Suche senden
Hochladen
集合知メカニズムの研究
•
2 gefällt mir
•
1,508 views
haji mizu
Folgen
集合知メカニズムの研究 @生産・経営知識学専門委員会
Weniger lesen
Mehr lesen
Daten & Analysen
Melden
Teilen
Melden
Teilen
1 von 42
Empfohlen
機械学習の課題設定講座
機械学習の課題設定講座
幹雄 小川
動的最適化の今までとこれから
動的最適化の今までとこれから
Kazuki Baba
DataRobotを用いた要因分析 (Causal Analysis by DataRobot)
DataRobotを用いた要因分析 (Causal Analysis by DataRobot)
Yuya Yamamoto
製品・サービスに対する主観的属性収集のためのGWAPシステムの提案
製品・サービスに対する主観的属性収集のためのGWAPシステムの提案
haji mizu
A Serious Game for Eliciting Tacit Strategies for Dynamic Table Assignment in...
A Serious Game for Eliciting Tacit Strategies for Dynamic Table Assignment in...
haji mizu
集団意思決定における知識生産のモデル化とそれに基づくプロトコル分析
集団意思決定における知識生産のモデル化とそれに基づくプロトコル分析
haji mizu
マーケティング技術
マーケティング技術
haji mizu
実験計画法入門 Part 4
実験計画法入門 Part 4
haji mizu
Empfohlen
機械学習の課題設定講座
機械学習の課題設定講座
幹雄 小川
動的最適化の今までとこれから
動的最適化の今までとこれから
Kazuki Baba
DataRobotを用いた要因分析 (Causal Analysis by DataRobot)
DataRobotを用いた要因分析 (Causal Analysis by DataRobot)
Yuya Yamamoto
製品・サービスに対する主観的属性収集のためのGWAPシステムの提案
製品・サービスに対する主観的属性収集のためのGWAPシステムの提案
haji mizu
A Serious Game for Eliciting Tacit Strategies for Dynamic Table Assignment in...
A Serious Game for Eliciting Tacit Strategies for Dynamic Table Assignment in...
haji mizu
集団意思決定における知識生産のモデル化とそれに基づくプロトコル分析
集団意思決定における知識生産のモデル化とそれに基づくプロトコル分析
haji mizu
マーケティング技術
マーケティング技術
haji mizu
実験計画法入門 Part 4
実験計画法入門 Part 4
haji mizu
ネット広告講義資料 at 東京大学 2017/07/11
ネット広告講義資料 at 東京大学 2017/07/11
Takehiko Yoshida
07232012需要予測モデル0.3 5
07232012需要予測モデル0.3 5
Izumi Akiyama
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
Nobukazu Yoshioka
エンタープライズと機械学習技術
エンタープライズと機械学習技術
maruyama097
機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
Daiyu Hatakeyama
ディープラーニングによるユーザーの行動予測
ディープラーニングによるユーザーの行動予測
澪標アナリティクス
機械学習の力を引き出すための依存性管理
機械学習の力を引き出すための依存性管理
Takahiro Kubo
How to organize data science project (データサイエンスプロジェクトの始め方101)
How to organize data science project (データサイエンスプロジェクトの始め方101)
Yasuyuki Kataoka
Mobile Business Ecosystem In Japan1
Mobile Business Ecosystem In Japan1
Kenichi Nakaya
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
Yoichi Motomura
DevRel2020-TransformingDeveloperMarketingStrategy
DevRel2020-TransformingDeveloperMarketingStrategy
Shotaro Suzuki
エンジニアリング会社の社内システム再構築
エンジニアリング会社の社内システム再構築
Yohei Sato
Slide keieisystem2012
Slide keieisystem2012
ISE_SE_HOSEI
【CVPR 2020 メタサーベイ】Vision Applications and Systems
【CVPR 2020 メタサーベイ】Vision Applications and Systems
cvpaper. challenge
データマイニングCROSS 第2部-機械学習・大規模分散処理
データマイニングCROSS 第2部-機械学習・大規模分散処理
Koichi Hamada
分析のリアルがここに!現場で使えるデータ分析(1限目) 先生:吉永 恵一
分析のリアルがここに!現場で使えるデータ分析(1限目) 先生:吉永 恵一
schoowebcampus
これから機械学習エンジニアとして戦っていくみなさんへ ~MLOps というマインドセットについて~
これから機械学習エンジニアとして戦っていくみなさんへ ~MLOps というマインドセットについて~
MicroAd, Inc.(Engineer)
Ms retail update ra 20191030
Ms retail update ra 20191030
Microsoft Azure Japan
[db tech showcase Tokyo 2014] D25: 今を分析する日立の「CEP」、知るなら今でしょ! by 株式会社日立製作所 村上順一
[db tech showcase Tokyo 2014] D25: 今を分析する日立の「CEP」、知るなら今でしょ! by 株式会社日立製作所 村上順一
Insight Technology, Inc.
