00:00:43 ピエール・ピンソンの紹介
00:01:25 ピエール・ピンソンの経歴とデータ中心設計エンジニアリングと予測における彼の仕事。
00:02:20 ピエールが確率予測に入り込んだ経緯とエネルギー、物流、ビジネス分析への応用。
00:04:17 予測品質の評価、意思決定における重要性、および予測価値との関連性。
00:07:41 確率予測への最初の反応。
00:08:27 過信の問題。
00:10:00 統計と確率のクロード・ベルナールの批判。
00:13:00 世界における決定論と確率的な振る舞いの違い。
00:14:37 気象学とビジネスを確率予測で結びつけること。
00:15:11 天気予報の重要性と文化的な意味。
00:16:46 確率の説明と予測の理解。
00:18:58 情報過多と意思決定の課題。
00:20:31 確率をリスク評価に変換すること。
00:22:14 自動化された意思決定とユーザーの信頼のバランス。
00:23:36 ビジネスと物流における気象予報の重要性。
00:25:01 風の予報とエネルギー部門での重要性。
00:26:00 電力需要予測やサプライチェーンの状況での気象データの使用。
00:30:25 気象学と物流の文脈で確率予測を適用する際の違い。
00:32:46 複雑な確率予測をクライアントに伝える課題の議論。
00:33:32 クラウドコンピューティングのコスト懸念と大量のデータのホスティング。
00:35:02 2次元ヒストグラムの使用とメモリとコストへの影響。
00:37:19 確率予測の教育と学生が直面する課題。
00:40:00 確率予測を容易にし、モデルの検証を理解すること。
00:42:40 プロセスと輸送方法の非効率性。
00:43:57 サプライチェーンからの不確実性の除去の課題。
00:45:20 不確実性の除去のコストとさまざまな産業への影響。
00:47:00 予測の進化と応用数学から経済学へのシフト。
00:50:53 予測と不確実性の下での意思決定における異なる分野の収束。
00:52:30 異なるバックグラウンドに対する確率予測の説明の適応。
00:53:21 確率予測をさまざまなビジネスに適用する方法とその利点。
00:55:53 視覚的に興味深い確率予測の魅力と著作権侵害の話。
00:58:03 情報伝達における円グラフの制限とプレセールス段階での使用。
01:00:01 プロフェッショナルなキャリアにおける不確実性の受け入れと確率的な視点の理解。
01:02:23 異なる産業における学際的なアプローチと不確実性。
01:04:27 教育の重要性と新世代が産業に与える影響。
01:07:00 異なる分野における確率的予測の採用曲線。
01:08:33 不確実性を受け入れるための100年の時間軸に対するヨアネスの見解。
01:10:37 新しいアイデアの採用の課題と一部の分野での変化の遅さ。
01:12:14 予測技術における数学の重要性。
01:13:26 予測科学と技術の将来の進展。
要約
ロカドの創設者であるジョアネス・ヴェルモレルと、インペリアル・カレッジ・ロンドンのデータ中心設計工学のチェアであるピエール・ピンソンとのインタビューで、さまざまな分野での確率的予測とその応用について議論しています。彼らは予測における不確実性の理解の重要性と、この分野での継続的な教育の必要性を強調しています。3人全員が同意する点は、革新は人々がそれを受け入れる速さよりも速く起こるということであり、この分野の新しい進展について最新情報を把握し、進歩に備えることを奨励しています。
詳細な要約
ホストのコナー・ドハティが、ロカドの創設者であるジョアネス・ヴェルモレルと、インペリアル・カレッジ・ロンドンのデータ中心設計工学のチェアであるピエール・ピンソンと確率的予測について話し合っています。ピンソンはデータ中心設計工学における幅広いバックグラウンドを持ち、エネルギーや物流などさまざまな応用分野に焦点を当ててきました。一方、ヴェルモレルはサプライチェーンの視点から確率的予測に取り組んできました。
ピンソンはもともと天気と再生可能エネルギーに興味を持ち、風力発電所の予測に関する博士号を提供されました。彼は予測の不確実性と可能な結果の範囲を理解することの重要性を強調しています。一方、ヴェルモレルの確率的予測への道は、多くのサプライチェーンの予測がほとんどゼロであるという認識から始まりました。すべてが可能であるが、すべてが同じ確率であるわけではなく、予測の不正確さの構造を理解することは価値があると彼は見出しました。
気象学では、予測の品質を評価するためにさまざまな指標が使用されます。予測と実際の結果の間の距離や、その間の絶対差の平均などです。しかし、これらの指標は特定の応用において予測が良いか悪いかを常に示すわけではありません。ヴェルモレルは、確率的予測が可能性の範囲について教養ある意見を提供するのに役立つと付け加えています。
確率的予測を扱う人々が直面する課題の1つは、不確実性を数量化するという考えを他の人々に受け入れさせることです。人々は一般的に確定論的な予測を好む傾向があり、過信を好む認知バイアスがあります。しかし、確率的予測は潜在的な結果のより透明で公正な表現を提供します。確率的予測を意思決定に使用することで、より良い結果を得ることができますが、人々は不確実性の考えに開かれている必要があります。
