[論文レビュー] From Data to Knowledge to Action: A Global Enabler for the 21st Century

Eric Horvitz, T. M. Mitchell|arXiv (Cornell University)|Jul 31, 2020

Big Data and Business Intelligence被引用数 18

ひとこと要約

この論文は、データ収集、保存、機械学習分野の進展を活用して、科学、社会、統治分野における根拠に基づく意思決定のための行動可能な知識に、生データを変換する変革的フレームワークを提案する。大規模なデータストリームとスケーラブルな推論・AI技術を統合することで、世界規模での意思決定と運用意思決定の質を高める大規模なインサイトを実現する。

ABSTRACT

A confluence of advances in the computer and mathematical sciences has unleashed unprecedented capabilities for enabling true evidence-based decision making. These capabilities are making possible the large-scale capture of data and the transformation of that data into insights and recommendations in support of decisions about challenging problems in science, society, and government. Key advances include jumps in the availability of rich streams of data, precipitous drops in the cost of storing and retrieving massive amounts of data, exponential increases in computing power and memory, and jumps in the prowess of methods for performing machine learning and reasoning. These advances have come together to create an inflection point in our ability to harness large amounts of data for generating insights and guiding decision making. The shift of commerce, science, education, art, and entertainment to the web makes available unprecedented quantities of structured and unstructured databases about human activities - much of it available to anyone who wishes to mine it for insights. In the sciences, new evidential paradigms and sensing technologies are making available great quantities of data, via use of fundamentally new kinds of low-cost sensors (e.g., genomic microarrays) or through viewers that provide unprecedented scope and resolution. The data pose a huge opportunity for data-centric analyses. To date, we have only scratched the surface of the potential for learning from these large-scale data sets. Opportunities abound for tapping our new capabilities more broadly to provide insights to decision makers and to enhance the quality of their actions and policies.

研究の動機と目的

• 複雑な分野におけるデータの豊富さと有効な意思決定の間のギャップを解消すること。
• 大規模なスケールでデータを行動可能な知識に変換するための技術的・手法的要因を特定すること。
• 科学、政府、産業分野におけるデータドリブンで根拠に基づいた政策と実践への包括的転換を提唱すること。
• AI、機械学習、スケーラブルな推論が、大規模データの潜在的価値を解き放つ役割を果たすことを強調すること。

提案手法

• 膨大で多様なデータストリームを処理するために、データ保存、計算能力、メモリの指数的向上を活用すること。
• 構造化済みおよび非構造化データからインサイトを抽出するために、高度な機械学習および推論技術を適用すること。
• 低コストのセンサーやデジタルプラットフォーム（例：Webベースのシステム）を活用して、リアルタイムの人間および環境データを収集すること。
• ゲノムマイクロアレイ、ソーシャルメディア、科学的装置など、多様なソースからのデータを統合的分析フレームワークに統合すること。
• 動的で不確実な環境における意思決定を支援するために、根拠に基づくパラダイムを採用すること。
• 研究および政策分野における広範かつ公平な利用を可能にするために、データおよびツールへのオープンアクセスを推進すること。

実験結果

リサーチクエスチョン

• RQ1 大規模なデータを、複雑な社会的課題に向けた行動可能な知識に体系的かつ効果的に変換する方法は何か？
• RQ2 実世界の状況において、スケーラブルなデータから知識への変換を可能にする技術的・手法的進歩は何か？
• RQ3 AIおよび機械学習が、科学、政府、産業分野における根拠に基づいた意思決定をどのように強化できるか？
• RQ4 世界のコミュニティは、データインフラをどのように活用して政策の成果と社会的幸福を向上させることができるか？
• RQ5 データを効果的な行動に変換する過程で存在する障壁は何か。それらはどのように包括的イノベーションによって克服できるか？

主な発見

• データの可用性、保存コストの低下、計算能力の指数的増加が、データドリブンな意思決定の転換点を創出した。
• 機械学習および推論システムにより、ゲノム、Webアクティビティ、環境センサーなど、多様なソースからの大規模かつ多様なデータセットのスケーラブルな分析が可能になった。
• 人間の活動がデジタルプラットフォームに移行したことで、インサイト生成のための構造化済みおよび非構造化データへの前例のないアクセスが可能になった。
• これらの進歩にもかかわらず、実際の現場では大規模データの潜在的価値のほんの一部しか活用されていない。
• 広範な社会的利点を実現するためには、データインフラ、AI、政策統合への協働的投資の必要性が明確にされた。
• 著者らは、今や世界規模の根拠に基づいた意思決定が技術的に可能であり、緊急に求められていると結論づける。