00:00:43 ピエール・ピンソンの紹介
00:01:25 Pierre Pinson の経歴と、データ中心の設計工学および予測における彼の仕事。
00:02:20 ピエールがどのように確率的予測に乗り出し、エネルギー、物流、そしてビジネス分析に応用しているか。
00:04:17 予測の質の評価、意思決定におけるその重要性、および予測価値との関連性。
00:07:41 確率的予測に対する最初の反応。
00:08:27 過信の問題。
00:10:00 クロード・ベルナールによる統計と確率に対する批判。
00:13:00 決定論と世界の確率的な挙動。
00:14:37 確率的予測によって気象学とビジネスをつなぐ。
00:15:11 天気予報の重要性と文化的影響。
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。
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 ビジネスおよび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分野におけるその意義。
00:26:00 天気データの電力需要予測およびサプライチェーンにおける利用。
00:30:25 気象分野と物流分野における確率的予測の適用の違い。
00:32:46 複雑な確率的予測をクライアント向けに翻訳する際の課題について議論。
00:33:32 クラウドコンピューティングと大量データのホスティングに関するコストの懸念。
00:35:02 2次元ヒストグラムの利用と、それがメモリやコストに与える影響。
00:37:19 確率的予測の教育と、学生が直面する課題。
00:40:00 確率的予測を容易にし、モデル検証を理解する。
00:42:40 プロセスおよび輸送方法における非効率性。
00:43:57 サプライチェーンから不確実性を取り除くという課題。
00:45:20 不確実性の除去にかかるコストと、それが各業界に与える影響。
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 予測と不確実性下での意思決定における異なる分野の融合。
00:52:30 異なるバックグラウンドに合わせた確率的予測の説明の適応。
00:53:21 様々なビジネスへの確率的予測の応用とその利点。
00:55:53 視覚的に魅力的な確率的予測の魅力と著作権侵害の事例。
00:58:03 情報伝達における円グラフの限界と、プリセール段階での利用。
01:00:01 プロフェッショナルなキャリアにおいて不確実性を受け入れ、確率的視点を理解する。
01:02:23 異分野横断的アプローチと各業界における不確実性。
01:04:27 教育の重要性と新世代が業界に与える影響。
01:07:00 各分野における確率的予測の普及段階。
01:08:33 不確実性を受け入れるための百年先の視野に関するJoannesの見解。
01:10:37 新しいアイデアの採用の課題と、一部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 予測科学と技術における将来の進展。
まとめ
Conor Dohertyとのインタビューで、Lokadの創設者Joannes VermorelおよびImperial College LondonのData-centric Design Engineering部門の責任者であるPierre Pinsonが、確率的予測およびその様々な応用分野について議論する。彼らは、予測における不確実性の理解と、この分野での継続的な教育の必要性の重要性を強調している。3人とも、イノベーションは人々が追いつくよりも速く進むことに同意し、業界の新たな発展に常に最新の情報を保ち、これからの進展に備えることを呼びかけている。
詳細なまとめ
このインタビューで、ホストのConor Dohertyは、Lokadの創設者であるJoannes VermorelおよびImperial College LondonのData-centric Design Engineering部門の責任者であるPierre Pinsonとともに、確率的予測について議論する。ピンソンはデータ中心の設計工学における豊富な経歴を持ち、エネルギーや物流など様々な応用分野に注力してきた。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だ。
ピンソンは当初、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課程のオファーを受けた。彼は、予測の不確実性と結果の可能な範囲を理解する重要性を強調している。ヴェルモレルが確率的予測に取り組み始めたのは、多くのサプライチェーン予測がほとんどゼロであるという認識からであった。彼は、すべてが起こり得るが、すべてが同等に起こるわけではなく、予測の不正確さの構造を理解することが価値あると考えている。
気象学では、予測と実際の結果との距離やその絶対差の平均など、予測の質を評価するための様々な指標が用いられている。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必ずしも示すものではない。ヴェルモレルは、確率的予測が可能性の領域に関する知識に基づいた意見を提供するのに役立つと付け加えている。
確率的予測に取り組む者が直面する一つの課題は、不確実性を定量化するという考えを他者に受け入れ、採用させることだ。人々は一般的に、過信を助長する認知バイアスのために決定論的な予測を好む。しかし、確率的予測は、潜在的な結果をより透明かつ公平に表現する。意思決定において確率的予測を用いることで、より良い結果が得られる可能性があるが、人々は不確実性という考えに心を開く必要がある。
19世紀のフランスの生理学者クロード・ベルナールは、統計や確率の科学実験での使用に反対し、変動性は不完全な理解や怠惰な科学の結果であると主張した。しかし、ピンソンは、決定論的アプローチが特定の問題に対してはうまく機能する場合もあるが、世界は根本的に決定論的ではないと考えている。確率的予測は、固有の確率的挙動や不確実性を伴う状況において価値がある。