L4 19世紀のフランスの生理学者であるクロード・ベルナールは、科学的実験に統計と確率を使用することに反対し、変動性は理解不足や怠惰な科学の結果であると主張しました。しかし、ピンソンは、確定論的なアプローチが特定の問題にはうまく機能するかもしれないが、世界は根本的に確定論的ではないと考えています。確率的予測は、固有の確率的な振る舞いと不確実性を伴う状況において価値があります。
確率的予測の主な課題の1つは、情報の過多です。人々はすでに多くの情報を処理する必要があり、確率的データを追加するとすべてを理解することがさらに困難になります。特に、供給チェーンで何百万もの製品の予測を行う場合には、これが特に当てはまります。
この問題に対処するため、一部の企業は自動化された意思決定やリスク評価を活用して、ユーザーが確率的予測を理解しやすくするようにしています。確率的データを数量化されたリスクに変換することで、ユーザーはデータの複雑さに圧倒されることなく、自分の意思決定の潜在的な結果をより良く理解することができます。
気象学の分野では、確率的予測が温度、降水量、風速、太陽放射などの変数を予測するのに役立っています。これらの変数は、エネルギー生産や消費など、日常生活やビジネスのさまざまな側面に重要な影響を与えることがあります。天候データを供給チェーンの予測に使用することで、特に急激な天候変化に対処する場合には、より正確な予測が可能です。
ただし、インタビュー対象者は、天候データを供給チェーンの予測に組み込むことは困難であり、成功した例はほとんどないと認めています。1つの例では、ヨーロッパの電力供給業者の電力需要予測の精度を向上させるために天候データを使用しました。天候データを予測に組み込むことで、急激な天候変化による不正確さを減らすことができました。
ヴェルモレルは、Lokadの予測モデルがそのシンプルさにもかかわらず、印象的な精度を達成している経験を共有しています。彼が提供する例の1つは、天候条件に基づいて需要の急増を予測したいアイスクリーム販売業者とのプロジェクトです。事後分析では売上増加の理由を特定することに成功しましたが、需要の予測は、供給チェーンにおける長いリードタイムのためにより困難でした。ヴェルモレルは、彼らが直面した課題にもかかわらず、確率的予測がさまざまな産業で成功する可能性がまだあると強調しています。
ピンソンは、気象学的な文脈と物流・ビジネスの文脈で確率的予測を適用する際の違いについて説明しています。彼は、意思決定プロセスの入力として使用する適切な予測製品を決定することが主な課題であると説明しています。シナリオ、区間、分位数などが考慮されるオプションのいくつかを挙げていますが、最終的にはクライアントや顧客の具体的なニーズに依存します。
ヴェルモレルは、確率的予測技術を実装する際に計算コストを考慮することの重要性も強調しています。彼の経験では、ヒストグラムと確率密度が最も詳細な情報を提供しますが、高次元のデータを扱う場合には計算コストが高くなる可能性があります。そのため、Lokadではコストを管理し、計算を効率的に行うためにさまざまな技術の組み合わせを使用しています。
ピンソンは、確率的予測について学生に教える際の最大の課題は、その概念の利点を彼らに納得させることではなく、これらの技術を現実の状況にどのように適用するかを理解させることです。ヴェルモレルは、確率的予測の理論的な側面とコストや計算効率の実践的な考慮事項をバランス良くすることが実践者にとって重要であると付け加えています。
ヴェルモレルは、すでにリーン運動を提唱し、供給チェーンから不確実性を取り除くことを主張するコンサルタントから教育を受けた人々に教えることに苦労していると共有しています。彼は、不確実性を取り除くことはコストがかかるとし、それを受け入れて賢明に管理することがより費用対効果が高く実践的であると述べています。
ピンソンは、不確実性を取り除くことは非常に高価であり、不可能であるため、それを受け入れて賢明に管理することがより良いと強調しています。再生可能エネルギーの例を挙げながら、無限のエネルギーを扱うための貯蔵システムを開発することは非常に高価で実現不可能であると述べています。代わりに、不確実性を受け入れて予測することが、より費用対効果が高く実践的であると言えます。
予測の歴史的および文化的な側面についての議論が進みます。人々は常に確定論的な世界に生きようとし、不確実性を取り除こうとしてきました。また、自然科学、社会科学、経済学などの異なる分野が、予測と不確実性の下での意思決定において収束していることも話し合われています。
ピンソンは、異なるバックグラウンドを持つ人々に確率的な予測を教えることの課題と、数学的なバックグラウンドがない人々のための要約版の必要性について話します。彼は、単純な例から始めて徐々に複雑さを高めることを提案し、同時に基本原理と概念の理解の重要性を強調しています。
ヴェルモレルは、著作権侵害の経験を共有しています。彼の会社のグラフが許可なくLinkedInで再利用されました。しかし、これらの魅力的なグラフは潜在的な顧客の注意を引きつけ、会社をより技術的に先進的に見せることができます。
