集合知メカニズムの研究

42
© Hajime Mizuyama 集合知メカニズムの研究 青山学院大学 理工学部 経営システム工学科 水 山 [email protected] JSPE 生産・経営知識学専門委員会 30/Sep/2014

Upload: hajime-mizuyama

Post on 26-Jun-2015

426 views

Category:

Data & Analytics


2 download

DESCRIPTION

集合知メカニズムの研究 @生産・経営知識学専門委員会

TRANSCRIPT

Page 1: 集合知メカニズムの研究

© Hajime Mizuyama

集合知メカニズムの研究

青山学院大学 理工学部 経営システム工学科

水 山 元

[email protected]

JSPE 生産・経営知識学専門委員会 30/Sep/2014

Page 2: 集合知メカニズムの研究

© Hajime Mizuyama

• 生産システムの構成員は actuator? sensor? それとも processor?

• 構成員に解(手段)を配る「分業」を極めるべきか,それとも問題

(目的)を配る「協働」を志向すべきか?

• 部分最適の合成の誤謬を避けるため,全体最適を目指すべき,という

のは本当に妥当な方針か?

• 生産システムの構成員は they? それとも we?

生産システム工学は(組合せ)最適化の応用分野である,という

ナイーブな見方への違和感と,新しい展開への期待

生産システム工学の一研究者として感じていたこと

Page 3: 集合知メカニズムの研究

© Hajime Mizuyama

Kaizen activity schedule

Observed losses & wastes

Kaizen team A Kaizen team B Kaizen team Z

Propositions

Engineers

Budget,

Technical support

9年ほど前に考えていたこと

Discrete event simulation model

Losses & wastes, effects of Kaizen activities on them, etc.

Decision makings, communications, etc. of Kaizen teams

Agent-based simulation model

Structure of Kaizen teams

Budget system

Evaluation system

Definition of losses & wastes

Page 4: 集合知メカニズムの研究

© Hajime Mizuyama

6年ほど前に行った実験

レゴブロック製の自動車を 生産する2工程組立セル

作業者2名&分析者2名 からなる改善チーム (京都大学の学生)

改善チームのタスクは 良品生産率の向上 (インセンティブあり) (改善効果あり)

振り返りフェーズのディス カッションを録画・録音

提案したモデルに従って 得られたプロトコルを分析

Page 5: 集合知メカニズムの研究

© Hajime Mizuyama

6年ほど前に行った実験

生産フェーズ

作業者は対象生産システムで生産活動を実践する.

分析者はその実践を観察・分析する.

振り返りフェーズ

作業者,分析者らから成るチームで,

現状を評価し,そこでの問題点と

改善策について検討する.

Page 6: 集合知メカニズムの研究

© Hajime Mizuyama

現在進行中のとあるプロジェクト

Discrete event simulation model

Delays, defects, breakdowns & other troubles

Production plans & schedules

Progress information

Factory A Factory B Factory Z

Headquarters Decision makings, communications, etc. of game players

Serious game (Gaming simulation)

Communication channels

Evaluation criteria

Possible actions

Definition of revenue & costs

Page 7: 集合知メカニズムの研究

© Hajime Mizuyama

生産システムから集合知メカニズムへ

協働系としての知識資産の生産システム

生産システムの構成員らによる組織的かつ 創造的な問題解決のプロセス

分業系としての狭義の生産システム

Page 8: 集合知メカニズムの研究

© Hajime Mizuyama

集合知メカニズムとは

複数の知的主体(人やエージェント)の間のインタラクションを通じて,

それらの主体間に分散している情報や認知能力を統合し,何らかの知識や,

全体としての知的な振る舞いを生み出す仕組み

のことである.これは,

• インタラクションの前提となる情報環境,

• インタラクションを規定するルール,

• インタラクションを方向付けるインセンティブ構造,

などから構成される.

集合知メカニズムの定義(tentative)

Page 9: 集合知メカニズムの研究

© Hajime Mizuyama

集合知メカニズムのフレームワーク(tentative)