確率的予測における主な課題の一つは、情報過多である。人々はすでに処理すべき情報が多く、そこに確率的データが加わると、すべてを把握するのがさらに困難になる。これは、サプライチェーンにおける何百万もの製品の予測のような大量のデータセットを扱う場合に特に当てはまる。
この問題に対処するために、一部の企業は、ユーザーが確率的予測を理解できるように、自動化された意思決定やリスク評価に頼るようになった。確率的データを定量化されたリスクに変換することで、複雑なデータに圧倒されることなく、意思決定の潜在的な結果をよりよく理解できるようになる。
気象学の分野では、確率的予測は、気温、降水量、風速、太陽放射といった変数の予測に有用であることが証明されている。これらの変数は、エネルギーの生産や消費など、日常生活やビジネスのさまざまな側面に大きな影響を与える場合がある。場合によっては、サプライチェーンの予測に天気データを使用することで、特に突然の天候変化に対処する際に、より正確な予測が可能になる。
しかし、インタビュー対象者たちは、天気データをサプライチェーンの予測に組み込むことが難しく、成功例が少ないことも認めている。ある例では、ヨーロッパの電力供給業者の電力需要予測を改善するために天気データが使用された。天気データを予測に組み込むことで、急激な天候変化によって生じる不正確さを減少させることができた。
ヴェルモレルは、シンプルでありながらもその予測モデルで印象的な精度を達成しているLokadでの経験を共有している。彼が挙げる一例として、天候条件に基づいて需要の急増を予測しようとしたアイスクリーム販売者とのプロジェクトがある。事後分析では売上増加の理由を特定することに成功したものの、サプライチェーンにおける長いリードタイムのために需要予測はより困難であることが明らかになった。ヴェルモレルは、直面した課題にもかかわらず、様々な業界で確率的予測が成功する可能性が依然としてあると強調している。
ピンソンは、気象の文脈と物流やビジネスの文脈における確率的予測の適用の違いについて議論する。彼は、主要な課題は、意思決定プロセスへの入力として使用する適切な予測製品を決定することであると説明する。シナリオ、区間、分位数などが検討可能な選択肢の一部であるが、最終的にはクライアントまたは顧客の具体的なニーズに依存すると述べている。
ヴェルモレルは、確率的予測技法を実装する際に計算コストを考慮する重要性も強調している。自身の経験から、ヒストグラムや確率密度は最も詳細な情報を提供するが、高次元データを扱う場合には計算負荷が高くなる可能性がある。その結果、Lokadはコストを管理可能にし、計算を効率的に行うために、しばしば複数の技法を組み合わせて使用している。
ピンソンは、学生に確率的予測について教える際の最大の課題は、その概念のメリットを納得させることではなく、実際の状況においてこれらの技法を適用する実務的な側面を理解させることであると述べる。ヴェルモレルは、実務者が確率的予測の理論的側面と、コストおよび計算効率といった実際的な考慮点とのバランスをとることが極めて重要であると付け加えている。
ヴェルモレルは、既にリーン運動を推進し、サプライチェーンから不確実性を取り除くことを提唱するコンサルタントから教育を受けた人々への指導に苦労した経験を共有する。彼は、いくつかの不確実性は排除できるが、他は受け入れ可能であり、適切なツールで管理されるべきだと考えている。
ピンソンは、不確実性を除去することは高コストになり得るため、むしろ賢明に受け入れて管理する方が良いと強調する。彼は、無限のエネルギーを処理するための蓄電システムの開発は非常に高価で実現不可能である再生可能エネルギーの例を挙げる。代わりに、不確実性を受け入れ、予測することがより費用対効果に優れ、実用的である。
議論は予測の歴史的および文化的側面に移り、人々は常に決定論的な世界で生活し、不確実性を排除しようとしてきた。さらに、自然科学、社会科学、経済学など、異なる分野が不確実性下における予測や意思決定で融合することについても議論される。
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予測を教える際の課題と、数学的基礎が強くない人々のための要約版の必要性について語る。彼は、シンプルな例から始め、徐々に複雑さを積み上げていくこと、そして基礎となる原則や概念の理解の重要性を強調することを提案する。
ヴェルモレルは、自社のグラフが無断でLinkedInで再利用された著作権侵害の経験を共有する。しかし、これらの魅力的なグラフは潜在的な顧客の注目を集め、企業をより技術的に先進的に見せる効果がある。
ピンソンは、不確実性が私たちの生活のあらゆる面に存在し、それを理解し管理することが様々な分野のプロフェッショナルにとって重要であると語る。教育はこの理解を促進する上で鍵となる役割を果たし、確率的予測を学んだ学生はそのスキルを職場に持ち込み、企業に変革をもたらすことができる。
ピンソンは、確率的予測の普及は、より多くの人々がその知識を身につけ、企業同士がお互いにインスピレーションやアイデアを求めるようになることで、各業界で成長を続けると信じている。彼は、確率的予測の採用が遅れていたが、現在は他の分野からの指導を求めつつある海運業界をその例として挙げている。
ヴェルモレルは、予測における不確実性を理解することの重要性を強調し、19世紀の戦いの例を挙げ、化学が医療に関連していることを認めるまでにほぼ丸1世紀かかったと述べる。彼は、イノベーションは人々が採用するよりも速く進むものであり、このプロセスにおいて教育が極めて重要な役割を果たすと示唆する。ヴェルモレルはまた、ニールス・ボーアの「Science progresses one funeral at a time」という名言に触れ、重要な進展が迅速に起こり得る一方、その影響を理解するには途方もない時間がかかるという考えを強調している。
ピンソンは、気象学における確率的予測の応用について議論し、予測技術の背後にある数学が必ずしも議論の最も関連する部分ではないにせよ、応用数学における進展を認識することが不可欠であると述べる。彼は、何百万もの時系列を並列で予測する機械の設計が課題を呈するが、研究者たちは将来のために新たなモデルや技術を継続的に開発していると説明する.