ピンソンは、不確実性が私たちの生活のあらゆる側面に存在し、それを理解し管理することがさまざまな分野の専門家にとって重要であると話します。確率的な予測について学ぶ学生は、これらのスキルを職場に持ち込み、企業に影響を与えることができるため、教育がこの理解を促進する上で重要な役割を果たしています。
ピンソンは、確率的な予測の採用がさまざまな産業で引き続き成長すると信じています。さらに多くの人々がそれについて教育を受け、企業がお互いにインスピレーションとアイデアを求めるようになるためです。彼は、確率的な予測を採用するのに遅れていた船舶業を例に挙げ、他の分野の指針を参考にして業務に取り入れる方法を模索していると述べています。
ヴェルモレルは、予測における不確実性の理解の重要性を強調し、19世紀の戦いの例を挙げています。化学が医学に関連していることを認めるまでには、ほぼ1世紀かかりました。彼は、イノベーションは人々がそれを受け入れるよりも速く起こると提案し、教育がこのプロセスで重要な役割を果たすと述べています。ヴェルモレルはまた、ニールス・ボーアの言葉「科学は葬式ごとに進歩する」を引用し、重要な進歩が速く起こるかもしれないが、その意味を理解するのには長い時間がかかるという考えを強調しています。
ピンソンは、気象予測における確率的予測の応用について議論し、予測技術の数学が議論の中で最も関連性のある部分ではないかもしれないが、応用数学の進展を認識することが重要であると述べています。彼は、数百万の時系列を並列して予測するための機械の設計は課題を提起するが、研究者は常に将来のための新しいモデルと技術を開発していると説明しています。
ヴェルモレルとピンソンは、予測と確率的予測にはまだ多くの進歩が必要であり、不確実性の理解と継続的な教育の必要性もあるとの意見で一致しています。彼らは、この分野の新しい進展について最新情報を把握し、今後の進歩に備えることを奨励しています。
フルトランスクリプト
Conor Doherty: LokadTVへようこそ！私はホストのConorです。いつものように、Lokadの創設者であるJoannes Vermorelが一緒にいます。今日は、国際予測学ジャーナルの編集長であり、Half SpaceのチーフサイエンティストでもあるPierre Pinsonが参加しています。彼は確率的予測のさまざまな興味深い応用について話します。Lokadへようこそ、お会いできてうれしいです。
Pierre Pinson: 今日はお招きいただきありがとうございます。
Conor Doherty: 参加していただきありがとうございます。私たちはとても興奮しています。さて、ピエール、私は非常に簡単な紹介をしましたが、実際には非常に広範な経歴をお持ちです。まず、バックグラウンドとお仕事について少し紹介していただけますか？複数のプロジェクトや分野に関与していることを知っていますが、皆さんに少し見えるようにしていただけますか？
Pierre Pinson: はい、ありがとうございます。まず第一に、私は現在ロンドンのインペリアルカレッジで教授をしています。私はデータ中心の設計エンジニアリングに焦点を当てたチェアを指導しています。これまでのところ、私たちがこれまで以上に多くのデータを扱っているため、データから価値を生み出す必要があります。それが私の研究と教育の目的です。もちろん、データと一緒に最も興味深く、最初の応用として考えるのは予測です。過去20年間、私はさまざまな応用領域に焦点を当てて予測を行ってきました。主にエネルギーに関しては、エネルギーに関しては予測が非常に重要であり、物流やビジネス分析などにも必要です。
Conor Doherty: そこには非常に興味深い分野がたくさんあり、私たちのやりたいこととも多くの重なりがあります。まず、確率的予測にどのように関わってきたのですか？
Pierre Pinson: 実は、最初は確率的予測をするつもりはありませんでした。私は天気と再生可能エネルギーに非常に興味があり、再生可能エネルギー、風力発電所の予測に関する博士号を取ることを提案されました。風力発電所が明日どれくらいの電力を生産するかを予測するのです。問題は、予測者は常に間違っているということです。私の博士号の指導教官は、「予測がどれくらい間違っているかを知りたいのですが、それは単なるメトリックではないはずですよね？予測が明日どれくらい良いかを知りたいのです。」と言いました。そして、それが私が確率的予測に向かうきっかけでした。なぜなら、今日私が知っていることに条件付けて、明日に自分自身を投影することができるからです。そして、何が起こるかの不確実性をどのように説明し、最もありそうな結果、期待される結果、および起こりうる結果の範囲を示すことができるかを考えるのです。
Conor Doherty: それは興味深いですね。ジョアネスにもすぐに話を聞きたいと思いますが、気象予報の良い予測とは何ですか？効果を測定するためにどのようなメトリックを使用しますか？「今日は雨が降らなかったので、100％正確でした」というだけではないでしょう。そのメトリックは何ですか？
