4月28日、ミルウォーキーで開催されたデータサイエンスと統計学のシンポジウムは、分析における最新のブレークスルーの中心地となりました。このシンポジウムには、この分野のトップレベルの研究者が集まり、JMPも議論の中心にいました。2日目には、サラ・シルベストル（ @Sarah-Sylvestre ）とサラ・ギリアード（ @SarahGilyard ）がJMPを代表して、データサイエンスと統計学研究の最新動向に注目する聴衆に向けてポスター発表を行いました。
人工知能時代における統計学者の役割
SDSSは、マイクロソフトと提携している生物学研究者のロリン・クロフォード氏による、AIとLLMをシングルセルシーケンスに適用する興味深い基調講演で幕を開けた。クロフォード氏は、自身の研究室で得られた手法と結果について説明し、LLMモデルの性能は必ずしもデータ量の増加に比例して向上するわけではないことを強調した。特定の生物学的タスクでは、モデルの性能はトレーニングデータの約1%で飽和状態になる。つまり、LLMは多くの場合、データ量を増やすよりも、より多様なトレーニングデータを必要とするということだ。
ロリン氏は、ここで統計学者の役割が重要になると考えている。統計学者は、タスクに必要な変動と不確実性の構造を維持する合成データを生成することで、トレーニングデータの不足を補う必要がある。統計学者は、LLMをより効果的にトレーニングするために、トレーニングデータをどのように階層化するかを理解する上でも必要となる。ロリン氏は、AI/MLにおける統計学者の新たな役割は「データ駆動型システムの戦略的設計者」であると考えている。
人工知能（AI）時代における統計学者の重要な役割というテーマは、2日目の全体パネルディスカッションでも引き続き取り上げられました。学術界、製薬業界、理論物理学の分野から4名のパネリストが、現在のAIの状況について意見を述べました。パネリスト全員が、AIに適応しなければ取り残されるリスクがあることを強調し、その危険性を常に意識しておくことが重要だと述べました。過度な依存は禁物であり、バランスが鍵となります。その点において、再現性に対する許容範囲の設定、合成データの適切な取り扱いに関するAI専門家への教育（合成データが通常のデータと盲目的に同じように扱われないようにするため）、そして単に大量のデータを収集するのではなく、統計的に最も関連性の高いデータを特定するなど、さまざまな方法でAIを評価するために統計学者が強く求められています。
Sarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and Statisticsサラ・シルベストル（左）とサラ・ギリアードは、2026年データサイエンスと統計学シンポジウムで発表を行った。
JMPが議論の中心に
ポスターセッションでは、ベイズ最適化、FDE、動的フィルタリング、データテーブルの更新、Python統合、LearnBot/Assistantなど、JMPの最新機能の概要を紹介しました。25分間のポスター発表時間中に、JMPの潜在的なユーザーと有意義な会話を交わすことができました。参加者のほとんどはJMPに馴染みがありませんでしたが、中には利用を迷っている人もいました。ある参加者は、同僚がSPSSを使用している一方、自身はRを使用しているため、同僚との共同作業を容易にするツールを求めていました。JMPのいくつかの機能を説明した後、彼女は同僚がSPSSよりもJMPを利用することでメリットを得られると確信しました。また、ダートマス大学の教授との会話では、教授の学生はPythonでのコーディングにあまり熱心ではなく、必要に応じてPythonと統合しながら、ポイントアンドクリックでモデルを構築できるツールを希望していることが分かりました。JMPのモデル構築とPython統合のオプションについて説明した後、教授は学生がJMPを使いたがるだろうと確信しました。
全体として、統計学コミュニティがAI時代に適応しつつ、その専門性を維持する方法について活発な議論が交わされた、非常に有意義なカンファレンスでした。参加者や講演内容は主に学術的なものでしたが、JMPブランドの認知度向上とJMPの最新機能への強い関心という点で、大きな意義がありました。
サラさん、素晴らしい仕事ぶりですね！このようなイベントでJMPがこれほど見事に紹介されているのを見て、とても嬉しく思います。JMPがいかに信頼性が高く、強力で、動的にインタラクティブな、最高の統計、グラフィック、AI手法の統合を提供しているかを、今後も広く知っていただきたいと考えています。
サラとサラ、素晴らしい！このカンファレンスで発表してくれて、JMPを立派に代表してくれてありがとう！