VermorelとPinsonは、予測および確率的予測の分野において、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が求められていることに同意しています。彼らは、業界の新たな開発について常に最新情報を得て、今後の進歩に備えるよう奨励しています。
完全な書き起こし
Conor Doherty: LokadTVへお帰りなさい！ホストのConorがお届けします。そして、いつも通りLokadの創設者Joannes Vermorelと共にお送りします。本日はPierre Pinsonが参加しており、彼はInternational Journal of Forecastingの編集長であり、Half Spaceのチーフサイエンティストです。本日は、確率的予測のさまざまな興味深い応用例についてお話しいただきます。Lokadへようこそ、お会いできて嬉しいです。
Pierre Pinson: 本日はお招きいただき、ありがとうございます。
Conor Doherty: ご参加いただき、本当にありがとうございます。お越しいただけて非常に嬉しく思います。さて、Pierre、先ほど簡単な自己紹介をさせていただきましたが、あなたは実に幅広い経歴をお持ちですよね。複数の分野で多くのプロジェクトに携わられていると聞いていますが、まずはご自身のバックグラウンドやお仕事について、皆に少しご紹介いただけますか？
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Imperial Collegeで教授を務めております。データ中心の設計工学に焦点を当てたチェアを率いています。近年、大量のデータが流れるようになったため、データから価値を生み出す必要があり、これが私の研究と教育の目的です。もちろん、データを利用する最も興味深い、そして基本的な応用の一つが予測であり、私は過去20年間、特にエネルギー分野（今日、エネルギーに関して必要とされる予測が非常に多いため）を中心に、物流やビジネス分析などのさまざまな応用分野で予測に取り組んできました。
Conor Doherty: 非常に興味深い分野がたくさんありますし、私たちが目指している分野とも多く重なっています。では、まずお伺いしますが、どのようにして確率的予測に取り組むようになったのですか？
Pierre Pinson: 正直に申し上げますと、最初は確率的予測に取り組むつもりはなかったのです。私は天候や再生可能エネルギーに非常に興味があり、風力発電所が明日どれだけ生産するかという再生可能エネルギーの予測に関する博士課程の研究を行うオファーを受けました。しかし、問題は予報士は常に間違うものであるということです。博士課程の指導教官は「予報がどれほど間違っているのか知りたい。しかし、一つの指標、つまり平均的に良いか悪いかだけではなく、今、明日を見据えたときに私の予報がどれくらい正確であるか知りたい」とおっしゃったのです。そこで、今日知っている条件に基づき、明日を見通すという考え方、不確実性をいかに記述し、最もあり得る結果、期待される結果、そしてどの範囲に収まる可能性があるかを示す方法として、確率的予測へと進むことになりました。
Conor Doherty: なるほど、興味深いですね。Joannes、あなたにもすぐにこの件についてお聞きしますが、気象学において良い予測を行うためには、どのような指標を用いてその効果を評価しているのでしょうか？「今日は雨が降らなかった、だから100%正確だ」というだけではありませんよね。具体的にどのような指標が使われているのですか？
Pierre Pinson: ええ、それが予測を評価し、良い予測かどうかを判断するという行為自体が一種の科学なのです。基本的に、風速や気温のような連続変数の予測では、予測の質は予測値と実際の値との間の距離に関連付けられます。その距離を取り扱う方法には、二乗誤差の合計や二乗誤差、もしくは両者の絶対差の平均をとる方法など、さまざまなものがあります。したがって、予測がどれほど良いか否かを示す指標は多岐にわたります。しかし問題は、それらが単なる数字に過ぎないということです。例えば、「平均して私の予測は2だけずれている」と申し上げた場合、「それで良いのか」とは判断できないのです。これが、予測の開発が進む過程で常々問題となってきたのは、予測の質、すなわちこの距離における精度と、その予測を意思決定に利用した場合の価値との結びつけが必要であるという点です。
Conor Doherty: 私たちのアプローチと、何か共通点はあるのでしょうか？
