助教の戀津です。

今回は、先日8/7に行われたオープンキャンパスの報告です。

私は当日、片柳研究所棟5階のMTCで卒業研究とプロジェクト演習の説明をしていました。
今日は竹島先生と合同で実施している、コンピュータビジュアリゼーションという研究室の発表について紹介します。

以前から何度か紹介していた、小﨑さんが卒研生としてゼミに所属してくれています。
テーマは引き続き物語中の時系列構成についてを取り扱っています。
現在は「時間転移」という表現を使い、研究で取り扱う対象を定義しています。

物語中の設定等で実際にタイムトラベルをするようなものと、そういった特殊な状況は起きないが描写上の順序に前後があるものをそれぞれ扱えるようにしています。
どちらも時系列構成という点では重要で、作品によってそれぞれどれだけ取り扱うかが異なり、物語の特徴になったりもします。
ただ、実際に時間を移動しているかいないかによって物語上の影響度が異なるため、それらを区別して両方扱える必要があります。

これまでの研究ではその区別と支援手法上での可視化方法に苦心していました。
まだ実施・検証中の研究のため詳細は説明できませんが、今までよりも扱いやすい形になってきています。
これからの発展が楽しみです。

オープンキャンパスでの説明の様子です。
ゼミでの進捗報告時には背景となる前提やその日以前の進捗説明を省略できたりしますが、初めて聞く人に説明するとまた違った視点が得られたりします。
普段聞いている指導教員やゼミの仲間では気付きにくくなってしまっているような部分への質問が来たり、自分自身説明するために全体を見直す必要があるためです。
オープンキャンパスは来場される皆さんだけでなく、発表する側にもよい機会となります。
今後も機会があれば説明の場にどんどん立っていただければと思います。

また進展があり次第ご報告します。

4日間続けて確率の話をしてきました。昨今は、パンデミックや気象変動、原子力発電など、ものごとのリスクを科学的に評価して考えなければならない社会問題が数多くあります。そんなときに、我々科学者は、データに基づいてリスクを確率化して考えることが多いのですが、その結論と異なる考え方をする一般の人に対して、「確率をちゃんと考えられなくて困った人だなあ」というような対応をしてしまうことがあります。

でも、こんなときに科学者が見落としている重要な要素があります。それは、確率の元となるデータを、どれぐらい信じられるかということです。「〇〇の値が××だったら、事故が起きる確率は△△%」みたいな話をするとき、「〇〇の値は××」の部分が、どれぐらい確かなのかは必ずしも自明ではありません。

科学者といえども、すべてのデータを自分で実験して求めているわけではありません。多くの場合、どこの学会で発表されたからとか、どの研究者が発表したからとか、そういうことをもとに、データの信頼性を判断しているというのが実情です。つまり、科学者が頭が良いからデータの真贋がわかるというわけではなく、単にそういう業界に長くいるからわかるという側面が大きいです。

科学者のコミュニティの外にいる人から見れば、議論の前提のところで誰が嘘を言っているかもわからないのですから、いろんなリスクの見積もりが難しいということになります。モンティ・ホール問題の司会者が、意地悪な人かもと心配になってしまうようなものです。そうすると、どんな現象も「確率が著しく小さい」とは言いにくくなり、全体的に安全志向になってしまうのもやむを得ません。

ということで、今回の結論は、

• 科学者は、科学者が信頼できると思っている前提部分について疑っている人もいるということに自覚的になろう。
• 誰もが科学的議論を理解することも大事だが、「誰が言っていることなら信じてもいいか」を見る目を養うことも同じくらい重要だ。

ということです。この夏も、いろいろ心配なことがありますが、誰もが納得できる科学的結論で、社会が良い方向に進んでいくといいですね。

(大淵 康成)

