/w=3840,quality=90,fit=scale-down)
※本記事は、AI for Good Global Summit 2025で開催された「オープンサイエンス AI & データチャレンジプログラム」のセッション動画を基に作成されています。動画の詳細情報は https://www.youtube.com/watch?v=EayrawYHkas でご覧いただけます。本記事では、セッションの内容を詳細に記録・要約しております。なお、本記事の内容は登壇者の発言内容を正確に反映するよう努めていますが、文字起こしや解釈による誤りがある可能性もありますので、正確な情報や文脈については、オリジナルの動画をご視聴いただくことをお勧めいたします。
登壇者紹介：
ブライアン・キロー氏 - EY オープンサイエンス AI & データチャレンジ プログラムディレクター（本セッションの司会を務める） キャメロン・ウォール氏 - EY グローバルコンサルティング AI & データコンピテンシーリーダー（動画内では「EYのグローバルAI・データプラクティス責任者」として紹介） ディーパック・ヘマドリ氏（Deepak） - EY デリバリーエクセレンスリーダー（2025年EY内部受賞者チームメンバー） アミット・ジョティ・バッタチャルジー氏（Amit） - EY アソシエイトディレクター（2025年EY内部受賞者チームメンバー） サム・ウェイ・ホン氏（Sam） - マラヤ大学 修士課程学生、2025 EY オープンサイエンス AI & データチャレンジ ユニバーシティ優勝者 ホン・ティン・リム氏（Han） - マラヤ大学 修士課程学生、2025 EY オープンサイエンス AI & データチャレンジ ユニバーシティ優勝者 ローラ・ターキントン氏（Laura） - EY グローバル企業責任 コマーシャル＆イノベーションリーダー サラ・ルーウィン氏（Sarah） - EY グローバルサステナビリティ ブランドマーケティング＆コミュニケーションリーダー
AI for Good Global Summit 2026への登録情報については https://aiforgood.itu.int/summit26/ をご参照ください。
1. プログラム概要とデータチャレンジの起源
1.1 イベント構成と背景説明
Brian： 皆さん、ようこそお越しくださいました。私は今回のMCを務めさせていただきます。これから20分間という時間をいただいて、私たちのデータチャレンジについて、そしてなぜ私たちがこのデータチャレンジを行うのかについてお話しさせていただきます。また、2025年の素晴らしい受賞者の皆さんにも登壇していただき、彼らの解決策をご紹介いたします。きっと皆さんにとって非常に興味深い内容になると思います。最後には、EYのリーダーたちから、私たちが取り組んでいるAI for goodや持続可能性に関するプログラムについてもお話しいただく予定です。
まず最初に、Cameron Wallに登壇していただきましょう。Camはどこにいますか？そこにいますね。彼に、なぜ私たちがこのデータチャレンジを始めたのか、そしてなぜ継続していきたいのかについて話していただきます。
Cameron Wall： ありがとうございます。皆さん、こんにちは。お会いできて嬉しく思います。私はCameron Wallと申します。EYのグローバルAI・データプラクティスを統括しております。2019年を振り返ってみると、私たちはある企業を買収しました。その企業はデータサイエンスチャレンジプラットフォームを持っていたのですが、正直なところ、私たちはそれをどう活用すべきか分からずにいました。当時、私たちはこの資産をいかに再利用できるかという課題に直面していました。
時は進んで、その年の夏、私にとっては南半球にいるため12月から1月の期間になりますが、私たちは過去にないほど深刻な山火事を経験しました。私の頭には今でも鮮明に残っている光景があります。それは、やけどを負ったコアラが道路を横断している姿でした。その瞬間、私は思ったのです。「データでこの問題を解決できるはずだ。必ず方法があるはずだ」と。
そこで私は考えました。このプラットフォームの力と、課題を広く公開して多くの人々に同じ問題について同時に考えてもらうという分散型のアプローチを組み合わせてはどうだろうかと。その後の展開をお話しすると、そのチャレンジは2020年に実施されました。そこで開発された知的財産は、実際に現在、山火事当局によって使用されています。これは衛星画像を使用した従来の方法では困難だった山火事の境界線の検出、そしてその火災の軌道予測に活用されているのです。この技術は現在、世界中の火災当局で使用されており、本当に素晴らしい成果だと思います。
Brian： Cameronのお話から、この取り組みが単なるアイデアから実際に世界中で使われる技術へと発展したことがよく分かります。現実の山火事対策に貢献しているという具体的な成果があるのは、非常に意義深いですね。
Cameron Wall： そうですね、Brian。しかし、私たちがこの取り組みを始めた理由は3つあります。第一に、何か良いことをしたいという思いでした。私たちは2019年の時点でAI for goodについて考えていました。おそらく時代を少し先取りしていたかもしれませんが。第二に、ブランディングの観点があります。実は、あまり知られていない事実ですが、現在EYには14,000人を超える人々が様々な業界のプロジェクトでAI・データ関連の業務に従事しています。第三に、優秀な人材を惹きつけ、インスピレーションを与える手段としての側面があります。
興味深いことに、これらのコンペティションで勝利を収める人たちは、必ずしも最高の技術者とは限りません。悪く取らないでいただきたいのですが、彼らは創造的に考え、他の人たちとは異なる思考を持ち、通常はより懸命に取り組む人たちなのです。彼らの話を聞くと、これらの課題を解決するために非常に懸命に働き、非常に創造的に考えていることが分かります。これこそが、長年の業界経験という重荷を背負っていない今日の学生たちから得られるものだと思います。
1.2 初期成果と実用化実績