Joannes Vermorel: とても興味深いですね。Lokadでは全く異なる道を通って確率的予測にたどりつきましたし、あなたが述べた内容は、私が数年をかけて得た知見に基づく意見に非常に近いものです。最初、私の見解はもっと平凡なもので、実際、サプライチェーンのさまざまな項目の予測では、単にゼロを予測していたのです。これは何度かお話ししてきた逸話ですが、例えばミニマーケットの売上予測の初期試行では、ほとんどの製品が1日あたり平均ゼロ回しか売れず、丸めるとほぼゼロになる状況でした。典型的なミニマーケットの商品のおよそ95%は、どの日においてもゼロユニットの販売しか見られません。そして、その問題が直接的に予測のバイアスを引き起こし、分位点によるアプローチに至ったのです。さらに分位点で試行錯誤するうちに、すべての分位点を一度に扱うべきだと考え、最終的に確率的予測に踏み切りました。しかし、今日、なぜ確率的予測が重要なのかを説明する際には、「はい、あなたの予測は非常に不正確です」と認める一方で、その不正確さの原因については十分な知見がある、と考えています。どんなことも可能性はあるが、すべてが同じ確率で起こるわけではなく、誤差分析自体には特定の構造が存在するというわけです。こ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点は、誤差分析に構造があるという考え方です。人は直感的に、不確実性は物事を知らないことに由来すると考えますが、それに対して「知らない部分にも構造がある」と言われると、混乱してしまいます。私が確率的予測を提唱し始めた際の初期の反応は、いかなる事態が生じても、私の予測が常に何かが起こる可能性を考慮しているため、決して間違わないというものでした。人々はそれを、ベンダーにとって究極の防御策と見なしていました。
Joannes Vermorel: あなたの逸話を聞くのは興味深いですが、別の視点から見ることもできます。心理学やマーケティングにおける「大きなネズミのパラドックス」という現象があり、そこでは自信過剰な人々が、たとえ間違っていたとしてもより高く評価されるのです。ほとんどの人は、決定論的な予測を好む傾向にあります。なぜなら、それが彼らに安心感を与えるからです。確率的予測を提供することは、実際にはより透明で公正な方法ですが、人々はその点を受け入れ、決定論への認知バイアスを乗り越えなければなりません。
私たちが完全に正確であるとは言えなくとも、可能性の範囲についてかなり良い見当を示せると認めるとき、私たちはより透明であり、予測の質の面でもおそらく優れていると言えます。確率的予測に取り組む私たちにとって最大の課題は、人々に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理解してもらうことです。実際、それがより良い成果につながるのです。このような決定論的な考え方に固執することは、確率的予測に携わる私たちにとって大きな問題です。人々には、単一点の情報が正確であるという考えを捨て、もっとリラックスして考えてもらわなければなりません。不確実性を定量化し、意思決定に利用できるならば、必ずや状況は改善されるのです。向上することしかありません。
Conor Doherty: この件について、Joannes、あなたはどうお考えですか？
Joannes Vermorel: 自分の弱さを認めるという考えは非常に興味深いものです。コントロール実験を発明したクロード・ベルナールに遡ると、彼は統計や確率の使用に対して全面的に反対する立場を示しました。彼の主張は非常に説得力があり、「もし何かが変動するのであれば、それは単に実験が不十分であり、十分に管理できていないことを意味する」と述べました。彼は医療の分野において、変動が存在する場合はそれを説明する第三の変数があると主張しました。つまり、統計や確率を用いること自体が、不十分な理解の証明であり、怠惰な科学者であることの認めにほかならないと考えたのです。結果として、自己の能力不足の言い訳に過ぎない華麗な統計に終始してしまうのです。この反論について、Pierreはどうお考えですか？
Pierre Pinson: 物理法則だけに依存する、非常に制御された環境での特定の問題においては、決定論的アプローチで十分であるという点には同意します。その場合、これらの不確実性や確率的枠組みについてあまり懸念する必要はありません。しかし、より一般的なケースでは、これはほぼ世界に対する哲学的命題になってきます。すなわち、私たちは世界のすべての出来事が根本的に決定論的であると信じるのでしょうか？それとも、私たちの周囲には何らかの確率的な振る舞いが存在するのでしょうか？確率的な法則が存在するため、決定論という基本的な考え自体が常に適用できるわけではありません。天気予報においてもこれが見られ、測定値が増加し、物理法則がより正確に理解されれば、決定論的プロセスとして捉え、予測できるはずだと期待されました。しかし、過去100年にわたる実験の繰り返しの中で、最終的にはすべてを決定論的に扱うことはできないということ、そして前述の不完全な知識という議論も、モデル化や予測すべき事柄があまりに多く、十分な知識を得ることが不可能であることを示しています。つまり、それは単に不可能なのです。
