AIで拓くスポーツとビジネスの未来――藤井慶輔准教授が語るデータ分析の最前線、人と技術が協調する意思決定の境界線（後編）

―最終的には。結局違和感が持てるというのは、匠の技ではないですか。 長年の失敗を重ねてきた人間が知り得るところなので、なかなか AIにはできないところかと思います。ここで、話を再びスポーツのところに戻したいと思います。具体的には、得点に関わらない地味な価値のところです。例えば、サッカーとかで、ミッドフィルダーからフォワードにパス出した時に、向こうのディフェンスを他のミッドフィルダー、もしくはフォワードが引きつけたりして穴を作ったりするケースがあります。そうした行動に対してAIが相関を出したりするのですか。得点に還元するところや、得点を決めた選手以外のフォワード、もしくはミッドフィルダーが、一連のセットプレーにどう関わっていたのかを数値化されるのですか。

最終的にどう得点の確率向上に貢献するかとか、そういったレベルで評価していますが、この分野では良くあるやり方だと思います。ただ、研究室内の実験と違って、同じ場面でワンアクションだけ変えたのを厳密に比較することができないので、「起きなかったこと」を予測することが必要だったりします。それは反実仮想（実際には起こらなかった事象について「もし〇〇だったらどうなっていたか」を仮定して考える思考法や分析手法）と呼ばれたりします。

もし標準的な選手の動きだと、あまりスペースが生まれていなかったが、ものすごく右に走り込んだからスペースが生まれたという仮説があったとします。それを検証するには比較が必要です。例えばもし走り込んでいなかったらというような、そういう起こらなかった場面を作って比較するみたいなことをします。それを人間が考えた方程式だけで行うのはほぼ不可能なので、AIを使って予測しています。

―著書の第３章「予測分析とプレイ評価」で反実仮想の考え方が取り上げられています。これは、シミュレーションみたいな形ですか。

はい。この場合は、選手の位置データで学習させた軌道予測という技術を用いています。

―結局実際に起こった事実ともしもの部分を対立させて、強化学習（エージェントが環境との相互作用を通じて報酬を最大化する行動方策を学習する機械学習の手法）みたいな形にしたりするのですね。

そうですね。強化学習も一つのアプローチではあります。シミュレータがあれば、大量に予測して比較するというようなアプローチもあります。

―比較して次の戦術のプレイに活かしていこうということですか。

はい、直接的に軌道を生成して比較するようなアプローチもあれば、強化学習のように、どの行動を選択すべきかを学習して、こういう行動をしたら一番得点に近づくというのを計算するというアプローチもあります。研究室では両方研究しています。

―この反実仮想は非常に面白いなと思います。これは、ビジネス系で言うと、経営でもし違う視点を取っていたらというようなシミュレーションができると非常に良いと思います。ビジネスの世界にも応用できますか。

むしろビジネスの世界をモデル化した経済学の分野で、より発達しています。私も経済学の先生と一緒に研究しています。

―財務情報や人材情報など、定量的な部分での動きですかね。

はい。例えば、企業が市場の状態を見ながら参入や退出を行う意思決定などです。

―そういう面ですか。この A 社と B 社だとこうなる。ここに C 社が入ったらどうなるかというシミュレーションをするのですね。ならば、ビジネスの世界でも結構進んでいそうです。

はい、経済学以外ですと医学や疫学などですね。ワクチンを誰に打つか、のような話です。全く同じ属性の人間はいないので、予測は必要なのです。それを、私たちがスポーツでも応用し始めたという順番です。

―なるほど、そうなのですね。スポーツ科学が先行していたわけではなかったのですね。

はい、順番としては逆ですね。

―スポーツだと戦う時はこうやってできたら良いなとかシミュレーションできると有難いです。次のトピックに行きましょう。少ないデータでも戦えるということですが、AIはやはり大量のデータがあった方が良いのではないですか。データがあれば、もちろん欠損値（本来得られるはずのデータが存在せず、空欄で表される状態）とかもあったりするので、しっかりクレンジングしないといけないとは思います。ただ、藤井先生が手掛けておられる研究だと必ずしもデータが潤沢でない場面もあったりするはずです。どのように補強されるのですか。

