※本記事は、AI for Good Global Summit 2025で開催されたセッション「すべての人への早期警告 – AIを活用して接続されていないものを特定」の動画内容を基に作成されています。このセッションは、ITU（国際電気通信連合）がMicrosoft AI for Good Lab、保健指標評価研究所（IHME）、Planet Labsとの1年間にわたる緊密な連携により実現された画期的な取り組みの成果発表です。本記事では、動画の字幕情報を要約・構成しております。なお、本記事の内容は登壇者および関係機関の見解を正確に反映するよう努めていますが、要約や解釈による誤りがある可能性もありますので、正確な情報や詳細な技術的内容については、オリジナルの動画（https://www.youtube.com/watch?v=DfGACyA1HXk ）をご視聴いただくことをお勧めいたします。AI for Good Global Summitの詳細情報は https://aiforgood.itu.int/ でご覧いただけます。
登壇者紹介
モデレーター：ヴァネッサ・グレイ氏 国際電気通信連合（ITU）電気通信開発局（BDT）気候・緊急通信部門長。Early Warnings for All イニシアティブにおいて第3の柱である警告配信・通信分野の責任者を務める。ITU開発部門での気候と緊急通信に関する業務を統括し、AI for Early Warning for All グループの中核メンバーとして活動している。
パネリスト：
ドリーン・ボグダン＝マーティン氏 国際電気通信連合（ITU）事務総長。Early Warning for All Advisory Panelのメンバーでもあり、AI for Goodの推進において「影響力のあるAIソリューションの特定と世界的課題解決のためのパートナーシップ推進」という使命を掲げている。2027年までの全世界早期警告システム構築という国連事務総長の野心的目標の実現に向けて指導的役割を果たしている。
フアン・ラビスタ・フェレス氏 Microsoft AI for Good Lab コーポレートバイスプレジデント兼チーフデータサイエンティスト。Microsoft AI for Good Labを率い、地図データの現実と格差問題について重要な洞察を提供。Planet社の衛星データとAI技術を組み合わせた革新的な人口マッピング手法の開発を主導している。
クリストファー・J・L・マレー教授 ワシントン大学保健指標評価研究所（IHME）創設ディレクター兼保健指標科学部門長。Global Burden of Disease研究の専門家として、従来の人口推計手法の限界を指摘し、気候変動や感染症リスクに対応する精密な人口データの必要性を提唱している。UNFPA Natalia Kanam氏と共に21世紀における世界の健康への脅威に関する委員会の共同議長を務める。
アンドリュー・ゾッリ氏 Planet Labs チーフ・インパクト・オフィサー兼著者。歴史上最大規模の地球観測衛星コンステレーションを運用し、毎日40テラバイトのデータ収集を実現。複雑な世界リスクの可視化と、4メートル解像度での全地球規模データ提供による人道支援技術の革新を推進している。
1. 開会・プロジェクト概要紹介
1.1 Vanessa Gray氏による開会挨拶とプロジェクト紹介
Vanessa： 皆様、こんにちは。本日は「すべての人への早期警告 - AIを活用して接続されていないものを特定する」セッションにご参加いただき、誠にありがとうございます。私はVanessa Grayと申します。ITU開発部門において気候と緊急通信に関する業務を統括しており、同時に「Early Warnings for All」イニシアティブにおいて、第3の柱である警告配信と通信の責任者を務めております。
本日お集まりいただいたのは、私たちが取り組んでいる非常にエキサイティングな新プロジェクトについてお話しするためです。このプロジェクトでは、パートナーシップとAIの力を組み合わせることで、「Early Warning Connectivity Maps」という革新的なツールを構築しました。このツールの目的は、接続されていない地域の人々を監視し、マッピングすることにあります。
このマッピングツールは、「AI for Early Warning for All」グループの成果物として開発されました。このグループは「Early Warnings for All」イニシアティブによって設立された専門家集団で、政府機関、国連諸機関から早期警告システムの専門家を結集し、特に学術界と民間部門からAI専門家を招集して構成されています。
私たちが実際に取り組んでいることは、新しいツールや新しいソリューションを構築し、「Early Warnings for All」イニシアティブが支援する各国でパイロット実施を行うことです。具体的なアプローチとしては、まず早期警告システムに存在するギャップを特定し、次にそれらの点と点を結び、特定の課題に対する具体的な解決策を構築するという流れで進めています。
早期警告システムにおける最大の課題のひとつは、リスクにさらされている人々にどのように到達するかということです。危機の際に、リスクにさらされている人々に警報をどのように届けるか、これが私たちが直面している根本的な問題なのです。