Conor Doherty: では、その点に関して一言申し上げます。少し前に伺いたかった質問ですが、あなたのビジネスと気象学の両方の経験を踏まえると、これら二つの分野の概念がどのように結びついているのか、興味深い架け橋が存在すると感じます。おそらく、ビジネスの問題に確率的予測を適用した際に、「確率的予測なんて暗黒の技だ」といった反発を受け、同じ人物が10秒後にはiPhoneを取り出して「後で雨が降る確率は60%だから、傘を持って行った方がいい」と言うという状況に直面したのではないでしょうか。その際、どのようにしてそのような認知的不協和を乗り越えたのですか？
Pierre Pinson: とても良い指摘です。それと同時に、そこには文化的な問題も含まれています。皆が天気予報を利用し、その情報に敏感であるため、天気予報は重要な分野として認識されています。予報情報の伝え方を変えると、効果的なものもあれば、そうでないものもあるということがわかっています。情報の本質を正確に評価するのは難しい場合もありますが、結果として私たちはその情報を有用だと認識しているのです。これは一連のプロセスであり、同じプロセスを他の分野、例えばビジネス、工学的問題、保険などにおいても経なければならないと考えています。実際、科学者や予報提供者として、また産業エコシステムの一員として、人々やクライアント、広く一般の利用者に対して、私たちが別の考え方をすることができ、その結果としてメリットがあることを実感してもらえるよう、文化変革に貢献すべきだと思います。
Conor Doherty: その点についてもう少し伺いたいのですが、お話を正しく理解していれば、人々に響く気象情報や天気予報の伝達方法がある一方で、そうでない方法も存在するということでした。その点について、もう少し詳しく説明いただくか、具体例を交えてご説明いただけますか？
Pierre Pinson: 気象予報士と協力する心理学者による様々な研究が行われています。例えば、「今後2時間でロンドンでは60%の確率で雨が降る」といった表現をした場合、その解釈は人によって異なります。ある人はロンドン全体で雨が60%の時間降るという意味に捉え、また別の人はロンドン内の特定の地点で60%の降雨の可能性があると解釈します。つまり、確率が本質的に何を意味するのかを理解するのが難しいのです。
Joannes Vermorel: はい、ユーザーやクライアントと仕事をする際にもこの問題に直面しています。確率予測の手法を開発し、それを実際にどのように活用できるか検討するためだけでなく、その情報が本当に何を意味するのか、そしてそれがどのように意思決定に影響を及ぼすのかを人々に理解してもらう作業にも多大な労力がかかります。課題は、確率的予測からどのように決定論的予測よりも優れた意思決定に結びつけるかを人々に理解してもらうことです。理解されなければ、受け入れられません。
Conor Doherty: どのようにしてその内容を明確に伝えているのですか？ホワイトボックスアプローチを用いているのでしょうか？
Joannes Vermorel: 私たちは、似ている部分と異なる部分の両方を取り入れた方法で対応しています。私自身、サプライチェーンの経験からくる情報過多の問題に直面しており、人々はすでにあまりにも多くの情報を受け取っています。決定論的な予測でさえ、非常に集約されていて様々な問題を含むため、圧倒されがちです。確率的予測の領域に入ると、各データポイントごとにヒストグラムが表示されるなど、その複雑さは桁違いに増し、さらに高次元の確率を考慮すると一層複雑になります。
最初、私たちは可視化やその他の側面を改善しようと試みましたが、最終的にはユーザーの視点から確率を排除するソリューションに収束しました。意思決定は確率に基づいて行っていますが、それを通貨で表現されたリスク評価に変換しています。例えば、クライアントに対して過剰在庫のリスクがX額、ストックアウトのリスクがY額であると伝えることがあります。リスクのクラスや視点を定量化し、その背景にある確率予測がこれらの評価の「配管」として機能しています。
もちろん、これは完璧な解決策ではありませんが、クライアントにとっては有効です。時には、データサイエンティストのチームは確率を扱うことを好むものの、確率にあまり精通していないサプライチェーンの専門家にとっては、このアプローチの方が理解しやすいのです。非常に有能なサプライチェーン専門家であっても、確率についてあまり得意でなければ、その情報過多の要求のために興味を持つのが難しくなります。これらのマネージャーは、これらのヒストグラムをわざわざ見る価値があるかどうか、迅速に判断しなければならないのです。時間を非常に大切にする人々にとっては、これは非常に説得力のある売り込みポイントではありません。