Cameron Wall： 先ほど触れた2020年のチャレンジの成果について、より詳しくお話ししましょう。このプロジェクトで開発された知的財産が実際にどのような形で活用されているかは、私たちにとって非常に重要な意味を持っています。開発された技術は、現在、世界各地の山火事当局によって実際に使用されているのです。
具体的には、従来の衛星画像を使用した標準的な手法では検出が困難だった山火事の境界線を正確に把握する技術、そしてその火災がどの方向に進むかという軌道予測の技術が実用化されました。これは単なる研究成果ではありません。実際の火災対応の現場で、リアルタイムで活用されている技術なのです。
Brian： これは本当に素晴らしい成果ですね。あの時のやけどを負ったコアラの光景から始まったアイデアが、実際に世界規模で火災対策に貢献している技術へと発展したわけですから。データサイエンスの力が現実世界の深刻な問題解決にどれだけ貢献できるかを示す、まさに象徴的な事例だと思います。
Cameron Wall： その通りです。この初期の成功体験が、私たちにデータチャレンジを継続する確信を与えました。技術開発から実際の社会実装まで、一連の流れを実現できたことで、このアプローチの有効性が証明されたのです。現在、世界中の火災当局がこの技術を活用して、より効果的な火災対応を行っています。衛星画像の解析精度が向上したことで、火災の早期発見と被害拡大の予防に大きく貢献しているのです。
2. データチャレンジ実施の戦略的意図と5年間の実績
2.1 実施理由と人材戦略
Cameron Wall： 私たちがこのデータチャレンジを実施する理由について、もう少し詳しく説明させてください。先ほど3つの理由があると申しましたが、それぞれが戦略的に重要な意味を持っています。
第一の理由は、AI for goodの実践です。2019年の時点で、私たちはこのコンセプトについて真剣に考えていました。おそらく時代を少し先取りしていたかもしれませんが、この先見性が重要だったと思います。単に技術を開発するだけでなく、その技術が社会にとって本当に価値のあるものになることを重視していました。
第二の理由は、ブランディングの観点です。実は、あまり知られていない事実ですが、現在EYには14,000人を超える人々が様々な業界のプロジェクトでAI・データ関連の業務に従事しています。これは私たちの大きな強みですが、外部にはあまり知られていません。このチャレンジを通じて、私たちの技術的な能力と社会への貢献を広く知ってもらいたいと考えています。
Brian： 14,000人という数字は本当に驚くべき規模ですね。これだけの専門人材を抱えているEYの技術力を示す重要な指標だと思います。
Cameron Wall： ありがとうございます。そして第三の理由が、優秀な人材を惹きつけ、インスピレーションを与えることです。ここで非常に興味深い発見があります。これらのコンペティションで勝利を収める人たちは、必ずしも最高の技術者とは限らないということです。悪く取らないでいただきたいのですが、彼らの特徴は技術力よりもむしろ創造性にあります。
彼らは創造的に考え、他の人たちとは異なる視点で問題に取り組み、そして通常はより懸命に努力する人たちなのです。彼らの体験談を聞くと、これらの課題を解決するために本当に懸命に働き、非常に創造的に考えていることが分かります。彼らは問題を多角的に捉え、従来の枠にとらわれない解決策を提案してきます。
Brian： それは人材戦略として非常に興味深い視点ですね。技術的なスキルよりも創造性や問題解決へのアプローチが重要だということですか。
Cameron Wall： まさにその通りです。これこそが、長年の業界経験という重荷を背負っていない今日の学生たちから得られる貴重なものだと思います。彼らは既存の方法論や制約に縛られることなく、純粋に問題解決に集中できます。この新鮮な視点こそが、革新的な解決策を生み出す原動力となっているのです。経験豊富な技術者が見落としがちな角度から問題にアプローチし、時として驚くような解決策を提示してくれます。
2.2 5年間の実績と参加規模
Brian： Cameronの素晴らしい洞察をありがとうございます。今度は私の方から、2025年の今回のデータチャレンジについてお話しさせていただきたいと思います。まず最初に、私たちが5年間にわたって続けてきたこの取り組みの全体像をご紹介したいと思います。これは今年で5年目となるグローバルなチャレンジで、基本的には誰でも参加可能です。ただし、いくつかの基準を設けています。私たちは若い専門家や外部の経験が限られた人々を対象としており、同時にEY内部の受賞者も選出しています。今日は、これらのチームの皆さんをご紹介できることを嬉しく思います。
2021年以来、私たちは5つの異なるトピックに取り組んできました。まず、Cameronが言及した火災の問題から始まりました。次に、私たちが「カエルチャレンジ」と呼んでいるカエルの生物多様性に関する課題に取り組みました。その後、ベトナムの稲作マッピングプロジェクト、沿岸レジリエンスに関する熱帯低気圧被害の課題、そして今年は都市ヒートアイランドをテーマとしました。
Cameron Wall： これらのテーマの多様性は興味深いですね。環境問題から農業、災害対策まで、幅広い社会課題をカバーしています。
Brian： おっしゃる通りです。参加者数についてもお話ししましょう。これは非常に人気の高いチャレンジとなっています。今日ここにお集まりの皆さんにも、ぜひこの取り組みについて広めていただきたいと思います。なぜなら、また新しいチャレンジが近づいているからです。
今年は11,000人の参加者がありました。そして過去4年間で、ほぼ45,000人の参加者を集めることができました。これは本当に驚くべき関心の高さを示していると思います。参加者は多くの国々、多くの大学から集まっており、私たちは総額150,000ドル以上の賞金を授与してきました。
Cameron Wall： 11,000人という今年の参加者数は前年と比較してどうでしょうか？