1.2 AI for Early Warning for Allグループの設立経緯と目的
Vanessa： 改めて「AI for Early Warning for All」グループについて詳しくご説明いたします。このグループは「Early Warnings for All」イニシアティブによって設立された専門的な組織体です。私たちは早期警告システムの専門家を政府機関や国連組織から招集するとともに、特に学術界と民間部門からAI分野の専門家を結集しています。
このグループの核心的な活動は、新しいツールや新しいソリューションの構築であり、これらを「Early Warnings for All」イニシアティブが支援する各国において実際にパイロット実施することにあります。私たちのアプローチは非常に実践的で、まず早期警告システムに存在するギャップを体系的に特定し、その後、それらの課題間の関連性を見出して点と点を結び、最終的に特定の課題に対する具体的で実用的なソリューションを構築するという段階的なプロセスを採用しています。
このような取り組みを通じて、私たちは理論的な研究に留まることなく、実際の現場で使用できる実用的なツールの開発と実装を目指しているのです。
1.3 早期警告システムにおける課題の特定
Vanessa： 早期警告システムにおける根本的な課題について、より具体的にお話しします。私たちが直面している最も重要な課題のひとつは、リスクにさらされている人々にどのようにして到達するかということです。これは単純に聞こえるかもしれませんが、実際には非常に複雑な問題なのです。
危機が発生した際、リスクにさらされている人々に効果的に警報を届けるためには、まず「誰がどこにいるのか」を正確に把握する必要があります。しかし、現実的な問題として、多くの地域において人口分布や居住地域に関する正確で最新の情報が不足している状況があります。さらに深刻な問題は、これらの人々が通信インフラにアクセスできるかどうかが不明であることです。
つまり、いかに優れた早期警告技術を持っていたとしても、警報を受信すべき人々が通信ネットワークに接続されていなければ、その技術は全く意味をなさないのです。この「接続されていない人々」の存在こそが、私たちが解決しなければならない核心的な課題であり、今回開発したEarly Warning Connectivity Mapsツールが対処しようとしている問題なのです。
2. ITU事務総長による基調講演
2.1 Darene Bogdan Martin氏によるAI for Goodの目標説明
Darene： Vanessaさん、ありがとうございます。そして皆様、こんにちは。今朝すでにお聞きになったかと思いますが、AI for Goodの主要な目標のひとつは、影響力のあるAIソリューションを特定すると同時に、世界的な課題に取り組むためのパートナーシップを推進することにあります。
本日、私が皆様と共有したいのは、まさにパートナーシップの物語です。この物語は、私たちのミッションを真に体現するものであり、ITUと私たちのパートナーが、人工知能と集合的な専門知識をどのように活用して、携帯電話ネットワークの到達範囲を超えた人口を特定し、彼らもまた生命を救う通信を確実に受信できるようにするかを示しています。
私たちがここで取り組んでいることは、単なる技術的なソリューションの開発ではありません。それは、人工知能の力を活用して、従来の通信手段では到達できない人々を見つけ出し、彼らが生命に関わる重要な情報を受け取れるようにするための包括的なアプローチなのです。これこそが、AI for Goodが目指す、テクノロジーを通じて実際に人々の生活に意味のある変化をもたらすという使命の具現化なのです。
2.2 国連事務総長の2027年までの早期警告システム目標
Darene： 国連事務総長は、すべての国が2027年までに早期警告システムを導入するよう求めています。これは事務総長が設定した非常に野心的な目標です。この野心的な目標こそが、「Early Warnings for All」イニシアティブの核心であり、このイニシアティブはITU、UN DRR（国連防災機関）、WMO（世界気象機関）、そして赤十字によって主導されています。
このイニシアティブの主要機関の一つとして、ITUは私たちの進歩が意味のあるパートナーシップ、特に官民パートナーシップを構築し、テクノロジー、とりわけ人工知能を活用することによって実現されると確信しています。私たちの最終的な目標は、世界中のあらゆる場所で、すべての人が早期警告システムによってカバーされることを確実にすることです。
この2027年という期限は決して遠い将来の話ではありません。これは私たちが今まさに取り組まなければならない喫緊の課題であり、そのためには革新的な技術と強固なパートナーシップが不可欠なのです。早期警告システムの全世界展開という壮大な目標を実現するためには、従来のアプローチだけでは限界があり、AIのような最新技術を積極的に活用していく必要があるのです。
2.3 パートナーシップの重要性と携帯電話網の現状