Pierre Pinson: 同感です。まったくその通りだと思います。全く異なる軌跡が存在します。ご指摘の通り、情報過多の問題に対処するためのアプローチはさまざまです。私はあなたの戦略に全面的に賛成です。自動化された意思決定を行ったり、ユーザーのコスト・ロス比を理解した上で最適な決定を提案することは素晴らしい試みです。しかし、再び重要なのは、どのようにその結論に至ったのか、そして何故最初からそれを信頼すべきなのかをユーザーに理解してもらう必要がある点です。面白いことに、以前は決定論的な方法なら信頼されていたのに、「確率」という言葉が加わると、どういうわけか信頼されなくなります。でも、これはまた別の話です。確率情報の美点は、非常に基本的なリスク評価という追加の層を提供できることであり、クライアントが確率情報を受け入れるときに本当に求めているのは「どんなリスクにさらされているのか」という情報です。これは、あなたが述べた情報過多を引き起こすことなく、確率予測の利点を享受するための最もシンプルな情報と言えるのです。ですから、私はこれが非常に良い戦略だと思います。
Conor Doherty: さて、私たちは気象学とビジネスの話題を統合し始めています。この点についてですが、Pierre、あなたはその両方に精通しているので、ビジネスや物流の文脈で応用した際の、重要な気象予報または気象データの具体例をいくつか挙げていただけますか？
Pierre Pinson: 意思決定の入力として使用する気象予報情報には、極めて重要な変数がごくわずかしかなく、その他の変数はすぐに重要度が低下していきます。一番重要なのは温度です。温度は私たちの生活の多くのプロセスに影響を及ぼしますし、次に降水量が続きます。最近では風も重要になっています。30年前には、気象予報士が風について語るとき、ほぼ気まぐれで風予報を出していたものです。誰もあまり関心を持っていなかった、単に風が強いかどうか、もしくはセーリングをする人には少し興味がある程度でした。しかし今日ではエネルギー用途のため、風速予報は非常に重要です。なぜなら、風速のわずかな予報誤差が、明日の利用可能なエネルギーに大きな誤差をもたらすからです。たとえば、エネルギーの半分を風力発電で賄う国、例えばデンマークのような国では、優れた風予報が極めて重要です。これらが最も関連性の高い変数ですが、また太陽エネルギーのために太陽放射強度にも注目が集まっています。しかし、私が言いたいのは、これらが最も重要な変数であり、それ以降の気象変数も今日ではあらゆる分野で使われているということです。ビジネスの文脈においても、日常生活の文脈においても、気象予報の重要性とその質は非常に高いのです。
Conor Doherty: 海外から商品が出荷される際のリードタイムという観点から、Pierreが述べた内容は、サプライチェーンの確率予測においても影響を及ぼすに違いありませんね。
Joannes Vermorel: Lokadの歴史全体を通して、気象データをサプライチェーンに応用できた事例は実に二度しかありません。才能の不足、献身の不足、または他の多くの理由があったかもしれません。しかし結局のところ、10年前に我々は大手ヨーロッパの電力供給会社と、気象情報を取り入れて電力需要予測を改善する契約を結んだのです。私にとって、これは気象データが非常に明確に有効であった唯一のケースです。予報は機能し、そもそもその予報は、すでに地域ごとにかなり集約されており、気象情報を加えなくても非常に正確で、例えば2%の誤差しかなかったのです。とはいえ、これは単に電力需要のみの日次予測であり、24時間先を見ているだけで、その集約単位としては、例えばベルギーのような国や、フランスを5つのエリアに分けたような大まかなレベルでした。
気象情報を用いなければ、時系列予測自体は2%の誤差で、ほとんどの不正確さは急激な天候の変化によるものでした。寒い天候はしばらく寒いままですが、急に天候が変化すると大きなジャンプが発生し、それが予測に現れないのです。つまり、平均して0.5%の予測誤差で済んでいたものが、天候が変化する日には5～6%の誤差が累積してしまいます。しかし、気象情報を取り入れることで、元々約0.5%の精度の予測をさらにLokadでは、はるかにシンプルで管理しやすいコンピュータソフトウェアのモデルを用いて、ほぼ同等の精度で実現したのです。これは特定の取り組みの一例でした。
これが実際に非常によく機能することを示した最初の事例でした。二つ目は、気象予報を利用して需要の急増を予測しようとしたFMCGブランドとの試みです。残念ながら、結果はほとんど芳しくありませんでした。効果的だったのは、名前は伏せますが、例えばアイスクリーム販売業者が、夏の後にどのように業績が推移するかを知るために用いたケースです。問題は、アイスクリームの売上が非常に暑いことによるのか、あるいはマーケティングのプロモーションが非常に効果的だったためなのかという点にありました。事後分析の手法としては有効でした。しかし、予測においては、サプライチェーンの状況ではリードタイムが非常に長いという問題があります。例えば、アイスクリームを製造する場合、原材料の注文や生産スケジュールの準備は約6週間前に行う必要があります。その時点で、気象予報の精度は季節平均に戻ってしまい、季節平均以上の改善が見込めず、意思決定に影響を与えるには不十分なのです。我々の経験では、非常に困難であり、成功例はごくわずかでしたが、多くの学びがありました。
