NIIが構想する教育研究向けデータ収集・解析サービス：既存の学認クラウドの取り組みと、現場と議論したい論点

皆さんこんにちは。国立情報学研究所クラウド基盤研究開発センターの藤原です。このセッションは教育研究向けデータ収集解析サービスという名前で、皆さんをミスリーディングしてまいりました。このセッションの名前だと今日から使える素敵なサービスがあるんじゃないかと期待させてしまったかもしれませんが、実はこれからこういうサービスを作っていくにあたって、どういう要件が必要か、どういうサービスにしたらいいかというのを皆さんと議論したいという意図を持ってお集まりいただいたセッションでございます。ミスリーディングされた方には大変申し訳ありませんが、お付き合いいただければと思います。

前半ではこれまで取り組んできた既存のサービスのご紹介、後半ではこれから取り組んでいきたい新しいサービスの構想という順番で、私の方から10分間お話をさせていただきます。

ではまず我々クラウド基盤研究開発センターの方でこれまで取り組んでまいりました学認クラウドのサービスを簡単にご紹介いたします。学認クラウドは大きく分けて2つの柱から成ったサービスの一連のサービス群でございます。1つの柱は管理運営向けということで、主に情報基盤センターなどの管理者向けのサービスでございます。学認クラウド導入支援サービス、クラウドの共同調達、大学DX勉強会、クラウド利活用セミナーといったサービスをこれまで提供してまいりました。詳細は今日の前のセッションや明日のセッションでご紹介しておりますので、興味のある方はご覧ください。

そしてもう1つの柱が教育研究向けです。具体的にはSINETStreamや学認データ解析機能といったサービスを提供しております。次のスライドで少し詳しくご紹介します。

SINETStreamは、リアルタイムにデータを収集するためのソフトウェアを簡単に開発できるツールキットです。フレームワークといった方がいいかもしれません。Pythonを使ってIoT機器などから湧き上がってくるデータを漏れなく確実かつ石に収集するためのツール、フレームワークとなっております。

SINETStreamの最新バージョン、バージョン1.10では、MicroPython版の開発、提供を開始しております。MicroPythonというのは非常に小さい、乾電池で動くようなIoTデバイスに搭載されている実行環境で、これを使うと省電力なデータ収集が可能となります。

またSINETStreamお試し環境の提供も始めております。SINETStreamは本来ブローカーと呼ばれるサーバーをユーザーの方がご自身で構築していただく必要があるんですけれども、その構築作業に踏み切る前に、NIIから提供しているお試し環境を利用して、SINETStreamがどういうものか、自分の研究に役立つかどうかというのをご判断、ご評価いただける環境となっております。これに合わせてセンサーデータを送信する簡単なMicroPythonのIoT端末の貸し出しもご用意しておりますので、ご興味ありましたらお問い合わせください。

次に学認RDMデータ解析機能を簡単にご紹介します。これはNII RDCとして提供している研究データ管理基盤学認RDMに付随する、PythonとRとMATLABの実行環境です。これをJupyterLabというオンラインのプログラミング環境を用いて、学認RDMに蓄積されているデータを解析し、またその解析結果を簡単に共有することができるサービスとなっております。

これについては、ここに書いてあるようなアップデートを本年度、昨年度を通じて行ってまいりました。特にこのeラーニング教材については、今日の午前中のセッションでご紹介させていただきましたが、外部のサーバー上に高性能な計算サーバーを立てて、それを学認RDMと連携させる方法を詳細に紹介する教材となっております。こちらもご興味ありましたら、前のセッションの情報の方をご覧いただければと思います。

で、1つちょっと自慢したいので紹介するんですけれども、我々の方で開発しましたジュピターミネルバという、最近流行りのAIコーディングを支援する拡張がございまして、これも学認RDMデータ解析機能の上で利用可能となっております。

