余命推定アプリ

数年前のことだ。
俺はとある企業でとある研究チームの一員だった。
といっても、白衣を着て薬品を扱う様な研究職じゃない。
俺たちチームがやってたのは「カメラの顔認識システムとその応用」の研究、
そして、そのアプリケーション開発だ。
1台のメインコンピュータに作成中のアプリケーションを入れて、
そこに各地の防犯カメラの映像を送ると、
顔を認識して「 "ID:0001" は "X→Y→Z" を通った」と
ログを勝手にどんどん作成してくれる、みたいな。
ただ、そんなのは当時でも結構ありふれてたから、
そのベースとなる、顔認識アプリケーションに
どんどん機能を加えていくことになった。
まぁ、数撃ちゃ当たるってヤツだな。

最初に取り組んだのは「年齢推定」の実装開発だった。
たぶん、聞いたことあるんじゃないかな。
メカニズムとしては "天気予報" と同じで、
予め、顔と年齢をセットで数千通りを読み込ませておいて、
カメラが顔を認識したら、
その「正解リスト」を基に予想値をはじき出すって感じだ。
シンプルな方法の割には精度が高くて、
試験段階でも4割くらいはピッタリ当てて、
後は誤差プラマイ8歳程度。
結構、面白かった。

でもまぁ、「年齢推定」なんてのは色んな企業が挑戦しているから、
もっと独特なモノを実装せねば、と俺は奮闘していた。
幸い、俺たちの手元には大量の顔写真と個人情報サンプル、
例えば、氏名、学歴、出身地などのデータが揃っていたので
色々と試すことが出来た。
ただ、流石に離散的なモノはコンピュータには理解できないため、
名前予測は無理だった。
だが驚くことに、学歴推定は
（中卒・高卒・大学卒・一流大卒の4パターンではあるが）
60%近い正答率を誇った。
また出身地も、北海道から沖縄までの連続的な値として
コンピュータに認識させると、
都道府県のまでの認証レベルで10%近い正答率だった。
「なんだ、10%か〜」と思うなかれ！
これは結構、俺としては衝撃的だった。
年齢の推定は人間でもおおよそアタリは付けられるが、
出身地の推定を10回に1回もピッタリ当てられる人はそうそういないだろう。
要するに、十分量のサンプルがあれば、
コンピュータの推論は割りと当てになる、ってことだ。

ある日、チームでも結構マッドなサイエンティスト・Zくんが
「余命推定やってみようよ」と言い出した。
当時全盛期だったジャンプ漫画 "デスノート" の影響でも受けたのだろう。
しかし、個人情報サンプルには当然ながら「余命」なんて欄は無い。
「ならさ、撮影年・没年が分かっている歴史上の人物の写真でも使えばいいよ〜
　白黒でも認識精度に大きな影響は無かっただろう？」と、Zくん。
もちろんカラーのサンプルに比べると精度は落ちるが、
顔認識のメカニズム上は、ほとんど、問題はない。
しかし、だ。
それではサンプル数がぜんぜん足りないのでは？ と俺は返すと、
「要は顔と撮影日と亡くなった日が判ればいいんだ。
　プラスして、天災やら事故やらの被害者のデータを集めて使えばいいよ〜」
んん？ ちょっと待て。
それでは外発的な要因で死亡したサンプルが混ざることになるぞ。
「それでいいんだよ〜」と、したり顔なZくん。
どうやら彼は「相貌からその人の健康状態を推定してどうのこうの〜」
というのではなく、
いわば、道端の占い師まがいなことをコンピュータにやらせるつもりらしい。

俺としては、死者をサンプルに使うことには少なからず抵抗があったものの、
当時の俺たちは好奇心旺盛なやつらばかりだったので、
すぐに手を付け始めた。
毎日毎日チマチマとあらゆる情報源から亡くなった人たちの
写真・没年・画像の撮影日（もちろん、余命時の）を入力し、
数週間でサンプル数は2,000に到達した。

