最初に、ＡＩの定義について教えていただけますか。

串田

ＡＩはさまざまな技術の複合体の総称です。ですから、ＡＩ自体の厳密な定義というとむずかしいのですが、わかりやすく説明すると、「人間の知的な活動(運転をしたり、ゲームをしたり、対話をしたり、楽器を弾いたりといった脳の活動)を、コンピュータが代わりに行うのがＡＩである」といえると思います。すなわち、人間の代わりにＡＩが問題を解いてくれたり、人が苦手なことを代行してくれるというわけですね。

そのAIを用いて、先生の研究室では、どのような研究を進めておられますか。

串田

私たち人工知能研究室では、主に人工知能技術の「機械学習」の福祉分野への応用と、「最適化手法」を用いた問題解決について研究しています。このうち、機械学習はコンピュータが膨大なデータを学習し、取り込んだデータから情報を分析してルールやパターンを発見する手法で、音声認識や画像認識・生成などに活かされています。当研究室では、AIの画像認識を使って、介護施設における入居者の行動パターンを分析できないか、といった研究や、学習データを蓄積しながら、仮想空間で介護ロボットのシミュレーションを行う研究などを進めています。

もう一つの「最適化手法」とは、どのような手法ですか。

串田

最適化手法は特定のルールがある中で、数学的な手法やアルゴリズム（※）を用いて、成果を最大化する「最適解」を発見するための手法です。たとえば、配送計画において、拠点から出発して各ポイントをどの順番で訪問すると効率が良く、何台の車が必要かを導き出すこともできます。今回は、こちらの最適化手法に絞って、医療・介護分野でどのような活用が期待できるかお話ししたいと思います。

※アルゴリズムとは、コンピュータで計算を行うときの「手順や計算方法」のこと。

串田

そうですね。ただ、こういったツールを現場で即座に活用するのはまだ難しい状況かもしれません。勤務表をつくる側と、勤務表を使う現場サイドで、制約条件の優先順位や種類をアレンジしたりする必要があるからです。というのも、実際に勤務表を実用化する場合は、固定的なシフトパターン以外の柔軟な勤務形態や希望も取り入れる必要があったり、急な病欠や緊急の増員要請など、突発的な変更にも対応が必要です。そういう現場のニーズに応えるには、実際の運用時に現場からのフィードバックを定期的に取得し、システムを微調整していくことが重要です。

なるほど、ＡＩに全部任せるのではなく、現場の声を吸い上げることが必要なんですね。

串田

そうです。現場に、勤務シフトに精通したリーダーがいて、その人が細かい制約条件の優先順位などを伝えることができればいいですね。また、その人が、ＡＩが導き出した勤務表の最良解を解釈し、ほかのスタッフに伝えていくことも重要です。専門用語で「パレート解」と言うのですが、多目的最適化問題においては、理想的な解が一つ出るのではなく、優劣がつかない複数の解が出てきます。その中から、現場のリーダーが意思決定し、スタッフのみんなに妥協すべきところは妥協してもらって、納得して使ってもらう。そういう橋渡しをする人が、どうしても必要です。ただ、医療・介護の現場では情報技術に不慣れな方が多く働いているため、情報技術を十分に理解した人材は少ないのかと思います。そういう意味では、医療・介護と情報を両方理解できる、こういう現場で活躍できる情報のスペシャリストを育てていくことが、今後すごく重要になると思います。当大学でも、学部の垣根を超えて共同研究に取り組むなど、横断的な視点で人材を育てていかなくてはならないと思います。