識別技術はこの乳がん検診の前段階として活用されることが期待されます。

例えば、乳がん検診に興味はあるものの、乳がん検診をする時間がない人や痛みに対する不安がある人に対して、尿中代謝物解析によるがんの識別技術を活用したプレスクリーニング検査を行なってもらい、気になる数値が出た場合には、さらに詳しい検査をしてもらうような仕組みにすることができれば、負担が少ない形でのがん検診を受ける流れになっていくのではないでしょうか?




■まとめ

尿でがん検査を行うというのは、患者にとっても肉体的に負担が少ない方法ですので、大変期待されます。

今回のようなアフラックと日立の取り組みによって、がん検診に対するハードルをできるだけ低くしていき、がん検診による肉体的・経済的負担を少なくしていくことによって、少しずつがん検診に関心を持つ人が増えていくと思いますので、頑張ってほしいですね。

それにしても、日立は、尿中代謝物解析によるがんの識別技術によりがん検診を受けてもらうように関心を持ってもらい、360度の方向から計測し高精度の乳がん検診を行うことができる超音波計測技術で乳がん検診を行なうというように乳がん検診に積極的に取り組んでいるように感じます。







【乳がん検診 関連記事】
続きを読む アフラックと日立製作所、尿中代謝物によるがんの識別技術の活用方法、がんの早期発見・早期治療を促進する新しい保険商品・サービスを作り出すための検討を開始

機械学習を活用した電子カルテデータの解析により、糖尿病治療薬の効果を予測・比較する技術を開発|日立製作所

健康・美容チェック > 糖尿病 > 機械学習を活用した電子カルテデータの解析により、糖尿病治療薬の効果を予測・比較する技術を開発|日立製作所




■機械学習を活用した電子カルテデータの解析により、糖尿病治療薬の効果を予測・比較する技術を開発|日立製作所

HP manager Regine Pohl demonstrating the webOS based Touchpad Tablet @ DLD DLDWomen 2011

by innovate360(画像:Creative Commons)

電子カルテデータの解析により、糖尿病治療薬の効果を予測・比較する技術を開発

(2017/11/6、日立製作所ニュースリリース)

患者への投薬開始から90日後の時点で、糖尿病の代表的な指標であるHbA1c値の低減目標(治療目標)を達成できる確率を、薬の種類別に計算し、予測することで、患者にとって最も治療効果が高いと見込前れる薬の選定を支援可能です。

日立製作所は、ユタ大学が有する約9000症例の糖尿病患者の電子カルテデータのうち、約6800症例のデータを基に、機械学習を活用し解析することで、糖尿病治療薬の効果を予測し、比較する技術を開発したそうです。

今回、その技術を残りの約2200症例の糖尿病患者のデータに適用してシミュレーションしたところ、90日後の糖尿病の治療結果を高精度に予測できることが確認できたそうです。

以前、過去の糖尿病患者のビッグデータを用いて、新たな患者の症状の進行や薬の効果を予測するシステムを開発|国立病院機構長崎川棚医療センターと富士通などでは、国立病院機構長崎川棚医療センターと富士通など、過去の糖尿病患者の治療経過を集めたビッグデータを用いて、新たな患者の症状の進行や薬の効果を予測するシステムを開発したというニュースを紹介しました。

今回発表された技術はその考え方に近いものであるようですね。




■医療に関するビッグデータをテクノロジー(AIや機械学習、ディープラーニングなど)で解析するシステム

最近では、医療に関するビッグデータをテクノロジー(AIや機械学習、ディープラーニングなど)で解析するシステムに関する発表が相次いでいます。

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、テクノロジー(AI、機械学習、ディープラーニングなど)による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、ますますコンピュータの力を活用することが重要になってくることでしょう。

そして、テクノロジー(AI、機械学習、ディープラーニングなど)を活用した画像認識による病気診断システム同士をつないだり、研究結果から得られた知見をつなぎ合わせるプラットフォームが必要になってくるのではないでしょうか。

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
(2017/11/8 21:40時点)

「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)」によれば、別のシステムを結び付けるという仕組みによる脆弱性について書かれてあります。

複数のビットコイン取引所がハッキングされてビットコインの評判を落としたが、この事例で明らかになったのはブロックチェーン自体の脆弱性ではなく、複数の当事者がそれぞれ別のシステムを結び付けてブロックチェーンを使うという仕組みの脆弱性だった

医療ビックデータ解析にテクノロジーを活用する場合の共通のプラットフォームがあれば、お互いの知見同士を活用しあえるようになり、さらなる発展が期待できるのではないでしょうか?