Pierre Pinson: そうですね、実際にはそれ自体が科学です。予測を評価し、良い予測かどうかを判断する方法です。原則として、風速や気温などの連続変数の予測の場合、予測の品質は予測した値と実際の値の間の距離と関連していると考えられます。その後、この距離を操作するためのさまざまな方法があります。二乗誤差や二乗距離の合計を取ることができますし、二つの間の絶対値の平均を見ることもできます。予測の品質を示すためのさまざまなメトリックがあります。問題は、それが単なる数値であるということです。つまり、平均的に予測が2つ間違っていると言っても、「それは良い予測ですか、悪い予測ですか？」ということです。これは、予測の品質（この距離に関してどれくらい優れているか）と予測の価値（この予測を使用して意思決定問題を解決する場合、どれくらい良いか）を関連付ける必要があるということです。これは、予測の発展の過去数十年間において非常に頻繁に問題となってきたことです。
Conor Doherty: それは私たちのアプローチと何か類似点がありますか？
Joannes Vermorel: それは非常に興味深いですね。Lokadでは、私たちは確率的な予測に完全に異なる経路を通って到達しました。そして、あなたが説明することは、数年後に得た教養ある意見により近いものであり、出発点とは異なります。私の最初のアプローチは、もっと平凡なものでした。実際には、私たちはサプライチェーンで多くの予測を行っていて、単にゼロを予測していました。私は何度かこの逸話を話していますが、最初の試みでは、ほとんどの商品が平均して1日にゼロ回売れるようなミニマーケットの販売から予測を行いました。これは最も近い整数に丸められるものです。典型的なミニマーケットでは、95%の商品が1日に売れる単位数がゼロでした。そして問題は、私たちがこの問題を抱えていたことであり、それが私たちを分位数に導く予測バイアスを生み出しました。そして、分位数を扱っているうちに、私たちはおそらくすべての分位数を一度に持つべきだと気づき、確率的な予測に至りました。しかし、今日では、確率的な予測が重要なのはなぜかを説明する必要がある場合、私たちのアプローチは、はい、あなたの予測は絶望的に正確ではないことを知っています。私の場合、ベンダーである場合、私の予測は絶望的に正確ではありませんが、これは私がそれらの不正確さについて何の手がかりも持っていないということとは異なります。実際には、私は可能性の範囲についてかなり教養ある意見を持っています。すべてが可能ですが、すべてが同じ確率ではありません。あなたの教養ある意見では、可能性の範囲は広がっていますが、エラーの分析には構造があります。それについて詳しく説明していただけますか？
Pierre Pinson: 人々にとって最も奇妙で興味深いのは、このエラーの分析には構造があるという考えです。人々は不確実性は何も知らないことから生じると直感的に考えますが、それが彼らが知らないことに構造があると言うと混乱します。私が確率的な予測を提唱し始めたとき、最初の反応は、何が起ころうとも私は決して間違えないということでした。なぜなら、私の予測は常に何かが起こる可能性を考慮しているからです。人々はそれをベンダーの究極の防御機構と見なしました。
Joannes Vermorel: あなたの逸話を聞くのは興味深いですが、別の視点からも見ることができます。心理学とマーケティングの「大きなネズミの逆説」というものがあります。自信過剰な人々は部屋でより多くの信用を得ますが、彼らが間違っているかもしれないとしてもです。ほとんどの人々は確定的な予測を好むのは、それが彼らに自信を与えるからです。それが間違っていることはわかっていてもです。確率的な予測を提供することは、実際にはより透明で公正ですが、人々はそれを受け入れて、決定論の認知バイアスに逆らわなければなりません。
私たちが正確であることを認めることはできないが、可能性の範囲をかなり良いアイデアで示すことができるということは、より透明で予測の品質が向上する可能性があります。確率的な予測を扱う私たちの最大の問題は、人々が不確実性を受け入れ、それを意思決定に活用するという考えを受け入れることです。実際には、それはより良い結果につながります。このような決定論的な人生は、確率的な予測を扱う私たちとしては大きな問題です。人々には、この単一のポイントが情報提供と真実であるという考えに対して、リラックスする必要があるという事実を受け入れてもらわなければなりません。不確実性を定量化し、それを意思決定に活用できる限り、より良くなるでしょう。あなたはただより良くなることしかできません。
Conor Doherty: この点について、ジョアネスさんの考えはどうですか？
Joannes Vermorel: 自分自身の弱点を認めるというアイデアは非常に興味深いです。クロード・ベルナールに遡ってみると、彼は統制実験を発明した人物であり、統計と確率の使用に反対しました。彼の主張は非常によく理解できます。彼は、何かが変動するということは、実験が悪いことを意味し、物事を十分に制御していないことを説明する第三の変数があると主張しました。彼は医学の分野であり、変動性がある場合、それを説明する第三の変数があると主張しました。そのため、彼は統計と確率の使用に反対しました。彼の視点では、それは理解が不完全であることと怠惰な科学者であることを認めることであり、自分自身の不適切さの言い訳に過ぎない派手な統計を持ってしまうことになります。この反論について、ピエールさんの見解はどうですか？