Brian： 年々増加傾向にあります。4年間で45,000人ということは、平均して毎年1万人を超える参加者がいるということになりますが、実際には年々参加者数が増えています。これは私たちのチャレンジが世界的に認知され、価値あるものとして受け入れられていることの証明だと思います。
Cameron Wall： 地理的な広がりも印象的ですね。グローバルな規模でこれだけ多くの大学や国々から参加者が集まることで、多様な視点や解決策が生まれています。
Brian： まさにその通りです。この多様性こそが、私たちのチャレンジの強みです。異なる文化的背景、教育システム、そして地域特有の課題に対する理解を持った参加者たちが、同じ問題に対して様々なアプローチを提示してくれます。150,000ドルを超える賞金も、参加者のモチベーション向上に寄与していますが、それ以上に重要なのは、彼らが社会課題の解決に貢献できるという意義を感じていることだと思います。EYとしても、この取り組みを続けていることを非常に誇りに思っています。
3. 2025年テーマ「都市ヒートアイランド」の問題設定とデータ構成
3.1 問題の定義と社会的影響
Brian： それでは、今年2025年のテーマである都市ヒートアイランドについて詳しくお話ししましょう。Cameronが述べたように、私たちの焦点はAI for goodです。私たちは持続可能性のトピックを解決し、これらすべての問題に対する関心を喚起したいと考えています。
今年のテーマは都市ヒートアイランドでした。もし皆さんが暖かい都市を歩いたことがあるなら、この現象を体感されているはずです。昨年、私たちはギリシャのアテネで表彰式を行いましたが、そこは非常に暑かったのです。都市の中心部を歩くと、その都市の特定の部分が例外的に暖かいことに気づくでしょう。
Cameron Wall： アテネでの体験は印象的でしたね。実際に現地でその温度差を感じることで、この問題の深刻さがより理解できました。
Brian： その通りです。この現象の原因は、建物の高密度な都市化と建物構成、緑地の不足、水域の不足、そして建物からの廃熱です。これらすべてが都市ヒートアイランドと呼ばれる効果に寄与しているのです。
では、これをどのようにモデル化できるでしょうか。データをこの問題に活用し、それがどこに存在し、その強度がどの程度なのかを理解することは可能でしょうか。これが今年のチャレンジの核心でした。
Cameron Wall： 技術的な観点から見ると、都市ヒートアイランドは複数の要因が複雑に絡み合った現象ですから、データサイエンスのアプローチが特に有効な分野だと思います。
Brian： まさにその通りです。しかし、この問題で特に重要なのは、その社会的影響です。この特定の問題は、最も困窮している人口層を最も深刻に襲います。所得が最も少ない人々、高齢者、そして幼い子供たちです。これらの脆弱な人口層が、この問題によって最も大きな影響を受けているのです。
Cameron Wall： これは非常に重要な社会正義の観点ですね。技術的な解決策が社会の最も脆弱な層に直接的な利益をもたらすことができるということです。
Brian： その通りです。所得の低い地域では、多くの場合、エアコンへのアクセスが限られており、緑地も少なく、建物の密度も高い傾向にあります。高齢者や幼児は体温調節機能が十分でないため、極端な暑さに対してより脆弱です。この問題は単なる快適性の問題ではなく、公衆衛生上の深刻な懸念事項なのです。
Cameron Wall： つまり、私たちのデータチャレンジは、技術的な革新を通じて社会的不平等の解決にも貢献できるということですね。
Brian： まさにそれが私たちの狙いです。データサイエンスとAI技術を活用することで、最も支援を必要としている人々のために実際の変化をもたらすことができるのです。今年の受賞者の皆さんが、どのようにしてこの複雑な問題に取り組んだかを聞けば、きっと皆さんも感銘を受けることでしょう。
3.2 データセット構成と評価方法
Brian： それでは、今年使用したデータセットについて最後にお話ししておきたいと思います。これは参加者がどのような情報を基に解決策を構築できるかという点で非常に重要な要素です。
今年、私たちはニューヨーク市のデータセットを使用しました。これは、Kappa Strategiesによって収集された地上データです。彼らは実際に市内を行進して、時間をかけてこのデータを収集しました。このアプローチにより、地上レベルでの実際の温度がどのような状況になっているかを確認することができます。
Cameron Wall： 地上での実測データは非常に貴重ですね。リモートセンシングだけでは捉えきれない詳細な温度分布を把握できるということですか。
Brian： その通りです。しかし、これを衛星データ、建物構成データ、その他のオープンデータセットと組み合わせることで、真の価値が生まれます。私たちは参加者に対して、この問題に対してあらゆるオープンデータセットを持ち込むことを許可しています。これらすべてを組み合わせることが、私たちが評価する解決策なのです。
Cameron Wall： つまり、参加者は創造性を発揮して、様々なデータソースを統合できるということですね。これは非常にオープンエンドなアプローチですが、現実世界での問題解決により近い形ですね。
Brian： まさにその通りです。私たちは、どのような解決策がテーブルに持ち込まれるかについて、意図的に少しオープンエンドにしています。参加者は、Kappa Strategiesによる地上レベルの温度測定データをベースとして、衛星画像からの熱情報、建物の高さや密度に関する都市形態データ、土地利用データ、人口統計データ、さらには交通パターンや電力消費データなど、あらゆる関連するオープンソースの情報を統合することができます。
Cameron Wall： このアプローチの素晴らしい点は、参加者が実際のデータサイエンティストが直面するような複雑なデータ統合の課題に取り組めることですね。
Brian： その通りです。現実の世界では、完璧に整理されたデータセットが用意されていることはありません。異なるソース、異なる形式、異なる解像度のデータを組み合わせて、意味のある洞察を導き出す必要があります。この柔軟性こそが、参加者たちの創造性を最大限に引き出し、真に革新的な解決策の開発を可能にしているのです。