インセンティブ

= 主体を動機付けるもの

情報環境

= 主体に 与えられる 情報とその 与え方など

ルール

= 主体の取り得る アクションやそれらが 環境に与える影響など

これらが与えられたときの

ダイナミクスの予測や

シミュレーションと,

その逆問題としての設計

Page 10: 集合知メカニズムの研究

© Hajime Mizuyama

集合知メカニズムとは

複数の知的主体(人やエージェント)の間のインタラクションを通じて,

それらの主体間に分散している情報や認知能力を統合し,何らかの知識や,

全体としての知的な振る舞いを生み出す仕組み

集合知メカニズムの例

改善小集団活動

会議・集団意思決定

グループモデルビルディング

オープンスペーステクノロジー

オンラインディスカッション

マイクロタスク・ボランティア

GWAP

予測市場

Page 11: 集合知メカニズムの研究

© Hajime Mizuyama

これまでの試行錯誤

2006 2010 2011 2012 2013

予測市場の需要予測への応用

組合せ最適化問題への適用

・・・

コンジョイント分析への応用

知識共有支援

・・・

オンライン協働での文書要約

オンライン

オフライン

GWAP

創造的会議のプロトコル分析(改善,PSS設計,玩具設計など)

ラウンド制の 集団意思決定過程

発散デルファイ法 ゲーム

Page 12: 集合知メカニズムの研究

© Hajime Mizuyama

Human Computation

– 計算アルゴリズムの発展形

– 人とコンピュータの協働的問題解決の新しい形

集合知メカニズム

– (知識資産の)生産システム

– オンラインとオフラインを区別しない

類似の概念だが少し異なる.どちらも発展中であり,

最終的には同じ概念に収斂するのかもしれない.

HCは集合知メカニズム研究のプラットフォームとして有効.

Human Computationと集合知メカニズム

Page 13: 集合知メカニズムの研究

© Hajime Mizuyama

人とコンピュータの協働的問題解決の新しい形

問題解決全体を取り仕切る人が,

アルゴリズム化の容易な部分タスク

を切り出し,コンピュータに委ねる.

アルゴリズム化困難な部分タスク

への人のミクロな貢献を統合し,

コンピュータが解を導き出す.

Page 14: 集合知メカニズムの研究

© Hajime Mizuyama

1. 人と機械(コンピュータ)の役割分担の設計

2. 人が担当する仕事の細分化(要素作業の設計)

3. 要素作業の結果をまとめ上げる工程の設計

4. 要素作業を作業者に送り届ける手段の設計

5. 作業者のスキルのモデル化とその把握方法の設計

6. 要素作業と作業者の間の割当てやその方法の設計

7. 作業者の中長期的なインセンティブの設計

8. 作業者の作業品質や作業効率の管理方法の設計

9. 作業者間の関係性の設計

HCの設計要素(Law & von Ahn, 2011)

Page 15: 集合知メカニズムの研究

© Hajime Mizuyama

• 生産システムから集合知メカニズムへ

• 予測市場とそれを核とした集合知メカニズムの捉え方

• 予測市場に関するこれまでの研究

– 需要予測への応用 :独自CMMの開発

– 組合せ最適化問題への適用 :LMSRの拡張

– 商品企画への応用 :選好市場のペイオフ設計

• マイクロタスク型クラウドソーシングの応用

– 文書要約システム :貢献度に応じた成果報酬

• まとめ

Contents

Page 16: 集合知メカニズムの研究

© Hajime Mizuyama

• 予測の対象となる変数の実現値に応じて事後的に配当が与えられる

仮想の証券(予測証券)を発行する.

• 架空の証券取引市場を開設し,上記の予測証券をそこで自由に

売買してもらう.

• 時々刻々変化する予測証券の市場価格を,市場参加者の,その

時点までの知識を集約した,対象変数についての予測とみなす.

予測市場とは

Page 17: 集合知メカニズムの研究

© Hajime Mizuyama

HSXの映画市場

映画証券の市場

市場価格 =

興行成績の 予測値

映画証券

所定の期間の 興行成績に 比例した 事後配当

http://www.hsx.com/

指値注文・成行注文

Page 18: 集合知メカニズムの研究

© Hajime Mizuyama

IEMの選挙市場

候補者証券の市場

候補者A

候補者B

候補者C 市場価格 =

当選確率の 予測分布

候補者証券

当選者の証券 のみに固定額 の事後配当

指値注文・成行注文

http://www.biz.uiowa.edu/iem/

Page 19: 集合知メカニズムの研究

© Hajime Mizuyama

予測市場から一般的な集合知メカニズムへ

狭義の 予測市場

情報集約 メカニズム

単純化 広義の

予測市場

一般化

市場外のインタラクション

Page 20: 集合知メカニズムの研究

© Hajime Mizuyama

• 生産システムから集合知メカニズムへ

• 予測市場とそれを核とした集合知メカニズムの捉え方

• 予測市場に関するこれまでの研究

– 需要予測への応用 :独自CMMの開発

– 組合せ最適化問題への適用 :LMSRの拡張

– 商品企画への応用 :選好市場のペイオフ設計

• マイクロタスク型クラウドソーシングの応用

– 文書要約システム :貢献度に応じた成果報酬

• まとめ

Contents

Page 21: 集合知メカニズムの研究

© Hajime Mizuyama

需要予測への応用例(Chen & Plott, 2002)