Darene： 現在、大部分の人々が携帯電話ネットワークによってカバーされています。実際に、10人中8人が携帯電話を所有しているという状況です。この高い普及率により、携帯電話による早期警告システム、特にセルブロードキャストは、ラストマイル通信チャネルとして非常に強力なツールとなっています。
昨年、国連総会の傍らで開催された「デジタルの力」に関するスポットライトセッションにおいて、今日ここにいらっしゃるJuanさんが私たちに加わってくださいました。そのとき、彼は私たちのビジョンを共有してくださったのです。そのビジョンとは、「接続されていない人々」の世界的なマップを開発し、災害が発生した際に誰一人として取り残されることがないようにすることでした。
本日、私はそのビジョンが実際に現実となっていることをお伝えできることを嬉しく思います。Microsoft AI for Good Lab、ワシントン大学のInstitute for Health Metrics and Evaluation、Planet Labs、そしてITUが協力して、Early Warning Connectivity Map、私たちはECMと呼んでいますが、これを開発したのです。
このECMは、人工知能と衛星画像を活用して高解像度の人口密度マップを生成し、携帯電話ネットワークの到達範囲外に残されている人々を可視化することを可能にするツールです。カバレッジのギャップを特定することにより、政府とパートナーは、接続されていない人々が生命を救う警報を受信できるよう、対象を絞った投資を行うことができるのです。
3. Early Warning Connectivity Map（ECM）の開発
3.1 Microsoft、IHME、Planet Labsとの協力体制
Darene： 私が皆様にお伝えしたいのは、私たちが達成したこの成果は、真の意味での協力体制の産物であるということです。Microsoft AI for Good Lab、ワシントン大学のInstitute for Health Metrics and Evaluation、Planet Labs、そしてITUという、それぞれ異なる専門性を持つ組織が連携して、Early Warning Connectivity Map、ECMを開発することができました。
この協力関係は単なる技術的な連携を超えたものです。各パートナーが持つ独自の専門知識と技術的能力を結集することで、単独では決して実現できなかった革新的なソリューションを生み出すことができたのです。Microsoft AI for Good Labは人工知能の専門知識を提供し、Institute for Health Metrics and Evaluationは人口推計と健康指標に関する深い知見を、Planet Labsは最先端の衛星データと地球観測技術を、そしてITUは通信インフラと早期警告システムに関する豊富な経験をそれぞれ持ち寄りました。
このような多角的なパートナーシップこそが、私たちが目指している「人工知能と部門横断的なパートナーシップを実践に移し、より信頼性が高く、回復力があり、包括的な早期警告システムを構築する」という目標の具現化なのです。災害においては、一秒一秒が重要であり、そのような状況下で効果的に機能するシステムを構築するためには、このような包括的な協力体制が不可欠なのです。
3.2 AIと衛星画像を活用した人口密度マップの生成
Darene： 私たちが開発したEarly Warning Connectivity Mapの技術的な核心について詳しくご説明します。このツールは、人工知能と衛星画像を組み合わせることで高解像度の人口密度マップを生成し、携帯電話ネットワークの到達範囲外に残されている人々を特定することを可能にします。
この技術的アプローチの革新性は、単に人口がどこに存在するかを示すだけでなく、その人口が実際に通信ネットワークにアクセスできるかどうかを同時に評価できる点にあります。私たちは、人工知能を活用して衛星画像から人口分布を精密に分析し、同時にITUが蓄積してきた通信インフラに関するデータと組み合わせることで、通信の「ブラインドスポット」を特定することができるのです。
カバレッジのギャップが特定されると、政府やパートナー組織は、現在接続されていない人々が生命を救う警報を確実に受信できるよう、対象を絞った戦略的な投資を行うことが可能になります。これは従来のような推測に基づいた投資ではなく、科学的データに基づいた精密なアプローチなのです。
簡潔に表現するなら、私たちは人工知能と部門横断的なパートナーシップを実践に移し、より信頼性が高く、回復力があり、包括的な早期警告システムを構築しているということです。なぜなら、災害においては一秒一秒が重要だからです。
3.3 Precision Population's Early Access Collaboration Programの発表
Darene： 本日、私たちが達成してきた成果を基盤として、新たな段階に進むことをお知らせいたします。まさにここで、Precision Population's Early Access Collaboration Programを立ち上げます。
