萩谷昌己教授文理融合的な発展が期待される 東京大学概説入試情報公立はこだて未来大学人工知能ビッグデータ筑波大学九州大学IoT会津大学教育卒業後の進路< 図 1> 情報学のルーツ 第 37 回 情報学 概説 東京大学大学院情報理工学系研究科 メタサイエンス としての情報学 さまざまな源流を持つ学問を包

Transcription

1 第 37 回 現代は 情報社会 と言われている コンピュータや ネットワークに関する技術 ( 情報技術 ) は 1960 年代頃 から発展 普及し 企業の活動や市民の暮らしのあらゆ る側面を支える 不可欠な技術となっている さらに イ ンターネットや SNS が普及したことで 誰もが いつで も どこでも情報を入手したり発信したりできるように なり 人々のコミュニケーションも変化している 情報学 は 情報に関するさまざまな側面について追 究する学問分野である 情報に関する原理や技術は 情 報科学 情報工学 など理工系の学部 学科で学べるこ とが多いが 情報を活用した企業活動などを研究する 経営情報学 情報と人間や社会との関係を扱う メ ディア学 コミュニケーション学 など 人文 社会科 学系に設置される場合もある さらに近年は 2017 年度 に新設された名古屋大学情報学部や滋賀大学データサイ エンス学部など 文理融合的な視点から 情報 に迫る 学部 学科も増えている 学部 学科 情報学注今回の記事では そうした 情報学 の全体像につい て まず東京大学の萩谷教授に解説いただく また 今 後の産業 経済 労働 医療 教育などさまざまな分野 に影響を与える技術として注目が集まる 人工知能 (AI) ビッグデータ IoT について その概要と具 体的な研究 開発の内容について 紹介する 目のContents 概説 p51 東京大学萩谷昌己教授 情報学の目的は 価値創造 文理融合型の教育 研究が進む さまざまな学問に知見を与える メタサイエンス としての性格 入試情報 p54 名古屋大 滋賀大 東洋大などが学部を新設 改組 人工知能 p56 公立はこだて未来大学松原仁教授 ハードウェアの高度化や 深層学習 の研究が進み さまざまな分野の 人工知能 (AI) が発展 機械の研究を通じて 人間とは何か を問い直すこ とが人工知能研究の面白さ ビッグデータ p58 筑波大学北川博之教授 大量で多様な ビッグデータ が生み出される 基盤技術を応用し ビッグデータから新たな価値を 生み出す研究を産学官で推進 IoT p60 九州大学福田晃主幹教授 身の周りのさまざまなモノをインターネットにつな ぐ IoT 自動車の自動運転や 子どもや高齢者の見守りなど 新たなサービスの創出に期待が集まる 教育 会津 IT 日新館 p62 会津大学石橋史朗教授 情報学分野の教育の特徴は プログラミング と 課題解決学習 企業や自治体と連携し 現実課題の解決に取り組む 会津 IT 日新館 卒業後の進路 p64 先端 IT 技術を持つ人材に期待が集まる 50 Kawaijuku Guideline

2 萩谷昌己教授文理融合的な発展が期待される 東京大学概説入試情報公立はこだて未来大学人工知能ビッグデータ筑波大学九州大学IoT会津大学教育卒業後の進路< 図 1> 情報学のルーツ 第 37 回 情報学 概説 東京大学大学院情報理工学系研究科 メタサイエンス としての情報学 さまざまな源流を持つ学問を包括し社会の在り方を追求する情報学現代社会は膨大な情報に溢れている その情報を研究対象とする学問が情報学だ 情報 は日常的に使われている言葉だが 情報とは何か を明確に定義することは難しい 一口に情報といっても 手紙などの文書 人と人の会話 電子メール 映像や画像 機械が発する信号など その形態や内容はさまざまだからだ 情報学系の学部 学科がカリキュラムを編成するときの参考として策定された 日本学術会議の 大学教育の分野別質保証のための教育課程編成上の参照基準情報学分野 ( 以下 参照基準 ) では 情報を 世界に意味を与え秩序をもたらす源泉 と定義している 抽象的な表現になっているのは 研究対象の範囲を狭めないための配慮であると同時に 情報学がさまざまな学問的なルーツからなる< 図 1>ために 情報の範囲を限定的に扱うことが難しいからだ 情報学のルーツの一つは 計算機科学 である 1930 年代に登場した計算理論に基づいて 1940 年代にはコンピュータの開発が始まり 情報を担う記号の伝達や変換の原理を扱う情報理論などが確立した いずれも数理的 技術的側面が強い学問分野である 1960 年代頃には コンピュータとネットワークが普及し 社会インフラとして不可欠な存在となった そこで それらを使って 会社などの組織の管理 運営をどのように効率化していくかを考える 情報システム 分野が生まれ 現在の情報学のルーツの一つとなった また 情報技術や情報システムなどは 人間の社会を大きく変貌させた とりわけ SNS( ソーシャル ネットワーキング サービス ) などをはじめとする情報メディアが発達することで 人々のコミュニ ケーションの在り方が大きく変わった こうした情報技術と人間社会の関係を研究する 社会情報学 が 近年では情報学の中で確固たる地位を占めるようになっている このように 情報学は 計算機科学 情報システム学 社会情報学などを包括する学問として存在している それぞれに扱う情報の性格が異なるため 参照基準でも やや抽象的な定義にしているのだ 情報学の目的は 価値創造 であり文系理系の枠を超えた広がりを持つ参照基準では 情報学 を 情報によって世界に意味と秩序をもたらすとともに社会的価値を創造することを目的とし 情報の生成 探索 表現 蓄積 管理 認識 分析 変換 伝達に関わる原理と技術を探求する学問 と定義している この定義のポイントは 情報学の目的を 価値創造 に置いた点にある 理学と工学に代表されるように 学問には分析的な学問と 社会への応用を目的とした学問があります 情報学は 情報技術によって価値を創造することを目的とし 社会の変革を意図しているわけですから その両方の側面を備えています ( 萩谷教授 ) 情報学は 多くの分野からなる文理融合型の学問である 情報は社会の在り方にも大きな影響を与えるため Kawaijuku Guideline