Pierre Pinson: 物理法則だけに依存している一部の問題には、確率的なアプローチを使わずに決定論的なアプローチで十分だというのは同意します。すべての不確実性や確率的なフレームワークについてあまり心配する必要はありません。しかし、より一般的なケースを考えると、それは世界についての哲学的な声明です。私たちは、世界が基本的に何が起こるかについて確定論的であると信じていますか？それとも、私たちの周りには実際に確率的な振る舞いがあるのでしょうか？私たちは、確定論的なプロセスとしてそれを見ることができるはずだと考えて、より多くの測定を行い、物理法則により理解を深めることができるのではないかと考えてきました。それは良い希望ですが、過去100年間にわたって繰り返し実験が行われ、おそらくすべてが確定論的であるわけではないことがわかりました。そして、先ほどおっしゃったようなこの不完全な知識の議論でも、モデル化や予測が必要なことは非常に多くありますが、私たちには十分な知識がないため、確定論的なフレームワークに自分自身を置くことはできません。それは単に不可能です。
Conor Doherty: それは非常に興味深いです。なぜなら、少し前に尋ねた質問について、ビジネスと気象学のアイデアを組み合わせたものがあるからです。特に、あなたのバックグラウンドを考えると、ビジネスと気象学の経験を持つあなた自身が、ビジネスの問題に確率的な予測を適用しようとした場合、おそらく抵抗に遭遇したことがあるでしょう。しかし、まさにその10秒後に同じ人がiPhoneを取り出して「後で雨が降る確率は60％だから、傘を持っていった方がいい」と言うことがあります。そのような認知的な不協和をどのように乗り越えるのでしょうか？
Pierre Pinson: それは非常に重要なポイントであり、文化的な問題があります。天気予報は重要な分野であるため、私たちはそこで文化の変化が起こることを見てきました。天気予報を使用している人々は、予報情報に敏感です。情報がどのようなものであるかを正確に評価することは難しいですが、私たちはそれが役に立つと感じています。私たちは、それが役に立つことを知っていますが、それはプロセスであり、私たちは異なる分野でも同じプロセスを経る必要があります。ビジネス、エンジニアリングの問題、保険など、私たち科学者や予測プロバイダー、産業エコシステムは、文化を変えるために貢献しなければなりません。そうすれば、人々、クライアント、または一般のユーザーが実際に異なる考え方ができることや利点があることに気付くことができます。
Conor Doherty: それは興味深いです。なぜなら、あなたは、気象情報や気象予報を伝えるための特定のメカニズムが人々に共感し、共感しないメカニズムがあることを見つけたと言いました。それについてもう少し詳しく説明していただけますか？例を挙げていただけると、人々が理解できるようになるかもしれません。
Pierre Pinson: 気象予報士と共同で心理学者が行ったさまざまな研究があります。たとえば、雨の確率について述べる場合、ロンドンで次の2時間に60％の降雨確率があると言うと、人々はそれを異なるように解釈します。一部の人々は、ロンドンで60％の時間が雨が降ることを意味すると考えますが、他の人々は、特定の場所で雨が降る確率が60％であると考えます。人々は確率が基本的に何を意味するのか理解するのが難しいです。
Joannes Vermorel: はい、私たちはユーザーやクライアントと一緒に作業する際にもこの問題を見てきました。確率予測の方法論を開発し、実践でどのように使用できるかを調査するために多くの作業が必要です。しかし、情報が実際に何を意味するのか、それが彼らの意思決定にどのように影響するかを人々に理解してもらうためにも多くの作業が必要です。課題は、確率予測から決定に移る方法を人々に理解してもらうことです。それを理解しなければ、それを受け入れることはありません。
Conor Doherty: それを明確にするにはどうすればいいですか？ホワイトボックスアプローチを使用しますか？
Joannes Vermorel: 私たちは同時に似ているものと異なるものを行っています。私たちが抱えている問題は、情報の過多です。人々はすでに情報が多すぎます。確定的な予測でも圧倒されることがあります。なぜなら、それらはしばしば非常に集約されており、さまざまな問題があります。確率予測の領域に移ると、データポイントごとにヒストグラムがあり、高次元の確率を考慮するとさらに複雑になります。
最初は、視覚化やその他の側面を改善しようとしましたが、結局は、ユーザーの視点から確率を除外する解決策に収束しました。私たちは確率に基づいて決定を下しますが、それらを通貨で表現されるリスク評価に変換します。たとえば、在庫過剰のリスクはX量であり、ストックアウトのリスクはY量です。リスククラスと視点を数量化し、これらの評価のための基礎となる確率予測を「配管」としています。