このプログラムでは、私たちが共に構築してきたものをさらに発展させ、パートナー組織が他の団体と協力し、収集されたデータを活用してこれらの脆弱なコミュニティをより良く特定し、到達することを可能にします。パートナーの皆様には、間もなく詳細をお聞きいただけることになります。
本日会場にいらっしゃる民間部門の皆様、政府関係者の皆様に対して、私から強くお願いしたいことがあります。お持ちのデータを可能な限り共有していただきたいのです。クラウドソースされたデータとオープンデータは、私たちのツールを強化し、生命を救うために不可欠な要素なのです。
テクノロジーには力があり、イノベーションには力があり、そしてパートナーシップには力があります。私は、この取り組みの背後にいるビジョナリーたちに感謝を表したいと思います。Christopher Murray教授、Juan La Vista氏、そしてAndrew Zulli氏、データとテクノロジーを善のために活用することへのご献身に心から感謝いたします。
皆様にとって、このセッションが洞察に満ちたものとなることを確信しておりますし、皆様が私たちに参加し、この取り組みの一部となっていただけるよう、動機づけとなることを心から願っています。
4. Microsoft AI for Good Lab - Juan La Vista氏の発表
4.1 地図データの現実に関する重要な気づき
Juan： 私たちがこのプロジェクトを開始したきっかけについて、お話しさせていただきます。それは、ひとつの重要な認識から始まりました。もしあなたが米国やヨーロッパに住んでいるなら、人々がどこに住んでいるかを理解していて、地図が最新の状態に保たれているという錯覚を抱いているはずです。
なぜそう言えるのかというと、任意のオンラインマップにアクセスすれば、あなたの家がそこに表示されているからです。そして、あなたが見るデータ、例えば私が住んでいるシアトルのような都市の写真を今見れば、その写真は2〜3ヶ月前のものかもしれません。つまり、非常に最新のデータなのです。
私たちは決して自分自身に問いかけることがありません。そして映画を通じて、地球上のあらゆる場所が、あなたの家で見るのと同じような完璧な写真を持っているという印象を抱いています。しかし、これは大きな錯覚なのです。
実際の状況は、これが真実であるのは、企業や組織が最新の高解像度衛星データを持つために投資を行っている場所においてのみなのです。これは世界の重要な部分、特にサブサハラアフリカでは当てはまりません。これらの地域で見ることができる写真の多くは、10年から15年前のものである可能性があります。15年間で、一部の国では人口が倍増しているのです。つまり、その国の人口の半分が、いかなる地図上にも存在していないということを意味しているのです。
4.2 先進国と途上国における地図データの格差問題
Juan： この地図データの格差問題について、さらに深刻な実態をお話しします。15年間で人口が倍増している国があるということは、その国の人口の半分が、いかなる地図上にも存在していないということを意味しているのです。
そして、ここが最も重要な点なのですが、もし人々が地図上に存在していなければ、彼らを助ける方法は全くありません。彼らに物流情報を提供する方法もないのです。これは単なる技術的な問題ではなく、人道的な危機なのです。
このプロジェクトは、まさにこの「地図が最新の状態に保たれていない」という認識から出発しました。私は今でも、Andrewさんと会い、その後Chrisさんと会ったときのことを鮮明に覚えています。そのとき、私たちは皆、データが最新ではないという現実を理解したのです。
そして、その時点で私が同時に認識したことのひとつは、Planetのデータがこの問題の解決に大きな価値をもたらす可能性があるということでした。この認識こそが、私たちの協力関係の出発点となったのです。世界の多くの地域で人々が地図上から「見えない」状態にあるという問題は、単に技術的な不備ではなく、災害時の救援活動や日常的な公共サービスの提供において、致命的な障壁となっているのです。
4.3 Planet社のデイリー衛星データの価値
Juan： Planetと他の衛星データ企業との間には、決定的な違いがあります。Planetのデータでは、毎日、文字通り毎日のデータを取得することができるのです。このデータと通常目にするデータとの違いは、解像度がやや低く4メートルであることです。これは、住宅やその他の構造物を識別するためにAIが必要であることを意味しています。
また、世界規模でこの状況をより良く理解するためにも、AIを使用する必要があります。これこそが、私たちがこのプロジェクトを開始した方法の基本なのです。
ITUと出会い、この状況を理解したとき、私たちは重要な認識に到達しました。つまり、人々がどこに住んでいるかを知ることができたなら、次にその人々が接続されているかどうかを理解する必要があるということです。ITUは、携帯基地局の情報やその他の情報に基づいて、誰が接続性を持っているかの地図を理解するという素晴らしい仕事をしていました。Vanessaさんとチーム全体が、このような貴重な取り組みを行っていたのです。