FIPSの ダブルオークション市場

指値注文・成行注文

101~ 200

201~ 300

301~ 400

固定区間型 予測証券 (FIPS)

市場価格 =

販売量の 予測分布

Chen, K.Y., and Plott, C.R.: Information Aggregation Mechanisms: Concept, Design and Implementation for a Sales Forecasting Problem, California Institute of Technology. Social Science Working Paper #1131, (2002)

Page 22: 集合知メカニズムの研究

© Hajime Mizuyama

需要予測への応用例(Chen & Plott, 2002)

将来

予測したい将来時点の販売量

現在 現在 現在 現在 現在

• 予測市場によって販売量の確率分布が得られた.

• 予測市場による予測値は,HP社の公式予測に勝ることが多かった.

• 予測市場は,公式予測が高すぎるか低すぎるかを正しく言い当てた.

Chen, K.Y., and Plott, C.R.: Information Aggregation Mechanisms: Concept, Design and Implementation for a Sales Forecasting Problem, California Institute of Technology. Social Science Working Paper #1131, (2002)

Page 23: 集合知メカニズムの研究

© Hajime Mizuyama

Concept of our approach

将来

予測したい将来時点の販売量

現在 現在 現在 現在 現在

Page 24: 集合知メカニズムの研究

© Hajime Mizuyama

Variable interval prediction security (VIPS)

A fixed posterior payoff only for the interval containing the actual sales volume

Some employees of the company, etc.

Introduction of VIPS and CMM

A liquid market for VIPS controlled by a central market maker

Price taking transactions

Forecast distribution Prediction

interval: a ~ b

v (units)

H. Mizuyama and E. Kamada: A Prediction Market System for Aggregating Dispersed Tacit Knowledge into a Continuous Forecasted Demand Distribution, Advances in Production Management Systems, Edited by J. Olhager and F. Persson, Springer, Boston, pp.197-204 (2007)

Page 25: 集合知メカニズムの研究

© Hajime Mizuyama

• A Gaussian distribution is used as the forecast distribution.

• The CMM updates the parameter values of the Gaussian

distribution periodically according to the transactions in the

market so that it should finally converge to an adequate

collective forecast distribution.

How CMM constructs forecast distribution

Pro

bability d

ensi

ty

Initial forecast distribution: g(x)

Adequate collective forecast distribution: f(x)

Demand quantity to be estimated: x

Page 26: 集合知メカニズムの研究
Page 27: 集合知メカニズムの研究

© Hajime Mizuyama

• 生産システムから集合知メカニズムへ

• 予測市場とそれを核とした集合知メカニズムの捉え方

• 予測市場に関するこれまでの研究

– 需要予測への応用 :独自CMMの開発

– 組合せ最適化問題への適用 :LMSRの拡張

– 商品企画への応用 :選好市場のペイオフ設計

• マイクロタスク型クラウドソーシングの応用

– 文書要約システム :貢献度に応じた成果報酬

• まとめ

Contents

Page 28: 集合知メカニズムの研究

© Hajime Mizuyama

組合せ最適化問題への応用例(Meloso et al., 2009)

オブジェクト証券の市場

オブジェ クトA

オブジェ クトB

オブジェ クトC

オブジェクト証券

最適解に含まれる オブジェクトの証券

のみに固定額 の事後配当

市場価格 =

最適解の 信念の分布

最適解に含まれるオブジェクトに対応する証券に実際に高値がついた.

指値注文・成行注文

Meloso, D., Copic, J. and Bossaerts, P.: Promoting Intellectual Discovery: Patents Versus Markets, Science, Vol.323, pp.1335-1339 (2009)

Page 29: 集合知メカニズムの研究

© Hajime Mizuyama

• ナップサック問題以外の組合せ最適化問題にも

市場メカニズムを適用できるのでは ?

• 問題設定があいまいな状況で,問題の

定式化自体を集合知に頼るフレーム

ワークに拡張できるのでは ?

• 有益な応用先があるのでは ?

Research motivation

© Hajime Mizuyama

Start

Goal

Page 30: 集合知メカニズムの研究

© Hajime Mizuyama

Outline of proposed game

LMSR for route securities

Arc securities

A fixed posterior payoff only for those included in the shortest path

Possible routes are compared

according to the prices of

route securities

Trading arc securities

Each arc security is deemed as a bundle of route securities.