[RIT]MLmodeling service
[RIT]MLmodeling service
RIT
ゲームで切り込む暗黙知的なスキルやノウハウ
ゲームで切り込む暗黙知的なスキルやノウハウ
haji mizu
実験計画法入門 Part 3
実験計画法入門 Part 3
haji mizu
Weitere ähnliche Inhalte
Ähnlich wie 集合知メカニズムの研究
ネット広告講義資料 at 東京大学 2017/07/11
ネット広告講義資料 at 東京大学 2017/07/11
Takehiko Yoshida
07232012需要予測モデル0.3 5
07232012需要予測モデル0.3 5
Izumi Akiyama
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
Nobukazu Yoshioka
エンタープライズと機械学習技術
エンタープライズと機械学習技術
maruyama097
機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
Daiyu Hatakeyama
ディープラーニングによるユーザーの行動予測
ディープラーニングによるユーザーの行動予測
澪標アナリティクス
機械学習の力を引き出すための依存性管理
機械学習の力を引き出すための依存性管理
Takahiro Kubo
How to organize data science project (データサイエンスプロジェクトの始め方101)
How to organize data science project (データサイエンスプロジェクトの始め方101)
Yasuyuki Kataoka
Mobile Business Ecosystem In Japan1
Mobile Business Ecosystem In Japan1
Kenichi Nakaya
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
Yoichi Motomura
DevRel2020-TransformingDeveloperMarketingStrategy
DevRel2020-TransformingDeveloperMarketingStrategy
Shotaro Suzuki
エンジニアリング会社の社内システム再構築
エンジニアリング会社の社内システム再構築
Yohei Sato
Slide keieisystem2012
Slide keieisystem2012
ISE_SE_HOSEI
【CVPR 2020 メタサーベイ】Vision Applications and Systems
【CVPR 2020 メタサーベイ】Vision Applications and Systems
cvpaper. challenge
データマイニングCROSS 第2部-機械学習・大規模分散処理
データマイニングCROSS 第2部-機械学習・大規模分散処理
Koichi Hamada
分析のリアルがここに!現場で使えるデータ分析(1限目) 先生:吉永 恵一
分析のリアルがここに!現場で使えるデータ分析(1限目) 先生:吉永 恵一
schoowebcampus
これから機械学習エンジニアとして戦っていくみなさんへ ~MLOps というマインドセットについて~
これから機械学習エンジニアとして戦っていくみなさんへ ~MLOps というマインドセットについて~
MicroAd, Inc.(Engineer)
Ms retail update ra 20191030
Ms retail update ra 20191030
Microsoft Azure Japan
[db tech showcase Tokyo 2014] D25: 今を分析する日立の「CEP」、知るなら今でしょ! by 株式会社日立製作所 村上順一
[db tech showcase Tokyo 2014] D25: 今を分析する日立の「CEP」、知るなら今でしょ! by 株式会社日立製作所 村上順一
Insight Technology, Inc.