私たちが理解したのは、この情報、つまり私たちの人口レイヤーである人口レイヤーと接続性レイヤーを組み合わせることで、誰がそこにいないのか、つまり誰が接続されていないのかを理解できるということでした。なぜなら、どれほど多くの技術を持っていても、人々が警報を受け取ることができなければ、あなたのすべての技術は無意味だからです。
4.4 人口レイヤーと接続レイヤーの組み合わせ手法
Juan： 私たちの技術的アプローチについて、より詳細にご説明します。ITUは、携帯基地局の情報やその他の通信インフラ情報に基づいて、誰が接続性を持っているかの地図を構築するという素晴らしい仕事を行っていました。Vanessaさんを中心とするチーム全体が、この重要な作業に取り組んでいたのです。
私たちの画期的な発見は、この接続性に関する情報と、私たちが構築した人口レイヤーを組み合わせることで、「誰がそこにいないのか」、つまり「誰が接続されていないのか」を正確に理解できるということでした。
この組み合わせが重要な理由は明確です。どれほど多くの優れた技術を持っていても、人々が警報を受け取ることができなければ、あなたのすべての技術は全く無意味だからです。人々が接続されていないということは、つまり携帯基地局へのアクセスがないということであり、そのような状況では警報を送る方法が存在しないのです。
この人口レイヤーと接続性レイヤーをマッピングすることにより、私たちはまさにその疑問に答えることができるようになりました。そして、これこそが私たちがこのプロジェクトを開始した基本的な方法論なのです。この手法により、技術的に高度なシステムを持っていても、実際にそれが必要な人々に届かなければ意味がないという根本的な問題を解決できるのです。
4.5 ソロモン諸島での実証実験結果
Juan： 私たちの手法の実際の効果を示す素晴らしい例として、ソロモン諸島での実証実験結果をご紹介します。ここで皆様にお見せしているマップをご覧ください。赤色で表示されているすべての都市部は、接続されていない地域を示しています。
一方、緑色で表示されている部分は、接続されている人口を表しています。このマップから明確に見て取れるのは、地理的な障壁が存在する地域では、携帯基地局からの接続性がその地域まで到達できていないということです。これらの赤色で示された都市部の人々には、警報を送る方法が全く存在しないのです。
このような詳細なマップは、ソロモン諸島のような国にとって、誰がリスクにさらされているのか、そしてどの人口を最初に優先して対応すべきかを理解するための極めて重要な情報を提供します。これは単なる技術的なデモンストレーションではなく、実際の政策決定と資源配分に直接的な影響を与える実用的なツールなのです。
これが私たちが取り組んできたことの一部です。しかし、これはまだ始まりに過ぎません。これらのレイヤーを手に入れることで、私たちは他の多くの疑問にも答えることができるようになります。他にどのようなリスクがあるかを理解することも可能です。これは、国や組織がその努力をどのように優先させるべきかを根本的に変えることができると、私たちは強く信じているのです。
5. ワシントン大学IHME - Christopher Murray氏の発表
5.1 従来の人口推計手法の限界
Christopher： Institute for Health Metrics and Evaluationにおいて、私たちは長年にわたり「Global Burden of Disease」と呼ばれる研究の一環として、国勢調査や各種調査からすべての人口統計データを収集し、あらゆる地域、さらには国内の地域レベルでの人口推計を行ってきました。
この従来の手法は、人口保健について考える上では十分に適切なものでした。しかし、健康に対する他のリスクについて考え始めると、はるかに細かい粒度での理解が本当に必要になってくるのです。
Juanさんが接続性について話されました。私は、UNFPA（国連人口基金）のNatalia Kanamさんと共に、21世紀における世界の健康への脅威に関する委員会を共同議長として務めています。この委員会の活動を通じて、私たちが非常に正確に人々がどこにいるかを知る必要があるすべてのリスクが浮き彫りになりました。
それが気候変動に関連する嵐であろうと、洪水であろうと、マラリアの発生場所であろうと、児童の栄養失調であろうと、さらには通常戦争であろうと、これらはすべて非常に局所的な現象なのです。効果的なリスクアセスメントを行うためには、私たちは人々がどこにいるかを非常に正確に知る必要があるのです。
従来の国勢調査ベースの大まかな人口推計では、これらの多様で局所的なリスクに対して適切に対応することができません。これが私たちが新しいアプローチを必要とする根本的な理由なのです。
5.2 気候変動リスクにおける詳細な人口データの必要性
Christopher： 気候変動に関連する具体的なリスクについて考えてみましょう。海面上昇を例に取ると、これまでの評価は極めて不十分であったと言わざるを得ません。なぜなら、地上15メートルに住んでいることと10メートルに住んでいることでは、リスクが大きく異なるからです。この違いを正確に把握するためには、本当に精密な視点が必要なのです。
ここでお見せしているのは、人口がどこにいるかの図解と、右側のパネルには過去の熱帯暴風雨や洪水がどこで発生したかを重ね合わせたものです。このような重ね合わせによって、過去にリスクにさらされた人々について考え始めることができるのです。