まずは、頑張ってデータを集めるということを考えます。その上で、今あるデータでどこまでやれるかを考えます。今はもうどんなスポーツでも、スマートフォンでかなり高画質な映像が撮れますので、映像は誰でも撮れるようになってきています。問題は、その後ですね。もし、コンピュータビジョン技術の性能が上がってきたら、データを自動的に取れるフェーズになると思います。誰でもデータを取得することができるということです。

今は、まだ性能的に6,7割といったところでしょうか。それなりに良いのですが、完璧ではありません。ただ、それでも取得自体はできます。ただ欠損値が多いので、一般の人には扱いが難しいような状況です。そのため、コンピュータビジョン技術の発達が、どんどん進むと状況が変わってくると思います。

何試合でも映像を撮ること自体はそこまでハードルが高くなくなりました。なので、アマチュアでも何十試合、何百試合というのが、映像として残っている場合もあると思います。一方で、データサイエンスとしては、そのデータからどれだけ意味のある知見を引き出すかが問われます。これは、また別の領域の話題なので、そこはそこで色々工夫しながらやっていかないといけません。

―藤井先生の場合はやはり、現実の現場を見て少ないデータをAIで自動的に生成させていくアプローチをされている印象があります。

コンピュータビジョン技術の研究も行っていますが、我々はシミュレータを作り、合成（人工）データを使って画像認識の性能を上げるといった研究もしています。ただ、優れたリアルなシミュレータを作るというのはスポーツの世界では結構難しいです。そこはそこで一つの課題という感じです。ただ、様々な状況の映像を生成するためには、重要なアプローチだと思っています。

―優秀なデータサイエンティストが多くなれば、その方が専門家となり、AIが出したものを他者に対して説得力ある説明ができるようになると思います。戦術にしても戦略にしても説明できると思うのですが、藤井先生もAIが出したものに対する説明責任が求められていることを認識されているはずです。いわゆる、エクスプレイナブルAI（機械学習アルゴリズムによって生成された結果とアウトプットを、人間のユーザーが理解し信頼できるようにする一連のプロセスや方法）です。説明可能なAIに関して、藤井先生はスポーツ科学の中でどの程度活用されているのですか。そこは、やはりまだデータサイエンティストの方の経験値に基づいて説明責任を果たしているレベルなのでしょうか。

説明可能AIにも色々な方法があると思いますが、やはり数値を出すだけでは、現場の人はもちろん、研究者も納得できない場合が多いので、根拠を可視化したり、現在だと言語モデルを活用するような研究を行っています。もちろん、人間の経験値に基づいて、説明するということも変わらず重要かと思います。最近気になるのは、大規模言語モデルの発達で、誰でもそれっぽい文章が作成できてしまう点です。

―そうですね。

程度問題で、人間も当てはまるかもしれませんが、嘘や間違いが含まれた場合、「もう信用できない」となってしまいます。やはり、責任をもって検証できる人間が、まだ信用される場合もあるのというのが現状かなと思います。

―もっともらしいことをAIは言ってくれます。しかし、本当にそれが事実なのか、エビデンスがあるのかとなると、まだまだ疑問です。

むしろそのようなファクトチェックは優れたAIを使えば、それなりのレベルはできるようになり、今後もその能力は向上していくと思います。ただ、責任を取るというか、一貫性や組織に対するコミットメントがあるわけでもなく、その場その場で何か良さそうな答えを出してくれるだけなので、意思決定者である人間にとっては、参考にはなるけれど、それを全面的には信用できないのはその通りだと思います。

