玉手学長と語り合う身近なデータサイエンス
2023年5月、玉手学長と山形大学学生5名による対談が行われました。データサイエンスに関する複数のトークテーマから、サイコロを投げて出た目のテーマについて話すという形式で、会場は終始なごやかな雰囲気。話題は、身近なデータサイエンスのことから今話題のChatGPTにまで展開していきました。
参加者
- 秋葉 玲奈さん（理学部4年）
- 高橋 雅子さん（理学部4年）
- 齋藤 奎舜さん（人文社会科学部2年）
- 富岡 智史さん（人文社会科学部2年）
- 田茂 柚希乃さん（人文社会科学部1年）
- 玉手 英利学長
進 行
- 奥野 貴士教授（理学部 主担当/データサイエンス教育研究推進センター長）
もくじ
- テーマ1：データサイエンティストと聞いてイメージすることは？
- テーマ2：いま話題の「ChatGPT」もう使ってみましたか？（Vol.2へ）
- テーマ3：人工知能が人間を超える「シンギュラリティ（技術的特異点）」は来ると思いますか？（Vol.3へ）
- 番外編：参加学生のコメント（番外編へ）
テーマ1：データサイエンティストと聞いてイメージすることは？
❝身近な「データサイエンス」❞
奥野：皆さん、本日はお忙しい中お集まりいただきありがとうございます。昨年度、玉手学長にデータサイエンスの学びの大切さを学生に伝える企画にご協力いただきたいとご相談したところ、玉手学長から“学生と語る場が良いのでは”というご提案をいただいたことで、今回の企画が実現しました。今日は皆さんと身近なデータサイエンスをテーマに話していきたいと思います。では、まずは玉手学長から、ひと言お願いします。
玉手：私は理学部の教員をしていた頃からクマに関する研究をしており、そこでデータサイエンスを活用していました。例えば、私が以前に発表した論文（Uno et al.2015）を紹介すると、これまでに得られた約3000のクマの出没データを分析し、川からの距離や標高などの環境要因と出没の関係性から、その確率を調べるというものです。ちなみに私は趣味でフィギュアを集めるのが好きです。（すみっコぐらしのチョコエッグを出して）これは全部で21種類あり、コンプリートを目指しています。今日は皆さんにプレゼントします。
学生：かわいい！ありがとうございます！
玉手：データサイエンスの手法の中に「ベイズ統計」というものがあります。このカプセルトイ、いったい何個買ったら全種類が揃うと思いますか？ メーカーはできるだけ多くを売りたいけれど21種類を等確率で混ぜてしまうと、目当てのものがすぐに手に入ってお客さんは買うのを辞めてしまいます。だから、もう少しで手が届く程度に適切な比率で種類を混ぜることで、売上を伸ばすことができるというわけです。メーカーによって混ぜ方が異なるため、私は20個ほど大人買いして、そのデータから混合比率を推定して楽しんでいます。
学生：へぇ〜、おもしろい！
玉手：レアが出たら私にくださいね。
学生：笑！
❝データサイエンティストってどんな人？❞
奥野：ではさっそくサイコロを投げてテーマを決めていきましょう。最初は玉手学長、お願いします。──ひとつめのテーマは「データサイエンティストってどんな人？」です。玉手学長、いかがですか？
玉手：私のデータサイエンティストへのイメージはふたつありますね。ひとつめは、データを構造的に活用するスキルを持ったプロフェッショナルな人物像です。このようなスキルを身につけるには、大学でプログラミングについての理解を深めることが必要不可欠です。今はAIによるプログラムの自動化が進んでいますから、さらにそこから人々が喜ぶものを導き出すための構造やアプローチについて学ぶことも必要になるでしょう。
奥野：企業には大量のデータが集まります。データサイエンティストはそれを解析し、データから導かれる結論・判断や解決策を提案したり、そのデータを企業経営の意思判断に活用することもありますね。
