放送大学「数理･データサイエンス･AI講座」
放送大学で取り上げてくれるんなら見なきゃ！素人にも解りやすい説明で嬉しい講座です。 以下は、特に印象に残った講義内容の要約です。こうやて、ブログに書いておくと、いつでもどこからでも検索ができるので、とても便利です。なので、46回分をまとめてアップします。＊印はＷＥＢ検索結果です。＊＊は私見です。
《�機� ＡＩ
■ オープンAI社のGPT
2018年 ニューラルネットによりGPT-１を開発 層数：12 パラメータ数：1.2億
ソースコードを公開
GPT-２では、プロンプトを導入
GPT-３では、ＵＩ「チャットGPT」を装備
2023年 ＧＰＴ-４をリリース 128層/１兆パラメータ
2024年 優良サービス「４o」の月額料金 ＄12.5
ｏはオムニ マルチモーダル処理を実装
多くの業務に適用可能に
知識を問う試験では人間を超える成績を収める
■ 生成ＡＩの仕組み
事前学習：Transformerによる単語間の関連性の学習
次に来る単語の予想(単語系列)
転移学習：目的に応じたテキストを入力してカスタマイズ
ファインチューニングにより、層を追加する
強化学習：人間にとって受け入れやすいものにする
不適切な回答を抑制する
大規模言語モデル(LLM)の精度 ∝ 計算量 × データ規模 × パレメータ規模
■ プロンプト･エンジニアリング
プロンプト･エンジニアは、有効なプロンプトを与える人。的を絞った具体な指示･質問をする。 相棒として活用する。
《有効なプロンプト 〜 by GPT》
明確な目的設定
コンテキストの提供
背景や関連情報を含める
具体性と曖昧性のバランス
具体すぎると創造性が制限される
段階を追って進める
複雑な課題では、１回のプロンプトで最終回答を目指さず、概要から詳細へと段階を経る
ヒントや例の提示
例を参照して適切な出力を生成する
連鎖型プロンプト
連続した指示により、出力が段階を追って発展する
エッジケースの考慮
誤解されやすいところを考慮し、誤解されないように工夫する
実験と微調整
最初のプロンプトで望ましい回答が得られなくとも、プロンプトを変更しながら、出力を比較して調整する
制約の設定
出力の制約や条件を明示する
フィードバック
出力を評価し、プロンプトを再調整するサイクルを回す
《プロンプトのノウハウ 〜 日立製作所》
Few-shot
質問と回答のセットを与える
Chain of Thought
「段階的に考えて下さい」と、段階推論を指示する
ReAct
推論と行動を組み合わせて計画を作成する
推論ー行動ー観察を繰り返すように指示する
Goal Seek
曖昧な目標を与え、要望を深化させる
プロンプトが思いつかないときに有効
Tree of Thought
戦略立案の場合など、複数の選択肢を挙げ、それらの評価と選定を繰り返す
Take a deep breath
「深呼吸してから答えて」とすると精度が上がることもある
Self-translate
英語でプロンプトを書く方が精度が高い
日本語で入力すると、英語に翻訳するため誤差が増える
Emotion Pronpt
感情的な訴え「限界を超えろ！」などと励ますと、制度が上がることもある
《プロンプトの構成》
プロンプトは「命令」と「制約」により構成される。命令と制約を分けて記載し、適切な出力を得るようにする。
例）提案書
構成の作成 → パーツごとに作成
例）プログラミング
命令：表計算の関数を出力
制約：表の〇〇に〇〇のデータがある
例）プレゼンテーション
スライドのテーマと内容に分けて作成を指示する
例）事業アイディア
制約に事業の条件を記載する
《社会普及と危険対応》
GPT５は人工知能となる可能性がある（＊参照）。
倫理、法律、社会についての課題が指摘されています。質問のデータが使用される危険、著作権、有害なコンテンツなど。米国では規制の動きがありますが、実施されてはいません。
