情報技術の社会実装に向けた応用と課題：ニュースメディアの事例から / appmech-jsce 2025

第9回応用数理・AIセミナー
https://appmech-jsce.com/ai-seminar-detail/%e7%ac%ac9%e5%9b%9e%e5%bf%9c%e7%94%a8%e6%95%b0%e7%90%86%e3%83%bbai%e3%82%bb%e3%83%9f%e3%83%8a%e3%83%bc/

Transcript

1. 情報技術の社会実装に向けた 応用と課題：ニュースメディ アの事例から 石原祥太郎 shotaro.ishihara@nex.nikkei.com 日本経済新聞社 日経イノベーション・ラボ 上級研究員 第 9 回応用数理・AIセミナー，2025 年 10 月 1 日
2. 日本経済新聞社の研究開発部門として，講演者らが取り組んで きた情報技術の社会実装の事例を紹介 • 事業応用 (「日経電子版」などへの実装や業務効率化) • 中長的的な視点での研究 (独自の事前学習済みモデルの構 築と評価) => データ利活用に伴う現場との連携も含め，実務に根ざした 具体的な知見を共有する 本発表の概要 2
3. 日本経済新聞社 3 https://speakerdeck.com/nikkei_engineer_recruiting/nikkei-engineer-recruiting21
4. インターネットの発展に伴い，事業を取り巻く環境が変化 • ニュース・出版・放送 ◦ 主に個人向け (Business to Consumer; B2C) • データベース ◦ 主に法人向け (Business to Business; B2B) • 広告・文化事業・教育事業 ◦ B2C & B2B 日本経済新聞社の事業 4
5. データ基盤 研究開発 … ニュース データベース … 日本経済新聞社の組織 (抜粋) 5
6. データ基盤 研究開発 … ニュース データベース … 例：ニュース事業 6
7. データ基盤 研究開発 … ニュース データベース … 例：データベース事業 7
8. データ基盤 研究開発 … ニュース データベース … 共通のデータ基盤を整備 8
9. データ基盤 研究開発 … ニュース データベース … 日経イノベーション・ラボ 9
10. 2017 年に社長直轄組織として設立し，現在は約 10 名の研究 員らが所属 • 各研究員が個別の専門性やテーマを持ち，案件を創出 • 編集部門 (約 1500 人) や，複数の事業部門と連携 • 共通のデータ基盤やコンテンツ基盤を活用 • 事業応用 (サービスへの実装や業務効率化) や，中長的的な 視点での研究 (各研究員が推進) に従事 日経イノベーション・ラボ 10
11. 大学新聞での記者・編集者などの経験を活かし，ニュースメ ディアでの情報技術の社会実装に従事 • 2013-2017：工学部，大学新聞に在籍 • 2017-2021：データベース事業のソフトウェアエンジニ ア・データサイエンティストとして勤務 • 2021-現在：研究開発部門に異動 自己紹介：石原祥太郎 11
12. 情報技術の社会実装に向けた応用と課題：ニュースメディア の事例から • 事業応用 (「日経電子版」などへの実装や業務効率化) • 中長的的な視点での研究 (独自の事前学習済みモデルの構 築と評価) 本日の話題 12
13. 紙の新聞だけだった時代 13
14. インターネットが普及した時代 14
15. 新聞社の業務工程と，情報技術の適用の可能性 • 収集：インターネット上の大量の情報も対象に • 編集：情報技術を駆使した効率化も可能に • 提供：推薦の需要の増加，記事データベース化，ウェブ・ スマホ向けアプリ開発 など • 計測：顧客の反響が即座に得られるように コンテンツやユーザ行動が「データ」に 15
16. 全て自動化すれば良いのか？ => いいえ 16 何を機械に任 せられる？ 顧客のために新聞社 として何を選ぶ？ 顧客はニュースをどう 読み，何を求める？ どこにニュース がある？ 編集 提供 計測 収集
17. 人間の記者と機械による連携を模索 • 代替できる部分を機械で補い，代替不可能な 取材に注力 • 機械ならではの探索で，新しい気付きを提供 収集：どこにニュースがある？ 17
18. • 政治資金収支報告書の画像からの数値情報抽出 [1] • 決算短信からの業績要因文の抽出 [2] • 新聞記事を対象とした単語の意味変化の分析 [3] 収集：収集対象や方法を工夫する勘所が必要 18 [1] 山田健太, 青田雅輝 (2024). マルチモーダルな深層学習手法を用いた政治資金収支報告書の判読 の試み. 2024年度日本選挙学会総会・研究会. [2] 大村和正, 白井穂乃, 石原祥太郎, 澤紀彦 (2023). 極性と重要度を考慮した決算短信からの業績要 因文の抽出. 言語処理学会第29回年次大会発表論文集. [3] Shotaro Ishihara, Hiromu Takahashi, and Hono Shirai (2023). Quantifying Diachronic Language Change via Word Embeddings: Analysis of Social Events using 11 Years News Articles in Japanese and English. 9th International Conference on Computational Social Science.