昨日からさらに話が続きます。実は、モンティ・ホール問題の話が本当に面白くなるのはここからです。

これまで、司会者は何も考えずにハズレのドアを開いてくれるだけの人だと思ってきました。でも、実はこの人がとても意地悪だったら、どうなるでしょうか。この司会者は、モンティ・ホール問題のことが世間で知られていることもわかっていて、ハズレのドアを教えてあげたら、解答者は選ぶドアを変えるだろうと思っています。そこで司会者はこんなふうに考えました。

もし解答者が選んだドアがハズレだったら、何も言わずに黙っていよう。ハズレでざまあみろだ。でも、もし解答者が選んだドアがアタリだったら、片方のドアを開けてやって、「選ぶドアを変えてもいいですよ」と言ってみよう。それでドアを変えたらハズレになってしめしめだ。

嫌なやつですね。それはともかく、この状況で、司会者がハズレのドアを開いて「選ぶドアを変えてもいいですよ」と言ったら、ドアを変えない方が良いことは確かです。この状況を条件付き確率で表現すると、解答者が選んだドアを1として、

• 1のドアが正解のとき、司会者が2のドアを選ぶ確率：50%
• 1のドアが正解のとき、司会者が3のドアを選ぶ確率：50%
• 1のドアが正解のとき、司会者が何もしない確率：0%
• 2のドアが正解のとき、司会者が2のドアを選ぶ確率：0%
• 2のドアが正解のとき、司会者が3のドアを選ぶ確率：0%
• 2のドアが正解のとき、司会者が何もしない確率：100%
• 3のドアが正解のとき、司会者が2のドアを選ぶ確率：0%
• 3のドアが正解のとき、司会者が3のドアを選ぶ確率：0%
• 3のドアが正解のとき、司会者が何もしない確率：100%

となります。この中で、司会者が2のドアを選ぶ確率が0でないのは一番上だけなので、ベイズの定理で考えても、1のドアが正解である確率が100%ということになりますね。

モンティ・ホール問題にまつわる議論が混乱したのは、「司会者がどういう原理に基づいて行動するか」が問題文に明記されていなかったことが大きな原因でした。多くの人が考えるであろう、「司会者は、解答者が選んでいないドアのうち、ハズレが1枚ならそれを開く。ハズレが2枚なら、ランダムに片方のハズレを選んで開く」という前提が正しければ、ドアを変える方が良いという結論で間違いありません。実際には、司会者が親切な人か意地悪な人かというのも確率的な現象なので、その確率も含めてベイズの定理を考える必要があります。世の中の確率に関わる様々な議論は、こんなふうに前提となる確率そのものが異なることのせいで混乱することが多いのです。(明日に続く)

(大淵 康成)

さて、モンティ・ホール問題の続きです。

この問題を確率論的に説明するときに出てくるのが、ベイズの定理というものです。データサイエンス全盛の昨今は、いろんなところで耳にすることがあるかもしれません。ベイズの定理の基本にあるのは、条件付き確率というものです。これは、単に「○○が起きる確率は…」と考えるのではなく、「××が起きたときに、〇〇が起きる確率は…」と考えた場合の確率のことです。

モンティ・ホール問題の確率論的な説明では、こんなふうに考えます。解答者が1のドアを選び、司会者が2のドアを開いたとしましょう。このとき、仮に1のドアが正解だとすると、司会者は2か3のどちらかのドアを選ぶはずなので、2を選ぶ確率は1/2です。「1が正解のときに2を選ぶ条件付き確率は1/2」ということですね。一方、2が正解の場合、司会者は必ず3を選ぶはずなので、「2が正解のときに2を選ぶ条件付き確率は0」ということになります。同じように、「3が正解のときに2を選ぶ条件付き確率は1(100%)」となります。

次に出てくるのが事前確率というものです。これは、先ほどの「1が正解の場合…」という部分の確率ですね。もともとの問題がランダムに作られているとすれば、1,2,3それぞれのドアが正解である確率はいずれも1/3ということになります。