しかし、ITUとの私たちのプロジェクトでは、これまで接続性について話し合ってきましたが、特に気候関連のリスクを含む多くのリスクに対しては、この非常に局所的なレベルでの予測についても考え始める必要があります。これにより、今後5年、10年、さらには20年から25年先に誰がリスクにさらされるかを予測することができるのです。
気候変動の影響は均一ではありません。同じ地域内でも、わずかな標高の違いや地理的条件の違いが、人々の安全性に決定的な影響を与える可能性があります。このような微細な差異を捉えるためには、従来の大まかな人口データでは全く不十分であり、私たちが開発している高精度の人口マッピング技術が不可欠なのです。
5.3 局所的現象への対応における精密な位置情報の重要性
Christopher： 局所的な経験やローカルリスクを認識することの重要性は、実に広範囲な応用分野を持っています。たとえばPM2.5（微小粒子状物質）でさえ、実際には非常に局所的な現象なのです。
私たちが現在の用途、すなわち接続性のマッピングについて非常に興奮している理由は、それが現在の問題を解決するだけでなく、リスクを理解するための道筋を提供してくれるからです。このマッピング技術により、人口動態の変化が今後10年、20年、30年、さらには今世紀末まで、パターンをどのように変化させるか、そして私たちが注意とリソースを集中すべき場所がどこかを理解することができるのです。
具体例を挙げてみましょう。マラリアについて考えてみてください。世界の人口がアフリカに向かってシフトしていく傾向があります。アフリカにはマラリアがはるかに多く存在します。したがって、単純にマラリアは増加することになります。このような基本的な人口動態の変化だけでも、疾病の分布に大きな影響を与えるのです。
さらに気候変動を考慮に入れると、西アフリカでは感染伝播が減少する一方で、東アフリカの高地では増加するという予測が立てられます。しかし、このようなすべての予測は、極めて詳細で正確な人口分布の理解を前提としているのです。
このように、精密な位置情報は単一の用途に留まらず、複数の相互関連するリスク要因を統合的に理解し、将来の変化を予測するための基盤となる重要なツールなのです。
5.4 将来予測における人口動態変化の影響
Christopher： 将来予測における人口動態変化の影響について、より具体的にお話しします。このマッピング技術は、現在の状況を理解するだけでなく、人口動態の変化が今後10年、20年、30年、さらには今世紀末までのパターンをどのように変化させ、私たちが注意とリソースを集中すべき場所を特定する上で極めて重要な役割を果たします。
マラリアの例を再び取り上げてみましょう。世界の人口がアフリカに向かってシフトしていく傾向を考えると、アフリカにははるかに多くのマラリアが存在するため、単純な人口動態の変化だけでもマラリアの総数は増加することになります。このような基本的な人口移動パターンが、疾病の世界的分布に与える影響を理解することは、公衆衛生政策の立案において不可欠です。
さらに複雑な要因として気候変動を考慮すると、より精緻な予測が可能になります。気候変動により、西アフリカでは感染伝播が減少する一方で、東アフリカの高地では増加するという地域的な変化が予想されます。このような局所的な変化を正確に予測し、適切な対策を講じるためには、現在私たちが開発している超詳細な人口分布の理解が絶対的に必要なのです。
これらの予測は学術的な興味にとどまらず、実際のリソース配分や政策決定に直接的な影響を与えます。どこに医療施設を建設すべきか、どの地域に予防プログラムを重点的に展開すべきかといった実践的な判断は、すべてこのような精密な人口動態予測に基づいて行われる必要があるのです。
6. Planet Labs - Andrew Zulli氏の発表
6.1 複雑な世界リスクの可視化の必要性
Andrew： まず、いくつかの重要なポイントをお話しします。私たちは、巨大で複雑な、自己複合的で、時として非常に分かりにくい形態のリスクに満ちた世界に住んでいます。これらのリスクは、国連のエコシステムが関心を持つすべての人口、つまり国連の諸機関や拡大された開発コミュニティを構成するすべての機関が対象とする人口に影響を与えています。
私たち全員が抱えている課題は、まず「見えないものを見えるようにする」ことです。これらのリスクが空間的かつ時間的にどのように相互に関連しているかを実際に見ることができるようにしなければなりません。これは単純に聞こえるかもしれませんが、実際には非常に複雑で困難な作業なのです。
現代の世界では、リスクは単独で存在するのではなく、相互に影響し合い、増幅し合う傾向があります。たとえば、気候変動は単独で問題を引き起こすだけでなく、既存の社会経済的な脆弱性と組み合わさって、予測困難な連鎖反応を生み出す可能性があります。このような複合的なリスクを理解し、適切に対応するためには、従来の単一分野的なアプローチでは限界があり、包括的で統合的な視点が不可欠なのです。
私たちの使命は、これらの複雑で相互連関するリスクのパターンを可視化し、政策立案者や援助機関が効果的な意思決定を行えるような情報基盤を提供することにあります。