3 注目の学部 学科 < 図 2> 情報学の構成 類 情報と記号 記号の意味解釈 コミュニケーションなどに関する概念を扱う 文系と理系に広がる情報学を俯瞰するための基礎的な概念を含んでおり 大学では入門的な講義などで教えられることが多い 第 2は コンピュータで処理される情報の原理 で 情報量の概念や 標本化 圧縮化 符号化 暗号化などの原理を含む 情報の変換と伝達 をはじめ データ構造 情報学では 社会に対する理解や人間に対する理解が強く求められているのである 近年 情報系の学部 学科をみると 情報工学科や情報科学科などの理系だけでなく コミュニケーション学科やメディア学科など文系の学科も増えています また 高校の情報科も 情報の科学 と 社会と情報 に分かれ 理系と文系の両方の観点から学べるようになっています 今後 情報学が発展していくためには これまで以上に人間社会を対象とする文系のアプローチが重要になってくるはずです ( 萩谷教授 ) 情報学のもう一つの特色としては 諸科学全体を覆う科学である メタサイエンス である点が挙げられる 例えば 数学が物理学や経済学にその原理を提供し 統計学が生物学や医学にとって不可欠であるように メタサイエンスとは 他の学問分野の原理や知見を支える学問である 情報学も さまざまな情報原理やアルゴリズムの考え方 コンピュータの応用技術などがあらゆる学問分野で使われている どのような分野でも研究の過程でさまざまな情報を処理することになるため 情報に関する原理や技術を活用することで 研究が深まったり 新たな分野が生まれたりするのだ 情報に関連が深い領域が 応用される分野のなかで体系化されるようになると 〇〇情報学 という分野が生まれてくる これらを 領域情報学 という< 図 2> 情報学を広義に捉えれば 領域情報学をすべて包括したものになるが 以下はメタサイエンスとしての情報学について解説する 5つに分類される情報学の知識体系将来的にはすべての学生が学ぶ方向へ参照基準によると 情報学の研究分野は5つに大別される< 図 3> 第 1は 情報一般の原理 で 情報と意味 情報の種 やデータ化 データベースを扱う 情報の構造と表現 記録 情報の認識 分析 計算 各種の計算 アルゴリズム などの領域を扱う 第 3は 情報を扱う機械および機構を設計し実現するための技術 で ハードウェア コンピュータアーキテクチャ 入出力装置 インターフェース 基本ソフトウェア プログラミング言語 言語処理系 コンピュータネットワークなどに関する原理と技術を扱う 第 4は 情報を扱う人間社会に関する理解 で 社会の中で情報が生み出され伝達される過程と仕組みや 情報を扱う人間の特性と社会システム 経済システムの存立と情報との関係 情報技術を基盤にした文化などが対象だ 第 5は 社会において情報を扱うシステムを構築し活用するための技術 制度 組織 で 情報システムを開発する技術や効率化する技術 情報に関わる社会制度や法制度 情報システムと人間のインターフェースに関する原理や設計方法などを扱う このうち 情報を扱う人間社会に関する理解 については 情報処理学会が策定した 情報専門学科におけるカリキュラム標準 (J07) ( 注 1) にはない分野であり 理工系学部に設置される情報学科などでは 授業科目として設置していない場合もある 参照基準で分野として示したのは 情報系人材として活躍するためには システム構築などの知識や技術を身につけるだけでなく 人間や社会を理解し 組織づくりや社会づくりに貢献できる能力を持つことが不可欠だからだ 文系の学部に設置される メディア コミュニケーション といった学科などを情報学の一部として位置付ける狙いもある 人工知能 (AI) 技術に注目が集まりデータを集める IoT にも大きな期待情報学には数多くの研究領域があるが その中でも最 ( 注 1)J07 世界標準である米国 IEEE/ACM の CC2001-CC2005 を土台に 日本の状況に対応して見直した 情報専門学科におけるカリキュラム標準のこと コンピュータ科学 (CS) 情報システム (IS) ソフトウェアエンジニアリング (SE) コンピュータエンジニアリング (CE) インフォメーションテクノロジ (IT) の 5 つの領域と 広く情報について学ぶ内容を定めた一般情報処理教育 (GE) についてまとめている 52 Kawaijuku Guideline

4 東京大学概説入試情報公立はこだて未来大学人工知能ビッグデータ筑波大学九州大学IoT会津大学教育卒業後の進路( 注 2) 並列コンピューティング 計算処理を複数のコンピュータに分散し 同時に処理する技術 第 37 回 情報学 < 図 3> 情報学に固有の知識の体系 近話題になっているトピックを紹介する まずは 機械学習 だ 人間が学習するプロセスをコンピュータにもさせようという研究で 膨大なデータを並列コンピューティング ( 注 2) で扱えるようになったことや ニューラルネットワーク ( 注 3) が実用的に稼働するようになってきたことで期待が高まっている 機械学習を使うことで 自然言語処理 や 画像認識 も大きく進歩している 現在の情報学のホットな潮流は 何といっても人工知能 (AI) です かつてコンピュータは 計算や推論など人間の左脳で処理する作業が得意だと言われていましたが 現在では 芸術や創造といった右脳で行われる処理が人間を凌駕するまでになっています AI が囲碁でトッププロに勝ったことは その象徴的な例です 人が経験や直感で処理できることは ほとんどがコンピュータで実現できるまでになっています ( 萩谷教授 ) このほか ビッグデータ も注目されている 大量で多様なデータをどのように蓄積 処理し データからどのような情報を引き出すかという研究などがある さらに最近では IoT(Internet of Things) と関連付けた研究も盛んである IoTは あらゆるモノをインターネットで結ぶことで ユーザーに利便性を提供しようという技術ですが 情報を集める側から見れば モノに搭載されたセンサーを通して膨大な情報を得る技術になります 生産現場のあらゆるモノにセンサーを搭載し そこからの膨大なデータを処理することで生産効率を飛躍的に高めることが次の産業革命につながると考えられているため 世界中で研究が進んでいます ( 萩谷教授 ) 一方で 情報に関する文系的なアプローチにも 新しいものが登場している その一つが ナッジ と呼ばれる考え方である ナッジとは肘でつつくという意味で 行動経済学においては 人々の行動が変化するきっかけ という意味で使われる 情報技術を駆使することで そのきっかけを分析し 国家の政策実現や 企業経営などに活用する研究に注目が集まっている このほか エスノグラフィー ( 注 4) の考え方を用いて人間や社会と情報の関係を明らかにする研究や 創作活動をネットワーク上で行うことで ユーザーとクリエーターの区別のない世界を実現させる CGM:Consumer Generated Media( コンシューマー ジェネレイテッド メディア ) といった考え方も登場し 芸術分野も情報学の研究対象となりつつある プログラミング演習 を通じて問題発見 解決能力をトレーニングする情報学系の学部 学科では 大学によって力を入れる分野は異なるものの 参照基準に示された5 分野を基本として 最先端の情報技術などにも触れながら学ぶカリキュラムを構築している 教育内容の特徴としては プログラミング演習 を重視している点が挙げられる プログラミングとは コンピュータに実行させたい情報処理の内容を コンピュータが理解できる言葉で組み立てることである そのためには 最適な計算過程を考えプログラミング言語で表現する力や 論理的な思考や創造性などが必要である 場合によっては複数で協力しながら行うため 協調性も求められる 情報システムを構築する上で基本的な活動をトレーニングできる科目であり 多くの大学で必須になっている PBL(Project / Problem Based Learning) に取り組む大学も多い 大学によっては 企業が直面しているような具体的な課題を設定するところもあれば 自ら課題を見つけて情報システムを企画した上で 実際にシステムを構築して実行し 課題解決をめざすといった一連の流れを経験させるところもある 情報技術の専門家になるにせよ 他の分野に進む場合でも プログラミングと課題解決力は情報学出身の学生として身につけておきたい能力といえる 最後に 萩谷教授は高校生に向けて次のように語る 情報学を学びたいと思っている高校生のみなさんは まずは高校の 情報 の科目をしっかりと学んできてほしいと思います また 情報学は 最終的には情報技術を通して 新しい社会を作っていく学問です ですから 創造性に富んだ人に来てほしいと思っています ( 注 3) ニューラルネットワーク 人間の脳内での情報処理の働きをモデルにした人工知能のこと 学習機能をもち 知識を蓄積できる点などに特徴がある ( 注 4) エスノグラフィー フィールドワークを通じて人間の集団や社会の行動様式を明らかにする 文化人類学の研究方法 Kawaijuku Guideline