[RIT]MLmodeling service
[RIT]MLmodeling service
RIT
Ähnlich wie 集合知メカニズムの研究
(20)
ネット広告講義資料 at 東京大学 2017/07/11
ネット広告講義資料 at 東京大学 2017/07/11
07232012需要予測モデル0.3 5
07232012需要予測モデル0.3 5
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
エンタープライズと機械学習技術
エンタープライズと機械学習技術
機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
ディープラーニングによるユーザーの行動予測
ディープラーニングによるユーザーの行動予測
機械学習の力を引き出すための依存性管理
機械学習の力を引き出すための依存性管理
How to organize data science project (データサイエンスプロジェクトの始め方101)
How to organize data science project (データサイエンスプロジェクトの始め方101)
Mobile Business Ecosystem In Japan1
Mobile Business Ecosystem In Japan1
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
DevRel2020-TransformingDeveloperMarketingStrategy
DevRel2020-TransformingDeveloperMarketingStrategy
エンジニアリング会社の社内システム再構築
エンジニアリング会社の社内システム再構築
Slide keieisystem2012
Slide keieisystem2012
【CVPR 2020 メタサーベイ】Vision Applications and Systems
【CVPR 2020 メタサーベイ】Vision Applications and Systems
データマイニングCROSS 第2部-機械学習・大規模分散処理
データマイニングCROSS 第2部-機械学習・大規模分散処理
分析のリアルがここに!現場で使えるデータ分析(1限目) 先生:吉永 恵一
分析のリアルがここに!現場で使えるデータ分析(1限目) 先生:吉永 恵一
これから機械学習エンジニアとして戦っていくみなさんへ ~MLOps というマインドセットについて~
これから機械学習エンジニアとして戦っていくみなさんへ ~MLOps というマインドセットについて~
Ms retail update ra 20191030
Ms retail update ra 20191030
[db tech showcase Tokyo 2014] D25: 今を分析する日立の「CEP」、知るなら今でしょ! by 株式会社日立製作所 村上順一
[db tech showcase Tokyo 2014] D25: 今を分析する日立の「CEP」、知るなら今でしょ! by 株式会社日立製作所 村上順一
[RIT]MLmodeling service
[RIT]MLmodeling service
Mehr von haji mizu
ゲームで切り込む暗黙知的なスキルやノウハウ
ゲームで切り込む暗黙知的なスキルやノウハウ
haji mizu
実験計画法入門 Part 3
実験計画法入門 Part 3
haji mizu
実験計画法入門 Part 2
実験計画法入門 Part 2
haji mizu
ColPMan: A Serious Game for Practicing Collaborative Production Management
ColPMan: A Serious Game for Practicing Collaborative Production Management
haji mizu
実験計画法入門 Part 1
実験計画法入門 Part 1
haji mizu
A Prototype Prediction Market Game for Enhancing Knowledge Sharing among Sale...
A Prototype Prediction Market Game for Enhancing Knowledge Sharing among Sale...
haji mizu
予測と意思決定のためのマーケット:予測市場とその周辺
予測と意思決定のためのマーケット:予測市場とその周辺
haji mizu
集合知とコミュニケーション場のメカニズムデザイン
集合知とコミュニケーション場のメカニズムデザイン
haji mizu
A Prototype Crowdsourcing Approach for Document Summarization Service
A Prototype Crowdsourcing Approach for Document Summarization Service
haji mizu
A Prediction Market Game for Route Selection under Uncertainty
A Prediction Market Game for Route Selection under Uncertainty
haji mizu
A comparison between choice experiments and prediction markets for collecting...
A comparison between choice experiments and prediction markets for collecting...
haji mizu
Trading Uncertainty for Collective Wisdom
Trading Uncertainty for Collective Wisdom
haji mizu
Mehr von haji mizu
(12)
ゲームで切り込む暗黙知的なスキルやノウハウ
ゲームで切り込む暗黙知的なスキルやノウハウ
実験計画法入門 Part 3
実験計画法入門 Part 3
実験計画法入門 Part 2
実験計画法入門 Part 2
ColPMan: A Serious Game for Practicing Collaborative Production Management
ColPMan: A Serious Game for Practicing Collaborative Production Management
実験計画法入門 Part 1
実験計画法入門 Part 1
A Prototype Prediction Market Game for Enhancing Knowledge Sharing among Sale...
A Prototype Prediction Market Game for Enhancing Knowledge Sharing among Sale...
予測と意思決定のためのマーケット:予測市場とその周辺
予測と意思決定のためのマーケット:予測市場とその周辺
集合知とコミュニケーション場のメカニズムデザイン
集合知とコミュニケーション場のメカニズムデザイン
A Prototype Crowdsourcing Approach for Document Summarization Service
A Prototype Crowdsourcing Approach for Document Summarization Service
A Prediction Market Game for Route Selection under Uncertainty
A Prediction Market Game for Route Selection under Uncertainty
A comparison between choice experiments and prediction markets for collecting...
