そのデータ、どれくらい古いですか？#
「データの適時性」は、Methanex NZで働いていた頃に整理した6つの評価基準のひとつです。情報は新しいほどずっと価値があるんです！ 最近では、次世代無線ネットワーク（5G）でAge of Information（AoI）を最小化するように、センサーやIoTデバイスからのデータ収集をスケジューリングするアルゴリズムが次々と提案されています。
データ品質#
Methanex NZ時代にデータ品質について調べていて、データの質を評価する際のポイントとして次の点を挙げました。
- 適時性：使う時点で、そのデータにどれだけ価値があるか
- 完全性：フィールドの欠損なくデータが揃っているか
- 一貫性：データがどれだけ一貫した状態に保たれているか
- 信頼性：データの出所をどれだけ信頼できるか
- 正確性：データが現実をどれだけ正しく表しているか
- 整合性：ソースの数と、ソース間でデータがどれだけ整合しているか
データの時代へようこそ。#
Age of Informationとは#
Age of Information（AoI）は、データの鮮度に注目する指標です[1]。最近AoIが盛り上がっている背景には、4Gから5Gへの移行があります。5Gでは、IoTデバイスやマシンタイプ通信（MTC）向けの無線技術に大きな比重が置かれているからです[2]。
AoIの最新研究#
この論文が想定しているのは、多数のセンサーが自身の状態を絶えず送信している工場のような環境です。センサー側にはストレージがないので、その時点の状態を記録するには、リモートのスケジューラに信号を拾ってもらうしかありません。選ばれなかったセンサーの信号は、スケジューラのアクセスポイントに無視されてしまいます。つまり、時間制約を破らないように異種のセンサーをどう最適に選ぶか、というジレンマがスケジューラ側に生まれるわけです。論文では「URLLCの観点での最小化は、各センサーのAoIが所定のしきい値を超える確率を最小に抑えることとして表現される」とし、この定式化を機械学習ベースの手法で解いています。
Minimizing the Age of Information from Sensors with Correlated Observations [3]
こちらの論文が扱うのは「相関のあるセンサー情報を持つ一般的な設定における平均AoI」です。同じ情報源に由来する冗長なデータであれば、アクセスポイントへ送る量を減らせるはずです。ただそのためには、送信レートもデータサイズもばらばらなセンサーからどう受信するかを決める、賢いスケジューリングポリシーが必要になります。機械学習ベースのポリシーを使えば、スケジューラがセンサーのデータの出所を識別し、受信量を最小限に抑えて全体のAoIを下げられる、という内容です。
