1月10日第12回 産総研人工知能セミナー「AIと社会シミュレーション」に
行ってきた!ので、その内容をメモメモ
ただ、場所が、産総研 臨海副都心センター 別館だったんだけど、
初めての場所で知らなかったので、りんかい線の「東京テレポート」
駅からおりてしまい・・・しまった!
この地図縮尺が・・・
ということで、全然間に合わず、はじめの
和泉先生のお話は聞けなかった
ので、途中からメモメモ
※AISTに行く人、素直に「ゆりかもめ」の「テレコムセンター」から行く
ことを強くお薦めします。
■
金融市場での人工知能技術の応用と人工市場研究の紹介
(とプログラムではなっている)
【途中から】
深層学習
ディープラーニングを使ったアルゴリズム取引
統計よりも2.48ポイント
7800時限の入力データから1時間後の株価予測
画像:集まると意味がある
相場:ひとつひとつが意味を持つ→多層にしても・・
あたるときもあるし、ないときもあるし・・
板情報の画像化:注文状況を画像に直す
・10秒後の予測
・畳み込みニューラルネットワークで
→平均55%
・意味がある状況とない状況:大きな入力だけ使う(フィルタリング)
→60%くらい
画像認識に比べ、1つ1つの意味が大きい
・数値データの解析については人工知能が得意
上手くいく例:半歩先、予測するのは上手くいく
市場の潮目が大きく変わる(ゲームチェンジ)は難しい
→一工夫必要
ニュースデータでは?→金融テキストマイニング
・ニュース、Twitterのテキストデータ
→ボラティリティ予測
特徴量のコーディング勝負
→機械学習まではいっていない
・ニュース記事からの特徴量抽出
S&P500の個別銘柄:大きく上がった下がった銘柄
キーワードと上げ下げ:SVMで分析
→ベスト5には入る:S&Pだけでは1位
・テキストマイニングヘッジファンド:半分くらいに淘汰
→運用によっては不安定
Tweetsからの特徴量抽出
キーワード:6種類に関連付ける
心理的な表現とダウの相関→平穏さと相関
自己組織化ファジーネットワークによる予測モデル
86.7%当てることが出来た
追試結果:よかったのも、わるかったのもある
・安定性がないのはなぜか?
2008年 リーマンショック→時期によるのでは?
金融テキストマイニングの方向性
・直接価格を予測することは難しい
・市場に関連する経済環境・状況を判別する方向に
日銀テキストインデックス
野村AI景況感指数
いくつか期待されているもの
既存の手法
・ごみを捨てて数値化:どんなキーワード
・word2vecによる単語の分散表現;機械に自動学習
200次元のベクトル
・単語の足し算引き算が出来る
レクサス-トヨタ+日産=インフィニティ
センテンスを入力すると→主語がかわっても似たようなケースを拾える
決まりきったキーワードのマッチングは得意
囲碁の機械学習→プロのトレーダーに勝てるか?
・過去の棋譜:自己対戦
→おなじことが金融データでできるか?
→金融に定石がない
カブロボコンテスト→過去の10年間:将来では上手くいかない
社会シュミレーション
8種類のアルゴリズムX3種類のパラメータ
それを実際にやると・・・
2015年と2016年で負の相関
ローリスク・ハイリターン:ベイジアン(機械学習)
人工市場
・インフラ、制度設計
→ティックサイズ(円刻み)変えたら、どうなるか
閾値を決める
・日銀:京 数万銘柄のシミュレーション
・フラッシュクラッシュ
■様々な移動に関するシミュレーションの可能性 西成先生
・渋滞学
・社会シュミレーションの方法
大きく2つ
データマイニングとモデリングの2つの立場がある
モデリング派
因果関係:モデリング
交通はモデリングできる:データ解析
→心理が絡むと、モデリングが出来ない
モデル化:
原理原則:連続の式、排除体積効果
エージェントの内部自由度をどのように捉えるか
検証
パラメータの極限での論理的検証
データや知られている現象を再現できるか
目的
あり得るシナリオの1つを提示する
医師決定者の判断材料
・渋滞を考えるための数理
連続の式、排除体積効果
ASEP:非対象単純排除過程→前が開いているときだけ進む
→イギリスの数学者発表
・渋滞:臨界現象 層転移
・データを再現できるか
交通量と密度の関係=基本図
渋滞の定義が出来る 右下がりになる
・出っ張ってるところ大事:メタ安定状態
→それが崩壊して渋滞
・ASEPの基本図:単純すぎてメタ安定状態がない
・slow to startモデル:クルマの慣性効果を入れる
・不安定性が渋滞を引き起こす
分散が減る→崩壊→分散が増える
メタ安定を調べると、予測が出来る
→原理があれば、はるかにいい
・ちょとだけあけると渋滞が吸収できる
・カーナビによる車間情報提供
車間距離40mで警告
ペースメーカー車の実験
・小仏トンネルにおける渋滞抑制実験
2箇所センサー
渋滞のときにゆっくり走ると、渋滞はなくなる
スローイン ファストアウト
・スローインのための補助システム例
可変速度規制 VSL
カーナビ(テレマ)・車間距離=ミリ波レーダー
・ファストアウトとACC(アダプティブクルーズコントロール)
→自動運転技術の基盤
人流シミュレーション
・2時限ASEP(フロア・フィールドモデル)
人の渋滞と障害物の影響:障害物があると、速く出れる
・どちらが速いか:出口 端のほうが速い
ダブルボトルネックの問題
待ち行列
混み具合:ポアソンレート
歩行時間:
サービス時間
混んでいてサービスが短い:並列
混んでいない:フォーク
→成田空港 入国管理にて運用中
Bull-Whip Effect(ブルホイップ効果)と自然渋滞
みんなすこしずつ在庫を持つ→さいごにはすごいことに!
自然渋滞と同じパターン
→IoT,AIのパーツとして使う
あるべき交通政策とは
・この歩道が混んでいる→3つのいけん
広げろ
情報提供アプリを出す
人の教育をする
→まとまらない:バックグラウンドの違い
・分野によって考え方が異なる
最後に
AI+IoTと交通の未来
・モデリングができれば、因果関係が分かるので強い
AIはその補助ツールとして有効
・交通のスマート化:データのオープン化が必須
積載効率 50%きる→からで帰ってくるから
・自動運転 限定された用途で活躍
専用道路では可能、物流自動運転
ドローンタクシー