今日ご紹介する受賞者の皆さんが、どのようにしてこれらの多様なデータソースを活用し、どのようなユニークなアプローチで問題に取り組んだかを聞いていただければと思います。彼らの解決策は、私たちの期待を大きく上回るものでした。
4. 第1位（EY内部）：DeepoとAmitの技術ソリューション
4.1 技術アプローチと重要洞察
Brian： それでは最初のグループをステージにお招きしたいと思います。DeepoとAmitは私たちのEY内部の受賞者です。皆さんに彼らの取り組みを共有していただきます。次のチャートに進んでください。どうぞ、そしておめでとうございます。
Amit： ありがとうございます、Brian。私たちが取ったアプローチについて説明させていただきます。Brianが言及したように、私たちは主に2つの衛星データ、LandsatとSentinelの衛星画像を検討しました。そこで発見したのは、右手側に示されている植生指数と表面反射率、そして都市形態学がUHIに深刻な影響を与えるということでした。
ご存知のように、UHI問題は層状になっています。そのため、私たちはモデルに建物のエネルギー使用に関する追加のデータセットも組み込みました。私たちが発見した洞察は非常に興味深いものでした。建物としてあまり効率的でない場合、つまりより多くのエネルギーを使用する場合、UHI効果に寄与するという悪循環に陥ってしまうのです。
Brian： これは非常に興味深い発見ですね。建物のエネルギー効率とUHI効果の間に直接的な関係があるということですか。
Amit： まさにその通りです。これが私たちが得た洞察でした。そして、すべてのアルゴリズムの中から、Extra Treesと呼ばれるアルゴリズムを使用しました。私たちが検討したすべての手法の中で、テーブルに持ち込むことができる最高の予測力を発見したのがこの手法でした。
Cameron Wall： Extra Treesアルゴリズムを選択した具体的な理由はありますか？他のアンサンブル手法と比較してどのような優位性があったのでしょうか。
Amit： 優れた質問ですね。私たちは複数のアルゴリズムをテストしました。Random Forest、Gradient Boosting、XGBoostなど様々な手法を試しましたが、Extra Treesが最も高い予測精度を示しました。特に、都市ヒートアイランドのような複雑で非線形な関係を持つ問題においては、Extra Treesのランダム性が過学習を防ぎ、より汎用的なモデルを構築するのに効果的でした。
Brian： 建物のエネルギー効率とUHI効果の悪循環について、もう少し詳しく説明していただけますか。
Amit： もちろんです。非効率な建物はより多くのエネルギーを消費し、その結果として廃熱を多く排出します。この廃熱が周辺の温度を上昇させ、都市ヒートアイランド効果を強化します。そして、周辺温度が上がると、建物はさらに多くの冷房エネルギーを必要とし、さらに多くの廃熱を排出するという悪循環が生まれるのです。この現象を定量的に捉えることができたのが、私たちの研究の重要な貢献だと考えています。
Cameron Wall： つまり、建物レベルでの省エネルギー対策が、都市全体の温度抑制に寄与するということですね。
Amit： その通りです。個々の建物の効率改善が、都市レベルでの気候緩和につながるという点で、非常に実践的な意味を持つ発見だと思います。それでは、このUHIモデルの影響について、Deepakに話していただきましょう。
4.2 実用的応用可能性と社会実装
Deepak： ありがとうございます、Amit。モデルはモデルです。予測力を持つ特徴量を抽出します。しかし同時に、実行可能な力を持つ特徴量も抽出するのです。つまり、これらの予測力のある特徴量以外に、UHIの影響を軽減する上で実際に針を動かすのに役立つ洞察を、この分析からどのように取り出すことができるかということです。
私たちが発見したのは、使用したデータセットのいくつかを見ると、建物のコンパクト性、つまり建物をどのように構造化するかという観点から、どのような多角形構造を持つべきか、影響を最小化するためにどの方向を向くべきかといった要素でした。
Brian： 建物の設計段階での考慮事項について、具体的にはどのような推奨事項が導き出せるのでしょうか。
Deepak： 優れた質問です。建物の形状と配置が重要な要因となります。例えば、細長い建物よりもコンパクトな建物の方が、表面積対体積比が小さくなり、廃熱の放出を抑制できます。また、建物の向きについては、卓越風向を考慮した配置により、自然換気を促進し、人工的な冷房需要を減らすことができるのです。
同様に、私たちは緑被について検討しました。適切な場所に植えられた樹木が、UHIに対してどのような影響を与えるかということです。これにより、都市計画者がより質の高い決定を下す方法を検討する道筋が見えてきます。冷却センターをどこに設置すべきか、といった具体的な判断に活用できるのです。
Cameron Wall： 緑地配置の最適化について、モデルから得られた具体的な知見はありますか。
Deepak： はい、非常に興味深い結果が得られました。樹木の冷却効果は、単に緑地面積の多さだけでなく、その配置場所が重要であることが分かりました。特に、建物密度の高いエリアや熱の蓄積が予想される場所に戦略的に配置された緑地は、より広範囲の冷却効果をもたらすことができます。また、水辺に近い緑地は、蒸散作用による追加的な冷却効果を生み出すことも確認できました。
Brian： 不動産開発者向けの応用についてはいかがでしょうか。
Deepak： これも非常に重要な応用分野です。私たちは不動産開発者が、建物が実際に建設される前に、その建物設計がUHIに与える影響について考える手助けができます。建設前の段階で、設計変更による温度影響をシミュレーションできるのです。これにより、環境負荷の少ない建物設計を事前に検討することが可能になります。
例えば、屋上緑化の効果、外壁材料の選択による熱反射率の違い、建物の高さや形状が周辺の風通しに与える影響などを、定量的に評価することができます。