【関連記事】

■コンピュータが出した答えに対して、人間が後付けで理論や因果関係を考えていく

もう一つ必要になるのは、AI自身がデータからルールと知識を獲得していき、なんとなくの答えを出すというのがディープラーニングの特徴であるのですが、人間はそのなんとなくの答えに後付けで理論をつけていく必要があるため、この分野が重要になってくると思われます。

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。

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。

参考画像:人工知能の動向(2016/3/17、NRI)

電王・Ponanza開発者が語る、理由がわからないけどスゴイ“怠惰な並列化”

(2016/10/26、ASCII.jp)

体感で言えば、LazySMPは実はプログラマーには人気がない手法です。なぜかと言えば、前述のように結局のところどうしてうまくいくのか、その正確なところがプログラマーにはわからないからです。ディープラーニングも本質的にどうしてうまくいくのかわかっているプログラマーがいません。あくまで将棋プラグラム業界では、という話ですが。

<中略>

近代科学は対象を分解して、理由を解明していくことで世界を解き明かしてきました。しかし、近年の情報科学は人間の解釈性が著しく悪いアルゴリズムが時代の先端を走り始めています。要素を分解していっても、そこに本質を発見できていないのです。人間にはある程度以上の複雑な挙動がわからないのです。

このように、答えや本質的にうまくいっている理由はわからないけど、うまくいっているということだけはわかるということがこれからは多くなってくるでしょう。

自分の理解を上回ってしまったときに、それをコントロールすることができないため選択しないという人もいるでしょうし、理由はわからないけどうまくいっているのだからやってみようという人もいるでしょう。

電王・Ponanza開発者が語る、“自転車置き場の議論”に陥った指し手生成祭り

(2016/11/29、ASCII.jp)

人間は難しい問題に直面してしまった時、簡単な切り口を探しがちです。それ自体はまったく間違った行為ではないのですが、いつまでも簡単な切り口を求め続けることは必ずしも正しい判断ではないでしょう。人間はわからない状態をわからないままにしておくことにもストレスを感じ、わからないところに無理やり理由をつけようと考えるのが常です。

難しい問題の時には議論が起こらないのに、自分の理解ができる問題の時には議論が白熱するようなことを「パーキンソンの凡俗法則」や「自転車置き場の議論」という呼び方をするそうですが、これからは、「わからない」「理解できない」ことに対して、安易に答えを出すことなく、あきらめずにわからないままの状態で真正面から向き合い続ける姿勢が重要になってくるのではないでしょうか。

まずは理解できない自分を認め、それでもそれに向き合い続けることが、現代科学を理解して紐解く鍵となるでしょう。理解できると傲慢になるのではなく、理解できないと空虚に走るでもなく、ただ見えないものを見ようとし続けることこそが、唯一この先を見る方法になると私は信じています。

わからないまま向き合い続けるというのはストレスがかかることかもしれませんが、これから先の未来では必要な資質となるのではないでしょうか。

「AlphaGo Zero」は、過去の打ち手のデータで強化学習をするのではなく、囲碁の基本ルールだけを教えて、対局を繰り返す(3日間で500万回の対戦)ことで上達し、トップ棋士を破ってきた「AlphaGo」に対して、100勝0敗という結果を出したそうです。

人工知能はどのようにして 「名人」を超えたのか?―――最強の将棋AIポナンザの開発者が教える機械学習・深層学習・強化学習の本質

新品価格
¥1,620から
(2017/10/27 15:32時点)

■まとめ

病院の診断支援システムにAIが導入されたとして、「因果関係はわからないけど、あなたはこういう病気の可能性が高い」といわれたときに、医師や患者はどう判断するのでしょうか。

どんなに医療にAIを活用しようとしても、医師や治療を受ける患者がその判断に疑いを持てば、利用することはできません。

つまり、AIに対する信用度を高めていく必要があるわけです。

今後は、「因果関係はわからないけど、こうである可能性が高い」ということが増えていくことが予想されますが、心理的障壁などを一つ一つクリアしていくことが医療とAIの未来にとっては重要になってくるのではないでしょうか。







【日立 関連記事】
続きを読む 機械学習を活用した電子カルテデータの解析により、糖尿病治療薬の効果を予測・比較する技術を開発|日立製作所