6.2 世界最大規模の地球観測衛星コンステレーション
Andrew： この作業に対する私たちの貢献について説明します。私たちは、歴史上最大規模の地球観測衛星コンステレーションを運用しています。これらの衛星は極から極へと地球を周回し、集合体として惑星全体のライン走査装置として機能し、地球の全陸地表面を毎日高解像度で撮影しています。
この規模の大きさを具体的に申し上げると、毎日40テラバイトのデータを収集しています。しかも、このデータは皆様のほとんど、宇宙飛行士でない限り、これまで行ったことのないあらゆる場所をカバーしているのです。
このような頻度での観測により、私たちはAIと機械学習のツールを使用することが可能になります。これらのツールは、Juanさんとそのチームが世界クラスの専門家である分野であり、Chrisさんと彼の同僚が専門とする科学的な人口空間人口統計学の仕事と組み合わせることができます。
そして、この基盤的な資産、つまり世界規模で完全な人口データセットを構築することができるのです。これはビバリーヒルズで正確であると同様に、バングラデシュでも、ボリビアでも正確なデータです。これにより、世界を真に捉え、このような自己複合的なリスクを理解するためにそれを活用できる人々の手にこの情報を渡すことができるのです。
6.3 1日40テラバイトのデータ収集能力
Andrew： 私たちのデータ収集能力の規模について、より詳しくお話しします。毎日40テラバイトという膨大な量のデータを収集していますが、これは皆様のほとんど、宇宙飛行士でない限り、これまで行ったことのないあらゆる場所をカバーしています。
このような観測頻度により、Juanさんとそのチームが世界クラスの専門家であるAIと機械学習のツールを活用することが可能になります。同時に、Chrisさんと彼の同僚が専門とする科学的な人口空間統計学の研究成果と組み合わせることで、単なるデータ収集を超えた価値のある資産を生み出すことができるのです。
その結果として、世界規模で完全な人口データセットを構築することができます。このデータセットの特筆すべき点は、その精度の一貫性です。ビバリーヒルズで正確であると同様に、バングラデシュでも、ボリビアでも同じレベルの精度を保持しています。これにより、世界を真に包括的に捉えることができるのです。
この基盤的な資産を、複雑で自己複合的なリスクを理解し、対処する必要がある人々の手に渡すことができることが、私たちの取り組みの真の価値なのです。40テラバイトという数字は単なる技術的な指標ではなく、世界中の脆弱な人々の生命を守るための情報インフラの規模を表しているのです。
6.4 多様な応用事例の紹介
Andrew： 皆様にご覧いただいているのは、気候災害の文脈における未接続地域という一つの基本的な疑問セットです。つまり、気候変動によって加速化されたり増幅されたりした自然災害が発生した場合を想定しています。しかし、私たちが尋ねたい疑問は他にも数多く存在します。
気候と健康と食料安全保障の交差点から生じる移住リスクはどこにあるのでしょうか。また、私たちが検討し始めたばかりの他の多くの使用例があります。
いくつかの非常に具体的な例を簡潔にご紹介しましょう。新しい病気がどこから来るのかを理解したい場合を考えてみてください。これは衛星の専門家である私が、世界的に著名な公衆衛生の専門家の隣で話すのは奇妙なことかもしれませんが、野生地域がある場所、つまり野生動物と家畜と人間がその境界を越えて交差する場所の境界面を理解する必要があります。人間がどこにいるかを知らなければ、この現象を理解することはできないのです。
山火事のリスクを理解したい場合、私たちは世界各地でこのような激化する山火事と共に生きています。燃料がどこにあるか、そしてそれらの燃料に点火する可能性のある人間がどこに住んでいるかを理解する必要があります。
このような使用例のリストを続けていくことができます。私たちは常に新しいものを発見し続けています。そして、それらの中には災害によって枠組み化されていないものもあります。それらは基本的なガバナンスのニーズと、すべての人にとって公正で公平な移行の創造によって枠組み化されています。
国勢調査の実施、公共インフラの立地決定、学校や道路や病院がどこに必要かの決定など、本当に基本的なことです。これらすべては、人間がどこにいるかの副産物なのです。
7. 今後の展開と協力募集
7.1 Early Access Programの詳細
Christopher： Vanessaさん、ありがとうございます。私たちが過去数年間にわたって行ってきたすべての作業に基づいて、この人口データを他の人々が利用できるようにする計画についてお話しします。
私たちは協力してEarly Access Program（早期アクセスプログラム）を創設しました。この精密マッピング情報を活用したいパートナーを探しています。そちらにあるQRコードから詳細情報をご覧いただけます。
私たちの目標は、これらのパートナーシップを通じて、建物量によって駆動される私たちのマッピングと人口推計をより精密にする方法について、多くのことを学ぶことです。同時に、人々がこの情報をどのように活用したいと考えているか、そして異なる使用例に対してより関連性を高めるために分析においてできることがあるかについても学びたいと考えています。