＊GPTｰ５は、2025年8月7日にリリースされました
GPT‑5 は、2つのモデルとルーター機能からなるシステムです。1つ目のモデルは、高速かつ効率的に幅広い質問に回答できる高速応答用モデル（高スループット）、2つ目のモデルはより複雑な問題に対して複雑問題用モデル（深い推論）（GPT‑5 thinking）です。そして、最適モデルを自動選択するリアルタイムルーター機能が、これら2つのモデルのどちらを使うべきか、会話の種類や複雑さ、必要なツール、ユーザーが示した意図（例えば、「深く考えて」など）に応じて、瞬時に判断し、切り替えてくれます。ルーター機能は、モデル切替のタイミング、回答満足度、正確性などのユーザーの利用データを学習し、精度を向上させます。近い将来に、これらの機能を1つのモデルに統合することを予定しています。
サム・アルトマンは、GPT-5を「AGI(汎用人工知能)を達成する上での極めて重要な一歩である」とした。
■ ソフトウェアの品質改善
・ソフトウェアの品質
ソフトウェア開発の成功は、品質･コスト･納期
失敗原因の多くは、マネジメント
自己マネジメントできる人材でチームを編成する
− 自己マネジメントには、データが必要
レビューで欠陥を抽出し、テストでバグ(不具合)を検出する。テストは意図しない動作を見つけることができるが、欠陥そのものを見つけられない。テストにより、品質を担保することは非現実。
レビューデータを収集した時点で分析し、その場で問題を発見して改善する
問題は早めに発見した方がコストは安い 〜 手戻り工数を減らす
欠陥を修正時間は、下流に行くほど長くなる
−上流で結果を除去する
−要求仕様の誤差は、大きな損失を与える
・個人の品質改善活動
パーソナルレビュー
欠陥を下流に流さない
チェックリストを使用する
・チームの品質改善活動
開発日程と開発要員と開発チームの計画が重要
チームレビューを適切に計画･実施する
− チームレビューは問題の発見が課題 〜 解決策は後で検討する
− いつまでに、誰に、何を確認してもらえば安心か
− 個人の事前レビューで欠陥の発見が向上する
■ テストの立案
工程で品質を作り込む
レビューはソースコードや仕様書に対して行う
・テスト計画
機能テスト
セキュリティテスト
性能テスト
インストールテスト
回復テスト
負荷テスト
ユーザビリティテスト
マニュアルテスト
互換性テスト
規格適合テスト
・データ組合せテストの設計
全てをテストすることはできない
少ない回数で漏れなく、多くの不具合を見つける
ツールによる自動生成が利用可能
■ 能力の向上
自己マネジメント能力が前提
開発手順の品質によってプロダクト(部品)の品質が決まる
− プロセスを決めることによって個人能力に依存しない品質管理が可能になる
カーネーギーメロン大学のＰＳＴ(自己マネジメント)とＴＳＰ(チームマネジメント)を利用する
プロセスの要素
プロセスのスクリプト(手順書)：ソフトウェアの開発手順
測定指標
フォーム(記入書式)
標準：コーディング規則や規模尺度(モノサシ)
・ＰＳＴ
標準 / 工程計画 / レビュー
設計テンプレートやチェックリスト(設計レビューなどの)による改善
計画立案
要求定義 → 概念設計 → 規模見積 → 資源見積 → 日程作成 → 製品開発 → 製品納入
生産性の実績から資源を見積もる
製品納入から要求定義へループする
レビュー能力の改善には、チェックリストの更新が必要
− 項目が多くなるとチェックがおざなりになる
− 不要な項目の削除も必要になる
− 欠陥の種類と頻度などから検討する
・ＴＳＰ
用語集の共有は必須
プロジェクトの立ち上げ
ゴールの共有：チーム / 個人 / 役割 の到達点
役割の分担：チーム･リーダー / プロセスマネージャ / …
チーム構成：ピラミッド型ではなく円環(サークル)構成