A comparison between choice experiments and prediction markets for collecting...
Trading Uncertainty for Collective Wisdom
Trading Uncertainty for Collective Wisdom
集合知メカニズムの研究
1.
© Hajime Mizuyama
集合知メカニズムの研究 青山学院大学 理工学部 経営システム工学科 水 山 元 mizuyama@ise.aoyama.ac.jp JSPE 生産・経営知識学専門委員会 30/Sep/2014
2.
© Hajime Mizuyama
•生産システムの構成員は actuator? sensor? それとも processor? •構成員に解(手段)を配る「分業」を極めるべきか,それとも問題 (目的)を配る「協働」を志向すべきか? •部分最適の合成の誤謬を避けるため,全体最適を目指すべき,という のは本当に妥当な方針か? •生産システムの構成員は they? それとも we? 生産システム工学は(組合せ)最適化の応用分野である,という ナイーブな見方への違和感と,新しい展開への期待 生産システム工学の一研究者として感じていたこと
3.
© Hajime Mizuyama
Kaizen activity schedule Observed losses & wastes Kaizen team A Kaizen team B Kaizen team Z Propositions Engineers Budget, Technical support 9年ほど前に考えていたこと Discrete event simulation model Losses & wastes, effects of Kaizen activities on them, etc. Decision makings, communications, etc. of Kaizen teams Agent-based simulation model Structure of Kaizen teams Budget system Evaluation system Definition of losses & wastes
4.
© Hajime Mizuyama
6年ほど前に行った実験 レゴブロック製の自動車を 生産する2工程組立セル 作業者2名&分析者2名 からなる改善チーム (京都大学の学生) 改善チームのタスクは 良品生産率の向上 (インセンティブあり) (改善効果あり) 振り返りフェーズのディス カッションを録画・録音 提案したモデルに従って 得られたプロトコルを分析
5.
© Hajime Mizuyama
6年ほど前に行った実験 生産フェーズ 作業者は対象生産システムで生産活動を実践する. 分析者はその実践を観察・分析する. 振り返りフェーズ 作業者,分析者らから成るチームで, 現状を評価し,そこでの問題点と 改善策について検討する.
6.
© Hajime Mizuyama
現在進行中のとあるプロジェクト Discrete event simulation model Delays, defects, breakdowns & other troubles Production plans & schedules Progress information Factory A Factory B Factory Z Headquarters Decision makings, communications, etc. of game players Serious game (Gaming simulation) Communication channels Evaluation criteria Possible actions Definition of revenue & costs
7.
© Hajime Mizuyama
生産システムから集合知メカニズムへ 協働系としての知識資産の生産システム 生産システムの構成員らによる組織的かつ 創造的な問題解決のプロセス 分業系としての狭義の生産システム
8.
© Hajime Mizuyama
集合知メカニズムとは 複数の知的主体(人やエージェント)の間のインタラクションを通じて, それらの主体間に分散している情報や認知能力を統合し,何らかの知識や, 全体としての知的な振る舞いを生み出す仕組み のことである.これは, •インタラクションの前提となる情報環境, •インタラクションを規定するルール, •インタラクションを方向付けるインセンティブ構造, などから構成される. 集合知メカニズムの定義(tentative)
9.
© Hajime Mizuyama
集合知メカニズムのフレームワーク(tentative) インセンティブ = 主体を動機付けるもの 情報環境 = 主体に 与えられる 情報とその 与え方など ルール = 主体の取り得る アクションやそれらが 環境に与える影響など これらが与えられたときの ダイナミクスの予測や シミュレーションと, その逆問題としての設計
10.
© Hajime Mizuyama
集合知メカニズムとは 複数の知的主体(人やエージェント)の間のインタラクションを通じて, それらの主体間に分散している情報や認知能力を統合し,何らかの知識や, 全体としての知的な振る舞いを生み出す仕組み 集合知メカニズムの例 改善小集団活動 会議・集団意思決定 グループモデルビルディング オープンスペーステクノロジー オンラインディスカッション マイクロタスク・ボランティア GWAP 予測市場
11.