H.Mizuyama, S. Torigai and M. Anse: A Prediction Market Game to Route Selection under Uncertainty, Frontiers in Gaming Simulation, Edited by S.A. Meijer, R.Smeds, Springer Lecture Notes in Computer Science, Vol.8264, pp.222-229 (2014)

Page 31: 集合知メカニズムの研究

© Hajime Mizuyama

Example road network

vO

vD

a1

a12 a10

a9

a8

a7

a6

a4

a5

a3

a2

a11

Train station

School gate

HC: High congestion situation

LC: Low congestion situation

Page 32: 集合知メカニズムの研究

© Hajime Mizuyama

• 生産システムから集合知メカニズムへ

• 予測市場とそれを核とした集合知メカニズムの捉え方

• 予測市場に関するこれまでの研究

– 需要予測への応用 :独自CMMの開発

– 組合せ最適化問題への適用 :LMSRの拡張

– コンジョイント分析への応用 :選好市場のペイオフ設計

• マイクロタスク型クラウドソーシングの応用

– 文書要約システム :貢献度に応じた成果報酬

• まとめ

Contents

Page 33: 集合知メカニズムの研究

© Hajime Mizuyama

Conjoint analysis using choice experiments

Attribute B1

Attribute B2

Attribute B3

Subset 1

Subset 2

Subset 3

Combine

Attribute utilities

a1, a2, …

Derive

Collecting preferences on concepts

through choice

experiments

Choice data

Evaluate

Page 34: 集合知メカニズムの研究

© Hajime Mizuyama

Conjoint analysis using prediction markets #1

Attribute B1

Attribute B2

Attribute B3

Attribute utilities

a1, a2, …

Derive

Subset 1

Subset 2

Subset 3

Combine

Collecting preferences on concepts

through prediction markets

Relative market shares

p1, p2, …

Evaluate

Page 35: 集合知メカニズムの研究

© Hajime Mizuyama

Conjoint analysis using prediction markets #2

A market for EMSPS controlled by a CMM

Bid & ask offers

Market prices = Estimated shares

Relative market share prediction security (RMSPS)

The designer, some other employees, loyal customers, etc. of the company.

Concept x1

Concept x2

Concept x3

Payoffs proportional to the shares estimated by the whole results

Page 36: 集合知メカニズムの研究

© Hajime Mizuyama

• 生産システムから集合知メカニズムへ

• 予測市場とそれを核とした集合知メカニズムの捉え方

• 予測市場に関するこれまでの研究

– 需要予測への応用 :独自CMMの開発

– 組合せ最適化問題への適用 :LMSRの拡張

– 商品企画への応用 :選好市場のペイオフ設計

• マイクロタスク型クラウドソーシングの応用

– 文書要約システム :貢献度に応じた成果報酬

• まとめ

Contents

Page 37: 集合知メカニズムの研究

© Hajime Mizuyama

Problem-solving through crowdsourcing

Problem

Solution

Micro task market

Partial solutions

Integration

Page 38: 集合知メカニズムの研究

© Hajime Mizuyama

Evaluation units and condensation elements

大気や海洋の平均温度の上昇に加えて、生態系の変化や海水面上昇による海岸線の浸食といった、気温上昇に伴う二次的な諸問題を含めて「地球温暖化問題」と呼ばれる。温暖化が将来の人類や環境へ与える悪影響を考慮して対策を立て実行され始めている。一方で、対策のコストが非常に大きくなると見られており、その負担や政策的な優先度に関して国際的な議論が行われている。

地球表面の大気や海洋の平均温度は「地球の平均気温」あるいは「地上平均気温」と呼ばれ、地球全体の気候の変化を表す指標として用いられており、19世紀から始まった科学的な気温の観測をもとに統計が取られている。地球の平均気温は1906年?2005年の100年間で0.74℃(誤差は±0.18°C)上昇しており、長期的に上昇傾向にある事は「疑う余地が無い」と評価されている。上昇のペースは20世紀後半以降、加速する傾向が観測されている。これに起因すると見られる、海水面(海面水位)の上昇や気象の変化が観測され、生態系や人類の活動への悪影響が懸念されている。

この地球温暖化は自然由来の要因と人為的な要因に分けられる。20世紀後半の温暖化に関しては、人間の産業活動等に伴って排出された人為的な温室効果ガスが主因と見られ、2007年2月に国連の気候変動に関する政府間パネル(IPCC)が発行した第4次評価報告書(AR4)によって膨大な量の学術的(科学的)知見が集約された結果、人為的な温室効果ガスが温暖化の原因である確率は9割を超えると評価されている。このAR4の主要な結論は変わっておらず、より多くのデータを加えた第5次評価報告書の作成が進められている。AR4によれば、地球温暖化の影響要因としては、「人為的な温室効果ガスの放出、なかでも二酸化炭素やメタンの影響が大きい」とされる。その一方で太陽放射等の自然要因による変化の寄与量は人為的な要因の数%程度でしかなく、自然要因だけでは現在の気温の上昇は説明できないことが指摘されている。

