不測の事態がどのようにして事故につながるかを検証すべく、スリバスタバ氏のチームは、安全な運航状態から始まる一連の出来事と不測の事態を並行して調査した。同チームが特に注目した「異常事態」は、普段と違うことが起きて人々の関心が向けられた状態であると同時に、その後の運航が安全な状態に戻るか、事故につながるかの分かれ目でもある。

　「テキストは、何が起きているかを理解する上で決定的な役割を果たす」（同氏）

　同チームは、異常事態の中で起きたことを把握するために、運航データを分析する一方で、乗務員と地上職員の報告書も調査した。スリバスタバ氏によると、こうした文書は、何らかの事態が起きた理由や原因を解明する手掛かりになる。

　金融業界も同じだ。数字データを見れば、株価の上昇や下落、上下幅まで秒単位で把握できる。だがメディアは、こうした数字にとどまらず、株の上昇あるいは下落の理由まで説明する。「何かが起きた理由を、数字データだけで突き止めるのは難しい」とスリバスタバ氏は語る。

　1つの実例としてスリバスタバ氏は、1年ほど前に米国ニューヨークのジョン・F・ケネディ国際空港で、エジプト航空986便とルフトハンザ航空411便が「滑走路への侵入」で衝突寸前に至った事故を引き合いに出す。この事故は大惨事になっていた可能性もあると同氏は解説する。

　「事故はなぜ発生したのか。何が起こっていたのか。関連するデータをどう分析すればいいのか」とスリバスタバ氏は問い掛ける。調査の一環として、操縦士と管制塔の会話記録を分析。その結果、エジプト航空の飛行機が侵入方向を誤っていたことが判明した。録音された音声をテキストに変換するNASAの音声記録分析は、現在初期段階にある（音声分析については「【技術動向】韓国LGのCTOが語るビッグデータ分析ツールの4つの特徴」も参照）。

　スリバスタバ氏のチームは、原因分析にとどまらず、同様の事態の再発を防止できる予測の世界に踏み込むことを目指す。「現在のシステムの安全、そして最も大切な明日のシステムの安全のために、予測は極めて重要だ」（同氏）

予測への進出

　数字とテキストのデータを別々に分析し、その結果を突き合わせて全体像を描くのが、従来のデータ分析のやり方だった。

　スリバスタバ氏はこう話す。「多くの人が取ってきたのはこうしたアプローチであり、価値があると思う。だがわれわれのアプローチは大きく異なる」

　スリバスタバ氏のチームは、全てのデータを1箇所に集めて同時に分析するための「カーネル」というシステムを構築した。カーネルの中には、レーダーと衛星システムからのネットワークデータ、ソフトウェアからの機体に関するデータ、エンジンとセンサー、地上職員と乗務員のテキストデータが含まれる。分析は、パターン検出に利用される機械学習モデル「1クラスサポートベクターマシン（SVM）」を使用して、単一のフレームワークで実行された。

　「全データを1つに集めて同時に分析することにより、航空システムのような現実のシステムでの予測を、極めて高い精度で実現できる」と同氏は言う。

　テキストなどのデータは、アルゴリズムや可視化といった多様な手法で分析できる。NASAなどの機関は、こうした方法を利用し、トレンドの推移や特定の出来事の増減、滑走路侵入につながる出来事などを継続的に記録している。

　これは、成長を目指す企業やリスクを回避しようとする企業が、先を見越した姿勢を取るのと同じだとスリバスタバ氏は語る。実業界と同様、NASAなどの機関も仮説と戦略を立て、発生前に問題を特定する技術の開発を目指している。「こうしたシステムの全ては、分析そのものに掛かっている」と同氏は話す。