© Hajime Mizuyama
これまでの試行錯誤 2006 2010 2011 2012 2013 予測市場の需要予測への応用 組合せ最適化問題への適用 ・・・ コンジョイント分析への応用 知識共有支援 ・・・ オンライン協働での文書要約 オンライン オフライン GWAP 創造的会議のプロトコル分析(改善,PSS設計,玩具設計など) ラウンド制の 集団意思決定過程 発散デルファイ法 ゲーム
12.
© Hajime Mizuyama
Human Computation –計算アルゴリズムの発展形 –人とコンピュータの協働的問題解決の新しい形 集合知メカニズム –(知識資産の)生産システム –オンラインとオフラインを区別しない 類似の概念だが少し異なる.どちらも発展中であり, 最終的には同じ概念に収斂するのかもしれない. HCは集合知メカニズム研究のプラットフォームとして有効. Human Computationと集合知メカニズム
13.
© Hajime Mizuyama
人とコンピュータの協働的問題解決の新しい形 問題解決全体を取り仕切る人が, アルゴリズム化の容易な部分タスク を切り出し,コンピュータに委ねる. アルゴリズム化困難な部分タスク への人のミクロな貢献を統合し, コンピュータが解を導き出す.
14.
© Hajime Mizuyama
1.人と機械(コンピュータ)の役割分担の設計 2.人が担当する仕事の細分化(要素作業の設計) 3.要素作業の結果をまとめ上げる工程の設計 4.要素作業を作業者に送り届ける手段の設計 5.作業者のスキルのモデル化とその把握方法の設計 6.要素作業と作業者の間の割当てやその方法の設計 7.作業者の中長期的なインセンティブの設計 8.作業者の作業品質や作業効率の管理方法の設計 9.作業者間の関係性の設計 HCの設計要素(Law & von Ahn, 2011)
15.
© Hajime Mizuyama
•生産システムから集合知メカニズムへ •予測市場とそれを核とした集合知メカニズムの捉え方 •予測市場に関するこれまでの研究 –需要予測への応用 :独自CMMの開発 –組合せ最適化問題への適用 :LMSRの拡張 –商品企画への応用 :選好市場のペイオフ設計 •マイクロタスク型クラウドソーシングの応用 –文書要約システム :貢献度に応じた成果報酬 •まとめ Contents
16.
© Hajime Mizuyama
•予測の対象となる変数の実現値に応じて事後的に配当が与えられる 仮想の証券(予測証券)を発行する. •架空の証券取引市場を開設し,上記の予測証券をそこで自由に 売買してもらう. •時々刻々変化する予測証券の市場価格を,市場参加者の,その 時点までの知識を集約した,対象変数についての予測とみなす. 予測市場とは
17.
© Hajime Mizuyama
HSXの映画市場 映画証券の市場 市場価格 = 興行成績の 予測値 映画証券 所定の期間の 興行成績に 比例した 事後配当 http://www.hsx.com/ 指値注文・成行注文
18.
© Hajime Mizuyama
IEMの選挙市場 候補者証券の市場 候補者A 候補者B 候補者C 市場価格 = 当選確率の 予測分布 候補者証券 当選者の証券 のみに固定額 の事後配当 指値注文・成行注文 http://www.biz.uiowa.edu/iem/
19.
© Hajime Mizuyama
予測市場から一般的な集合知メカニズムへ 狭義の 予測市場 情報集約 メカニズム 単純化 広義の 予測市場 一般化 市場外のインタラクション
20.
© Hajime Mizuyama
•生産システムから集合知メカニズムへ •予測市場とそれを核とした集合知メカニズムの捉え方 •予測市場に関するこれまでの研究 –需要予測への応用 :独自CMMの開発 –組合せ最適化問題への適用 :LMSRの拡張 –商品企画への応用 :選好市場のペイオフ設計 •マイクロタスク型クラウドソーシングの応用 –文書要約システム :貢献度に応じた成果報酬 •まとめ Contents
21.
