ダジャレです。が、本心です。
材料研究・材料開発の現場では、実験条件や製造条件を振って、実際に実験・製造してみて、その結果としての材料の物性・活性といった値を測定します。実験条件や製造条件を振るときに、すべて理論的に、化学的な背景や物理的な背景に基づいて、適切な値をいきなり決めることができるわけではありません。絨毯爆撃的に様々な条件を振ったり、それらすべて実験することが難しい場合は実験計画法的に選んだり、もしくは勘 (もしくは感性やひらめきなど) で実験条件・製造条件を決めて実験したりすることがあります。
勘とはいえ、実際に実験・製造してみたらうまくいったりすることもあるのではないでしょうか。
勘も、その材料に関する知識・経験をもった人が、思考の結果として出しているものです。そのため、形式知として言語化されていないかもしれませんが (そのようになっている場合は理論的に決めるところで出ています)、暗黙知的に勘・感性・ひらめきの中に、その人の知識・経験などが詰まっている考えられます。
勘をなめたらアカン、の理由の一つはこれです。
さらに、こちらに書いた通り、人工知能 (もしくはデータ解析や機械学習) の本質は、人の暗黙知を形式知化することです。
そのため、人の勘・感性・ひらめきといった暗黙知がデータセットに入っていることが非常に大切になります。勘・感性・ひらめきの詰まったデータセットは、機械学習で扱いやすいといえます。
勘だけで材料のゴールまでたどり着けなくても、その結果としてのデータを機械学習して人工知能を作り、それに基づいて新たな実験条件や製造条件を提案することにより、勘のデータを足がかりにして、その周辺でゴールにたどり着ける実験条件や製造条件を提案できる可能性もあります。勘のデータがないと、この可能性がなくなってしまうわけです。
以上のように、勘・感性・ひらめきは、材料研究・材料開発のときに非常に重要な情報と考えています。データ解析・機械学習を活用した設計をするときにも、ぜひ勘・感性・ひらめきを活用してはいかがでしょうか。
以上です。
質問やコメントなどありましたら、twitter, facebook, メールなどでご連絡いただけるとうれしいです。