―藤井先生は、その辺りをしっかりと理解されているから問題ないと思いますが、一般のビジネスパーソンは知らない場合もありそうですよね。

そこは気をつけるべきですね。

―藤井先生は、身体運動という言葉にしにくい世界を研究してこられました。今、世の中はすごいAIブームだと思います。特に今年はClaude（Anthropicが開発した大規模言語モデル）が多くの人に注目されたことによって、昨年と比べるとすごいことになっています。藤井先生のお立場から今のAIブームの中、「ここは過大評価されているのではないか」と思われる点があれば教えてください。どうも、ビジネスパーソンにしても企業経営者にしても、過大評価しているような気がしてなりません。

「競合他社が皆AIを入れているから、我が社でも入れなければダメだ」というトップダウンのオンパレードです。しかし、現場の人はAIの知識がほとんどなかったりします。過大評価しているように、私には映っています。藤井先生のお立場から、今のAIが過大評価されていると思われる点をお聞きしたいです。

そうですね。やはり、「信用しすぎるな」と言いたいです。かといって、今は「AIを使わない」という選択肢はないと思っています。やはり、明らかに人間より得意な領域が幾つか出てきています。調べ物や、数学・プログラミング能力も多くの人よりは優れている部分もあると思います。

人間よりも優れている領域が多くなってきたので、そこをどう組み合わせていくかです。やはり、結果的にはより良い成果物を出すことが大事ですからね。問題は、どう人間と協調するかです。人間がAIをいかに使うかだと思います。当然ながら、導入するにあたっては、AIのアウトプットを鵜呑みにしてはいけません。疑うところも残しておくべきです。AIは完璧ではないのですから。

―実際そうですね。

そのため、AIが得意なところをしっかりと理解して上手く使っていくことです。そうすると、人間の技術やスキルも伸びていきます。将棋はまさにその代表的な例です。人間よりも強いAIを活用して、人間がどんどん強くなっています。そういう良い例を示してくれたと思っています。そのためには、 AIの中身や使い方を知らないといけません。

AIが得意なことを人間がする必要はないと思います。そのため、使い方を理解して、自分の成長に上手くつなげることが求められるのではないかと思います。

―最後に不安を抱く若い世代に向けて、「AIをこう捉えると良い」というメッセージをいただけるとありがたいです。

今やAIが得意な領域が増えてきて、それは無視できないような時代になっています。ある意味、大変な時代であるとも言えますが、今までできなかったことができるようになる時代と捉えると、可能性が広がると捉えられると思います。そうした状況に対して柔軟に考えて、前向きに捉えてもらいたいです。

今後はますますAIを存分に使えるような時代になります。私の年代やそれより年上の方々にはできなかったようなことができる時代になるわけです。その意味では、捉え方次第ではありますが、非常に面白い時代だなと思います。過剰に期待するとか、悲観的になってしまうなどということなく、適切に捉えて活用してほしいと思っています。

―藤井先生、貴重なお話をありがとうございました。読者もより一層AIに興味を持ってもらえたのではないでしょうか。スポーツアナリティクス研究がさらなる成果を創出していくことを願っています。

【編集後記】 

AIが急速に進化する現代において、「AI万能論」に踊らされず、その本質を冷静に見つめる藤井慶輔氏の視点は極めて示唆に富む。スポーツの世界は一見、デジタル化が容易な領域に思える。しかし実際は、選手のフィジカルな動き、戦術の暗黙知、そしてデータへのアクセス難など、一筋縄ではいかない構造的課題に直面している。これはまさに、製造業の技術伝承や、ビジネスにおける定性的な人事評価で私たちが直面している壁と地続きである。藤井氏が強調する「反実仮想」のシミュレーションや、人間が最終的な責任を担う「ヒューマン・イン・ザ・ループ」の考え方は、あらゆる意思決定者が持つべき羅針盤だと言える。将棋界がAIによって全体のレベルを底上げしたように、私たちもAIを恐れるのではなく、自身のスキルを伸ばすパートナーとして使いこなしていく姿勢が求められている。ワクワクする未来を創る主役は、いつであっても人間だと言いたい。