Cameron Wall： このモデルの社会実装の可能性について、どのような展望をお持ちですか。
Deepak： これらが私たちがこのモデルから得た洞察の一部です。企業として、私たちは政府機関、NGO、世界中の都市計画者と協力し、関与していきたいと考えています。なぜなら、今日の状況を見ると、1000万人の人口を持つ530以上の都市が、世界中でこの問題に苦しんでいるからです。
これは決して小さな問題ではありません。私たちのモデルが示す実行可能な洞察は、世界規模での都市気候問題の解決に貢献できる可能性があります。各都市の特性に応じてカスタマイズされた対策を提案し、限られた予算の中で最大の効果を得られる施策の優先順位付けを支援できるのです。
Brian： ステージを去る前に、お二人におめでとうと言わせてください。素晴らしい成果です。ありがとうございました。
5. 第2位（大学生）：マラヤ大学の戦略的アプローチと革新性
5.1 現状認識と問題再定義
Brian： 彼らは旅行でジュネーブに来て、この一部となっただけでなく、10,000ドルの報酬も獲得しました。素晴らしい成果です。それでは、次の受賞者に移りましょう。こちらは私たちの大学生たち、マラヤ大学です。SamとHanをステージにお招きしたいと思います。彼らが私たちの大学部門の受賞者です。11,000人の参加者の中から選ばれた、まさに最高の中の最高です。
Sam： こんにちは、皆さん、こんにちは。私たちは都市の熱ホットスポットを特定するために設計されたツールやアプリケーションが爆発的に増加しているのを目の当たりにしてきました。正直なところ、私たちはこの分野で信じられないほど優秀になっており、かつては想像もできなかったレベルの精度で熱ホットスポットを特定できるようになっています。
しかし、実装されている多くのソリューションがその役割を果たしている一方で、現実は都市の熱が私たちの現在の努力が追いつくのに苦労するペースで増加しているということです。
Brian： これは非常に重要な視点ですね。技術的な精度は向上しているが、問題自体の進行速度がそれを上回っているということですか。
Sam： まさにその通りです。ニューヨーク市を見てください。何年もの間、ブロンクスとマンハッタンの住民は、容赦のない危険な夏の熱波に耐えてきました。問題はデータの不足ではありません。私たちはホットスポットがどこにあるかを正確に知っています。問題は、このサイクルが年々続いているということです。
Han： これが私たちの次の大きな機会を浮き彫りにしています。私たちは特定において達人になりました。今度は影響において達人になる時です。本当の挑戦は、熱がどこにあるかを知ることではなく、私たちがそれについて行うことが実際に現実世界で機能することを証明することなのです。
Cameron Wall： 問題の再定義という観点で非常に興味深いアプローチですね。単なる検出から効果実証へのパラダイムシフトということですか。
Han： その通りです。現在の多くの研究や実装は、「どこが暑いか」という特定に重点を置いています。しかし、私たちが直面している現実は、ニューヨーク市のブロンクスやマンハッタンのように、何年にもわたって同じ地域が継続的に高温に悩まされ続けているということです。住民は毎年、危険なレベルの熱波にさらされ続けています。
Brian： つまり、問題は技術的な検出能力の不足ではなく、検出した後の対策の効果を実証できていないことにあるということですね。
Sam： まさにその通りです。私たちはデータサイエンスとAI技術によって、熱ホットスポットの特定においては世界クラスの能力を獲得しました。衛星データ、センサーネットワーク、機械学習アルゴリズムを駆使して、都市内の温度分布を非常に高い解像度で把握できるようになっています。
しかし、その一方で、特定されたホットスポットに対して実施される対策が、実際にどの程度の効果を発揮するのか、その効果がどの程度持続するのか、そして投資に見合う結果を生み出しているのかという点については、十分に検証されていないのが現状です。
Cameron Wall： この問題認識に基づいて、どのような新しいアプローチを提案されるのでしょうか。
Han： 私たちのアプローチの核心は、特定から影響評価への移行です。既存の技術で「どこが問題か」は十分に分かっています。今私たちが必要としているのは、「何をすれば実際に効果があるのか」そして「その効果をどう測定し、証明するか」という点に焦点を当てた方法論なのです。
これこそが私たちの次の大きな機会であり、私たちが貢献できる領域だと考えています。
5.2 Twin Track戦略とデジタルツイン活用
Han： そこで私たちのTwin Track展開戦略の出番です。EYから提供されたサンプルデータセットのみを使用したにも関わらず、私たちのモデルは98.34％という世界クラスのR²スコアを達成することができました。しかも、わずか22の慎重に工学的に設計された特徴量だけで実現したのです。
Brian： 98.34％のR²スコアというのは驚異的な数字ですね。しかも限られたデータセットで達成されたということですが。
Han： ありがとうございます。このアプローチの真の力は、複雑性ではなく、エレガントな簡潔性にあります。都市熱の最も影響力のある要因を特定することで、実行可能で適応可能な強力なモデルを作成したのです。これにより、樹木被覆から脆弱な人口まで、重要な都市指標を重ね合わせた豊富なUHIマップを生成できます。
Sam： これは都市計画者に、最大の効果を得るためにどこに介入すべきかについての的確な洞察を提供します。しかし、私たちはここで止まりません。私たちの戦略には、ニューヨーク市のデジタルツインによって駆動されるシミュレーションも含まれています。
Cameron Wall： デジタルツインという概念は非常に革新的ですね。具体的にはどのようなシミュレーション機能を持っているのでしょうか。
Sam： 物理的な投資が行われる前に、都市計画者は仮想的にそれらをシミュレートし、都市ヒートアイランドへの影響を瞬時に視覚化できます。私たちのモデルは最小限の特徴量を必要とするため、これらのシミュレーションは非常に機敏で効率的です。