An evaluation unit (= A section)

Condensation element 1 (= 1st paragraph)

Condensation element 2 (= 2nd paragraph)

Condensation element 3 (= 3rd paragraph)

U0: Set of condensation elements

Page 39: 集合知メカニズムの研究

© Hajime Mizuyama

Constructing a summary

大気や海洋の平均温度の上昇に加えて、生態系の変化や海水面上昇による海岸線の浸食といった、気温上昇に伴う二次的な諸問題を含めて「地球温暖化問題」と呼ばれる。温暖化が将来の人類や環境へ与える悪影響を考慮して対策を立て実行され始めている。一方で、対策のコストが非常に大きくなると見られており、その負担や政策的な優先度に関して国際的な議論が行われている。

地球表面の大気や海洋の平均温度は「地球の平均気温」あるいは「地上平均気温」と呼ばれ、地球全体の気候の変化を表す指標として用いられており、19世紀から始まった科学的な気温の観測をもとに統計が取られている。地球の平均気温は1906年?2005年の100年間で0.74℃(誤差は±0.18°C)上昇しており、長期的に上昇傾向にある事は「疑う余地が無い」と評価されている。上昇のペースは20世紀後半以降、加速する傾向が観測されている。これに起因すると見られる、海水面(海面水位)の上昇や気象の変化が観測され、生態系や人類の活動への悪影響が懸念されている。

この地球温暖化は自然由来の要因と人為的な要因に分けられる。20世紀後半の温暖化に関しては、人間の産業活動等に伴って排出された人為的な温室効果ガスが主因と見られ、2007年2月に国連の気候変動に関する政府間パネル(IPCC)が発行した第4次評価報告書(AR4)によって膨大な量の学術的(科学的)知見が集約された結果、人為的な温室効果ガスが温暖化の原因である確率は9割を超えると評価されている。このAR4の主要な結論は変わっておらず、より多くのデータを加えた第5次評価報告書の作成が進められている。AR4によれば、地球温暖化の影響要因としては、「人為的な温室効果ガスの放出、なかでも二酸化炭素やメタンの影響が大きい」とされる。その一方で太陽放射等の自然要因による変化の寄与量は人為的な要因の数%程度でしかなく、自然要因だけでは現在の気温の上昇は説明できないことが指摘されている。

Sk: A summary

U1: Set of candidate condensed elements

An evaluation unit (= A section)

U0: Set of condensation elements

Page 40: 集合知メカニズムの研究

© Hajime Mizuyama

Outline of proposed approach

Evaluation unit

Summary

Computer Crowd

Divide unit into elements, and store them into DB. Choose sub-sequences,

and create condensed elements for them.Store created condensed

elements into DB.

Combine elements into feasible summaries for evaluation. Evaluate summaries in

terms of F1 and F2.Store evaluation scores into DB.

Derive evaluation scores for each element.

Screen elements according to the scores.

Derive Pareto-optimum summaries.

Creation subtask

Evaluation subtask

Optimization subtask

Page 41: 集合知メカニズムの研究

© Hajime Mizuyama

• 生産システムから集合知メカニズムへ

• 予測市場とそれを核とした集合知メカニズムの捉え方

• 予測市場に関するこれまでの研究

– 需要予測への応用 :独自CMMの開発

– 組合せ最適化問題への適用 :LMSRの拡張

– 商品企画への応用 :選好市場のペイオフ設計

• マイクロタスク型クラウドソーシングの応用

– 文書要約システム :貢献度に応じた成果報酬

• まとめ

Contents

Page 42: 集合知メカニズムの研究

© Hajime Mizuyama

• 集合知メカニズムは(製品などの物理的な資産ではなく,知識資産を

生み出すための)新しい生産システムであると考えている.これを,

生産システム工学の新しい研究テーマとして確立したい.

• 現在は予測市場やGWAPの応用研究を主体に進めているが,それらの

積み重ねから帰納的に集合知メカニズム全般についての理論的な理解

や,設計論につなげていきたい.

• 集合知メカニズムの研究会がありますので,よろしければぜひご参加

ください.次回は,10/3(金)18:00~,青学にて開催です.

http://www.collective-knowledge.net/sigpmkt/

まとめ