19. 人間の記者と機械による連携を模索 • 有識者の視点での記事の需要は大きい (読者は 生成 AI の記事を読みたいわけではないはず) • あくまで支援の立場で，人間の負担を減らす • 生成 AI だけでなく，ルールベースや数理最適 化などの適切な道具を活用 編集：何を機械に任せられる？ 19
20. • 独自 T5 による要約生成 [4] • 記事の校正や校閲 [5] • 組合せ探索によるクロスワードパズル作成 [6] 編集：記者を支援する枠組みを模索 20 [4] 石原祥太郎, 村田栄樹, 中間康文, 高橋寛武 (2024). 日本語ニュース記事要約支援に向けたドメイ ン特化事前学習済みモデルの構築と活用. 自然言語処理. [5] 岩本和真, 大村和正, 石原祥太郎 (2025). 人間が書いた文章を対象としたHallucination検出ベン チマークの構築と評価. 言語処理学会第31回年次大会発表論文集. [6] Kaito Majima, Shotaro Ishihara (2023). Generating News-Centric Crossword Puzzles As A Constraint Satisfaction and Optimization Problem. Proceedings of the CIKM 2023.
21. 人間の記者と機械による連携を模索 • 閲覧数だけを機械的に最大化すれば良いわけ ではない • 現状の推薦システムを分析したり，新しい気 づきを与えたりなど，より良い在り方を検討 提供：顧客のために新聞社として何を選ぶ？ 21
22. [9] 石原祥太郎 (2025). 生成的推薦の人気バイアスの分析：暗記の観点から. 2025年度人工知能学会 全国大会発表論文集. • 推薦システムと多様性の分析 with 東大・鳥海研 [7] • ユーザ入力画像を用いた記事推薦 [8] • 生成的推薦による人気バイアスの分析 [9] 提供：閲覧数以外も考慮した推薦システム 22 [7] Atom Sonoda, Fujio Toriumi, and Hiroto Nakajima (2024). User Experiments on the Effect of the Diversity of Consumption on News Services. IEEE Access. [8] Kota Tanabe, Shotaro Ishihara, Kenta Yamada, Masaki Aota, and Yasutsuna Matayoshi (2025). Making News Familiar: News Recommendation from Daily Scenery. Proceedings of the KES2025.
23. 人間の記者と機械による連携を模索 • 紙の時代は配って終わりだったが，機械に よって読まれ方が計測可能に • 計測した結果を，提供・編集・収集に還元 計測：顧客はニュースをどう読み，何を求める？ 23
24. 計測：”Digital First” な記事提供 24 https://www.nikkei.co.j p/nikkeiinfo/corporate/ Nikkei_profile2020_jp.p df
25. 計測：A/B テストによる記事提供 [10] 25 クリック率: 3 % クリック率: 1 % [10] Norihiko Sawa (2020). Test headlines on News Media by Multi-Armed Bandit: Case Study of Multi-Armed Bandit to raise CTR of Articles. Computation + Journalism Symposium 2020.
26. 「情報」の本質的な価値や時代に即した報道機関 の在り方を模索したい 26 「情報」にまつわる現状は課題が山積み 業務効率化や新体験の提供を究極まで突き詰めると 人々が「情報」に求める何かが見えてくるのでは
27. 情報技術 for ニュースメディアの特徴 • 編集者との協業 • 顧客に誤りが許容されづらい • 最適化すべき指標の難しさ • 時系列による変化が起きやすい • 著作権への配慮 など 27
28. 情報技術の社会実装に向けた応用と課題：ニュースメディア の事例から • 事業応用 (「日経電子版」などへの実装や業務効率化) • 中長的的な視点での研究 (独自の事前学習済みモデルの構 築と評価) 本日の話題 28
29. 研究開発組織の意義 編集・事業部門から一線を画した組織として • 中長期的な課題に取り組み，組織の不確実性を低減 • 論文執筆・学会参加・共同研究などを通じ，報道業界以外 からも知見を取り込む • 将来に投資しているという対外的なメッセージ 29
30. 事前学習済みモデル構築プロジェクト ニュースメディアとしての責任ある使い方を模索 • 自動化できる業務と人間が注力すべき業務を特定し， 収集・編集・提供・計測における業務効率化や新機能開発 に繋げる目的 • 何がどこまで実現できるのか，何が課題となるのか？ 30
31. 2019 2021 2023 日経電子版 BERT BERT Google の先駆的な取り組み 多様なモデルの開発 や検証，デモや論文 ChatGPT 一般への急速な認知拡大 BloombergGPT 金融情報特化モデル (50B) より大規模な開発や 商用 API の活用 第 0 期 第 1 期 第 2 期 プロジェクト変遷と世界の研究動向 31
32. 単語列の生成確率をモデル化したもの 吾輩 は 猫 で ある P(吾輩は猫である): 単語列の生成確率 P(吾輩) * P(は | 吾輩) * P(猫 | 吾輩は) * P(で | 吾 輩は猫) * P(ある | 吾輩は猫で) 言語モデルとは 32