事前確率と条件付き確率を掛け算すると、「××が起きて、そのあとに○○が起きる確率」を計算できるようになります。上記で考えると、1が正解で、なおかつ司会者が2を選ぶ確率は、1/3と1/2を掛けて1/6ということになります。一方、2が正解で司会者が2を選ぶ確率は0%なので無視してよく、3が正解で司会者が2を選ぶ確率は、1/3と1を掛けて1/3ということになります。

ベイズの定理の最後のポイントは、司会者が2を選んだ以上、1が正解で2を選んだか、3が正解で2を選んだかのどちらかしかありえないということです。前者の確率が1/6で後者が1/3、足しても1(100%)になりませんが、気にすることはありません。その比率がそのまま確からしさになるので、後者の方が2倍の確からしさであると思って良いということです。(確率で言うと、前者が1/3、後者が2/3となります)

これでめでたしめでたし、と言いたいところですが、この話には実は続きがあります。(明日に続く)

(大淵 康成)

メディア学部の大淵です。

私が研究している音響信号処理という分野は、いろんなことを確率の枠組みで表すので、確率論の基本を理解していることがとても重要です。最近はやりの人工知能という分野も同様で、データサイエンスの基本になるのも確率の考え方です。

確率の話でよく出てくるのが、「モンティ・ホール問題」というものです。どういう問題かというと…

1. 司会者と解答者がいて、その前にドアが3つある。3つのドアのうち1つはアタリ、あとの2つはハズレである。
2. 解答者はドアを1つ選んだ。
3. すると司会者が「あなたが選ばなかった2つのドアのうち、こちらはハズレです」と言って、ハズレのドアを1つ開いて見せてくれた。
4. さらに司会者は「さあ、今からどのドアを選ぶか変えてもいいですよ」と言った。
5. さて、解答者はドアを変えるべきか、それとも最初に選んだドアのままにすべきか？

もともとは、モンティ・ホールさんという人が司会をしていたアメリカのテレビ番組に出てきた問題のようです。これに対し、よくある議論は、「残ったドアは2つ。どちらがアタリかは五分五分なので、変えても変えなくても同じ」というものです。

これに対し、確率論に詳しい数学者が「ドアを変えた場合、アタリである確率は三分の二、変えない場合の確率は三分の一。なので変える方が良い」と言ったため、それに納得できない人が出てきたりして、大きな論争になったらしいです。

さて、どのように考えると「変える方が良い」という結論が出てくるのでしょうか？(明日に続く)

メディア学部の大淵です。

私が担当する大学院科目「先端音声処理特論」では、音声を扱う様々な応用を題材に、データ処理や機械学習の原理や手法についての講義を行っています。

今日は全7回の授業の最終回だったのですが、これまでにやったことのまとめとして、アンサンブル学習という話をしました。

機械学習にもいろんな手法があるので、目の前の問題に対してどの手法が最適なのか検討が付かない場合もあります。そんなとき、とりあえずいろんなやり方でやってみて、それぞれの結果の多数決を取ればいいというのが、アンサンブル学習の基本的な考え方です。また、一つの手法を決めたとしても、どんなデータを与えるかでも性能は変わってくるので、そうしてできた複数のモデルを使って多数決を取るという方法もあります。

さらに詳しく考えると、沢山のモデルにはそれぞれ得意不得意があるので、単純な多数決よりも、得意不得意に応じて重みづけをした方が良いと考えられます。数学の問題をグループで解くときに、全員で解いて多数決を取るより、普段から数学が得意な人の答を重視した方が良いというようなものですね。でも、どの問題にどのモデルが有効なのかを見極めるのも決して簡単ではないので、その判定もデータに基づき機械学習で行うということになります。プレイヤーのAIだけでなく、マネージャーのAIも作ってしまおうという感じでしょうか。

