2005年11月03日

アイデア降臨術:物理学者のリハビリ日記より

10月24日
どうも出張中に、研究する頭をどこかにおいてきてしまったらしい。普段、歩いていても電車にのっていても寝ていても、しょうもないことから意味あることまで、漠々としたことから技術的なことまで、ひっきりなしに頭におりてくる。
こんな状態では、まともな研究はできないだろうな、、。って、まずいやん。一過性のものだと思いたいが、これが持続したら研究者としてはおわりだろうな。
東大総合文化研究科 助教授 佐々真一
http://d.hatena.ne.jp/sasa3341/20051024

研究者ってこういうものなんですね。
何をしていてもアイデアが次から次におりてくる。
佐々さんのリハビリ記録から、普通のサラリーマンにとっても
アイデア発想のヒントが分かるかも。

10月26日
脳みその感じを思い出してきた。色々な問題が未整理のまま、ノイズのようにふわふわしていないといけない。
http://d.hatena.ne.jp/sasa3341/20051026

整頓されきった部屋では新しいものは生まれない。
ちらかった様々なものが色々な方向からぶつかり合うことによって
新たなつながりが見えて、新たなアイデアになる。

10月27日
脳みそに少したまったごみをあえて言葉で整理しようとする。当然、なにか意味のあることにはならないが、少し案らしきものがボツボツ生まれてきた。この段階で議論をしてもらう。ごみがわいてきた。
http://d.hatena.ne.jp/sasa3341/20051027

ごみってアイデアの卵みたいなもの。
アイデアの卵は一瞬だめだと思っても頭のすみにころがしておく。
そうすると、何かのきっかけで、ごみが価値のあるものに成長する。
ごみを残しておくのは結構難しい。
普通はすぐに忘れて永久に戻ってこない。
佐々さんは議論をすることでごみを増殖させた。
何気ないことでも人と話すといいかも。

一度ごみが増殖されると、
ねずみ講式に増えていくような気がする。
早く自分のその臨界点を超えなければ。
posted by xi at 13:53| Comment(0) | TrackBack(0) | 日記 | このブログの読者になる | 更新情報をチェックする

情報可視化とビジュアルデータマイニング

最近、Webで情報可視化技術が使われているのを目にします。
例えば、
・検索結果を可視化する「KartOO」
  http://www.kartoo.com/
・新書をテーマ毎に可視化する「新書マップ」
  http://shinshomap.info/
・アーティストの関連を可視化する「liveplasma music」
  http://musicplasma.com/
などなど。

まだユーザに広く使われているとは言えない状況ですが、
現在よく使われている表示法である、リストや表では表現できない
ことを表現することができます。
例えば、本を可視化することによって、
それらの本の内容の近さなどが直感的に分かります。

情報可視化について
"Information Visualization and Visual Data Mining,"
Daniel A. Keim, IEEE Transactions on Visualization and Computer
Graphics, vol.7, no.1, 100-107, 2002.
http://www.ailab.si/blaz/predavanja/ozp/gradivo/2002-Keim-Visualization%20in%20DM-IEEE%20Trans%20Vis.pdf
などで勉強してみました。

現在、大量のデータが蓄積されています。
しかし、そのなかから価値のあるものを見つけることは困難です。
コンピュータにより自動的に価値のある情報を発見する、
いわゆるデータマイニング技術はその解決法の1つですが、
コンピュータにマイニング結果を提示されても、
どうしてそうなったのか理解することが難しく、
またマイニング結果が意味のないものであることはしばしばあります。

情報可視化することにより、データマイニングの過程において、
人間が直接入り込むことができます。
コンピュータの膨大な記憶容量、高速な計算能力に、
人間の(現在のコンピュータには真似できない)柔軟性、創造性、常識、推論能
力、直感能力、また、視覚的認知能力を組み合わせることにより、
それまで発見できなかったものを、発見できる可能性が生まれます。

このコンピュータと人間の優れた部分を、情報可視化技術により統合し、
マイニングすることを、ビジュアルデータマイニングと呼びます。

ビジュアルデータマイニングは、
データに対してあまり知識がなく、マイニングのゴールがあいまいな時、
よりその効果を発揮できます。
人間とコンピュータが試行錯誤を繰り返しながらマイニングできるためです。
また、そのマイニング結果は、
人間が可視化結果を見て得られたものであり、直感的に理解できます。

しかし、情報検索の場合には、
通常のディレクトリ型検索エンジンの方が、
可視化したものより、
早く欲しいものを見つけられたという実験結果が出ています。
ただ、上でも書いたように、目的地がはっきりしていない場合、
つまり欲しい情報が明確に分からない場合は、有用です。

ビジュアルデータマイニングプロセスは次の3つのステップで行われます。
1.全体を見せ
2.ズームやフィルタリングをして
3.要求により詳細を見せる
この3つをうまく合わせてやることが必要です。

情報可視化技術は3つの基準で分類することができます。
1.データのタイプ
(1次元?2次元?多次元?時系列?グラフ?文書?)
2.可視化法
(2次元分布図?地図?アイコン?)
3.インターフェースとゆがめ方
(ズーム?射影?)
データタイプや応用先によって
適切な可視化法やインターフェースは
もちろん異なります。

通常の可視化研究はただ「○○データを△△法で可視化してみました」
で終わっているものが多いです。
どのようなデータでどのような目的の場合、
どのような可視化法とインターフェースが適しているか、
一般的に当てはまる体系をつくることが、まず必要だと思われます。

さらなる発展のために、従来の機械学習や統計の技術と
より密接に統合する必要があると考えられます。

また、ajaxやflashが普及し、普通の人でも可視化アプリケーションをつくり、
Webでサービスを行うことができる環境ができてきました。
まずサービスしてみて、多くの人に使ってもらい、
そのなかで情報可視化技術が発展していくのが、一番の近道だと思います。

さまざまな情報可視化技術は
"Information Visualisation: Tutorial Notes"
http://www.iicm.edu/ivis/ivis.pdf
で紹介されています。

日本語のWebサイトとしては
私のブックマーク:情報可視化とデジタルミュージアム
http://www.ai-gakkai.or.jp/jsai/journal/mybookmark/16-2.html
Visualization
http://pitecan.com/bib/Visualization.html
などがあります。

Information Visualization: Perception for Design
Information Visualization: Perception for Design

Visualization Handbook
Visualization Handbook

自己組織化マップの応用―多次元情報の2次元可視化
自己組織化マップの応用―多次元情報の2次元可視化
posted by xi at 01:25| Comment(26) | TrackBack(2) | 機械学習 | このブログの読者になる | 更新情報をチェックする
×

この広告は1年以上新しい記事の投稿がないブログに表示されております。