© Hajime Mizuyama
需要予測への応用例(Chen & Plott, 2002) FIPSの ダブルオークション市場 指値注文・成行注文 101~ 200 201~ 300 301~ 400 固定区間型 予測証券 (FIPS) 市場価格 = 販売量の 予測分布 Chen, K.Y., and Plott, C.R.: Information Aggregation Mechanisms: Concept, Design and Implementation for a Sales Forecasting Problem, California Institute of Technology. Social Science Working Paper #1131, (2002)
22.
© Hajime Mizuyama
需要予測への応用例(Chen & Plott, 2002) 将来 予 測 し た い 将 来 時 点 の 販 売 量 現在 現在 現在 現在 現在 • 予測市場によって販売量の確率分布が得られた. • 予測市場による予測値は,HP社の公式予測に勝ることが多かった. • 予測市場は,公式予測が高すぎるか低すぎるかを正しく言い当てた. Chen, K.Y., and Plott, C.R.: Information Aggregation Mechanisms: Concept, Design and Implementation for a Sales Forecasting Problem, California Institute of Technology. Social Science Working Paper #1131, (2002)
23.
© Hajime Mizuyama
Concept of our approach 将来 予 測 したい将 来 時 点 の販 売 量 現在 現在 現在 現在 現在
24.
© Hajime Mizuyama
Variable interval prediction security (VIPS) A fixed posterior payoff only for the interval containing the actual sales volume Some employees of the company, etc. Introduction of VIPS and CMM A liquid market for VIPS controlled by a central market maker Price taking transactions Forecast distribution Prediction interval: a ~ b v (units) H. Mizuyama and E. Kamada: A Prediction Market System for Aggregating Dispersed Tacit Knowledge into a Continuous Forecasted Demand Distribution, Advances in Production Management Systems, Edited by J. Olhager and F. Persson, Springer, Boston, pp.197-204 (2007)
25.
© Hajime Mizuyama
•A Gaussian distribution is used as the forecast distribution. •The CMM updates the parameter values of the Gaussian distribution periodically according to the transactions in the market so that it should finally converge to an adequate collective forecast distribution. How CMM constructs forecast distribution Probability density Initial forecast distribution: g(x) Adequate collective forecast distribution: f(x) Demand quantity to be estimated: x
26.
27.
© Hajime Mizuyama
•生産システムから集合知メカニズムへ •予測市場とそれを核とした集合知メカニズムの捉え方 •予測市場に関するこれまでの研究 –需要予測への応用 :独自CMMの開発 –組合せ最適化問題への適用 :LMSRの拡張 –商品企画への応用 :選好市場のペイオフ設計 •マイクロタスク型クラウドソーシングの応用 –文書要約システム :貢献度に応じた成果報酬 •まとめ Contents
28.
© Hajime Mizuyama
組合せ最適化問題への応用例(Meloso et al., 2009) オブジェクト証券の市場 オブジェ クトA オブジェ クトB オブジェ クトC オブジェクト証券 最適解に含まれる オブジェクトの証券 のみに固定額 の事後配当 市場価格 = 最適解の 信念の分布 最適解に含まれるオブジェクトに対応する証券に実際に高値がついた. 指値注文・成行注文 Meloso, D., Copic, J. and Bossaerts, P.: Promoting Intellectual Discovery: Patents Versus Markets, Science, Vol.323, pp.1335-1339 (2009)
29.
© Hajime Mizuyama
• ナップサック問題以外の組合せ最適化問題にも 市場メカニズムを適用できるのでは ? • 問題設定があいまいな状況で,問題の 定式化自体を集合知に頼るフレーム ワークに拡張できるのでは ? • 有益な応用先があるのでは ? Research motivation Start Goal
30.
© Hajime Mizuyama
Outline of proposed game LMSR for route securities Arc securities A fixed posterior payoff only for those included in the shortest path Possible routes are compared according to the prices of route securities Trading arc securities Each arc security is deemed as a bundle of route securities. H.Mizuyama, S. Torigai and M. Anse: A Prediction Market Game to Route Selection under Uncertainty, Frontiers in Gaming Simulation, Edited by S.A. Meijer, R.Smeds, Springer Lecture Notes in Computer Science, Vol.8264, pp.222-229 (2014)
31.