「三人寄れば文殊の知恵」という発想は、AIの世界にも生きているというお話でした。

メディア学部の大淵です。

私は音の研究をしているので、担当する授業も音に関するものが多いです。そして、音に関する授業で最初に出てくるのが v=fλ という式です。vは音の速さ、fは周波数、λは波長を表しています。高校の物理でも出てくる式ですね。

この式が出てきたときには、たいてい「ちなみに空気中の音速はだいたい秒速340mです」という話をします。音速については、このブログでも書いたことがありますが、そんな話をうんちくとして語ることもあります。

ただ、音速が秒速340mというのは、実は気温が15度ぐらいのときの話で、気温が変わると音速も変わります。その関係は、簡単な近似のもとでは v=331.5+0.6t という式で表され、気温tの値が大きくなるほど音速も速くなります。最近は猛暑が続いているので、音速が340m/sだなんて安易に言うのもよくないかな、と思ってあらためて計算してみると、気温40度では秒速355.5mとなってしまい、すいぶん誤差が大きいことがわかりました。

この違いがどんなところに現れるかを考えてみたのですが、例えばドップラー効果には音速が影響します。救急車のサイレンの音は、高い方が960Hzだそうですが、これが時速60kmで近づいてくるとすると、音速340m/sの場合には約1009.5Hzに聞こえるはずです。一方、音速355.5m/sだと聞こえる音は約1007.2Hzとなり、約2.3Hzの差が生じます。音感の良い人なら、「今日は暑いから救急車の音が低いなあ」なんて感じるかもしれませんね。

メディア学部の大淵です。

1年前期の必修科目「メディア学入門」では、4人の教員が数回ずつを受け持ち、メディア学部で学ぶ様々な分野の基本的なことを紹介していきます。この講義については、以前にもこのブログで紹介しました。

今年も既に第8回までの講義が終わりましたが、私が担当した先日の回では、インターフェースについて話しました。CUIとGUIの違いとか、良いインターフェースが満たすべき条件などについて説明したのですが、具体例があった方がわかりやすいだろうということで、悪いインターフェースの例をいくつか紹介しました。

そこで紹介したものの一つが、私自身の研究室の照明のスイッチです。下の写真のように、右側に白いスイッチが3つ並んでいて、その左側に黒いロータリースイッチがあります。これを見ると、ほとんどの人は、右側が照明のスイッチで、左側は換気扇とか構内放送とかそんなもののスイッチだろうと思ってしまいます。でも、実際にはこれら4つは全て照明のスイッチで、右の図のように、廊下側の3つのエリアが白いスイッチ、窓際のエリアがロータリースイッチに対応しています。ちょっと想像がつかないですよね。毎年4月に新しい4年生が研究室に来はじめますが、しばらくは窓側エリアの照明を付けずに作業をしてたりします。

こういうインターフェースは、「一貫性」が無いので使いにくいとされます。同じ機能を異なる種類のボタンやスイッチに割り当てると、ユーザーが一見しただけで機能を推測できなくなってしまうという問題があります。私の研究室は、たぶん何らかの歴史的経緯でこうなってしまったのだと思いますが、これからインターフェースを設計する皆さんには、一貫性のことをよく考えて作って欲しいと思います。

 

新しい研究テーマに取り組んでいる健康メディアデザイン研究室の千種（ちぐさ）です。人体を健康メディアとしてとらえメディアをつかって自らの健康をデザインするための研究を行っている研究室です。

