AppierチーフAIサイエンティスト ミン・スン、東日本大震災から10年の今年、防災・減災へのAIの活用を提案

―コンピュータビジョン、自然言語処理、５Ｇ、センシング技術―

AI（人工知能）テクノロジー企業のAppier（エイピア、共同創業者／CEO:　チハン・ユー、以下Appier）は、チーフAIサイエンティストであるミン・スンによる、防災・減災に貢献するAI活用の考察と予測を発表しました。
2011年の東日本大震災から10年目を迎え、震災以降、同分野におけるAIの進化を、コンピュータビジョン（画像認識技術）や自然言語処理といったAI技術の事例から読み解きます。
英文はこちらから　https://www.appier.com/news/10-years-after-the-great-east-japan-earthquake-appier-proposes-the-use-of-ai-for-disaster-prevention/

1．東日本大震災から10年、防災・減災のためのAI技術は進化している
東日本大震災の発生以降、大学、公的研究機関など様々な機関において、防災・減災のための研究の質と量が向上しました。東日本大震災の被害は90％以上が津波によるものでしたが、当時の津波早期警報システムは、安全のためにどのくらいの高さに非難すべきかを予測できませんでした。

現在は、スーパーコンピュータのシミュレータを活用して津波予測のためのAIモデルを学習し、トレーニングデータを生成し、PC上で動作させることができるほど省エネルギー、高精度化しています。しかし、津波が起こる頻度が少ないため、このAIモデルを評価し、予測の堅牢性（外部からの影響を受けにくい度合）を把握する機会が少ない点が課題です。そこで「物理学に基づいたモデリングと機械学習を組み合わせることで、津波や洪水以外にも、山火事や地滑りといった他の多くの自然災害を、より精度高く予測するためにも利用できます」とミン・スンは述べています。

2．自然災害の防災・減災に貢献するコンピュータビジョン、自然言語処理
自然災害から人や地域、企業を守る上で、さまざまな規模、種類のAI技術が活用されています。
コンピュータビジョンは、衛星画像や航空画像といったリモートセンシングデータ（遠隔地から送られてくるリアルタイムデータ）から洞察を抽出するために広く利用されています。

例として、東京大学大学院情報理工学系研究科の准教授である山崎俊彦氏の「地すべり感受性マッピング～リモートセンシングビッグデータに基づく機械学習とアンサンブル学習」やローレンス・バークレー国立研究所の「遠隔カメラ画像上でのディープラーニングを用いた山火事検知システムの予備的な結果」が挙げられます。さらにソーシャルメディア上のトレンドを検知することができる自然言語処理は、病気の蔓延傾向や人々の状態を検知して防災・減災に役立てることができます。

ミン・スンは、「リアルタイムで取得するリモートセンシングデータを、私たちの行動を予測するインサイトに変換するためには、AIが鍵を握ります。将来的には、ハイパースペクトル画像（光を波長ごとに分光して撮影された画像で、様々な分析・研究・産業用途に用いられる画像）のリッチなデータや、航空センサや低軌道衛星からの最新のデータを、AIがさらに活用できるようになるでしょう」と述べます。

実用的なコンピュータビジョンや自然言語処理のシステムを構築するためには、実験室における実験結果ではなく更新された衛星画像などの新しいデータを入力し、継続的に予測を行い、政府や民間企業などの顧客が行動を起こすためのシステムへと移行する必要があります。システムを監視しながら、性能がダイナミックに改善できる仕組みがなければなりません。こうしたシステム運営には、政府や民間企業からの持続可能な資金が不可欠です。例えば、「地滑りの発生しやすさ」の予測システムの構築には、政府の資源を、優先的に使用し、道路や地域住民の安全を確保するのです。また「山火事検知システム」を使うことで、火災が広がる前に消火活動を行える地域のリソース配分とともに避難の方法を予測することが可能になり、地域住民により一層の安心を提供できます。

3．防災・減災に対するAI活用予測
すべてのAIアプリケーションの鍵を握るのはデータです。「リモートセンシングやIoTデバイスを通じて収集される、より多くの有用なデータが必要です。これらのデータを収集し、統一するために５Gなどのインフラへのさらなる投資が必要でしょう」とミン・スンは述べます。

物理学に基づいたモデリングや従来のリスク管理技術とAIを組み合わせることは、災害の予防、予測、緩和のニーズを解決するend to endのシステムを構築するために重要です。現在の４Gインフラは、都市部に集中し、地方では十分ではありません。農村部において水位や雨滴を感知するIoT機器では確実にデータを同期させるためのインターネット接続環境が悪いといった課題があります。

ミン・スンは、こういった課題の解決方法として信頼できるデータソースと、システムを監視・保守する専門家グループの確保を提案しています。コンピュータビジョンと自然言語処理といったそれぞれのAIの能力に応じて、最も価値のある行動を見極めるには、それぞれの分野・領域での専門家を活用することで、より効果的・効率的な問題解決が可能になります。研究コミュニティで様々な実験やシステムの試験運用を行っており、さまざまな有望な結果が得られていることから、技術的には準備が整っていると言えます。一方で、継続的にサービスを提供するシステム運用には、資金が必要なことから防災や減災には資金面で余裕のある地域が優先される可能性が高いことも指摘しています。

Appier について

Appier は、AI(人工知能)テクノロジー企業として、企業や組織の事業課題を解決するための AI プラットフォームを提供しています。詳細はhttps://www.appier.com/ja/をご覧ください。
※過去の発表はhttps://www.appier.com/ja/news/をご覧ください。

Appier　チーフAIサイエンティスト　MIN　SUN（ミン・スン）

2005年からGoogle Brainの共同設立者の一人であるAndrew Ng(アンドリュー・エン)氏、元Google CloudのチーフサイエンティストであるFei-fei Li(フェイフェイ・リー)氏などのプロジェクトに携わり、AAAI（アメリカ人工知能学会）をはじめ世界トップの人工知能学会で研究論文を発表。2014年に国立清華大学の准教授に就任。
2015年から2017年には、CVGIP（Computer Vision Graphics and Image Processing）Best Paper Awardsを3年連続で受賞。専門分野は、コンピュータビジョン、自然言語処理、深層学習、強化学習。2018年には「研究者には肩書きよりもデータが必要」と感じ、AIテクノロジー企業AppierにチーフAIサイエンティストとして参画。新製品の開発、既存製品の機能改善のほか、記述的な課題解決を行う。