2015年11月2日、日本電気株式会社（以下：NEC、東京都港区、執行役員社長：遠藤 信博）は、ビッグデータ分析を高度化する人工知能技術の1つとして、予測に基づいた判断や計画をソフトウェアが最適に行う「予測型意思決定最適化技術」を開発したことを発表した。
「予測型意思決定最適化技術」は、NECが開発したビッグデータに混在する多数の規則性を発見する「異種混合学習技術」※1などを用いた予測結果に基づいて、従来は人間が行っていた戦略や計画の立案といった、より高度な判断をソフトウェアで実現する。
IoT（Internet of Things）などの普及によって、実社会で収集されるビッグデータを活用した分析・予測のニーズが急速に高まっており、これを受けてNECは2012年に「異種混合学習技術」を開発し、資源の効率化のためのエネルギー・水・食料の需給予測、物流管理を効率化するための在庫需要予測、小売店舗管理の高度化のための商品需要予測など、高精度かつ大規模な予測を自動化してきた。
今回、新たに開発した「予測型意思決定最適化技術」は、従来、人間が行っていた、「予測に基づいた大規模で高度な判断」をソフトウェアによって超高速かつ高精度に実現する。実際のデータに適用した実証試験では、水需要予測に基づく配水計画でにおいて、浄水・配水電力を20％削減する高精度な配水計画を生成することができた。また、商品需要予測に基づく価格最適化では店舗の売上を11％向上する商品価格戦略を1秒未満で自動的に生成することができた。同技術の特徴は次の通り。
◆「予測型意思決定最適化技術」の特徴
- 予測誤差に対してリスクが低く効果の高い計画を生成
予測の「典型的な外れ方」（予測誤差）のパターンを独自のアルゴリズムで分析し、その結果を数理最適化技術※2と融合することで、「外れ方」を勘案したうえで最適化を行う。これにより、予測が外れても損失が発生するリスクが低く、安定して高い効果がでる計画を算出できる。実例として、水の運用管理では、水需要の予測値に対して、運用者の経験に基づいた浄水、貯水、配水計画が行われているが、過剰造水による水廃棄が多い、非効率なポンプ運転によって電力コストが高い、需要の過小評価による計画変更が頻繁に発生するといった課題がある。
同技術を適用することで、最大で電力コストを20％削減し、かつ需要の過小評価による計画変更回数を1/10に削減することが可能との試算が得られた。
- 大量の予測式の関係を考慮した最適な計画を超高速に生成
同技術は、独自の組合せ最適化アルゴリズムによって、予測式の関係を考慮した大規模な組み合わせを効率的に探索し、超高速に最適な戦略・計画を導出することができる。実例としては、小売店舗の商品価格戦略（ある商品と競合商品の価格と売上の関係など）では、50種類の商品に対して、それぞれの値引き額の候補を10種類設定した場合、可能な価格戦略は10の50乗という膨大な組合せ数となり、混合整数計画法※3などの通常の最適化技術では、最適な価格設定を算出するために膨大な時間がかかるとともに、計画の精度も低いという課題がある。
同技術を適用することで、商品価格戦略の例では、従来法（混合整数計画法）では、数時間から数日かかるところを、1秒未満で店舗の売上を約11％（試算値）増加できる価格戦略を算出できた。さらに、従来法と比較して最適化の精度（店舗の売上増加の試算値）が約20％高い（約9％から約11％）という結果が得られた。
今後NECでは、同技術および異種混合学習を活用し、ビッグデータによる実世界への新たな価値創出を目指す。
※1 「NEC、ビッグデータに混在する多数の規則性を自動で発見する技術を開発」（2012年6月22日発表）、「NEC、ビッグデータに混在する多数の規則性を自動で発見する異種混合学習技術を強化」（2014年6月18日発表）
※2 特定の集合上で定義された実数値関数または整数値関数についてその値が最小（もしくは最大）となる解を計算する（最適化問題を解く）ための技術。連続最適化（線形計画法、凸二次計画法など）と離散最適化（整数計画法、動的計画法など）に大別される。
※3 数理最適化技術の1つ。整数値を取る変数と、実数値を取る変数が混在する場合に適用される計算方法。
■リンク
NEC
