グーグルなどの言う「機械学習の民主化」 ^1 ^2 が文字通りの意味ならば、彼らが目指しているのは、 多数の機械学習エンジニアが、多数の人々の利益のために、 という理想だと思います。 これに対して、現実では、 少数のエンジニアリングを理解しない人々が、少数の人々の利益のために、 ということが起こりがちです。 この理想と現実のギャップを解消することは可能なのでしょうか？
テクノロジーを民主化するために
「人民による、人民のための、人民の統治」
のフレーズが有名です。これにならえば、テクノロジーの民主化とは、
「エンジニアによる、エンジニアのための、エンジニアリング」
ではないでしょうか。
リンカーンのフレーズは、フランス革命やアメリカ建国によってどのような問題が解決されたかを示しています。問題とは、統治のありかたが、貴族や専制君主によって、人民には不利益が生じるようなかたちで、決定されていたことです。 同様に、テクノロジー民主化が解決するであろう問題とは、 エンジニアリングのありかたが、 エンジニアリングを理解しない人々によって、 エンジニアリングから不利益が生じるようなかたちで、決定されていることです。
ソフトウェア・エンジニアリングを理解しない人々によるエンジニアリング
例えば、日本の家電メーカーには次のような問題があります。
日本経済新聞「日の丸家電、打倒アップルの条件 ソフト重視へ転換せよ」中島聡^14
魅力的なソフトウエアを作り出すための全体仕様（アーキテクチャー）を設計することは、机上だけでは決して不可能だ。シェフが実際の料理を作りながらレシピを作るのと同様に、設計を担当するエンジニア自らがプログラムを書き「作っては壊し」の過程を経てはじめてよいアーキテクチャーを作ることができる。
アップル・アマゾン・グーグルをはじめソフトで勝負をしている企業は、どこもそうした開発体制をとっている。...
一方、日本のメーカーでは自分自身がプログラムを書いたこともない幹部候補生が頭の中だけでソフトを設計し、プログラミング作業は子会社に丸投げしている。...
ここで問題なのは、プログラミングを理解しない人が、 ソフトウェアの設計をして、プログラミングのありかたを決めていることです。 こうして、生み出されるソフトウェアに競争力がないために ^4 、利益率が低くなり、エンジニアの待遇は悪くなっています ^5 。
そして似たような問題は、伝統的な計算科学分野にもあります。
この分野では、ソフトウェア開発のありかたを決めている人々は ハードウェアについては十分に理解していますが、ソフトウェア開発についての理解はそれほどではありません。 そのために、新しい分野で Fortranのような時代遅れの言語は使われなくなり、 言語も開発手法も新しくなっているのとは対象的に、 伝統的分野では、 未だにFortranで書かれた「秘伝のタレ」を、 フォートラン時代の手法で守っています。 その結果、前時代的な日本発の計算科学アプリケーションは 近代的スタイルで開発された 海外発のアプリケーションとの競争に敗れ、 今や、日本国内ですら、海外発の計算科学シミュレーションが 多く使われています。
ソフトウェア・エンジニアリングを理解する人々によるエンジニアリング
日本に比べて、 アメリカのソフトウェアが高い競争力を持っているのは、 ソフトウェア開発者を理解している人々がソフトウェア開発のありかたを決めているからです ^4 。
そこには、プログラミングを理解しない人が、 プログラミングのありかたを決めてしまうという愚行はありません。 また、フォートラン時代のプログラミングしか知らない人が、 古い開発言語や手法を若い人々に強要するという蛮行もないのです。
このようなソフトウェア開発の民主化によって、 機械学習の民主化も実現されつつあります。
具体的に言うと、 昔は、機械学習のアプリケーションプログラムを書くときに、 CやC++でゴリゴリと書いていたのが、 まず、C++をPythonで包み込んだライブラリやソフトウェアフレームワークが普及して、 scikit-learn ^6 などで python スクリプトによって楽にアプリを開発できるようになりました。 そのうちに、TensorFlow ^7 , Chainer ^8 のようにニューラルネットワーク記述のための 領域特化言語が埋め込まれたフレームワークが出てきて、更に楽になりました。 そして、今では、クラウド機械学習 ^9 ^10 ^11 が提供されて、 アプリ開発はプラモデル並みの気楽さになりつつあります ^12 ^13 。
これに対して、日本の計算科学分野では、ソフトウェア開発が民主化されていないので、 FortranやCでゴリゴリと書くしかなく、 そのような前近代的なプログラミングスタイルには、 オブジェクト指向型フレームワークや領域特化言語を使うことによる 素早さや楽しさはありません。
このように、ソフトウェア開発のありかたが、 フォートラン時代なのか近代的なのかによって、 生み出されるソフトウェアやテクノロジーの競争力はまるで違ってきます。
数理的手法を民主化する鍵は、ソフトウェア開発の民主化
以上のように見ていくと、アメリカで機械学習や科学シミュレーションといった数理的手法 が民主化されつつあるのは、ソフトウェア開発が民主化されていたからだと思います。 近代的なソフトウェア開発手法や、 ソフトウェア部品を利用するというプログラミングスタイルが広まっていたからこそ、 大勢の人々がテクノロジーのアプリケーション開発に参加することができ、 その利益が大勢の人々に分配されるのです。
対照的に、日本では、数理的手法に基づくテクノロジー分野において、 ソフトウェア開発が民主化されていないために、 ソフトウェアの生産性と競争力は低く、 その利益率も低いままです。
このように、経済的な利益からいえば、民主化したほうが良いのに、 日本のソフトウェア開発が民主化されないのは、なぜなのでしょうか？
私はそれは、前近代的な手法であっても、日本経済がそこそこ回っていて、 エンジニアの不満は高まってきてはいても、 爆発するレベルには到達していないからだと思います。 私も、米国企業が知識集約型のビジネスモデルで 高い利益率を達成しているを知り、 日本企業が労働集約型のビジネスモデル ^4 で低い利益率に甘んじているのを苦々しく思いながらも、 勤務先を変えてはいません。
しかし、国や企業が破綻する兆候が見えてくると、 そうも言ってられません。
参考
^1:Quara "Why is it important to democratize machine learning?"
^4:gihyo.jp » Software is Beautiful » 第3回 なぜ日本のソフトウェアが世界で通用しないのか
^6:scikit-learn
^7:TensorFlow
^8:Chainer
^10:Machine Learning - Microsoft Azure
^11:Google Cloud Machine Learning at Scale | Google Cloud Platform
^12:Gigazine「Googleが自社で使っている「クラウド機械学習」を一般に開放、こんなスゴイことが簡単にできる」