もちろん、これは完璧な解決策ではありませんが、私たちのクライアントにはうまく機能しています。データサイエンティストチームは確率を扱うことが好きですが、確率に詳しくないサプライチェーンの専門家は、このアプローチをより理解しやすいと感じます。サプライチェーンの専門家は、サプライチェーンにおいては非常に有能ですが、確率に詳しくないため、情報の過多により興味を持つことが非常に困難です。非常に速く、これらのマネージャーは、これらのヒストグラムを見る価値があるかどうかを評価しなければなりません。時間を高く評価する人々に話しかけるときには、非常に厳しいセールスポイントです。
Pierre Pinson: 同意します、完全に同意します。非常に異なる経路があります。おっしゃるように、情報の過多の問題を考慮するために試みることができるさまざまな方法があります。ここでのあなたの戦略に完全に同意します。自動化された意思決定を行ったり、最適な意思決定を提案したり、ユーザーのコスト損失比を理解したりすることは良いことです。しかし、彼らはそこに到達する方法を理解し、なぜ最初にそれを信頼すべきかを理解する必要があります。確定的な場合は信頼していましたが、確率という言葉が出てくると、もはや信頼しなくなります。しかし、これはまた別の話です。確率情報を持つことの美しいところは、非常に基本的な評価であるリスク評価を提供できることです。これは、彼らが確率予測の利点を享受するために求めているものです。どのリスクにさらされているかを教えてください。これは、情報の過多を伴わずに確率予測の利点を提供することができる最も簡単な情報です。だから、私はこれが非常に良い戦略だと思います。
Conor Doherty: まあ、私たちは気象とビジネスのトピックを統合し始めました。したがって、Pierreさん、あなたは両方の経験が豊富ですので、ビジネスや物流の文脈で適用した気象予報や気象データのいくつかの例を教えていただけますか？
Pierre Pinson: 意思決定のための入力として使用したい気象予報情報には、非常に重要な変数がほとんどあり、その後の変数の重要性は急速に低下します。最も重要な変数は気温であり、私たちの生活において多くの他のプロセスを駆動します。そして、降水量があります。最近では、風も重要な変数となっています。昔のように、30年前のように、天気予報士が風について話すときは、ほとんど楽しみのために風予報を作成していました。誰もあまり気にしませんでした。ただ、風が強いのかどうか？もしセーリングをするなら、少し興味があるかもしれません。しかし、今日では、エネルギーの応用のために、風速予報は非常に重要です。なぜなら、風速の予報誤差がわずかでも、明日利用可能なエネルギーの予測誤差が非常に大きくなるからです。例えば、デンマークのような国では、平均して半分のエネルギーが風力から供給されています。良い風予報を持つことは非常に重要です。これらが最も関連性のある変数であり、今は太陽エネルギーのために太陽輻射量にも向かっています。しかし、私はこれらが最も重要な変数であり、その後、影響の面では、これらの気象変数は今日、どこでも使用されています。ビジネスの文脈や日常生活の文脈での気象予報の重要性と品質を見ると、非常に重要です。
Conor Doherty: もちろん、海外からの商品の出荷に関するリードタイムに関しては、Pierreが説明したことを理解すると、例えばサプライチェーンの確率予測に影響を与えるはずです。
Joannes Vermorel: Lokadの歴史全体で、気象データをサプライチェーンの状況で実際に使用できたのは2回だけだと思います。これは才能の不足、献身の不足、または他の多くの要因かもしれません。しかし、結論として、予測するために、10年前に大手のヨーロッパの電力供給業者と契約し、天候を考慮に入れて電力需要の予測を改善するというケースだけで、気象データを使用した場合に非常に明確な成功がありました。それは機能し、結局のところ、予測は既にかなり集約されていました。つまり、地域ごとに集約されていたため、天候を考慮しなくても予測は非常に正確でした。しかし、それは単なる電力需要であり、次の日のための電力需要だけでした。つまり、24時間先を見ていて、集約された地域はベルギーのような国、またはフランスを5つの地域に分割したものでした。
天候を考慮しない場合、2%の正確さの時系列予測があり、不正確さのほとんどは天候の急激な変化によるものでした。寒いときは寒い傾向がありますが、突然天候が変わると、その変化を見逃してしまいます。ですので、平均して0.5%の正確さの予測がありましたが、天候が変化する日には5%または6%の不正確さが蓄積されました。そして、天候を考慮に入れることで、すでに0.5%の正確さを達成しており、Lokadでは、よりシンプルでコンピュータソフトウェアの管理が容易なモデルだけでほぼ同じような正確さを達成しました。したがって、これは特定のタイプの取り組みでした。