Han： つまり、戦略を改善し、投資を最適化し、支出されるすべてのドルが最も必要とするコミュニティに最大の冷却効果をもたらすことを保証できるのです。データを決定的な行動に変換しているのです。
Brian： この22の特徴量という数字は意図的に選択されたのでしょうか。計算効率との関係について教えてください。
Sam： 優れた質問です。私たちは特徴量エンジニアリングにおいて、予測精度と計算効率のバランスを重視しました。多くの研究では数百の特徴量を使用しますが、それは実用性を犠牲にする場合があります。22という数は、最も重要な都市ヒートアイランドの要因を捉えながら、リアルタイムでのシミュレーションを可能にする最適な数でした。
Cameron Wall： デジタルツインでのシミュレーション結果は、どの程度の精度で実際の効果を予測できるのでしょうか。
Han： これは非常に重要な点です。私たちのデジタルツインは、過去のデータに基づいて検証されており、実際の都市環境での温度変化を高い精度で予測できます。例えば、特定の場所に新しい緑地を設けた場合の周辺温度への影響や、建物の屋上緑化が近隣地域に与える冷却効果を、投資前にシミュレーションできるのです。
Sam： 最も重要なのは、このシステムが様々なシナリオを比較検討できることです。限られた予算の中で、どの対策が最も効果的な結果をもたらすかを事前に評価できます。これにより、資源の無駄を防ぎ、最も脆弱なコミュニティに対して最大限の支援を提供できるのです。
Brian： つまり、予測から実行、そして効果検証までの一貫したシステムを構築されたということですね。
Han： まさにその通りです。私たちが知っているのは、これはまだ小さな一歩に過ぎないということです。それでも、私たちは誰か他の人が彼らの大きな飛躍を取るための道筋をつけることを望んでいます。来年、その誰かがグローバルな課題を一緒に解決する道を先導しているのはあなたかもしれません。より良く、より涼しい生活世界を構築しましょう。ありがとうございました。
Brian： ありがとうございました。おめでとうございます。私は彼らのキャッチフレーズ「より涼しい生活世界を構築する」が気に入りました。彼らは本当に素晴らしい解決策を持っていました。このチャレンジで勝利することに対する彼らの興奮を見るのは本当に素晴らしいことでした。
6. EYの社会貢献プログラムと持続可能性戦略
6.1 EY Ripplesプログラムと具体的取り組み
Brian： 次は、Lauraに登壇していただき、EYのRipplesプログラムについてお話しいただきます。これは私たちのデータチャレンジと非常に良い形で繋がっています。
Laura： ありがとうございます、Brian。まず最初に、受賞者の皆さんに心からのお祝いを申し上げます。素晴らしい提案が実現される様子を見ることができて、本当に嬉しく思います。
今日は、私たちのAI for goodプログラムについて簡潔にお話しさせていただきたいと思います。これは、10億人の生活に積極的な影響を与えることを目的とする、私たちのグローバル企業責任プログラムであるEY Ripplesの重要な礎石です。私たちは、責任あるAIが、私たちの主要な焦点分野にわたって行う活動に、速度、規模、そして影響を追加する可能性を持っていると真に信じています。
Brian： 10億人という数字は本当に野心的な目標ですね。具体的にはどのような分野に焦点を当てているのでしょうか。
Laura： ここでご覧いただけるように、私たちは3つの主要分野に焦点を当てています。まず、若者や社会的に十分なサービスを受けていない人口のスキル向上です。次に、社会革新と影響力のある起業家精神を支援することです。そして、気候変動と闘う解決策を加速させることです。
これらを実現するために、私たちは私たちの中核的な能力である、私たちの人々のスキル、知識、専門性を活用して還元するという、様々なイニシアチブとプロジェクトのポートフォリオを作成しました。
Cameron Wall： これらの取り組みは具体的にはどのような形で実現されているのでしょうか。
Laura： これは、プロボノのコンサルタント業務から、スキルセッション、コーチング、メンタリング、デジタル学習プラットフォームまで、様々な方法で実現されています。また、私たちは共に力を合わせることでより強くなることを認識しており、コラボレーションを非常に重視しています。私たちのクライアント、技術同盟企業、非営利パートナー、そして学術機関と密接に協力して、私たちの取り組みを本当に加速させています。
この点において、今日この会場で何人かの馴染みのある顔を見ることができて素晴らしいと思います。
Brian： 具体的なプログラムの例を教えていただけますか。
Laura： もちろんです。右手側にご覧いただけるのは、私たちのAIスキルパスポートです。これは、Microsoftと共同で作成した没入型学習体験で、16歳以上の若者を対象としています。これは本当に、AIに関する基礎的な理解と雇用可能性への道筋を提供します。
これは10時間の学習体験で、認定を提供します。現在、27カ国に展開しており、より多くの言語でより大胆に拡張することを希望しています。
Cameron Wall： 27カ国への展開というのは驚異的ですね。どのような成果が得られていますか。
Laura： 非常に励みになる結果が得られています。特に、従来のIT教育にアクセスしにくい地域や人口層に対して、質の高いAI教育を提供できていることが重要です。参加者からのフィードバックは非常にポジティブで、多くの人がこのプログラムをきっかけにAI関連のキャリアパスを検討するようになっています。
もう一つの私たちの主要プログラムはAIスキルラボです。これらは、EYの人々によって対面またはバーチャルで提供されるワークショップ体験です。これらは影響組織、つまり社会的企業や非営利団体を対象としており、これらの小規模組織がAIによって組織内の業務効率をどのように向上させることができるかを理解する手助けをすることが本当の目的です。