玉手：ですから、むしろデータをどう処理するかよりも、「データを使って何ができるか」という視点で学ぶことが大切です。学部で基礎的なスキルを身につけておけば、将来に活かすことができるでしょう。そのような意味では、大学の研究者から企業でデータを活用して社会的課題に取り組む人まで、データサイエンティストと呼ぶことができると思います。
一方でふたつめのイメージは、必ずしもプロのレベルまではいかないものです。例えば、私は自身のクマの研究でデータサイエンスを意識せず進めていましたが、それが結果的にデータサイエンスの手法になっていた。そのようなレベルであっても良いと思います。
奥野：私は純粋に「データサイエンティストはすごい人」というイメージがありますね。データサイエンティストは膨大なデータを整理・分析するだけでなく、集めたデータから立てた仮説の立証・評価を繰り返し、より良い結果のための施策を出します。ITの知識だけでなく、あらゆる業界の専門的知識とデータを融合し課題解決に導く、とても魅力的な仕事です。データの量や質がそれほど多くなく複雑でなくても、データを扱い、何かを表現することもデータサイエンティストと言えるでしょう。そうなると、データサイエンティストという存在は私たちの多くに当てはまるのかもしれません。そしてそれは、社会にとって必要なスキルでもあります。
玉手：データサイエンティストにはさまざまなレベルがあります。山形大学のデータサイエンス教育はリテラシーレベルからより高度なスキルの取得まで段階的なアプローチを取っています。自分自身がどこまで進みたいか目標を見極めながら、学び進めていくことができます。
秋葉：データサイエンティストのスキルや思考は誰でも持てるものなんでしょうか？
奥野：誰もがデータサイエンティストになれるでしょう。でも、データサイエンティストひとりだけでは仕事を完結することはできません。データを収集する人のほか、その目的や必要性を理解してデータサイエンティストとコミュニケーションができる人材も必要不可欠です。
高橋：文系と理系とでは、どちらで活躍しやすいですか？
玉手：データサイエンティストが活躍する環境は、文系や理系に限定されることなく、どこにでもあります。データを活用して問題を解決することは、どんな業界や組織でも重要な役割を果たすからです。
❝大切なのは、それをどう使うかを考えること❞
玉手：山形大学の卒業生の中には、行政に就職する人も多いですよね。行政は施策の効果判断や検証にデータサイエンスやAIを活用しています。自分と違うもの、関係ないものだとは捉えず、自分もそれになりうるものだと考えていきたいですね。
奥野：皆さんは、玉手学長の話を聞く前と後で、データサイエンティストのイメージは変わりましたか？
富岡：データサイエンティストは、資料やグラフを読み取り、その傾向から提案をする職業だと考えていました。話を聞いて、データサイエンティストはあらゆる場所で必要とされる力であり存在なんだなと思いました。
秋葉：データサイエンティストと一言で言っても、かなり幅が広いんですね。今、IT技術の発展で情報やデータが大量にある中で、そのデータの分析方法や提案を考えるという力がこれから必要になると感じました。
玉手：そうですね。データを活用するためには、それを分析するだけでなく、どう活用するかという考え方が大事です。
秋葉：以前授業で取り組んだときに、分析方法が違うだけで答えがまったく別なものになりました。そのときに、分析の方法をしっかりと考えることが大事だと感じました。
玉手：私は自分で研究していたときに一番難しいと感じたのが、データ解析の自動化が進む中での結果の解釈や、追求すべき結果の選択でした。データサイエンスとは、誰かの情報収集や分析の結果でもあります。ですから、判断に正当性を持たせるためには、その答えが導かれたプロセスや背景も知っていた方が良いでしょう。
奥野：データサイエンスティストだけで、かなり話題が広がりましたね。では、次のテーマに移りましょう。（→Vol.2へつづく）
【引用文献】Uno R., Doko T., Ohnishi N.,Tamate H.B.(2015) Mammal Study 40(4):231-244
https://doi.org/10.3106/041.040.0404