それがうまく機能すると言った最初のことでした。2つ目は、天候予報を使用して需要の急増を予測したいというFMCGブランドでした。残念ながら、結果はほとんど否定的でした。非常にうまく機能したのは、ブランドの名前は伏せますが、アイスクリームの販売業者で、夏の終わり後に非常によく機能していることを知りたかったのです。質問は、アイスクリームの販売が非常に暑かったためなのか、マーケティング（プロモーション）が非常に良かったためなのかでした。状況を説明するための事後分析手法としてはうまく機能していました。しかし、予測する際の問題は、ほとんどのサプライチェーンの状況において関与するリードタイムが大きいということです。例えば、アイスクリームを製造する場合、原材料を注文し、製造スケジュールを約6週間前に準備する必要があります。その時点で、天候予報の正確さは季節平均に戻り、意思決定を変更するほど十分に改善されません。私たちの経験では、これは非常に困難であり、成功例はほとんどありませんでしたが、多くの面で非常に教育的なものでした。
Conor Doherty: Pierre、確率的予測を気象学の文脈で適用する場合、物流やビジネスの文脈での適用はどのようになりますか？制約やプロセスには類似点がありますか？
Pierre Pinson: 気象学や天候に敏感なセクターなど、さまざまなアプリケーションを考える際に重要な問題の1つは、意思決定に入力として有用な予測製品のタイプです。通常、天候予報では、複数の軌道や潜在的な将来を含むアンサンブル予測が使用されます。例えば、ヨーロッパセンターでは51の代替シナリオがあります。しかし、さまざまな予測製品が必要なさまざまな意思決定プロセスがあります。
例えば、取引では、確率密度関数の完全な説明である密度を使用することが好まれます。一部の人々は、意思決定のための入力として区間と事前定義された信頼レベルを好みます。他の人々は、コスト損失の考慮に基づいた特定の分位数を要求します。ですので、気象学と他の分野の主な違いは、入力として使用する適切な予測製品について考えるために多くの時間を費やさなければならないことです。私たちは顧客の世界に自分自身を投影し、確率的予測から複雑な情報を顧客にとって最も有用な形に変換するための最良の方法を見つけなければなりません。ですので、予測はクライアントにとって有用であり、あなたのアプローチもそれに焦点を当てています。クラウドコンピューティングのコストに関する懸念と、それがあなたの仕事にどのように影響するかについて、もう少し詳しく説明していただけますか？
Joannes Vermorel: はい、エンタープライズソフトウェアのベンダーとして、クラウドコンピューティングのコストは非常に重要な懸念事項です。ちょっとしたスケール感をお伝えするために、Lokadの顧客基盤は約1ペタバイトのデータを管理しており、それが私たちが現在Microsoftに支払っている料金です。MicrosoftとLokadにとっては良いビジネスですが、コストがかかります。私たちが見ているほとんどのことは、コンピューティングハードウェアのコスト効率性によって駆動されています。
ヒストグラムと確率密度関数は通常最適です。非常に豊富で使いやすいです。ただし、1次元の場合は問題ありません。固定コストがあるため、データ量を100倍に膨らませて素敵なヒストグラムを作成できます。しかし、2次元になると、確率の行列を持つ必要があるため、より複雑になります。たとえば、特定の製品の需要と別の製品の需要の確率を同時に見たい場合があります。これらの製品は競合他社であり、ある製品の需要が急増すると、他の製品からの食い合いによるものである可能性が高いため、需要が増加する確率を考慮する必要があります。これを行列で行うと、2次元のヒストグラムが必要になり、必要なメモリが大幅に増加します。次元が高くなるほど、コストが非常に高くなります。
同様に、高次元のものを扱うのに非常に優れているモンテカルロスタイルのシミュレーションに入る場合、多くのシナリオで収益が減少します。10,000のインスタンスのような少し珍しいリスクを観察するためには、多くのシナリオが必要になる場合があります。私たちの考慮事項のほとんどは、コンピューティングコストを管理可能な範囲に保つ必要があるという事実によるものです。Microsoftに支払うコストだけでなく、より複雑なものを使用すると計算に時間がかかり、予測が完了するまで人々は待たなければなりません。
決定論的な時系列技術、特に90年代まで使用されていた機械学習以前のものは、周期性などがあってもほぼリアルタイムで使用できます。非常に迅速であり、ARIMAや指数平滑化などの方法を使用してすばやく結果を得ることができます。しかし、非常に深いディープラーニングネットワークのような非常に洗練されたものになると、トレーニングに数時間かかる場合があります。私たちにとっては、それが非常に高いコストになります。また、私たちの視点からは、実用性が支配的であり、それが大きな懸念事項です。
Conor Doherty: Pierre、あなたが行っていることの1つは、イギリスのインペリアル・カレッジ・ロンドンで教えることであり、初めて確率的予測について学ぶためにあなたのクラスに参加する学生に出会います。数学のバックグラウンドを持ち、不確実性を受け入れる概念にすでに納得している人々にとって、あなたの経験では、リードに従ってこれらのスキルを学ぶ上で最も大きな課題は何ですか？