Brian： 社会的企業や非営利団体への支援は特に意義深いですね。
Laura： はい、その通りです。これらの組織は often limited resources を持ちながらも、社会に大きな影響を与える可能性を秘めています。AIの力を活用することで、彼らの活動をより効率的で効果的にし、より多くの人々にサービスを提供できるようになります。これもまた、より幅広い対象者に提供することを本当に楽しみにしているものです。
簡潔に述べましたが、ぜひ会話を続けさせていただきたいと思います。もしより詳しく知りたい方がいらっしゃいましたら、ぜひお声をかけてください。そして、Brianにバトンを戻させていただきます。
6.2 持続可能性戦略と3次元インパクト
Brian： Laura、どうもありがとうございました。次のステージには、Sarahに登壇していただきます。SarahはEYの持続可能性問題についてお話しくださいます。Sarah Win、どうぞ。
Sarah： ありがとうございます、Brian。皆さん、こんにちは。まず、この聴衆にとって当然のことから始めさせていただき、AIと持続可能性という2つの地殻変動的な力がいかに巨大であるか、そして現在ビジネス、経済、社会に与えている影響について少し時間を取って認識したいと思います。
私たちは皆、機会と課題が immense であることを知っています。そして、変化のペースは全く前例がありません。そこで、私たちはこれら2つの地殻変動的な力の収束に本当に焦点を当て始め、どのように影響を推進できるかを考え始めています。その影響が拡張可能で、包括的で、信頼できるものであることを目指しています。
Brian： AIと持続可能性の収束というのは非常に興味深い視点ですね。具体的にはどのような形でその収束を実現されているのでしょうか。
Sarah： データサイエンスチャレンジは、そのアプローチの絶対的な体現であり、また同時に、EYにおいて持続可能性が私たちのビジネスの中心にいかに位置しているかを示す素晴らしいデモンストレーションでもあります。これは企業戦略の中核なのです。
私たちのデータサイエンスチャレンジと同様に、持続可能性アプローチは科学に根ざしていますが、同時に技術とデータを活用して有意義な影響を推進することでもあります。私たちは影響を3つの次元で考え始めています。
Cameron Wall： 3つの次元というのは非常に体系的なアプローチですね。それぞれについて詳しく教えていただけますか。
Sarah： もちろんです。Lauraが先ほどここで話してくれた、私たちの企業責任実践が行う驚異的な仕事と、ビジネスとしての私たち自身の影響を推進することに関する私たちのripplesプログラムについてお話しします。
Lauraが言ったように、2030年までに10億人の生活に影響を与えるという私たちの目標のようなものが見られます。そして環境の観点から、FY19のベースラインに対して40%の排出削減を達成しながら、同時に収益で41%の成長を実現しています。
Brian： 排出削減と収益成長を同時に達成するというのは、まさに持続可能性戦略の理想的な形ですね。
Sarah： その通りです。これは私たちが影響を推進できる方法の第一の側面です。第二のポイントは、私たちがクライアントと行う仕事を通じて持ち得る影響についてです。私たちは、考えられるあらゆる地域と業界でクライアントと協力する45万人のビジネスです。
しかし、私たちは市場で最も優れた持続可能性実践の一つも持っています。4,000人以上の専門の持続可能性と気候変動の専門家がいます。彼らの仕事は信じられないほど素晴らしく、この分野で影響を推進するために私たちが行うことの本当に中心に位置しています。
Cameron Wall： 4,000人という専門家の数は驚異的ですね。これだけの専門人材をどのように活用されているのでしょうか。
Sarah： これらの専門家たちは、クライアントの持続可能性戦略の策定から実装まで、あらゆる段階で支援を提供しています。彼らは単なるコンサルタントではなく、科学的根拠に基づいた実践的な解決策を提供する専門家集団です。気候変動の影響評価、カーボンニュートラル戦略の策定、サステナブルファイナンスの構築など、多岐にわたる専門知識を有しています。
そして最後の方法として、Lauraが述べたように、EYでは私たちはエコシステムビジネスです。私たちは、気候と自然の目標に奉仕する形で、私たちのブランドを活用し、私たちのエコシステムを活用する大きな機会があります。そして、セクター間、地域間、そして官民セクター両方にわたるコラボレーションを通じて、ビジネスがより広範に持つ影響を形作ろうとしています。
Brian： エコシステムアプローチによる影響の拡大について、具体例はありますか。
Sarah： 私たちには多くの例があります。もしも誰かが後でそれらについて話したいのであれば、お知らせください。しかし、この機会をいただいたことに本当に感謝し、ここにいる受賞者たちに大きなエールを送りたいと思います。私たちは皆さんと、チームが行う仕事を本当に誇りに思っています。ありがとうございました。
Brian： Sarah、ありがとうございました。EYの持続可能性戦略が単なる環境配慮ではなく、ビジネス戦略の中核として位置づけられ、3つの次元で体系的に取り組まれていることがよく分かりました。
7. 今後の展開と参加呼びかけ
7.1 第6回チャレンジ準備と対象者
Brian： 最後にまとめとして、改めて受賞者の皆さんにお祝いを申し上げます。私たちがこのチャレンジを5回目として実施できたことを非常に嬉しく思っています。では、将来に向けて何が待っているでしょうか。私たちは別のチャレンジを実施したいと考えています。つまり、6回目が皆さんの元に向かっているのです。来年中に実施予定です。
私たちは今、このプロセスを開始したところです。どこに向かうのか、データセットはどのようなものになるのか、そして来年のチャレンジをどのように組み立てるのかについて検討しているところです。
Cameron Wall： 第6回チャレンジのテーマ選定において、どのような要因を考慮されているのでしょうか。
