未来予測から最適解を導き出す「最適プランニング」

　第1機能で対象の状態をデータとして「認識」し、第2機能でそのデータから次に起こることを「予測シミュレーション」する。そして第3の機能は、そのシミュレーション結果を踏まえて取るべきアクションを提案する「最適プランニング」です。“どのようなアクションを取るべきか”、こうした決断を本来的には人がやるべきことだとすると、この第3機能である最適プランニングの役割は、人の意思決定を支援することにあるといえます。

　近年都市開発などで注目を集めるデジタルツインは、この「認識→予測シミュレーション→最適プランニング」の3機能層を活用した集大成ともいえるものです。都市を想定したデジタルツイン構想では、まずリアル環境で使われている電気や水道、空調、交通量などのインフラ情報をリアルタイムにセンシングしてデータとして取得（＝認識）します。続いて、AIシミュレーター上で、たとえば「信号の変更タイミングを変えると渋滞状況がどう改善するか」「CO2排出量と快適性を加味すると空調はどの温度設定が最適か」といった予測シミュレーションを複数実行し、そのうち最も効果が高いと思われる最適プランをリアルタイムに導出し続けます。そして、その結果をリアル環境に常時フィードバックすることで、それぞれのインフラ設備を自動制御するというものです。