高橋 力矢

私はデータ解析の研究者としてIBM東京基礎研究所・数理科学部に所属して働いています。 優れた機械学習アルゴリズムを用いて i) 人間の行動に関係した複雑なデータセットをモデル化して解析したり、 ii) マーケット・インサイトのような実践的に使えるビジネス上の知見を引き出すこと を目標に仕事・研究に励んでいます。

私が関心を抱いている研究分野は、ロバストな教師なし構造学習アルゴリズムです。 特に、パラメータの最適化が安定で簡単であるにも関わらず現実のアプリケーションにおける 精度が高くなるような、ある種の限定されたクラスの統計モデルを研究しています。 たとえばk-平均法や Expectation-Maximizationアルゴリズムにもとづくクラスタリング問題や 隠れマルコフモデルの推定に見られるように、 多くの教師なし学習アルゴリズムには局所最適性の問題がつきまといます。 よく観察されることとして、発見された局所解は 「確かにそのようなデータの見方も可能なんだけど不自然な」解釈に対応していたりします。 局所最適性の問題は、探索されるパラメータ空間が広すぎて自由度が高すぎるときに 発生するため、探索されるパラメータ空間が限定されており且つ表現力が 依然として柔軟であるような統計モデルを設計するのは、 どんなデータセットにも適用可能なデータ解析法を生み出す上で鍵となるチャレンジです。 言い換えれば、私は計算上の難しさと実用上の予測性能の間に存在する 「ギャップ」をいつも探しているのだと思います。 これは目的関数が厄介でより困難なクラスの問題を解ききる華麗なアルゴリズムを探している 最適化アルゴリズムの研究者とはある種逆のアプローチで、実アプリケーションで 実質十分に動かせるような単純な問題設定を探しているわけです。

ビジネス観点では、私は自分の研究成果をマーケティング解析とリスク分析に適用しています。 TVコマーシャルなどのマス・マーケティングとE-mail販促のようなダイレクト・マーケティングの双方において、 構造学習アルゴリズムは消費者の真の振る舞いを理解し記述する上で非常に有効です。 マーケティングの難しさというのは、顧客の振る舞いがうつろいやすく先が読めない点にあります。 宣伝チラシへの反応から実際のサービス・製品の購入にいたるまで、 潜在するメカニズムを明らかにできれば企業が高い利潤を生み出せるようになると私は信じています。 加えて、マーケティング活動においては定量的なリスク評価やそれに基づくリスク分散も実は重要です。 というのも、非効率な宣伝に見られるいくつかのプロモーション活動は、 無駄な宣伝費だけをもたらしたり、場合によっては今後の利益にとって 重要なブランド価値を傷つけたりと、大きな損失をもたらす場合があるためです。 消費者の振る舞いは確率的に揺らいでいるとみなすことが可能なため、 振る舞いの予測には不可避的に誤差が伴います。 このようなケースにおけるマーケティング活動の効果をリスクも含めて評価する際には、 確率的な予測モデルと密度推定法は鍵となる技術です。

マーケティング解析とリスク評価の関係においては、企業側のリスク選考以上に顧客のリスク選考を知ることが 製品やサービスを設計する上で重要だと、私は個人的に考えています。 このリスク選考問題について更なる関心をお持ちの方は こちらのコラムをお読みいただけると幸いです。

コンタクト情報

日本アイ・ビー・エム株式会社 東京基礎研究所
〒242-8502 大和市下鶴間1623-14 大和事業所内 B館4F
e-mail:

履歴

• 2004年～ 日本アイ・ビー・エム東京基礎研究所
• 2004年 東京大学大学院情報理工学系研究科 電子情報学専攻修了 (修士)
• 2002年 東京大学工学部 電子情報工学科卒業