これは私たちが計画している双方向の取り組みです。選定されたパートナーと協力し、最終的にはこれを世界的な公共財として皆様にお届けできるより良い製品にすることを目指しています。
しかし、私たちは現在、この早期採用段階にあります。グループと協力したいと考えており、会場の皆様で興味をお持ちの方は、QRコードをご覧いただき、私たちに連絡してください。皆様からお話を伺いたいと思いますし、このような協力を通じて、この一般的なモデルが多くの集中的な協力の一つであったように、私たちはこのアジェンダを継続して推進していけることを願っています。
7.2 パートナーとの双方向学習モデル
Christopher： 私たちが構築しているパートナーシップの性質について、より詳しくご説明します。これは一方向的な情報提供ではなく、双方向の学習プロセスとして設計されています。私たちは、建物量によって駆動される私たちのマッピングと人口推計をより精密にする方法について、パートナーとの協力を通じて多くのことを学びたいと考えています。
同時に、人々がこの情報をどのように活用したいと考えているか、そして異なる使用例に対してより関連性を高めるために私たちの分析において改善できる点があるかについても理解を深めたいのです。これは単純にデータを提供するのではなく、実際の現場でのニーズと私たちの技術的能力を継続的にマッチングさせていく動的なプロセスなのです。
私たちが計画しているのは、選定されたパートナーと協力することで、最終的にはこれを世界的な公共財として皆様にお届けできるより良い製品にすることです。このアプローチにより、学術的な研究と実践的な応用の間に存在するギャップを埋め、本当に役立つツールを開発することができると確信しています。
この双方向学習モデルの重要性は、私たちが単に技術的に優れた製品を作るのではなく、実際の現場で必要とされ、効果的に活用される製品を作ることにあります。パートナーからのフィードバックと現場での経験こそが、このツールを真に価値のあるものにする鍵なのです。
7.3 AI for Early Warning for Allグループへの参加呼びかけ
Vanessa： エキサイティングな新たな機会について最後にお話しします。結論として、皆様全員に心から感謝したいと思います。皆様とそれぞれのチームの献身的な取り組みにより、私たちが生み出している成果は、まず第一に、各国がより良く、より回復力があり、より包括的な早期警告システムを開発することを支援することを可能にしています。
しかし、それだけにとどまらず、私たちは「Early Warnings for All」イニシアティブの非常に野心的な目標、つまり地球上のすべての人が早期警告システムによって保護されることを確実にするという目標の達成においても支援を提供しているのです。
ここで重要なポイントを申し上げたいのは、やるべきことがまだたくさんあるということです。そこで、早期警告システムに取り組んでいるすべての方々、そしてAIに取り組んでいるすべての方々に対して、私たちの「AI for Early Warning for All」グループに参加していただくよう呼びかけています。
このような今回のプロジェクトのようなエキサイティングな新しいプロジェクトを共に考案し、実現していきたいと考えています。私たちは、より多くの人々と協力することを心から楽しみにしており、この重要な取り組みを継続的に発展させていきたいと願っています。早期警告システムの分野とAI技術の融合には、まだ探索されていない大きな可能性があり、皆様の専門知識と創意工夫が不可欠なのです。
7.4 2027年目標達成に向けた取り組み
Vanessa： 2027年という目標年に向けた私たちの継続的な取り組みについて、改めて強調したいと思います。私たちが生み出している成果は、各国がより良く、より回復力があり、より包括的な早期警告システムを開発することを支援するだけでなく、「Early Warnings for All」イニシアティブの非常に野心的な目標達成にも直接的に貢献しています。
その目標とは、地球上のすべての人が早期警告システムによって保護されることを確実にすることです。これは単なる理想論ではなく、国連事務総長が設定した具体的で測定可能な目標なのです。2027年までに、世界中のどこにいても、どのような状況にあっても、すべての人が適切な早期警告を受け取れるようになることが私たちの使命です。
しかし、正直に申し上げると、やるべきことがまだ非常にたくさんあります。技術的な課題、インフラの整備、国際協力の強化、資金調達、そして何よりも「接続されていない人々」への到達という根本的な問題が残されています。今回開発したEarly Warning Connectivity Mapは重要な一歩ですが、これは始まりに過ぎません。
2027年という期限は決して遠い将来ではありません。残された時間を考えると、私たちは今まさに加速度的に取り組みを進める必要があります。そのためには、技術革新、政策改革、そして何よりも国際社会全体の連帯と協力が不可欠です。この野心的な目標を達成するために、すべての関係者が一丸となって取り組んでいくことが求められているのです。