そして試験運用。
とはいえ、"正解" というものが判らないので誤差計算もしようが無いのだが、
最初に試したのは俺だった。
システムを起動し、カメラの前に立つ。
すぐに顔に照準が定まり、コンマ数秒の計算の後弾き出された答えは……
"60"。
つまり、俺の余命があと60歳ということだ。
ふむ。男性の平均寿命が80代であることを考えると、
いい線を行ってるのでは？ ふふーーん。
ちなみに、俺たちは皆20代前半で、リーダーだけが30代。
次々と他のメンバーも試してみたが、やはりサンプルが少なかったのか、
答えはバラバラ。
23、112、75、42……と、結構、無茶苦茶な答えばかりである。
一際強烈だったのがZくんで、なんと「余命0年」を宣告されてしまった。

やはり、コンピュータに占い師の真似事をさせるなど
無理だったのかもしれない。
しかし、だ。
手動で2000ものサンプルを打ち込んだだけに、
このままお蔵入りとする訳にはいかない〜！！ っということで、
一晩、ログ自動生成モードにして、
会社のサーバーに保存されている様々な場所のカメラ映像を
擬似的に読み込ませた。



翌日、コンピュータはしっかりと何千もの認識ログを吐いていた。
統計処理を施すと、興味深い事実が浮かび上がってきた。
撮影場所によって、その推定値に大きなバラつきが見られたのだ。
読み込ませた映像の中でも、
例えば、小学校で撮影されたカメラの余命推測平均は "106" だった。
これは、全ログの平均値 "46" に比べて遥かに大きい数値である。
逆にそれを最初に下回ったのはサービスエリアで撮影された映像で、
その平均値は "38" だった。
車に乗っているヤツは早く死ぬ、とでも言いたいのだろうか。
以下にして、平均値はどんどんと減少していき……
余命平均ワースト2位は県内のある老人ホーム。平均値は "15"。
さて、最下位は？
お察しの通り、病院だった。なんと平均値は "4" ！

いやちょっと待て。
病院とはいえ、いくらなんでも余命平均値が4年というのはおかしい。
部活で怪我をして運ばれてきたような、
まだまだ先の長い子供だって大勢いるはずだ。
何かエラーが発生したのかもしれない、と生ログを参照した。
そして思わず声を上げてしまった。
「ID: 1234 VALUE: "34"（←この場合の推定余命を示す） 」
といった書式でズラーっと書いてあるんだが、
"34" とか "50" みたいな普通の数に混じって、
幾つも存在してはならない数が記載されていたのだ。
負の数である。
念のため、他の場所のログもザッと確認してみると、
マイナスの余命数値は何処でも2、3個は発見されたが、
病院のログほどではなかった。
文字通りに解釈するのであれば、
「余命マイナス3年」というのは「死んでから3年経過」ということになる。
余命マイナスの者が極端に多いお陰で、
余命平均値が大きく下がってしまったのだろう。
……と冷静さを保とうとする努力はしたものの、
もう、俺は全身からイヤーな汗が出っぱなしだった。

その後、チームで話し合いを重ねたが、
イヤーな結論にしかたどり着かなかった。
即ち、「余命推測等というのは誤差が大きすぎてアテにならない」
あるいは……
「私たちの周りに、余命マイナスの者が平然と闊歩している」と。
当然、採用したのは前者の結論。
上層部には「顔認識を利用した健康状態の調査」をしていたことにして
適当な報告書を書き（これは元から予定していたことだったが）、
このプロジェクトは闇に葬り去られることとなった。
私たちは毎日何百もの人々とすれ違い、目線を交わしている。
その中に「余命マイナスの顔」は無い、と
どうやって言い切ることができようか。

ちなみに、「余命0年宣告」を出された研究員仲間のZくんは1年経たずして、
本当に死んでしまった。
なんでも、通り魔に襲撃されたらしい。