このGWは世の中的には最大10連休となっており、東京工科大学でも学年暦に工夫がされていて9連休になっています。
このブログを読まれている皆さん、工科大メディア学部生の皆さんはどのようなGWを過ごしたでしょうか？場所によっては激混みな場所もあったと思われます。これを24時間前までさかのぼって確認できるアプリがあります。それは以前紹介したYahoo!Mapです。
このアプリの混雑情報という機能を使用して2022/5/7 13:40の首都圏の混雑状況を確認してみると、東京、有楽町、渋谷、新宿、池袋、上野、秋葉原、に加えて横浜と水道橋が混雑していることがわかります。水道橋だけが特殊ですがこれは今現在水道橋にある東京ドームでイベントを開催しているからです。こういう情報がリアルタイムにわかるのが、これからどこかに出かけようとするときに混雑を避けたいならば有益な情報になりますね。また一般的に若い人に人気と言われている、吉祥寺・下北沢・自由が丘を比較してみると前述のエリアに比べて混雑度は低いことがわかりますね。

 

助教の戀津です。

ここ最近、体調を崩しているわけではないのですが、不調というかグロッキー気味です・・・。
学生の皆さんに当てはまるかはわからないですが、今日はその原因についてのお話です。

昨夜～今朝にかけては特に大変でした。頭痛ーるというアプリがあるのですが、そのスクリーンショットを載せておきます。

そう、気圧がものすごい変化をしていたのです。
1013hPaが標準気圧で、画面外ですが1000を割るくらいの強い低気圧から急上昇、昨夜21時の1021hPaを頂点としての再度急降下・・・。
抗えないほどの強い眠気と、起きた後も何がというわけではないがどことなく具合が悪い、昨日今日とそんな日でした。
その前から、ここ数日はずいぶんと気圧の上下が激しかったです。ログを見るとすごくギザギザしているのではないかと思います。

学生の頃は気圧変化で（というか、普段から特に）具合が悪くなるということはなかったのですが、30歳手前ぐらいから影響を受けるようになったように思います。
気象病とか天気痛と呼ばれ、頭痛が出る方が多いようですね。頭痛ーるもそういった方々に愛用されているようです。
この辺り、医学的根拠があるかまでは確認していないですが、不調自体は多くの方に起きているようです。

さて、頭痛ーるのような情報メディアで、観測結果からかなりリアルタイムに（また予報的に）気圧の変化が見えるようになりました。
すると気になるのはプラセボ効果ですね。「これから気圧が下がるぞ」という情報を得ることによって、体調不良が引き起こされてしまうこともあり得ると思います。

私の場合は、時折「ああ、これは気圧だな」というような不調が起きるのですが、その時に確認するとやはり急上昇か急降下が起きていることがほとんどです。これは知らなかった場合ですね。
先に急降下が起きる事を知っていた場合は、体感でおよそ半々で不調が起きるような印象です。周りの知り合いがグロッキーでも何ともない時もあったりします。
つまり、普段も知らないうちに急降下が起きてるけど不調が現れず、気が付いていないという可能性が考えられますね。知っていた／知らなかったによらず不調が起きたり起きなかったりするようです。

知らずに不調になったけど気圧は何ともなかった、ということもあるならば無関係（というか気のせい）である可能性もあるのですが、その割合は低いのでやはり何らかの影響はあるかなと思います。
不思議なのは、私の場合気圧が急降下する時は急降下が始まる2～3時間前から影響が出始める点です。
急上昇の時は割と開始時に起きるのですが、急降下はなぜか少し早く出ます。一体何を感知しているのか・・・？
実は原因は全く別の何かで、それによって不調と気圧の低下が共に起きる疑似相関のようなものかもしれません。

「〇〇の時は不調になりやすいな」という感覚は個人差や気持ちの問題を多く含むので、他の人と共有しにくいのが難しいところですね。
私自身は月齢の影響もかなり受けているように思います（昨夜は新月と急降下のダブルパンチでした・・・）が、どうやら今のところ科学的根拠は乏しいようです。
ただ、「新月だから具合悪くなりそう」と考えてしまうと実際にそうなりやすいというのも確かにあるので、情報メディアとの付き合い方は気を付けないといけませんね。
実際自分にはどの程度影響するかを確認するのに活用し、未来の情報については「具合悪くなるかもしれないので気を付けよう」くらいにとどめておくのがよいかなと思います。