5 注目の学部 学科 入試情報 ここでは 情報系の学問が学べる大学の入試の特徴について紹介する 工学系での設置が目立つ情報系学部の新設も進む 情報系の学問は主に工学部に設置されている情報やコ ンピュータといった名称を持つ学科で学べる 最近では 研究分野の拡大から 情報系の学部の設置 改組の動き も盛んだ 2017 年度は名古屋大情報学部 ( 情報文化学部 より改組 ) 滋賀大データサイエンス学部 東洋大情報連 携学部といった学部が設置された また 2018 年度も横 浜市立大にデータサイエンス学部 ( 仮称 ) の設置が予定 されている 情報系学部では工学系の学部とは異なり 文化 メデ ィアといった文系的なアプローチが可能な学科も設置さ れているケースが多い このほか 広義では人文 社会 科学系学部に設置されているコミュニケーション メディ アといった学科も情報系の学科に含めることができる < 図表 1> は情報 データといった名称を持つ学科を学 部系統別に分類したものである 国公立 私立ともに幅 広い学部系統で学べるが 国公立大では 工 が 65% 総合 環境 情報 人間 が 13% を占めている 私立大 でも 工 が 5 割 総合 環境 情報 人間 が 25% を 占める また 私立大では国公立大に比べ 社会科学系 の学科が占める割合が高い 社会情報 経営情報といっ た社会科学系の情報分野学科が多く設置されているため である 国公立大のセンター試験 7 科目理型が主流 次に入試科目の特徴を見ていこう ここでは学科数が多 い 工 総合 環境 情報 人間 の情報系学科につい てみていく 国公立大前期日程のセンタ ー試験科目では 約 4 分の 3 が 7 科目理型 となってい る < 図表 2> 選択科目によ って理型となる 7 科目選択 型 を含めると 7 科目理型 が 8 割近くを占める 一方 6 科目以下で受験できる大学は 2 割弱に限られる 情報系を 志望する生徒には 数学 2 科 目 理科 2 科目の 7 科目で準 < 図表 1> 情報系系統別学科数 備させたい なお 7 科目文型で受験できるのは 筑波大 ( 情報 - 情報メディア創成 知識情報 図書館 ) 静岡大 ( 情報 - 行動情報 B) 名古屋大 ( 情報 - 人間 社会情報 ) の 4 区分で いずれも文系の要素を持つ学科になる もう一つ気をつけたいのはセンター試験理科の選択パタ ーンである 理科 2 科目が必要な大学が 8 割近くを占める が その大半が理科 22 科目を指定している さらに そ のうち 3 分の 1 は 物理 が必須となっている また 物 理 化学 を指定する大学も少なくない このため 理科 は理科 2 の 物理 化学 で準備させるのがよいだろう 理科 1 科目のみ必要な大学は 7 科目文型 もしくは 6 科目以下の大学である ここで注意したいのが筑波大 ( 情報 - 情報メディア創成 ) である 前述のように 7 科 目文型 で受験可能だが 理科 1 は認めていない 文系 生の多くは理科 1 を選択するため他大学との併願が難し く 文型では対応の難しい学科である 次に 2 次試験科目について見ていこう 前期日程では 京都大 ( 工 - 情報 ) が 4 教科 5 科目を課すが 他は 2 教 科を課す大学が 4 割強 3 教科を課す大学が 3 割強とな っている < 図表 3> 教科パターンでは英語 数学 理科 から 2 または 3 教科というのが一般的だ また 全区分の うち物理を必須とする区分が 3 割を占める 2 次試験につ いても 理科は物理での準備が無難であろう なお 名古屋工業大 ( 工 - 創造 - 情報 社会 ) では英 語 数学 理科のほかに小論文 面接も課す また 静 岡大 ( 情報 - 行動情報 A B) では英語のほか総合問題 を課す 私立大は一般 センター利用方式とも 2~3 教科が主流 私立大の一般方式 (1 期 ) では 2 教科型が 3 割 3 教科 国公立 私立 54 Kawaijuku Guideline

6 東京大学公立はこだて未来大学筑波大学九州大学会津大学6 割強と こちらも2~3 教科を課の進路型が 第 37 回 情報学 < 図表 2> 情報系国公立大前期日程センター試験の必要科目数 7 科目理型 73% 4 科目以下 6% 5 科目 4% 6 科目 7% 7 科目文型 5% 7 科目選択型 5% 7 科目文型 外 国 地公 2 科目必須 数 理から 3 科目 7 科目理型 外 数 2 科目 国 理 2 科目 地公 7 科目選択型 外 国必須 数 理 地公から 5 科目 図表 とも 2017 年度入試科目で作成 < 図表 4> 情報系私立大一般方式 (1 期 ) 試験教科パターン 教科数 教科パターン 募集区分数 4 教科 英 数 国 地 3 英 数 理 149 英 数 国 2 英 数 ( 国 理 1) 11 英 国 ( 数 地公 1) 24 英 国 ( 数 理 地公 1) 6 数 理 ( 英 国 1) 1 英 ( 数 国 地公 2) 3 英 ( 数 国 理 2 2) 1 3 教科 英 ( 数 国 1)( 理 地 1) 4 英 ( 数 実 1)( 国 理 1) 1 英 ( 数 地公 1)( 国 理 1) 1 英 地公 ( 数 国 1) 2 数 小 ( 英 国 理 2 2) 1 数 ( 英 国 理 2) 6 ( 英 数 国 理 地公 3) 5 ( 英 数 国 理 3) 4 数 理 2 1 英 数 14 英 国 6 数 理 3 英 ( 数 国 1) 2 英 ( 数 国 理 地 1) 1 英 ( 数 国 地公 1) 1 数 ( 英 国 理 1) 9 数 ( 英 国 理 地公 1) 1 数 ( 英 理 1) 14 国 ( 英 数 1) 1 国 ( 英 数 小 1) 3 2 教科 国 ( 英 数 理 地公 1) 2 国 ( 英 地 実 1) 1 国 面 ( 英 地 小 実 1) 1 ( 英 数 国 2) 10 ( 英 数 理 2) 2 ( 英 数 国 地公 2) 3 ( 英 数 国 理 2)* 理 2 科目選択可も含む 14 ( 英 数 国 理 公 2) 1 ( 英 数 国 理 公 情 2) 1 ( 英 数 国 理 地公 2)* 理 2 科目選択可も含む 5 ( 英 数 国 理 地公 情 2) 1 ( 英 数 実 1)( 国 理 1) 1 ( 英 理 1)( 数 国 1) 3 数 4 面 ( 英 国 1) 1 面 ( 英 数 国 理 地 1) 2 1 教科 ( 英 数 国 1) 2 面 実 1 総 1 面 ( 小 実 1) 1 科目パターンが複数ある場合は それぞれで集計 < 図表 3> 情報系国公立大前期日程 2 次試験教科パターン 教科数 教科パターン 募集区分数 4 教科 英 数 国 理 2 1 英 数 理 小 面 1 英 数 理 教科 英 数 理 11 英 数 ( 理 地公 1) 2 数 理 2 1 数 理 24 英 数 9 2 教科 英 国 1 英 数 地 1 1 英 数 国 理 1 1 英 総 2 数 13 1 教科 ( 英 数 1) 1 ( 数 理 1) 1 小 面 1 科目パターンが複数ある場合は それぞれで集計 すパターンが主流である 教科パターン は多岐にわたるが 英語 数学 理科ま たは国語から選択という大学が多い < 図 表 4> センター利用方式 (1 期 ) では 2 教 科型が 3 割 3 教科型が 5 割を占める 必要教科 科目は英語 数学をベースに 国語 理科 地歴 公民などが選択可能 といったパターンが主流だ 国公立大はセンター得点率 50 ~ 89% 私立大は偏差値 35.0 ~ 62.5 まで広く分布 最後に情報系の入試難易度について見てみよう < 図 表 5> はセンター試験のボーダー得点率の分布を表して いる 国公立大前期日程のボーダー得点率は 55 ~ 69% あたりがボリュームゾーンになっていることがわかる 私立大のセンター利用方式は ボーダー得点率 50 ~ 69% に多くの大学が集まっている < 図表 6> はボーダー偏差値の分布である 国公立大 前期日程は偏差値 45.0 と 47.5 の 2 つの偏差値帯に多く の大学が分布している 後期日程では小論文や総合問題 を課し ランクを設定していない大学もあるが 偏差値 47.5 と 50.0 の偏差値帯が分布の中心である 私立大の 一般方式は偏差値 35.0 ~ 62.5 の間に広く分布している ほか BF( ボーダーフリー ) の大学も多くなっている < 図表 5> 情報系センター試験ボーダー得点率別募集区分数 ボーダー国公立大得点率 (%) 前期後期 私立大 90 ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ < 図表 6> 情報系国公立大 2 次試験 私立大一般方式のボーダー偏差値別募集区分数 ボーダー偏差値 国公立大前期後期 私立大 BF 32 ランクなし 概説入試情報人工知能ビッグデータIoT教育卒業後Kawaijuku Guideline