計画プロセス
タスク計画 → 日程計画 → 品質計画 → 個人計画 → 統合 → 最終計画
《�供� 多変量解析
■ 時系列分析
変化のパターンを時点から探る 〜 時系列プロット
変化を相対評価する 〜 基準(時点)を定め指数化する
変動の構成要素を分解する 〜 変動成分への分解(TCSI) 加法モデル/乗法モデル
例)傾向変動：移動和(移動平均)
時点間の関連性を見る 〜 自己相関係数をコレログラムに描く
自己相関：時点をずらして相関をとる → [ラグ(ずれ)×自己相関係数]を描画する
《�掘� 言語研究
《�検� 地理空間情報
■ 地理空間情報
2007年、地理空間情報活用基本法
位置情報：緯度-経度 / UTMポイント(世界共通の住所)
GIS 〜 様々な情報をレイヤで表現することができる
国土数値情報ダウンロードサービス(国土交通省)
・空間データ
ベクタ型：図形として捉える 〜 点(ポイント)、線(ライン)、面(ポリゴン)
位相構造を捉えることができる（立体交差など）
ラスタ型：セルに分解し、属性コードを付与する
写真などの画像に適用される
・空間データの可視化（地図化）
階級区分図
カーネル密度推定法：密度に換算する
■ 空間情報の統計分析
空間依存性：近いものほど関連している
空間異質性：地域の特性はは均一
・点分析（領域分析）
バッファリング：ある範囲のポリゴンを作成
例）バス停の利用圏、汚染の影響範囲
ボロノイ分割：点オブジェクト(母点)が同一の地点の集合
［集塊 ⇔ 不規則 ⇔ 分散］の判定
区画法：区画に含まれる点の数 〜 χ^2検定
分割のし方で結果が変わってしまう
最近隣距離法
K関数法：全ての点の組合せを考慮する
シュミレーションが必要
・面分析
空間自己相関：距離に起因した相関関係
正（近いものが似ている） ⇔ 負（異なる値が近接している）
モランのＩ統計量
空間回帰モデル 例）人口の密度と変化率
・ビッグデータの活用
スマホの位置情報
パーソントリップ調査：東京都市圏で10年に一度実施
360°カメラから３Ｄ画像を作成できる
人間中心設計や根拠に基づく政策決定に役立てる
・分析手法
次元削減 〜 人間が理解可能なものにする
主成分分析 / ＭＤＳ / ｔ-ＳＮＥ
主成分 寄与率80％まで求める ポジションマップの作成にも利用
ＭＤＳ 画像データの特徴抽出に適用する etc
クラスタリング テキストと画像を用いた類似地検索 K-means法が用いられる
回帰･判別分析 線形の現象のみ扱える
→ 非線形手法を用いる ランダムフォレスト etc
異常値検出 事件事故(大雪や地震)などを検出できる
■ 空間情報へのAI活用
・動画の分析
＜動作解析＞
人の動きを間接単位で検出できる
畳み込みニューラルネットを用いる
事前学習モデルを援用することが多い
画像ではVG16が有名
畳み込み層とプーリング層を交互に積み重ねる
＜敵対的生成ネットワーク(GAN)＞
生成モデルの一種
偽物の識別にも用いられる
《�� 心理学研究への応用》
■ 認知モデリング
・心理学の統計分析
正規分布の仮定は、検証されていない
・AIを活用した統計モデリング
行動のメカニズムを表現することができる
因果推論〜実験以外の方法で因果を推定する
因果ダイヤグラムの検討により、
交絡要因をコントロールし疑似相関を排除できる
ベイズ統計分析
マルコフ連鎖モンテカルロ法[MCMC]の推定が必須
誰でもデータを利用に可能にするオープンサイエンス
■ 表情運動
・感情を伝える表情
エクマンの６表情パターン
意図した演技 と 自然な表情 は区別できる
・機械学習による表情の符号化
通常は、教師有学習で行う
アクション･ユニット AU１~14 を識別する
アルゴリズム：V-J法など
ツール：Open Face / Automated Facial Affect Recognition / Py-Feat