© Hajime Mizuyama
Example road network vO vD a1 aa 12 10 a9 a8 a7 a6 a4 a5 a3 a2 a11 Train station School gate HC: High congestion situation LC: Low congestion situation
32.
© Hajime Mizuyama
•生産システムから集合知メカニズムへ •予測市場とそれを核とした集合知メカニズムの捉え方 •予測市場に関するこれまでの研究 –需要予測への応用 :独自CMMの開発 –組合せ最適化問題への適用 :LMSRの拡張 –コンジョイント分析への応用 :選好市場のペイオフ設計 •マイクロタスク型クラウドソーシングの応用 –文書要約システム :貢献度に応じた成果報酬 •まとめ Contents
33.
© Hajime Mizuyama
Conjoint analysis using choice experiments Attribute B1 Attribute B2 Attribute B3 Subset 1 Subset 2 Subset 3 Combine Attribute utilities a1, a2, … Derive Collecting preferences on concepts through choice experiments Choice data Evaluate
34.
© Hajime Mizuyama
Conjoint analysis using prediction markets #1 Attribute B1 Attribute B2 Attribute B3 Attribute utilities a1, a2, … Derive Subset 1 Subset 2 Subset 3 Combine Collecting preferences on concepts through prediction markets Relative market shares p1, p2, … Evaluate
35.
© Hajime Mizuyama
Conjoint analysis using prediction markets #2 A market for EMSPS controlled by a CMM Bid & ask offers Market prices = Estimated shares Relative market share prediction security (RMSPS) The designer, some other employees, loyal customers, etc. of the company. Concept x1 Concept x2 Concept x3 Payoffs proportional to the shares estimated by the whole results
36.
© Hajime Mizuyama
•生産システムから集合知メカニズムへ •予測市場とそれを核とした集合知メカニズムの捉え方 •予測市場に関するこれまでの研究 –需要予測への応用 :独自CMMの開発 –組合せ最適化問題への適用 :LMSRの拡張 –商品企画への応用 :選好市場のペイオフ設計 •マイクロタスク型クラウドソーシングの応用 –文書要約システム :貢献度に応じた成果報酬 •まとめ Contents
37.
© Hajime Mizuyama
Problem-solving through crowdsourcing Problem Solution Micro task market Partial solutions Integration
38.
© Hajime Mizuyama
Evaluation units and condensation elements 大気や海洋の平均温度の上昇に加えて、生態系の変化や海水面上昇 による海岸線の浸食といった、気温上昇に伴う二次的な諸問題を含 めて「地球温暖化問題」と呼ばれる。温暖化が将来の人類や環境へ 与える悪影響を考慮して対策を立て実行され始めている。一方で、 対策のコストが非常に大きくなると見られており、その負担や政策 的な優先度に関して国際的な議論が行われている。 地球表面の大気や海洋の平均温度は「地球の平均気温」あるいは 「地上平均気温」と呼ばれ、地球全体の気候の変化を表す指標とし て用いられており、19世紀から始まった科学的な気温の観測をも とに統計が取られている。地球の平均気温は1906年?2005年の 100年間で0.74℃(誤差は±0.18°C)上昇しており、長期的に上 昇傾向にある事は「疑う余地が無い」と評価されている。上昇の ペースは20世紀後半以降、加速する傾向が観測されている。これ に起因すると見られる、海水面(海面水位)の上昇や気象の変化が 観測され、生態系や人類の活動への悪影響が懸念されている。 この地球温暖化は自然由来の要因と人為的な要因に分けられる。 20世紀後半の温暖化に関しては、人間の産業活動等に伴って排出 された人為的な温室効果ガスが主因と見られ、2007年2月に国連 の気候変動に関する政府間パネル(IPCC)が発行した第4次評価報告 書(AR4)によって膨大な量の学術的(科学的)知見が集約された結 果、人為的な温室効果ガスが温暖化の原因である確率は9割を超え ると評価されている。このAR4の主要な結論は変わっておらず、よ り多くのデータを加えた第5次評価報告書の作成が進められている。 AR4によれば、地球温暖化の影響要因としては、「人為的な温室効 果ガスの放出、なかでも二酸化炭素やメタンの影響が大きい」とさ れる。その一方で太陽放射等の自然要因による変化の寄与量は人為 的な要因の数%程度でしかなく、自然要因だけでは現在の気温の上 昇は説明できないことが指摘されている。 An evaluation unit (= A section) Condensation element 1 (= 1st paragraph) Condensation element 2 (= 2nd paragraph) Condensation element 3 (= 3rd paragraph) U0: Set of condensation elements
39.