7 注目の学部 学科 人工知能 公立はこだて未来大学システム情報科学部複雑系知能学科 人間の知的能力を超えることではなく意思決定を支援する便利な道具をめざす 松原仁教昨春 人工知能 (AI) を搭載した囲碁ソフト アルファ碁 ( 注 1) が トッ ( 注 3) 棋譜 囲碁や将棋などの対局で 対局者が指した手を順に記録したもの ププロに4 勝 1 敗で勝利したニュースに世界中が驚いた 1997 年にコンピュ ータに敗れたチェスと比べて 囲碁は人間の方がかなり強いと思われていたた め AIの実力に改めて注目が集まることになった しかし AIの活躍分野は ゲームだけではない 現在でもスマートフォンのアプリにも数多く搭載され 我々の生活を支えているほか 自動車の自動運転の実現も目前に迫っている 人の能力を拡張 あるいは代替する機械の頭脳として AIには今後も大きな 可能性がある 処理に関するAI 研究の成果といえとに成功した研究があります これハードウェアの進化でます 画像理解 は 画像を見てそは 人間が知り合いの顔を判別する実用可能になった AI れが何かを理解する能力です 例えよりも高い確率です がん患者のX ディープラーニングに期待が高まるば ネコの特徴をAIに教え さまざ線写真を大量に学習することで 専 AIは文字通り Artificial Intelligence ( 人工的な知能 ) の略ですが 明確な定義はありません AI 研究の目的は 人間のような知能を機械に持たせること あるいは 人工的な知能を作ること ですが 人間の知能とは何か がはっきりしていないため ほとんどの AI 研究者は 知能のある側面を切り取って研究しています 例えば 文章を読んで理解する 言 まな動物の写真から どれがネコの写真かを判断させるような研究があります 問題解決 は クイズを解くことや ゲームで勝つことなどをめざす研究で 東京大学の入試問題に挑戦する 東ロボくん ( 注 2) や チェスや将棋 囲碁などのゲームソフトなどがよく知られています 機械学習 は 人間の学習過程と同じように 機械自らがデータか 門医でも見落とすようなごく初期の小さな影を発見できるようにした研究なども知られています アルファ碁がトッププロに勝ったのも 深層 ( 注学習で大量の棋譜 3) を学習した結果です 深層学習のアイデア自体は 50~ 60 年前からありましたが コンピュータのハードウェアの進展でようやく実用的な段階になりました 葉を聞いて理解する 囲碁や将棋なら学習する能力を持たせようという汎用的な知能を持った AI 研究とどのゲームで次の一手を指すなどは 研究です とりわけ近年大きな注目 意味の理解 が今後のポイント人間の知能の一部だと考えられますを集めているのが 膨大なデータか から こうした個別の能力を機械で実現させようとしているわけです そのため AI 研究にはさまざまな分野があります 代表的なものは 自然言語処理 画像理解 問題解決 機械学習 などです 自然言語処理 は 人間が話す言葉を理解したり しゃべったりする能力です 最近ではスマートフォンやカーナビなどに 音声対話のシステムが搭載されていますが これらは自然言語 ら一貫性のある規則を見つけ出すことなどを可能にする 深層学習 ( ディープラーニング ) という分野です 深層学習の研究が進むことで 10 年ほど前から 自然言語処理 画像理解 問題解決 などさまざまな分野で 人間の能力を超えるような成果が上がってきています 例えば 画像理解 では さまざまな人物の写真から 98% 以上の確率で同一人物の写真を見つけ出すこ AI 研究では チェスや将棋 囲碁などのゲームソフトの能力向上に話題が集中していますが 多くの研究者がゲームをAI 研究の対象に選ぶのは 勝ち負けがはっきり出るため 技術水準を確認するのに最適だからです AIは人間の意思決定を助ける道具です 将棋や囲碁を使ったAI 研究が行われているのは 将棋や囲碁が人間よりも強くなったことで 人間が行ってきた意思決定をある程 ( 注 1) アルファ碁 Google Deep Mind が開発したコンピュータ囲碁プログラム ( 注 2) 東ロボくん 国立情報学研究所を中心とした ロボットは東大に入れるか プロジェクト (2011 年 ~) で研究 開発が進められる人工知能の名称 56 授Kawaijuku Guideline

8 東京大学概説入試情報公立はこだて未来大学人工知能ビッグデータ筑波大学九州大学IoT会津大学教育卒業後の進路Kawaijuku Guideline 第 37 回 情報学 度 AIに任せても大丈夫だという信頼を得るためだと捉えると良いでしょう 現在でも AIはさまざまな場面で人間の意思決定の支援に使われています 例えば スマートフォンの 乗り換え検索 アプリが 効率の良い交通経路や乗り換え方法を示したり オンラインショッピングの過去の履歴から お勧め商品 を提案したりするのも AI 技術の賜物です 今後もAIは それぞれが得意とする分野で 意思決定支援の道具としての性能を高めていくでしょう 一方で 将棋ソフトはチェスができませんし 人間との対話や 文字の認識もできません 人間のように多面的な知的能力を持つ AI は まだ実現できていないのです そのため 汎用的な人工知能 (AGI:Artificial General Intelligence) をめざす研究がホットなトピックとなっています その究極の完成形は 家庭用ロボットです 家族の話し相手になったり 子どもの家庭教師になったり スケジュール管理や健康指導などをしてくれる AIが搭載された機械です その実現のためには AI のさまざまな分野を組み合わせるだけではだめで これまでとは全く異なる技術を開発することが必要となるはずです 意味の理解 も 現時点の AI では不可能です 人間の問いかけに応じる自然言語処理にしても その言葉の意味がわかって反応しているわけではないからです 東ロボくん がなかなか合格水準に達しないのも 入試問題の意味がわかっていないからです 意味が理解できれば AI にできることの範囲は大きく広がりますが 現時点では AI 研究の大きな技術的ハードルの一つとなっています また 判断のプロセスを明らかにする研究も始まっています 人間であれば 後付けであっても判断の理由を説明することができますが 現在の AIはそれができず 判断の結果のみを示します しかし 理由が不明で結果だけを出されても 人間は納得できません 今後さらに意思決定支援の道具として活用してもらうためにも 不可欠な研究です もう一つ AIの進歩には 技術の開発だけでなく 人間が機械と共存する覚悟を持つことが求められます 例えば 自動車の自動運転は技術的には既に実用レベルに達しつつあり 全ての自動車を自動運転にすれば 国内の交通事故による死者数を現在の年間 4,000 人から数十人まで減らせるともいわれています しかし 自動運転車が事故を起こした場合の責任の所在をどうするかなど 人間の側に自動運転車を受容する準備ができていません AI 技術が進展し それが実用化されていく際には 我々一人ひとりが 道具である機械とどう関わっていくかという大きな問題に直面することになるのです ゲームソフトは 強さ から 楽しさ へ AI 研究はこの先もずっと発展する私は これまでコンピュータ将棋の研究をしてきました 強さの点では すでに人間を超えていることは確実なため 今後の研究は 人間を楽しませる 方向に向かっていくはずです 例えば現在は 接戦の末に僅差で敗れて人間を勝たせるなど 勝負を楽しませてくれる AI 技術の開発をめざしています AI で小説を書く研究も進めています SF 作家の故 星新一氏の小説を 学んだAIに新作を作らせる研究で 昨年はAIが書いた小説が 星新一賞の一次審査を通過しました ストーリーの骨格は人間が与えているため 完全なAI 作家ではありませんが AI が3,000 字程度の 日本語としておかしくない小説を書けることが証明できました 今後は ストーリーも含め全てAIで小説を書くことを目標にしていきます AI 研究には 最先端技術を扱う面白さや コンピュータにこれまでなかった能力を持たせる面白さもありますが 最大の魅力は 機械の知能を研究することで 人間とは何か を問い直すことができる点にあります 哲学とは違い 機械の視点から人間に迫るわけで 文理融合的な学問でもあります 人間を対象としているが故に 当分研究テーマが尽きることはなく まだまだ未知の分野が眠っている将来が楽しみな研究領域といえます

