Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
なぜ今最適化か?Agentic AI 時代に最適化が必要な理由
Search
MIKIO KUBO
September 01, 2025
Research
1
9
なぜ今最適化か?Agentic AI 時代に最適化 が必要な理由
なぜ今最適化か?Agentic AI 時代に最適化が必要な理由
Mikio Kubo
MOAI Lab. CTO
東京海洋大学
MIKIO KUBO
September 01, 2025
Tweet
Share
More Decks by MIKIO KUBO
See All by MIKIO KUBO
Agentic AI Era におけるサプライチェーン最適化
mickey_kubo
0
8
最適化向けLLMベンチマークの潮流
mickey_kubo
2
350
Agentic AI による新時代の IBP (Intelligent Business Planning) (配布用)
mickey_kubo
0
89
Agentic AI による新時代の IBP (Intelligent Business Planning) 改訂版
mickey_kubo
2
32
Agentic AI による新時代の IBP (Intelligent Business Planning)
mickey_kubo
1
140
API、HTTP、Webhookの初学者向け完全ガイド
mickey_kubo
0
27
Connecting Theory and Practice V
mickey_kubo
0
17
データベースの世界 SQL vs NoSQL
mickey_kubo
0
120
PyMongo入門
mickey_kubo
0
31
Other Decks in Research
See All in Research
20250725-bet-ai-day
cipepser
2
390
Learning to (Learn at Test Time): RNNs with Expressive Hidden States
kurita
0
110
LLM-as-a-Judge: 文章をLLMで評価する@教育機関DXシンポ
k141303
3
870
電通総研の生成AI・エージェントの取り組みエンジニアリング業務向けAI活用事例紹介
isidaitc
1
880
診断前の病歴テキストを対象としたLLMによるエンティティリンキング精度検証
hagino3000
1
120
2021年度-基盤研究B-研究計画調書
trycycle
PRO
0
230
20250624_熊本経済同友会6月例会講演
trafficbrain
1
570
NLP Colloquium
junokim
1
190
SkySense : A Multi-Modal Remote Sensing Foundation Model Towards Universal Interpretation for Earth Observation Imagery
satai
3
310
Towards a More Efficient Reasoning LLM: AIMO2 Solution Summary and Introduction to Fast-Math Models
analokmaus
2
750
Trust No Bot? Forging Confidence in AI for Software Engineering
tomzimmermann
1
260
カスタマーサクセスの視点からAWS Summitの展示を考える~製品開発で活用できる勘所~
masakiokuda
2
190
Featured
See All Featured
Improving Core Web Vitals using Speculation Rules API
sergeychernyshev
18
1.1k
How to Create Impact in a Changing Tech Landscape [PerfNow 2023]
tammyeverts
53
2.9k
Building a Scalable Design System with Sketch
lauravandoore
462
33k
Designing for Performance
lara
610
69k
The Cult of Friendly URLs
andyhume
79
6.6k
Mobile First: as difficult as doing things right
swwweet
223
9.9k
The Invisible Side of Design
smashingmag
301
51k
Writing Fast Ruby
sferik
628
62k
Performance Is Good for Brains [We Love Speed 2024]
tammyeverts
10
1k
Reflections from 52 weeks, 52 projects
jeffersonlam
351
21k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
283
13k
Imperfection Machines: The Place of Print at Facebook
scottboms
268
13k
Transcript
なぜいま最適化か? Agentic AI 時代に最適化 が必要な理由 Mikio Kubo MOAI Lab. CTO
東京海洋大学
Agentic AI 時代に最適化が必要な理由 • LLM => 生成AI => Agentic AI
を使えば、ダッシュボード、機械学 習、予測などは簡単にできる • 最適化プロジェクトのライオンの分け前と言われていたデータ収集 +前処理もできる • (最適化という名前の)自動化で人員削減されるのに反対する勢力 が,Agentic AIで淘汰される • 本当の最適化は簡単ではない => 計算量の壁、動的モデルの壁、不確実性の壁
計算量の壁 • 30点の巡回セールスマン問題を解くのに10万年? => ◯✗ を使えば数秒(というのは素人) • 全列挙だと組合せ爆発。30点なら厳密解を数秒で • 全列挙ではなくSOTA解法を使えば1万点のTSPの誤
差0.3%未満の解が数秒 • 本当に解きたい問題 => 100万作業のスケジューリング最適化 1万点の配送最適化
数理最適化ソルバーの性能 • CPLEX 1.2 (1991) -> CPLEX 11 (2007) :
29000倍 • Gurobi 1.0 (2009) -> Gurobi 9.0 (2019) : 59倍 • 合わせると... 170万倍 • 計算機の速度向上 59.7 Gflops/s (1993) -> 93.0 Pflops/s (2016)-> 442.01PFLOPS(2021) • 合わせると... 2.2兆倍 (というのはMIPの宣伝) - 何でもMIPソルバーで解けるというわけではない - 問題別のSOTA解法を準備しておけば静的・確定的な問 題なら何とかなる
動的モデルの壁 Period Instance 𝑡 − 1 𝑡 𝑡 + 1
𝑡 + 2 ⋯ 𝑇 𝑇 + 1 ⋯ 時間 有限期間の静的な問題への帰着? Horizon Effect
不確実性の壁 即時決定変数 シナリオ1(円高) シナリオ1-1 シナリオ1-2 シナリオ2(関税) シナリオ2-1 シナリオ2-2 シナリオ3 (南海トラフ地震)
リコース変数 調整可能変数 確率的最適化 ロバスト最適化 シナリオ木 時間 有限期間(2段階)でもNP-困難、無限期間はPSPACE困難か決定不能
大規模+動的+不確実な実際問題 簡単ではなく、問題依存だが何とかなる(何とかする)
最適化の効果 • 人間(ベテラン)の作った解の10%程度の削減 • 物流費用はGDPの8%程度(途上国ではその倍以上) • 例えば日本だとGDPは560兆円程度 最適化を使えば,物流費だけで年間4兆円削減可能! サプライ・チェインの費用はさらに大きい! •
エネルギーの最適化(起動停止問題: ちゃんと定式化すればMIPソ ルバーで解ける)の利用で米国では 10-50%削減実績