＜符号化の手順＞
前処理：顔の検出 → パーツの標準化
特徴量抽出
表情運動出力
・表情運動のモデリング
データ ＝ 時間因子 × 空間因子 → AUの識別（口角を上げる / 口を閉じる / …）
■ 社会心理学のモデリング
・統計モデル
回帰モデル(線形モデル)
正規分布に従わないものもあるので、一般化線形モデルも考えられた
階層線形モデル
ポアソン分布を前提とする
個別データの生成モデル ＋ 集団レベルの構造モデル
階層非線形モデル
ベイズ法を用いる
・集団力学
家族などの少人数 − 小集団(集団力学) − 群衆行動
個人の総和ではなく、集団としてのモデルを考える（ゲシュタルト心理学）
個人と集団の相互作用 環境の個人に対する作用を考慮する
＜ネットワークの科学＞
対人関係を表現するモデルは、行列で各個人の対人関係を表現する
３次元以上の行列モデルになる
＜モデルの階層＞
自己×自己：自己イメージ
自己×他者：関係の推測
自己×社会：他者の態度推定（空気を読む）
社会×自己：集団圧力
社会×他者：規範･規則
社会×社会：世論･制度
MDSによる方法
心理空間を構成する 例：２相３次元データを可視化する
時系列データから、社会の遷移を表現する
■ 臨床心理学
・計算論的精神医学
データ(面接/観察/ログ) → 機械学習 − → 臨床意思決定
臨床疫学研究 − → エビデンス ┘
・日本の現状の課題と解決
1) 予防アプローチがとれない
← 理解の不足と抵抗感
不審行動−準備行動の把握 → 異常検知 → 犯行予測 → 予防情報の開示
ライフログデータ → 要因行動/予防行動の抽出 → 即！行動を調節する助言の提示
2) 対面サービスしか提供しない
← 対面はお金がかかる
→ スマホによるフリープランや低価格サービスの開発
自分が言ったことは行動しやすい
例）パチンコを止めると言う
ギャンブルを止めた人と会話する
VR(仮想現実)の中のアバター=親密な他者に悩みを相談する
カウンセリングによる癒しが得られる
3) 遅れた治療が提供されている
← 医師が医師免許を取得した頃の知識と技術に留まっている
→ 簡単に評価できるようにし、評価を開示する
患者との信頼関係：表情の一致で判定できる（遠隔面接で測定）
患者の社会適応：クライエントの音声により測定する（発話の侮蔑情動の多さなど）
・N of １（シングルケースデザイン：単一事例実験計画法）
特定の個人を継続的に測定し、介入によってアウトカムの変化があったかを判定する
目視による評価から統計評価による評価へ
AIによる評価への期待
《�后� データサイエンス
■ データサイエンス
・データの散らばり
〇 〇〇 〇 〇
ーーーーーーーーーーーーーーーーーーー
△
平均は、秤の重心
分散は、秤を回転させるのに必要なエネルギー
標準偏差は、平均と同じ単位にする
変動係数［標準偏差/平均値］は、異なる変数を比較する
箱ひげ図では、「外れ値」も図示する
・クロス集計
A B オッズ比
�� ａ ｂ a/b
�� ｃ ｄ c/d
オッズ比は、変数間の関係性を表す
・回帰分析
局所回帰は、局所の回帰線を結ぶ
重回帰分析では、自由度調整済みの決定係数で、モデルの説明力を判断する
ロジスティック回帰分析は、事象の発生確率のモデル
ｐ＝1/(１＋ｅ^-z) ｚ＝ａ＋ｂ1Ｘ1＋･･･＋ｂkＸk
・時系列データ
事例列の変動＝傾向変動＋周期変動＋特異変動＋無規則変動
自己相関 ： 時点をずらしたデータの相関
コレログラム： lag × 自己相関係数 → 周期変動の周期を特定できる
・データの類似性
クラスター：同質のグループ
主成分分析や多次元尺度構成法で、データを可視化し同質性を可視化できる
・データの可視化
可視化は、「データの縮約」である
経験分布関数（累積度数）ー縮約→ ヒストグラム
動くグラフは、時系列の動きを動画にする