9 北川博之教注目の学部 学科 ビッグデータ 筑波大学大学院システム情報工学研究科 ビッグデータは膨大で雑多なデータの集合体そこから価値を生み出すための研究が加速 コンピュータやインターネットが普及したことにより 電子データは爆発的 に増加している ビッグデータは こうした大量のデータの集まりを意味する が 単に量が多いだけではなく データの種類や有用性も多様で しかもそ れらの生成 配信スピードが速いという特徴がある こうした雑多な情報の海 の中から 新たな価値を創造しようと ビッグデータには高い関心が寄せられ 世界中が研究開発にしのぎを削っている AIの成功に貢献したビッグデータその利活用に寄せられる熱い期待近年 ビッグデータ が話題になっている背景には 3つの技術的な要因があります 1つ目は デジタル化技術の発達です 音声や映像など あらゆる情報がデジタルデータに変換できるようになり コンピュータで処理できるようになっています 2つ目は センシング技術の発達です 音 光 圧力 温度など さまざまな変化を感知するセンサーが開発され 現実世界で何が起きているのかを自動的にモニタリングできるようになりました 3つ目は インターネットの普及です 世界中のセンサーが感知した情報や Twitter などの SNS( ソーシャル ネットワーキング サービス ) を通じて人々が発信する情報が リアルタイムにインターネットを介して配信されるようになりました これらの技術により 世界中で生み出される電子データの量が加速度的に増加しているのです ビッグデータは データ量が巨大だというだけではありません その性質は一般に 3V と説明されま す 授まずは Volume( 量 ) です ある企業の試算では IoT ( 注 1) の発達もあり 2020 年に人間が扱う情報の量は 44 ゼタバイトに達するといいます ゼタは10の21 乗 (1 兆の10 億倍 ) です 私たちが普段目にする単位で言うと ギガが10の9 乗 (10 億 ) テラが 12 乗 (1 兆 ) ですから 想像を絶する量です 次が Velocity( 速度 ) です 例えば Twitterで発信される情報は ほぼリアルタイムで配信されますし さらに内容も非常に速いスピードで変わっていきます 3つ目は Variety( 多様性 ) です ネットワーク上には データの形式も信頼度も異なる多様なデータが混在して流れています このように ビッグデータは人間の処理能力をはるかに超えた量と質を持ったデータの集まりです しかし この大量かつ雑多なデータを 情報技術を使ってうまく分析すれば これまでできなかったことができるようになったり わからなかったことがわかるようになるなど 新たな価値を生み出せる可能性が高まってきました 例えば 人工知能の アルファ碁 ( 注 2) がトッププロに勝つことができたのは 大量の棋譜を蓄 Kawaijuku Guideline 積し学習した結果ですし 自動車の自動運転が技術的に可能になったのは 自動車の状態や道路の状況に関する大量のデータを扱えるようになったためです そこで ビッグデータの分析などに向けた研究が 国家的なプロジェクトとして 世界中で推進されています 日本でも 文部科学省をはじめ 総務省や経済産業省などが ビッグデータの利活用をめざした研究開発の支援に乗り出しています ビッグデータを実社会で活用するには基盤技術の確立が必要これまでの情報学の研究は コンピュータの処理スピードを上げるなど基礎的な研究が中心でしたが ビッグデータの研究では さまざまな基盤技術を応用して 現実の問題を解決することが重視されています 筑波大学では 東北大学 東京大学 慶應義塾大学と共同で 文部科学省の委託事業 実社会ビッグデータ利活用のためのデータ統合 解析技術の研究開発 (2014 ~ 17 年度 ) に取り組んでいます< 図 > 本研究の目的は 実社会の中で生まれるさまざまな種類のデータ ( リアルタイ ( 注 1)IoT Internet of Things の略 あらゆるモノをインターネットにつなげる技術のこと P60 参照 ( 注 2) アルファ碁 Google Deep Mind が開発したコンピュータ囲碁プログラム 58

10 第 37回 ムデータを含む を連携させ利用す 情報学 図 実社会ビッグデータ利活用のためのデータ統合 解析技術の研究開発 るための データ統合技術や解析技 術を開発することです 社会におけ る実用を意識し 神奈川県藤沢市の 協力も得て 実証実験を行うことも 特徴です この研究では ビッグデータ利活 用の基盤となる要素技術を６種類の 層に分類し 研究開発を進めていま 概説 東京大学 す ①実際の社会の中からデータを どのように取 得 するかを追 究 する ストリーム管理層 ②さまざまな 入試情報 データの中から どのデータを連携 させたら目的に合う情報が得られる のかを探る データ連携層 ③連 タと 道路の補修箇所や補修内容に 解析層 ④得られたデータをわかり 類の処理方法をうまく組み合わせ 関するデータを分析することで 効 やすく表示する技術を開発する デ 効率的にデータを処理できるシステ 率的なパトロール頻度 ルートや ータ可視化層 ⑤これらの各層で利 ム開発なども進めています 道路補修計画の検討に役立てること の一環として 藤沢市をフィールド 実際には 実データは一部データ ⑥各層で確立した基本的な技術を実 にしたゴミ収集データ分析に関する が欠けているなど不完全であること 社会の問題解決に活かす データ応 実証実験に取り組んでいます 藤沢 が多いことやプライバシーに配慮す 用層 です 市から 日々のゴミの収集量などに る必要があることなど 取り扱いに 関するデータを提供してもらい そ は注意すべき点も多くありますが れらの関係を分析することで ゴミ こうした研究を通じて ゴミ収集や の削減に向けた ゴミ減量 G1 グラ 道路の補修だけでなく 生活環境の 私の研究室では 上記のうち ① ンプリ を実施しています また 把握や 非常時の避難経路の再検討 ストリーム管理層 と ②データ連 ゴミ収集車にセンサーを付け 気温 など さまざまな社会問題の解決に 携層 を主に担当しています 具体 や湿度 PM2.5 などの生活環境に関 貢献できると考えています 的には 例えば 地震が起きた後に する値を計測しています 今後は はその周辺で 地震 揺れ といっ 住民の Twitter から 汚い 臭い 基盤となっています これからの時 たツイートが増加することに注目し などの不満表現を抽出し それらを 代 その重要性はさらに増加してい Twitter のユーザーの現在位置を推 結び付けて分析することで ゴミ収 くはずです ビッグデータに対する 定するなど どの地域で いつ何が 集の改善につなげていくことも考え 知識や技術を駆使してさまざまな問 起きているのかをリアルタイムで明 られます 題を解決ができる人材は あらゆる フィールドでの実証実験を通じて 実用的な応用技術を開発 もはや情報はあらゆる人間活動の らかにする技術の開発を行っていま このほか 私の研究室では 地元 分野から強く求められており 活躍 す さらに ビッグデータの処理に である茨城県つくば市と連携して の場は広がるばかりです ぜひ 多 は 即時的にデータを扱う ストリ 道路補修に関する実証研究にも取り くの高校生にビッグデータをはじめ ーム処理系 と 大量のデータを貯 組んでいます 市が運行している道 とする最先端の情報技術に挑戦して めておいて一気に処理する バッチ 路パトロール車の走行ルートのデー もらいたいと思います Kawaijuku Guideline 卒業後の進路 かを考える データ格納層 そして を考えています 教育 会津大学 また ⑥データ応用層 の研究 ＩｏＴ 九州大学 用する大量のデータをどう格納する ビッグデータ 筑波大学 処理系 がありますが それら２種 人工知能 係性や応用可能性を見出す データ 公立はこだて未来大学 携するデータを実際に解析して 関