Brian： 優れた質問ですね。私たちは常に、AI for goodの原則に従って、実際の社会課題の解決に貢献できるテーマを選択することを重視しています。過去5年間で、環境問題から農業、災害対策、都市問題まで幅広く取り組んできましたが、次回も持続可能性に関連した重要なグローバル課題を選定する予定です。
私たちのチャレンジをチェックして、challenge.ey.comを訪問していただくか、ここにあるコードをスキャンして見つけてください。私たちのチームは今後数日間ここにいる予定です。ですので、お気軽にチャレンジについて、そして私たちが行っていることについて、もっと話し合いに来てください。
Cameron Wall： 参加を検討している人たちに対して、どのような呼びかけをされますか。
Brian： 私たちは言葉を広めていただきたいと思っています。興味を持ちそうな人がいたら、誰にでも伝えてください。私たちの対象は、5年以下の経験を持つ若い専門家です。これは通常大学生ですが、職場で新しい人も含まれます。
私たちは、若い世代がAI機械学習を使用してこれらのデータセットに触れ、持続可能性の問題を解決しようとし、本当に重要なグローバルな課題の解決に関与することにインスピレーションを与えたいのです。
Cameron Wall： 5年以下の経験という基準設定には、どのような意図があるのでしょうか。
Brian： これは非常に戦略的な決定です。私たちがCameronの話で学んだように、最も革新的な解決策は必ずしも最も経験豊富な技術者から生まれるわけではありません。むしろ、既成概念にとらわれない新鮮な視点と創造的な思考を持つ人たちから生まれることが多いのです。
大学生や新卒者は、業界の慣習や既存の制約に縛られることなく、純粋に問題解決に集中できます。彼らの持つエネルギー、好奇心、そして学習への意欲は、複雑なデータサイエンスの課題に取り組む上で非常に価値があります。
Cameron Wall： 実際に、過去の受賞者たちの背景を見ても、多様な学術的バックグラウンドを持つ人たちが成功していますね。
Brian： まさにその通りです。コンピューターサイエンス専攻の学生だけでなく、環境科学、都市計画、統計学、さらには社会科学を学ぶ学生たちも素晴らしい成果を上げています。多様な視点こそが、私たちのチャレンジを豊かにし、革新的な解決策を生み出す原動力となっているのです。
私たちは、技術的なスキルだけでなく、問題に対する情熱と創造的なアプローチを持つ人たちを求めています。データサイエンスの経験が限られていても、学習意欲と問題解決への熱意があれば、十分に競争できる環境を提供しています。
7.2 プログラム目的と継続的取り組み
Brian： 私たちの根本的な目的について改めて明確にしたいと思います。私たちは、若い世代にAI機械学習を活用してこれらのデータセットに触れ、持続可能性の問題を解決しようと試み、本当に重要なグローバルな課題の解決に関与することにインスピレーションを与えたいのです。
これは単なるコンペティションではありません。私たちは次世代のデータサイエンティストや問題解決者を育成し、彼らが技術の力を使って世界をより良い場所にするための道筋を提供したいと考えています。
Cameron Wall： この5年間の経験を通じて、参加者たちにどのような変化が見られましたか。
Brian： 素晴らしい質問ですね。私たちが目の当たりにしているのは、参加者たちが単に技術的なスキルを向上させるだけでなく、社会問題に対する深い理解と責任感を身につけていることです。多くの参加者が、チャレンジ終了後も持続可能性やAI for goodの分野でキャリアを追求するようになっています。
今日の受賞者たちを見ても、彼らは技術的な解決策を提示するだけでなく、その社会的影響や実装の可能性について深く考えています。これこそが私たちが目指している教育的効果なのです。
Cameron Wall： 継続性という観点で、このプログラムが長期的にどのような影響を与えることを期待されていますか。
Brian： 私たちの最終的な目標は、グローバルな課題解決のためのイノベーションエコシステムを構築することです。毎年新しいチャレンジを通じて、世界中の若い才能を発掘し、彼らに実際の社会問題に取り組む機会を提供しています。そして、彼らが開発した解決策が実際に実装され、現実世界で使用されることを目指しています。
Cameronが最初に紹介した山火事の例のように、私たちは単なる研究成果ではなく、実用的な技術の開発を支援したいのです。今年のUHIチャレンジでも、受賞者たちの提案は都市計画者や政策決定者にとって実際に活用可能なものとなっています。
Cameron Wall： EY内部でも、この取り組みがどのような価値を生み出していると感じていますか。
Brian： 私たちにとって、このチャレンジは複数の価値を同時に創出しています。まず、社会への貢献という企業責任を果たしています。同時に、優秀な人材との接点を作り、将来のパートナーシップの基盤を構築しています。また、EYの技術的能力と社会課題への取り組みを世界に示すブランディング効果もあります。
最も重要なのは、私たち自身も参加者たちから学んでいることです。彼らの新鮮な視点や革新的なアプローチは、私たちのプロジェクトやクライアントサービスにも良い影響を与えています。
Cameron Wall： 今後も継続していく上で、どのような発展を期待されていますか。
Brian： 私たちは規模の拡大だけでなく、質的な発展も目指しています。より多くの国や大学からの参加を促進し、より多様なバックグラウンドを持つ人たちに参加してもらいたいと考えています。また、受賞者たちのソリューションが実際に実装される事例をさらに増やしていきたいと思います。
技術的な側面では、AI技術の進歩に合わせて、より高度で現実的な課題を提示していく予定です。同時に、参加者にとってアクセシブルな内容であることも重要視しています。
Brian： 今日お時間をいただき、ありがとうございました。残りのカンファレンスをお楽しみください。私たちは、世界をより良い場所にするために技術を活用したいと考える、情熱的な若い人たちとの出会いを楽しみにしています。ありがとうございました。