새로운 기술을 사용하면서 사회에 구현하려면
사회과학 및 데이터 과학의 융합이 핵심

「새로운 기술이 있으면 무엇이든 할 수 있다고 생각하기 쉽지만, 우리는 항상 그 기술이 미치는 영향을 정할 필요가 있습니다」 이렇게 경종을 울리는 것은, 정보·AI 분야에서의 연구를 실시하는 코마치 모리 교수다.

"최근에는 ChatGPT에 대해 여러 대학이 성명을 발표했는데, 이것은 여러 가지 우려가 있기 때문입니다. 포함하고 있지 않은가 하는 것을 들 수 있습니다만, 이러한 문제에 임하려면 엔지니어링만으로는 불가능해, 사회 과학의 지견이 필요합니다」

특히 최근에는 기술개발의 속도가 현저하다.심층 학습(ChatGPT나 Google 번역에 이용되고 있는 수법)이 주목받기 시작한 2010년경에는 연구부터 사회 구현까지 10~20년이 걸린다고 한다.그러나 2016년 등장의 Google 번역 개발 기간은 약 2년, ChatGPT에서는 약 1년과 신기술이 세상에 퍼질 때까지의 기간이 현격히 짧아지고 있다.

“지금까지는 기술 선행으로, 법규제나 사회 수용성의 논의는 뒤를 쫓는 형태였습니다. 그러나 앞으로는 새로운 기술을 사용하면서 여러 문제에 대처해 나갈 것입니다. 과학, 양측의 지견을 가진 인재가 요구되는 것입니다」

인공 지능의 자연 언어 처리에 새로운 전개
품질평가가 최신 연구 테마로

AI의 진보는 눈에 띄는 것이 있지만, 소셜 데이터 과학 학부에서는 어떤 연구에의 전개를 생각할 수 있을까.

“나의 전문 분야는 계산 언어학·자연 언어 처리입니다만, 심층 학습은 자연 언어 처리의 연구에 큰 영향을 주었습니다. 종래의 통계적 수법에서는 모은 데이터를 단지 연결하는 것만으로, 그 부자연 그런데 인간의 일이 아니라고 알았습니다.반면, 심층 학습에서는 데이터를 유창하게 연결할 수 있습니다.세세하게 보면 부자연스러움이나 잘못이 있어도, 인간은 매끄럽게 보이는 것을 높이 평가하는 경향이 있으므로 , 그것이 제대로 생각해 버리는 것입니다.거기서 우리는 「인간이 어떻게 문장을 평가하고 있는 것인가」를 테마로 연구를 하고 있습니다.이것은 세계적으로 최첨단 노력입니다.”

또한, 심층 학습은 하나의 시스템으로 다양한 언어나 용도에 대응할 수 있는 점도 크다.지금까지는, 일본어와 영어, 일본어와 중국어 등 대응하는 언어마다 전용의 번역 시스템이 필요했던 것에 대해, ChatGPT로 대표되는 생성 AI는 하나의 시스템으로 다언어를 취급한다.또한 번역뿐만 아니라 의사록 작성이나 브레인스토밍, 프로그래밍 등 다양한 일을 해낼 수도 있다.

"우리의 연구 그룹이 있는 프로젝트에서는 문법이나 의미를 해석하는 기법을 연구하고 있습니다. 하나의 시스템으로 간단하고 신속하게 분석할 수 있습니다. "

코마치 교수 자신, 대학에서 철학이나 역사를 배운 후, 컴퓨터에 의한 언어 해석의 가능성을 추구하고 싶다고 대학원에서 이계로 돌아간 경험을 가진다.처음에는 수학에 고전했다고 하지만 문계와 이계를 모두 배운 경험이 지금의 연구에도 살고 있다고 한다.

「인공지능 분야는 일진월보입니다. 그런 가운데서도 수십년도 변하지 않는 근본 원리의 발견이나, 후에 크게 발전해 나가는 것 같은 선구적인 연구를 다루고 싶네요」

사회 과학과 데이터 과학을 융합시켜 사회 과제와 비즈니스 혁신에 기여

사회에 의미있는 질문을 세우는 힘을 익히고,
PBL을 통해 데이터 과학 힘을 익히기

배우는 커리큘럼에서는 '비즈니스', '사회과제', '데이터 과학'의 XNUMX가지 영역을 체계적으로 배우는 것을 졸업 요건으로 내걸고 있다.

수강과목은 크게 '사회과학'과 '데이터사이언스'로 나뉜다.사회과학에서는 경영학, 경제학, 법학, 정치학 등 다른 학부와의 공통 과목도 많이 선택지가 풍부하다.이치바시 대학에서는 타 학부 강의 이수가 권장되고 있으며, 학부 학과를 넘어 전문성이 높은 배움을 얻을 수 있는 환경이 갖추어져 있다.데이터 과학에서는 도입 수준의 수리·정보계 수업 과목과 '통계학', '정보·AI', '프로그래밍' 등을 체계적으로 배운다.고등학교 수학의 이해가 빼놓을 수 없지만, 기초로부터 지식을 얻을 수 있도록 커리큘럼이 조립되어 있다.

또 3년차에는 PBL(Project Based Learning) 연습이 있다.연습에서는 실사회의 데이터를 소재로 학생들 스스로 물어보고 데이터를 해석하면서 어떠한 합의를 찾아 과제해결방법을 검토, 사회실장할 때까지를 생각한다.우선, 사회에 있어서 의미 있는 질문을 세우는 것이 중요하지만, 그 열쇠는 2년차까지 배우는 사회과학의 강의 속에 있다.데이터 과학 강의에서 배운 데이터 수집·해석 숙련도 큰 목적이다.연습에는 기업이나 관공청에서 데이터 과학에 종사하는 실무자도 참가.학생의 프레젠테이션에 대해, 실제로 사회의 도움이 될 것인가, 경제학이나 윤리학 등의 관점에서 보고 실현가능한가 등의 피드백이 행해진다고 한다.

「요리에 비유하면, 데이터 과학은 부엌칼 등의 도구로, 사회 과학의 지견이나 데이터는 식재료입니다. 부엌칼은 올바르게 사용하지 않으면 위험합니다만, 도구와 식재료가 갖추어야 맛있는 요리가 완성됩니다. 데이터 과학 학부에서는 도구와 식재료 모두 취급합니다. 꼭 교원이나 선배와 교류하면서 배우고, 동기나 후배와 함께 새로운 분야를 개척해 주었으면 합니다」

이치바시 대학 소셜 데이터 과학 학부
코마치 모리 교수