11 注目の学部 学科 IoT 九州大学大学院システム情報科学研究院 あらゆるモノをインターネットでつなぎ便利で快適な生活を創造する仕組みを追究 IoT( アイ オー ティー :Internet of Things) は あらゆるモノをイン ターネットでつなぐことを意味する言葉で 日本語では モノのインターネッ ト と呼ばれる 家電製品がインターネットにつながれば スマートフォンで 自在にコントロールできるようになるし 工場内の機械がつながれば より効 率的な生産方法へと改善もできる しかし 個人の周囲のモノから その個 人に関する膨大な情報を集めることも可能になるため プライバシーとセキュ リティをいかに守るかが IoT 推進の大きな課題になっている IoTによってもたらされる情報で現実世界と仮想世界を融合する IoTは サイバーフィジカルシステム (Cyber Physical System:CPS) を構成する要素技術の 1つです CPS は センサーを使って現実世界 ( フィジカル ) のさまざまな情報を収集し 集めた情報を仮想世界 / 情報処理空間 ( サイバー ) で分析して それを元に社会問題を解決したり 新しいビジネスの創出につなげるなど 世界をより良くすることをめざす技術です センサーは身の周りのモノに数多く存在しています 冷蔵庫やエアコンには温度センサーが内蔵されていますし スマートフォンにも 画面と顔や手の距離 周囲の明るさ スマートフォンの傾きなどを測るさまざまなセンサーが入っています 高級自動車ともなれば センサーの数は 100 個にも達します IoT は これらのモノをインターネットにつなげ センサーをネットワーク化する技術です IoT によって さまざまな情報を迅速に収集できるようになることで CPS も実現できるのです IoTは 3つの大きな技術から成 り立っています 1つ目は センシング技術 です センシングする対象は 温度 光 音 においなどさまざまです センシングの対象をさらに多様にしたり 精度を上げたり データの形式を揃えたりする必要があります 同時に センサーの小型化や高性能化 省電力化に向けた技術を開発することが求められています 2つ目は ネットワーク技術 です モノをインターネットにつなぐには 有線よりも無線の方が利便性は高くなります 小さな電力で 確実にインターネットに接続できるようなネットワーク技術が求められています 3つ目は コンピュータ技術 です IoTであらゆるモノから情報が入ってくるようになると 処理するデータの量も種類も膨大になります 一般の企業等が持つコンピュータでは処理しきれなくなるため コンピュータの性能を上げるとともに 大規模な データセンター などが持つソフトウェアやデータベースに ネットワークを通じてアクセスし データを処理する クラウドコンピューティング の技術なども必要になります 福田晃主幹教授利用分野の開拓が求められる IoT プライバシーとセキュリティの確保も課題 IoTは 研究者の間では約 20 年前では IoT によってどのようなこ Kawaijuku Guideline から使われていた言葉ですが ここ 2~3 年で一般にも広く浸透し 注 目を集めるようになってきました 関連技術が成熟し IoT の実用化が 可能になってきたことが背景にあり ます とりわけ 情報端末としての スマートフォンやタブレットが普及 したこと Wi-Fi など無線 LAN 環境 の整備によって 屋内でも屋外でも 簡単にインターネットに接続できる ようになったことが大きく影響して います とが可能になるのでしょうか 企業 では IoT を使った新しいビジネス が模索されています 例えば 自動 車同士をインターネットでつなぎ 互いに通信しながら走行させること で車間距離や速度などを調整して交 通事故を減らしたり 渋滞を緩和し たり 温室効果ガスの排出を減らし たり 人が操作を行わなくても走行 する 自動運転 などを実現する スマートモビリティ が話題と なっています 家の中や身に着ける 60

12 第 37回 ものにセンサーを埋め込むことで高 情報学 図 スマートモビリティ情報基盤プラットフォーム 齢者や小さな子どもの見守りに使う といったことも想定されています 他 にも IoT を使 っ てどのような サービスが可能か どのような問題 を解決できるのかを 試行錯誤して いる状態です Twitter などの SNS ソーシャル ネットワーキング サービス が人 概説 東京大学 間のコミュニケーションを変えたよ うに IoT も現実世界の人間の行動 や 社会の在り方を変える可能性を 入試情報 持っています そこに密接に関わっ てくるのが プライバシーとセキュ リティの問題です 科学研究費助成事業 基盤研究 S 研究概要より ると 室 内 のどの場 所 にあるセ ン 福 岡 市 にオ ー プ ン した &AND ことができるため プライバシーが サーが温度を感知したのかがわから HOSTEL のアドバイザーも務めて 侵される可能性があります ないと 設定温度や風向をどのよう います 室内のセンサーから温度 に変えればよいか 判断できません 湿度 明るさなどの情報を宿泊客の 作して被害を与えたりすることも考 これまで 室内のセンサーは人の手 スマートフォンに送信し エアコン えられます 今後は 情報技術に詳 でコンピュータ等に入力し管理して や電灯の操作などもできるようにす しくない人もインターネットにつな いましたが 設置するセンサーが増 るリモコンなど さまざまな IoT 機 がったモノを使う機会が増えていく えると 難しくなります そこで設 器を客室に備えた日本初のスマート ため セキュリティを万全にするこ 置すると同時に 自動的に位置情報 ホステルです IoT の実証実験の場 とが求められます を取得できるようなセンサー技術の ともなっており 宿泊者が実際に利 開発を進めています 用した IoT 機器や感想などを踏まえ また 悪意ある人がモノを遠隔操 センサーネットワークの基盤技術や 情報基盤プラットフォームを研究 た上で 新しい IoT 機器の開発や利 報基盤プラットフォームの研究も 用法の提案などに結びつけたいと考 IoT を本格的に普及させていくに 行っています 図 IoT は使って えています は いくつか解決しなければならな みないと 良い使い方や課題がわか IoT は ようやく実現に向けて動 い問題も残っています 例えば 混 らない場合があります まず使って き始めた技術であり 今後の重要な 在する通信方式への対応です さま もらって ユーザーから反応をもら 社会インフラになる可能性を秘めて ざまなモノがさまざまな通信方式で い プログラムを修正して また います しかし IoT でどんな社会 インターネットにつながるため そ 使ってもらうというサイクルを作る が実現できるのか誰もわかりません れらを上手く協調させなければなり 必 要 があります 研 究 室 では ス し 正解もありません したがって ません そこで 私の研究室では マートモビリティ分野を対象に 自 どんな提案も可能であり 若い柔軟 安価かつ確実に接続できるようなセ 動車の走行情報や道路情報などを収 な発想こそが求められている分野で ンサーネットワークの基盤研究を 集し 迅速かつ柔軟にシステムを修 もあります 情報学に興味を持って 行っています 正できるプラットフォームの構築を いる高校生なら 夢を持って挑戦で めざしています きる分野だと信じています また センサーの位置を特定する Kawaijuku Guideline 卒業後の進路 また スマートモビリティ向け情 教育 会津大学 動をしたのかを自動的に追いかける ＩｏＴ 九州大学 さらに私自身は 2016 年８月に ビッグデータ 筑波大学 方法も課題です エアコンを例に取 人工知能 れれば 誰が いつ どのような行 公立はこだて未来大学 あらゆるモノにセンサーが搭載さ