Conor Doherty: Pierre、気象の文脈での確率予測をビジネスや物流の文脈に応用する場合、どのように変換されるのでしょうか？制約やプロセスの面で共通点はあるのでしょうか？
Pierre Pinson: 異なる応用、たとえば気象学や天候に敏感な産業分野を考える際の主要な課題の一つは、意思決定の入力として有用な予報プロダクトの種類です。通常、気象予報は複数の軌跡や将来の可能性を提示するアンサンブル予報を用います。例えば、European Centreは51の代替シナリオを持っています。しかし、意思決定プロセスによっては、必要とされる予報プロダクトが異なります。
例えば、トレーディングでは、確率密度関数の全体的な記述である密度を用いることを好む人が多いです。中には、一定の信頼区間やあらかじめ定められた信頼レベルを意思決定の入力として求める人もいます。また、コスト・ロスの観点から特定の分位点を要求する人もいます。つまり、気象学と他の分野との違いとして、適切な予報プロダクトを選ぶために多くの時間を費やさねばならないという点が挙げられます。我々は顧客の立場に立って、複雑な確率予報の情報を彼らにとって最も有用な形に変換する最善の方法を見出さねばなりません。予報はクライアントにとって有用であるべきであり、あなたのアプローチもその点に焦点を当てています。ところで、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、主要な懸念の一つはクラウドコンピューティングのコストです。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、これは現在私たちがMicrosoftに支払っている料金に関連しています。MicrosoftにとってもLokadにとっても良いビジネスですが、当然ながら費用はかかります。私たちが注目しているのは、計算機ハードウェアのコスト効率に関する点です。
ヒストグラムや確率密度は通常、非常に充実していて使いやすいものです。しかし、1次元であれば固定費がかかるだけで、例えばデータ量を100倍にしても見事なヒストグラムが得られます。しかし、2次元に進むと、例えばある製品の需要と別の製品の需要の同時確率など、確率の行列が必要となり、物事はより複雑になります。これらの製品は競合関係にあり、一方の需要が急増すれば、もう一方の需要は減少する傾向があるため、双方を同時に考慮する必要があるのです。行列を用いると2次元のヒストグラムとなり、必要なメモリ量が大幅に増加します。高次元に行くほど、そのコストはさらに増大してしまいます。
同様に、モンテカルロシミュレーションのような高次元の問題に強い手法に移ると、シナリオ数が増えるにつれてリターンが低下してしまいます。まれなリスク、例えば1万回に1度の事象を観測するためには、多くのシナリオが必要となるのです。私たちが考慮しているのは、計算コストを管理可能な範囲に抑える必要性です。これはMicrosoftに支払う費用だけでなく、より複雑なものを使用した場合、計算に時間がかかり、その予測が完了するまで待たなければならなくなるという問題も含んでいます。
決定論的な時系列手法、特に90年代まで用いられていたプレ機械学習的な手法は、循環性があったとしてもほぼリアルタイムに結果を出すことができます。ARIMAや指数平滑法のような手法は非常に迅速で、即座に結果を得ることができます。しかし、非常に高度なディープラーニングネットワークなどに移行すると、トレーニングに数時間かかることがあり、そのため我々には大きなコストとなるのです。さらに、実用性が支配的な要素となるため、これが大きな懸念事項となっています。
Conor Doherty: Pierre、あなたはインペリアル・カレッジ・ロンドンで教鞭をとられており、初めて確率予測を学ぶ学生にも出会います。数学のバックグラウンドがあり、不確実性を受け入れるという考えに前向きな彼らですが、実際にこれらのスキルを習得する上で、あなたの経験から見て最も大きな課題は何だと感じますか？
Pierre Pinson: 予測を教える際、私は主にエネルギー分野に焦点を当てたデンマーク在住中にそれを行ってきましたが、基本的な問題は常に同じだと感じています。最初の問題は、先に触れたように、それを受け入れるということです。なぜ、初めから確率的な手法に切り替える必要があるのか？私は通常、多くの時間をかけて、意思決定の問題を説明し、確率的手法を用いることでしかより良い決定ができないということを学生に示しています。予測の開発者も利用者も、双方のクライアントにとって、確率的手法に切り替えることでしか状況が改善しないという事実を理解することが非常に重要なのです。多少のコストはかかるかもしれませんが、これを受け入れれば状況は改善するのです。なぜそれがより良いのかを理解し、納得するまでには相当な努力が必要で、理解できなければ受け入れることが困難になるのです。ですから、私たちはその点について非常に多くの時間を費やしています。