© Hajime Mizuyama
Constructing a summary 大気や海洋の平均温度の上昇に加えて、生態系の変化や海水面上昇 による海岸線の浸食といった、気温上昇に伴う二次的な諸問題を含 めて「地球温暖化問題」と呼ばれる。温暖化が将来の人類や環境へ 与える悪影響を考慮して対策を立て実行され始めている。一方で、 対策のコストが非常に大きくなると見られており、その負担や政策 的な優先度に関して国際的な議論が行われている。 地球表面の大気や海洋の平均温度は「地球の平均気温」あるいは 「地上平均気温」と呼ばれ、地球全体の気候の変化を表す指標とし て用いられており、19世紀から始まった科学的な気温の観測をも とに統計が取られている。地球の平均気温は1906年?2005年の 100年間で0.74℃(誤差は±0.18°C)上昇しており、長期的に上 昇傾向にある事は「疑う余地が無い」と評価されている。上昇の ペースは20世紀後半以降、加速する傾向が観測されている。これ に起因すると見られる、海水面(海面水位)の上昇や気象の変化が 観測され、生態系や人類の活動への悪影響が懸念されている。 この地球温暖化は自然由来の要因と人為的な要因に分けられる。 20世紀後半の温暖化に関しては、人間の産業活動等に伴って排出 された人為的な温室効果ガスが主因と見られ、2007年2月に国連 の気候変動に関する政府間パネル(IPCC)が発行した第4次評価報告 書(AR4)によって膨大な量の学術的(科学的)知見が集約された結 果、人為的な温室効果ガスが温暖化の原因である確率は9割を超え ると評価されている。このAR4の主要な結論は変わっておらず、よ り多くのデータを加えた第5次評価報告書の作成が進められている。 AR4によれば、地球温暖化の影響要因としては、「人為的な温室効 果ガスの放出、なかでも二酸化炭素やメタンの影響が大きい」とさ れる。その一方で太陽放射等の自然要因による変化の寄与量は人為 的な要因の数%程度でしかなく、自然要因だけでは現在の気温の上 昇は説明できないことが指摘されている。 Sk: A summary U1: Set of candidate condensed elements An evaluation unit (= A section) U0: Set of condensation elements
40.
© Hajime Mizuyama
Outline of proposed approach Evaluation unit Summary Computer Crowd Divide unit into elements, and store them into DB. Choose sub-sequences, and create condensed Store created condensed elements for them. elements into DB. Combine elements into feasible summaries for evaluation. Evaluate summaries in terms of F1 and F2. Store evaluation scores into DB. Derive evaluation scores for each element. Screen elements according to the scores. Derive Pareto-optimum summaries. Creation subtask Evaluation subtask Optimization subtask
41.
© Hajime Mizuyama
•生産システムから集合知メカニズムへ •予測市場とそれを核とした集合知メカニズムの捉え方 •予測市場に関するこれまでの研究 –需要予測への応用 :独自CMMの開発 –組合せ最適化問題への適用 :LMSRの拡張 –商品企画への応用 :選好市場のペイオフ設計 •マイクロタスク型クラウドソーシングの応用 –文書要約システム :貢献度に応じた成果報酬 •まとめ Contents
42.
© Hajime Mizuyama
•集合知メカニズムは(製品などの物理的な資産ではなく,知識資産を 生み出すための)新しい生産システムであると考えている.これを, 生産システム工学の新しい研究テーマとして確立したい. •現在は予測市場やGWAPの応用研究を主体に進めているが,それらの 積み重ねから帰納的に集合知メカニズム全般についての理論的な理解 や,設計論につなげていきたい. •集合知メカニズムの研究会がありますので,よろしければぜひご参加 ください.次回は,10/3(金)18:00~,青学にて開催です. http://www.collective-knowledge.net/sigpmkt/ まとめ