33. 大量の文から，入力と出力の対を自動生成して， 単語列の生成確率を推定する 欧州 連合 （ EU は 13 日 ） 欧州 連合 （ ? 欧州 連合 （ ? EU … 事前学習とは 33
34. 学習に使ったテキストの言い回しに近づく可能性 => 記事の下書きや校正など，業務効率化に繋がる 欧州 連合 （ EU は 13 日 ） 欧州 連合 （ ? 欧州 連合 （ ? EU … 日経電子版での学習 34
35. • 独自の表記規則を，全てプロンプトに記述するの は現実的でない • 事前学習済み言語モデルの生成結果を，編集者が 逐一修正していくのも手間 => 研究課題：日経電子版の記事を用いた事前学習済 みモデルで，表記規則を模倣できないか？ 35 日経電子版特有の言語表現を獲得したい
36. • 日経電子版など，日経グループの記事の収集 • 権利面の確認や HTML タグの除去や重複排除など の前処理 • 計算資源の確保 • Transformers ライブラリを駆使したモデルの事前 学習 36 事前学習済みモデルの構築 (詳細は割愛)
37. • T5 をフルスクラッチで事前学習 • 事前学習済み T5 を編集者作成の {本文, 見出し}, {本文, 3 行まとめ} の対でファインチューニング • ファインチューニングに利用していないデータで 性能を他モデルと比較して評価 ◦ 一般的な T5 をファインチューニング ◦ gpt-3.5-turbo に少数の事例を提供 37 日経電子版 T5 の構築と評価
38. 編集者の見出し・3 行まとめとの一致度合いで評価 38 日経電子版 T5 で ROUGE が最良に [4] 表 7：3 行まとめの性能評価
39. • 複数候補を提示し ユーザが選択・編 集 (文字数や含め る・含めない単語 などを調整可能) • 予測 CTR も提示 39 [4] 図 2：スクリーンショット 編集支援ツール
40. • ニュースメディアとして，発信する情報の誤りは 致命的 • 事前学習済みモデルでどのような幻覚 (入力に対し て不適切な生成) が発生するかを調査し，対策を模 索しておくのは重要 40 幻覚の分析
41. 41 幻覚を含む場合，平均情報量が多い [4] 表 4：事前学習 済み T5 での幻覚の 有無の分析
42. 42 特徴的な幻覚の例 [4] 表 8：事前学習済み T5 での幻覚の例 事前学習コーパスに多い表現に引きずられる傾向
43. 43 カテゴリ別の詳細分析 [4] 図 5：カテゴリ別のデータセットを 使った分析
44. 44 カテゴリが一致するほど，幻覚が少ない [4] 表 9：カテゴリ別のデータセットを使った分析
45. • 事前学習済みモデルは，時に訓練データを暗記し ，そのまま出力する => 著作権やプライバシーの 観点で懸念あり • 英語の一般的なコーパスでの議論だけでなく，日 本語でも事前学習済みモデルの暗記を検証してお く意義は大きい 45 訓練データの暗記や抽出
46. ニューヨークタイムズが OpenAI を提訴 46 https://nytco-assets.nytimes .com/2023/12/NYT_Complain t_Dec2023.pdf
47. 入力：「（前略…）年明け以降の新型コロナウイルス の新規感染者数が大幅に増加するとの懸念が一定の重 荷になっている。」 日経電子版で学習した事前 学習済み言語モデルの出力 47 日経電子版で学習したモデルの出力
48. 48 [11] Shotaro Ishihara, Hiromu Takahashi (2024). Quantifying Memorization and Detecting Training Data of Pre-trained Language Models using Japanese Newspaper. Proceedings of the INLG2024. 文字列が記憶されており，抽出できる
49. ドメイン特化のコーパスほど，急速に暗記される 49 [12] Hiromu Takahashi, Shotaro Ishihara (2025). Quantifying Memorization in Continual Pre-training with Japanese General or Industry-Specific Corpora. Proceedings of the L2M2 2025.
50. [13] Shotaro Ishihara (2023). Training Data Extraction From Pre-trained Language Models: A Survey. Proceedings of the TrustNLP 2023. コーパスの前処理，事前学習の工夫，モデルの後処理など[13] Defense: Training Defense: Pre-processing Defense: Post-processing data deduplication data sanitization regularization differential privacy filterling confidence masking knowledge distillation 50 どう対応するべき？
51. 記憶は必ずしも悪ではない • ある一般市民の逮捕を永遠に記憶するのは望まし くない（「忘れられる権利」） • しかし，田中角栄元首相が逮捕された「ロッキー ド事件」などは，歴史的な知識として記憶が許容 される場合もある 51 対策の難しさ
52. 日本経済新聞社の研究開発部門として，講演者らが取り組んで きた情報技術の社会実装の事例を紹介 • 事業応用 (「日経電子版」などへの実装や業務効率化) • 中長的的な視点での研究 (独自の事前学習済みモデルの構 築と評価) => データ利活用に伴う現場との連携も含め，実務に根ざした 具体的な知見を共有する [再掲] 本発表の概要 52