そして、これらの予測を作成するのは決して難解なものではないということを学生に理解してもらいたいのです。あなたが言及した古典的なモデルもありますが、基本的な確率変数の観点からも考えることができます。もし、ガウス型の何かの確率予測を行うとき、古典的な一点予測では平均値のみを予測します。しかし、確率的手法に移ると、平均値に加えて分散を予測すれば、完全な確率予測が完成するのです。パラメトリックな手法を使わずに、分位点を予測したいのであれば、決定論的な場合と同じモデルを用い、トレーニング中の損失関数を変更するだけで、分位点予測が可能になります。重要な点は、これらの手法を学び扱うことが、桁違いに複雑になるわけではないと学生に教えていることです。
最後の部分は検証です。以前にも議論したように、中には「今は気楽にやろう」という考えを持つ人もいますよね？もし確率的に進めれば、何を言っても構わないし、後になって「君は決して間違わない」とでも言われるかもしれません。しかし、確率予測を検証し、それが理にかなっており、あなたの確率が正確で、情報を集約しようとしていることを実際に示すための、非常に厳密な枠組みが存在します。これらは私が学生に説明する主要なブロックであり、仕事で確率予測を扱う必要がある場合には、これらが基盤となると私自身の経験から確信しています。
Joannes Vermorel: 私の苦労話は少し奇妙です。なぜなら、あなたは学生を持っているという点である種の恵まれた立場にあるからです。私の見込み客は通常、コンサルタントが伝える形で既に教育を受けています。さあ、今日は敵を作ってみましょう。問題は、リーン運動のようなアンチアドボカシーが存在することです。例えば、無駄を減らすべきだというリーン運動とその考え方です。一般的な原則として、確かに無駄を避けるほうが良いのです。定義上、無駄とは望ましくないものなので、その主張自体が自明の理になっています。誰もが「わざと無駄を生み出そう」とは言っていませんが、こ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なのです。この考え方の問題は、例えば長いリードタイムという無駄なプロセスがあれば、それを排除したくなる点にあります。しかし、ある時点で、リードタイムを可能な限り圧縮しようとするあまり、必ずしも無駄ではないが非常に非効率なプロセスになってしまう場合もあるのです。例えば、物をできるだけ早く移動させたいのであれば航空機が最適ですが、燃料効率に関しては航空機は列車や貨物船と比べてひどいのです。つまり、ゼロ在庫、ゼロ遅延、ゼロ無駄といった目標、すなわち特定の運動が提唱する一般的な視点そのものが、不確実性を完全に排除しようとする試みなのです。もしリードタイムがゼロであれば、なぜ予測をする必要があるのでしょうか？目の前の事象に対処するだけで十分なのです。在庫がゼロであれば、なぜ過剰在庫などの潜在的リスクを管理する必要があるのでしょうか？私の興味深い見解としては、確率的思考の優位性を示すコースの初期段階で恩恵を受けなかった人々が、コンサルタントによる一、二、時には三、四十年にも及ぶ意見に満ちたアドボカシーを通じて、サプライチェーンのあらゆる不確実性を排除しようとしてきたことにあります。私が言うところの不確実性の一部は、粗末なプロセスから生じる偶発的なものであり―これらは確かに排除すべきです。例えば、適切なスキルを持たず、ただいい加減な作業をする人がいる場合、それは望まし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わずかに遅くなるといった不確実性は存在します。そうした場合、対処するための適切なツールがあれば、その不確実性を許容することは十分に合理的なのです。
Pierre Pinson: あなたの言う通りです。通常、私たちはこの問題をコストの問題として捉えます。なぜなら、不確実性を排除するには、何らかのコストが伴うからです。もしすべての不確実性を排除するために無限の資金を投資できるのであれば、それは可能でしょう。しかし、何か間違ったことをしている場合や非効率性による不確実性以外に、プロセスにおけるより根本的な不確実性を取り除こうとすれば、おそらく莫大な費用がかかるでしょう。つまり、「費用がかからないならすべての不確実性を取り除きたい」と言うのは典型的な問題です。もし費用がかからなければ、私たちも同じことをしているでしょう。したがって、このコストを負担できるかどうかを決定しなければなりません。エネルギー分野では非常に興味深い並行例があります。たとえば、私は再生可能エネルギーに多く関わっています。もし、いつでも、どれだけでも無限のエネルギーを蓄えられる蓄電技術を開発できたなら、問題は解決していたでしょう。一部の人々は、予測をする必要も心配する必要もなくなると言います。しかし、この規模でバッテリーを開発・展開するのは…