13 石橋史朗教注目の学部 学科 教育 会津 IT 日新館 会津大学コンピュータ理工学部 情報技術の基礎から応用まで学び現実の課題の解決に挑戦する 情報学は文理融合型の学問であり 大学によってカリキュラムはさまざまだ が プログラミング教育と 情報技術を活用した課題解決学習に力を入れて いる点は共通している ここでは 日本で最初に誕生したコンピュータ理工学 専門の大学である会津大学を例に 情報技術を活用した課題解決学習につい て紹介する 5つの専門領域からなる幅広いカリキュラムプログラミングは 講義 + 演習 が基本会津大学コンピュータ理工学部では 情報学のさまざまな分野の中でも コンピュータに関する理論や技術を中心に据え 社会のさまざまな分野に応用する力を身につけ 国際社会において活躍できる人材の育成をめざした教育を行っている カリキュラムは コンピュータ理工学分野の国際標準である CC2005 ( 注 1) 及び CSC2013 ( 注 2) をベースに編成し 多様な科目を設置している さらに 履修モデルとして コンピュータ サイエンス コンピュータシステム コンピュータ ネットワークシステム 応用情報科学 ソフトウェア エンジニアリング の5フィールド ( 専門領域 ) と フィールドをさらに細分化した9 トラック ( 履修領域 ) を示し 学生が将来の進路の希望に合わせて柔軟に選択できるようにしている 教育方法にもさまざまな工夫をしている 例えば プログラミング関連の科目をはじめ 多くの授業で講義と演習を組み合わせることで 学んだ知識を定着させ学生が自力で問題を解く 力を身につけられるようにしている 授また コンピュータ サイエンティスト コンピュータ エンジニアとしてグローバルに活躍できるように 英語教育に力を入れており 卒業論文も英語で書くこととしている さらに 1 年次から興味あるテーマを追究できる 課外プロジェクト を 40 講座程度用意し 学生は各自で テーマを掘り下げる力を磨いている 教育プログラム 会津 IT 日新館 で社会とのつながりを実感する中でも重視しているのが 情報技術と社会とのつながりを実感し 具体的な課題解決へとつなげる教育プログラム 会津 IT 日新館 だ イノベーションに挑戦する精神と技術力を持つ創業意識の高い若手人材を育成することを目的としており 地元の企業や自治体と連携して 地域のニーズを踏まえた実践的な教育が行われている 2007 ~ 2009 年には 文部科学省の 現代的教育ニーズ取組支援プログラム ( 現代 GP) にも採択された 会津 IT 日新館 は ベンチャー基本コース と ベンチャー体験工房 の2 つの科目群からなる いずれも必修科目ではないが 半数以上の学生が卒業までに何らかの科目を履修している Kawaijuku Guideline ベンチャー基本コース は ITに関わる基本的なトピックスを教える講義科目である 前期 後期ともに 15 回で構成され ほとんどの授業を外部講師が担当している 講師は IT 企業をはじめ さまざまな業種 職種の社会人が担当し IT 企業の現状や 各業界における IT 活用の実態などをテーマに講義を行っている こうした経験談を通して 学生は自分たちが学ぶ情報技術が 社会とどのようにつながっているかを具体的に理解できるようになる 一方 ベンチャー体験工房 は 現実社会の課題解決を目標とする PBL(Project Based Learning) 型の科目だ 2016 年度は 前期 後期それぞれに 10 前後の工房が開設され 各工房にそれぞれ 10 名前後の学生が集まって活動した 2~4 年次がほぼ均等に受講しています 本学では 3 年次から研究室に配属されるため 配属前に研究の様子を知る意味で受講する学生 自分の研究分野とは異なる工房を選び視野を広げる学生など さまざまな受講理由があります いずれの工房も社会における課題解決を強く志向しているため 学生は 他の授業等で身につけた技術をどのように活用できるのかを考えることになります そうした学びを楽し ( 注 1)CC2005 Computing Curricula 2005 の略 ( 注 2)CSC2013 Computer Science Curricula 2013 の略 CC2005 CSC2013 とも アメリカの国際学会である IEEE や ACM で議論されてきた コンピュータ科学の先導的カリキュラム 62

14 東京大学公立はこだて未来大学筑波大学九州大学会津大学< 表 1> ベンチャー体験工房テーマ一覧の進路第 37 回 情報学 む学生は多く 中には 複数の工房を履修する学生もいます ( 産学イノベーションセンター 石橋史朗教授 ) ベンチャー体験工房 の活動を通して現実課題の解決に取り組む ベンチャー体験工房 のテーマは情報技術を掘り下げるもの 地域貢献を掲げるもの 起業の疑似体験をするものなど さまざまである < 表 1> 学生は コーディネーター教員が示した大枠のテーマに沿って 取り組むべき課題を設定する そして 関連する知識や技術を学びながら解決策を考え 必要に応じてソフトウェアの開発なども行い 最後に成果を発表する 具体的な内容を見ると ソフトウェアの開発プロセスを学ぶ では 企業から招いた講師の指導を受けながら 計画立案 要件定義 分析 設計 製造 試験という ソフトウェア開発のプロセスを実践的に学ぶ 生涯ヘルスケアビッグデータプラットフォーム 夢護 の構築 では 各種センサーを使って入浴中や睡眠中の心電 体温 血圧 呼吸などの生体データを検出する仕組みと それらのデータを分析するソフトウェアを開発することで 健康状態を把握し健康管理を行うためのプラットフォームを構築する 一方で 情報技術を直接用いない工房もある アイデア創出及び地域貢献プロジェクト では 地域の商店のPR 活動 会津の特産品を用いた商品開発 ビジネスコンテスト出場などをめざした活動をしており 過去には学生と地元のレストランなどが協力して 肉の代わりに西会津町特産の車麸を用いた ベジメルバーガー を提案し ご当地バーガーとして定着させ 工房 No. < 表 2> ビジネスアナリティクス授業内容 るなど さまざまなアイデアや商品を 生み出している 情報技術を使った課題解決を行う には 解決すべき課題を明確にし ど のようなプロセスで解決に導くかを考 えた上で 解決のための道具として情 報技術を活用することになります 実 際のソフトウェア開発でも 実はこの 点が見逃されることが少なくありませ ん 工房での活動を通じて 課題を発 見したり解決策を立案したりする力を 身につけることは非常に重要です ( 石橋教授 ) 石橋教授がコーディネーターを務 める ビジネスアナリティクス < 表 2> では 会津若松市の協力により 提供されたさまざまな調査データや アンケート結果を分析しながら 高 齢化やゴミ処理問題など 市が抱え る政策課題の解決をめざす さらに アクセンチュア株式会社か ら現役のデータサイエンティスト ( データ解析のための高度な統計スキ ルを持つ技術者 ) を講師として招き 課題定義 仮説立案からデータ分析 解決策の提案といった課題解決のプ テーマ 1 モノのネットワーク化 (IoT) で安全 安心 便利な生活環境の実現 2 プログラマブル センサネットワークの構築 (2016 年度休講 ) 3 スマートグリッド セキュアクラウド クラウドロボットのための次世代情報基盤 4 ビッグデータ基盤に基づいたアクティブ状況認識システム 5 先輩創業者の知見により ICT ビジネスプランを作成する 6 ソフトウェアの開発プロセスを学ぶ 7 ビジネスアナリティクス 8 福島インターネットメディアラボ (2016 年度休講 ) 9 生涯ヘルスケアビッグデータプラットフォーム 夢護 の構築 10 アイデア創出及び地域貢献プロジェクト 授業の目的と到達目標 授業スケジュール 本講義では アクセンチュア株式会社の現役データサイエンティストが講師となり プロジェクト型のデータ分析演習を通じた一連のアナリティクス プロセスを実施し 企業において求められる実践的な分析スキルの修得をめざします また現役コンサルタントによる資料作成 プレゼンテーション手法の紹介を通じて 今後の研究活動 就職活動で必須となるプレゼンテーションスキルの修得もめざします 半期全 15 回で以下の内容を進めていきます (1) 一連のアナリティクス プロセスの理解 (2) オープンデータを活用したアナリティクス プロセスの実践 ( 課題定義 仮説立案からデータ整形 分析 示唆だし プレゼンテーションまでの一連のプロセス ) (3) ビジネスの現場で使われる統計ツール (R や EXCEL を予定 ) を用いた実践的な分析スキルの経験 (4) ロジカルシンキング プレゼンテーションスキルの理解 実践を通じた修得 会津若松市とも連携し 実際の市の政策課題をテーマにした分析演習を進めていきます ロセスや 分析に用いる統計ソフトの 活用方法 プレゼンテーションスキ ルなどを実践的に修得していく ここ数回にわたり 会津若松市の 高齢化をテーマとしました 市が高齢 者を対象に実施したアンケートを学 生が分析したところ 単純集計では見 えなかった実態が発見できました 例 えば 高齢者が生きがいを感じるには 家族や地域住民との交流 が重要と 考えられていましたが 実は排せつや 入浴を自分でできるといった 自立的 に生活できる ことが生きがいにつな がっていることがわかり 市役所の職 員も感心していました 高齢者支援 に向けた政策のヒントにもなったよう です ( 石橋教授 ) 2014 年度には スーパーグローバ ル大学創成支援事業に採択されたこ とをきっかけに 博士課程前期の学生 を対象にした ICT グローバルベン チャー工房 を創設した 今後は 会津 IT 日新館 の取り組みの実績も 生かし グローバルに活躍する起業家 の育成をめざした取り組みを さらに 強化していく予定だ (2016 年度シラバスより抜粋 ) 概説入試情報人工知能ビッグデータIoT教育卒業後Kawaijuku Guideline