インタラクティブな図は、ポイントしたところの詳細情報を表示する
《�此� データエンジニアリング
■ データエンジニアリング
・ビッグデータ
データレイク：非構造の未利用の生データを扱う ⇔ ＤＷＨ：構造化データを扱う
ＲＤＢの検索データなどの再構成処理は遅い。
＊RDBのキーバリュー型
連想配列を基盤とするデータストレージパラダイムで、辞書やハッシュテーブルとして知られるデータ構造を利用しています。データはキーと値のペアとして保存され、キーを使って高速にデータにアクセスできます。キーバリュー型データベースは、オブジェクト指向プログラミングのような現代的な概念を反映し、柔軟性と高い性能が特徴です。
＊グラフ型データベース
ノード（点）とエッジ（線）によってデータを構造化し、関係性そのものをデータ構造として扱います。これにより、データの動的な変更と適応が可能になり、柔軟性とスケーラビリティが強化されます。グラフ型データベースは、特に動的なデータの管理や分析、セマンティック検索、レコメンデーションエンジンに適しています。
＊＊現在のRDBは、RDBを発明したエドガー・F・コッド博士の12の規則に適合していません。最も近いと言われたのがSybase。このSybaseの古い版をマイクロソフトが買って作ったのが、SQL-サーバー。なので、SQL-サーバーはネット対応していませんでした。現在でもネット対応は不十分です。
デンソーとNTTデータがドライブレコーダーと空間情報を利用して、相生生命の保険料金など設定情報を開発した。
ヤフーと連携してマクロミルはSNSデータを活用している。
スクレイピング：WEBサイトから自動でデータをダウンロードする
■ データ収集
コンピュータは小さくなる〜ユビキタスコンピューティングの時代が来ることは予想されていた
IOT 〜 感知 → 通信 → 保存
センサー端末 − 有線LAN − サーバー 機密データ
└ − 無線LAN − クラウドサーバー オープンデータ
インターネット環境が無い地域には、巡回車が無線で収集する
データのアノテーション：何を意味している判別不能な生データに、他の関連するデータから意味を「注釈」してラベルやタグをつける作業
＊＊歴史区分
狩猟社会(~25万年前) → 農耕社会(BC11000~) → 電工社会(AC1831年8月29日~)
・データベース〜現在のRDB(関係表)
ERモデル(実体関連モデル)：実体集合とその関係を表現
実体集合は、属性を持つ実体の集合
関係の例： 科目 − 履修 − 学生
└評点┘
リレーション(関係)：表
スキーマ：表の名前と属性の集合
タプル：行
関係従属性：属性Xの値が決まれば、属性Yの値が一意に決まること
外部キーを設定設定した場合、不整合を防ぐために参照整合性制約が入る
親テーブルに存在しない値を子テーブルに登録できない
子テーブルに登録されている値を親テーブルから削除できない
SQL
関係代数の演算
制限：属性の値を指定して、行を抽出する
射影：出力する属性を指定する
直積：異なるテーブルの属性の組み合わせを出力
結合：テーブルを結びつける
結合は、直積と制限
■ ITセキュリティ
・情報セキュリティ
機密性：権限のある人しか見られない
完全性：情報が壊れていない
可用性：必要なときに利用できる
マルウェア：悪意のあるソフトウェア
ランサムウェア：身代金を要求する
平文：誰でも読めるデータ
暗号：権限が無い人には読めないデータ
公開鍵暗号 〜 RSA方式による暗号鍵と複合鍵
電子署名もRSA方式を持ちいている
・虚弱性への対応
セキュリティホール：安全性を損なう可能性のある動作
虚弱性：人を含めた広い範囲の弱さ
穴の発見 → アップデート公表 → アップデート適用
└−−−−−−−┘
ゼロディ攻撃
アクセスする人と団体の動作を追跡できるようにする
パスワードをハッシュ化する（ハッシュ関数は一方向関数）