Pierre Pinson: 予測の教育に関しては、私はデンマークに拠点を置いていた時に、エネルギーに重点を置いて行いました。問題は常に同じです。最初の問題の1つは、前に聞いたことです。なぜ最初から確率的にするのですか？通常、問題、意思決定の問題をかなりの時間をかけて説明し、学生に、確率的になることでより良い意思決定ができることを示すことが非常に重要です。予測の開発者やユーザー、両方のクライアントにとって、確率的になることでしかより良い結果を得ることはできません。それは何かをあなたにとって説得するためには多くの作業が必要であり、理解するためには多くの時間がかかります。もしもなぜそれがより良いのか理解できない場合、受け入れるのに困難があるかもしれません。ですので、私たちはそれにかなりの時間を費やしています。
その後、予測を作成することは難しいことではないことを理解してもらいたいと思います。あなたはいくつかの古典的なモデルを挙げましたが、基本的なランダム変数の観点からも考えることができます。もしもガウス分布の確率的な予測を作りたい場合、古典的な点予測を行っているときは単に平均値を予測しているだけです。そして、確率的に行きたいと言った場合、上に分散を予測するだけで、完全な確率的な予測が得られます。もしもパラメトリックに行きたくない場合でも、分位数を予測したい場合でも、決定論的な場合と同じモデルを使用することができます。ただし、トレーニング時に損失関数を変更するだけで、分位数予測が得られます。重要な点の1つは、学生に教えることです。それは学ぶのが複雑で扱いにくいものではないということです。
最後の部分は検証です。前にも話しましたが、確率的に行くと、何でも言えると思うかもしれませんし、後であなたが決して間違っていないと言ってくれるかもしれません。しかし、確率的な予測を検証し、実際にそれが意味をなし、確率が正しいことを示すための非常に厳密なフレームワークがあります。情報を集中させようとしているなど。これらは私が学生と一緒に進める主なブロックです。私の経験から言えるのは、これらはあなたが仕事で確率的な予測を扱う必要がある場合に必要な基礎です。
ジョアネス・ヴェルモレル: 私の苦労は面白いですね、なぜならあなたはおそらく学生を持っている特権を持っているからです。私の見込み客は通常、コンサルタントから教えられた形で教育を受けています。今日は敵を作りましょう。問題は、リーン運動のような反対主義があることです。リーン運動とは、例えば無駄を減らすべきだという考えです。一般的な原則としては、無駄を避ける方が良いです。定義上、無駄は望ましくないものですので、その性質上、自明です。誰も無駄を生産しようとは言っていませんが、それはリーン製造運動やリーンサプライチェーン運動の一部です。この考え方の問題は、長いリードタイムのような無駄なプロセスを持っている場合、それらを排除したいということです。しかし、ある時点で、リードタイムをできるだけ短くしようとした結果、非常に無駄ではないが非効率なプロセスになることがあります。例えば、できるだけ早く物を移動したい場合、飛行機が最適ですが、燃料効率は列車や貨物船と比べてひどいです。ですので、ゼロストック、ゼロディレイ、ゼロウェイストといったものに一直線に行くことは、ある種の不確実性を完全に取り除こうとする試みです。もしリードタイムがゼロなら、なぜ予測が必要なのでしょうか？目の前にあるものに対処するだけで十分です。もし在庫がゼロなら、在庫過剰の潜在的なリスクを管理する必要はありませんよね？私の興味深い見解は、確率的思考の優位性を示すコースの初期の年に恩恵を受けなかった人々が、コンサルタントからの意見による数十年にわたる主張を経て、サプライチェーンからあらゆる種類の不確実性を取り除こうとしてきたことです。私が言う不確実性のうち、偶発的なものは、クラッピーなプロセスから生じる不確実性です。それらは取り除くべきです。例えば、人々が適切なスキルを持っておらず、ゴミを生産している場合、それは望ましくない不確実性ではありません。しかし、天候の影響で貨物船が少し遅くなるというような他の不確実性もあります。しかし、これは合理的な方法で対処できる場合は、この不確実性を許容することは完全に受け入れられるものです。
ピエール・ピンソン: その通りです。通常、この問題をコストの問題として捉えます。何らかの不確実性を取り除くためには、コストがかかります。もし無限のお金があり、すべての不確実性を取り除くために投資する準備ができているなら、それは可能です。しかし、何か間違っているか効率が悪い場合を除いて、プロセスにおけるより基本的な不確実性を取り除きたい場合、おそらく多額の費用がかかるでしょう。ですので、あなたが「すべての不確実性を取り除きたい」と言う場合、それが無料であるかのように言っています。もし無料であれば、私たちもやっているでしょう。ですので、このコストは私たちが負担できるかどうかを決める必要があります。非常に興味深い類似点がエネルギーにもあります。例えば、私は再生可能エネルギーに関して多くの仕事をしています。もし私たちがいつでもどれだけでもエネルギーを貯蔵できるような無限の量のストレージを開発するとしたら、問題は解決されるでしょう。一部の人々は予測する必要がなくなるし、心配する必要もないと言います。しかし、このようなスケールでバッテリーを開発・展開することは