Jupyter Notebookというのは元々人間が自然言語とプログラムのコードを交互に書くことによって、そのコードの意図を再現可能にしよう、他の人が読んでもすぐ分かるようにしようというコンセプトのものですけれども、これにAIによるバイブコーディングの支援が加わることによって、AIが作ったコードなんだけれども、後から人間が読んで分かる、そして再現可能である、検証可能であるという点がアピールポイントとなっております。通常のバイブコーディングとは異なった、ノートブックならではのAIコーディングの使い勝手を体験していただければ幸いです。

はい。さて、ここまでが既存のサービスのご紹介でした。これからの学術研究プラットフォームがどうなっていくべきか、その中でクラウドに関わる我々のセンターがどのような方向性を持って活動していくべきかというのがこれからの話題です。このスライドは、文科省のAI for Scienceを支える研究データ管理利用と流通のあり方ワーキンググループという長い名前の会で紹介されたもので、NIIがこれから目指すべき方向性を示しているものです。

実験施設などからこんこんと湧き上がってくるデータを自動的に収集解析し、またメタデータをAIの支援を得ることによって自動的に付与して、知識基盤への足掛かりを作っていく。またNII RDCを通じて管理、共有、公開、再利用へつなげていくという大きなビジョンが書かれております。で、この中で特に我々が注目したいのは、データの自動収集から自動解析へつなげていく部分です。

これまで、汚いデータがたくさん集まってくるのを人間の研究者や技官の方が一生懸命綺麗にしてデータベースに登録していたり、またそれが研究者の方に発見されるのがなかなか難しかったりといった状況があったと思います。この辺にぐさっとメスを入れてですね、AIの助けを借りて自動的に綺麗なデータが見つけやすくなるという世界を作っていこうと思うわけなんですけれども、言うは易く行うは難しでして、コンセプトは分かるんですが、個々別々の研究にこれを適用しようと思うと、個別の様々な課題が立ち上がってくると思います。で、今日はこの後パネリストの先生方に個別具体の例をご紹介していただきながら、こういうデータ収集、蓄積、解析の部分をどうやってスムーズにしていけばいいのかということを皆さんと一緒に考えていきたいと思っております。

で、我々の方でアイデアレベルではあるんですけれども、こういう機能や要素技術があったら便利になるんじゃないかということも考えてみたのがこのスライドです。データの収集のところでは、実験装置と並んで重要なデータ源である電子ラボノートとの連携、データの解析のところでは、解析環境の自動構築やその解析結果のシームレスな共有。また利活用に向けてはメタデータの自動抽出や、解析の前段で必要となるデータの整形や前処理のAI支援、そしてこれらのデータの流れの状況を研究者が一覧表示できるダッシュボードなどの機能があると、データの流れを一括してスムーズに流していくことができるのではないかという風に考えてみたんですけれども、やっぱりNIIの人ってドライの人なんですね。

ウエットの研究者がいないものですから、こういうビジョンが果たして現場の実情に合っているのかいないのかということも含めて、やっぱりNIIの人間は肌感覚がないわけです。で、今日は特にウエットの研究者の方々をパネリストにお招きしておりますので、また会場やオンラインの方々からもですね、いやいやそんな余計なことを考える前にもっと現場の課題は山ほどあるんやということを、是非忌憚なくご意見、コメントをいただいて、議論していければと思っております。

皆様と議論したいことをまとめます。教育研究のためのデータ収集蓄積解析サービスをこれから作っていくにあたって、技術的な課題はどこにあるのか、もしかしたら制度的な課題の方が大きな課題かもしれない。その中でNIIにできることは何だろうか。あるいは今時AIが何でもやってくれそうに思える中で、AIができること、できないことは何だろうかと。非常に幅広い議題になってしまいますけれども、皆様と一緒に議論していく時間を取れれば幸いです。

この後、3人の先生方から、それぞれの現場の研究に即した課題と現状をお話しいただきます。はい。小川先生と川本先生と荒先生です。3人の先生方にそれぞれ20分ずつご発表をいただいた後、最後にまとめてパネルディスカッションという形で、質疑を含め、会場やオンラインの皆様との議論を含めていく時間としたいと思います。はい。それでは私からのイントロダクションは以上です。