15 注目の学部 学科 卒業後の進路 理工系と人文 社会科学系で異なる傾向 ここでは情報学系の学部 学科の卒業後の進路の傾向を見ていく ただし 設置されている学部系統によって 傾向が大きく異なるため 情報学 ( 理工系 ) と 情報学 ( 人社系 ) に分けて 特徴を紹介する ( 注 1) 理工系就職者の半数以上が情報処理 通信技術者 情報科学 情報工学 知能機械工学 コンピュータ理工学 など 情報学 ( 理工系 ) の卒業後の進路は 大学院等への進学が32% 就職 62% その他 6% と 6 割が就職している 理工系全体 ( 進学 38% 就職 56% その他 6%) と比べると 就職率がやや高い 就職者を職業別に見ると 最も多いのが情報処理 通信技術者の53% で 製造技術者が 19% と続く 情報処理 通信技術者の仕事には 例えばソフトウェアやシステムの開発 ネットワークの構築 システムの保守 管理などがある また ハードウェアの製造や 組み込みシステム ( コンピュータを組み込んだ機械 ) の製造などは製造技術者に含まれる 多くの卒業生が コンピュータやネットワーク等に関する専門知識 技能を生かした就職をしていると考えてよいだろう 経済産業省の IT 人材の最新動向と将来推計に関する調査結果 (2016 年 6 月 ) によると 2015 年現在 IT ( 注人材 2) は91.9 万人いるが 必要な人材数に対し 17.1 万人が不足している 特に ビッグデータ IoT 人工知能 ロボット 等に関する 先端 IT 技術 や クラウドコンピューティング 情報セキュリティ に充分な知識を持ち 製品やサービスを開発できる人材が不足しているとされている 情報学 ( 理工系 ) の卒業生へのニーズは 今後もさらに高まっていくと考えられる 人文 社会科学系就職者の 7 割を販売 事務従事者が占める一方 経営情報学 社会情報学 メディア学 コミュニケーション学 ( 外国語系を除く ) など 情報学 ( 人社系 ) の卒業後の進路は 大学院等への進学が3% 就職 84% その他 13% と 8 割以上が就職している これは 人文 社会科学系全体の割合 ( 進学 4% 就職 82% その他 13%) と ほぼ同様である < 図表 1> 情報学系学部 学科の卒業後の進路概況 情報学 ( 理工系 ) 情報学 ( 人社系 ) 3% 84% 13% 情報学 ( その他 ) 6% 80% 14% 就職者を職業別に見ると 販売従事者の 38% 事務従 事者の 34% で 7 割を越え 情報処理 通信技術者が 9% で続く 概説でも触れたとおり 情報学 ( 人社系 ) では コンピュータやシステムに関する知識や技能よりも 情 報を扱う人間社会に関する理解 を深める教育が重視さ れている そのため 幅広い分野に進出する卒業生が多 いようだ 32% 62% 6% 0% 20% 40% 60% 80% 100% 進学 就職 その他 < 図表 2> 就職者の職業別割合 情報学 ( 理工系 ) 情報学 ( 人社系 ) 情報学 ( その他 ) 情報処理 通信技術者 53% 販売従事者 38% 販売従事者 25% 製造技術者 19% 事務従事者 情報処理 34% 通信技術者 24% 事務従事者 情報処理 7% 通信技術者 9% 事務従事者 24% 販売従事者 7% サービス職業美術 写真 デザイ 8% 従事者ナー 音楽 舞台 6% その他の技術者 3% サービス職業従事者 6% 系統別に 就職者が多い職業を抜粋 2% 以下の項目は割愛 < 図表 1>< 図表 2>とも 2016 年度 ひらく日本の大学 調査より 2015 年度に卒業した学生の状況を回答してもらった 職業の分類方法は 総務省 日本標準職業分類 (2009 年 12 月統計基準設定 ) による 多くの企業で評価される 情報処理技術者試験 情報学に関連する国家試験としては 経済産業省主管 の独立行政法人情報処理推進機構が実施する 情報処 理技術者試験 情報処理安全確保支援士試験 がある 対象者別 (IT 利活用者 IT エンジニア ) レベル別 専 門別に 計 13 種類の試験が設けられている IT 系を中心 に 社内の技術者の育成や 試験合格者を優先的に採用 するなど 幅広い企業で活用されている資格である 大 学によっては 試験対策講座を設置したり試験合格者に 単位を認定したりして受験を支援している ( 注 1) ここでは 情報 コンピュータ 知能 デジタル メディア コミュニケーション ( 外国語系を除く ) という名称を持つ学部 学科として定義した さらに 河合塾の分類で 理 工 系に属する学部 学科を 情報学 ( 理工系 ) とし 文 人文 社会 国際 法 政治 経済 経営 商 を 情報学 ( 人社系 ) それ以外の系統を 情報学( その他 ) とした ( 注 2)IT 企業と ユーザー企業の情報システム部門に所属する人材の合計 Kawaijuku Guideline