【ITニュース解説】ワッサースタイン距離（Wasserstein distance）とは？

ワッサースタイン距離とは、二つの確率分布の間の「距離」を測るための指標の一つである。これは、ある確率分布をもう一方の確率分布と完全に同じ形にするために、どれだけの「確率質量」を動かす必要があるか、その「移動コスト」を表現する概念だ。値がゼロであれば二つの分布は完全に一致していることを意味し、値が大きくなるほど、それらの分布は大きく異なっていると判断できる。この指標は「アースムーバー距離」という別名も持ち、まるで土砂を運んで山を移動させるかのようなイメージで捉えられる。

システムエンジニアを目指す上で、まず「確率分布」という言葉を理解することは重要だ。確率分布とは、ある事象が起こる可能性（確率）を、その事象の取りうる値ごとに示したものだ。例えば、サイコロを振った時に各目が出る確率（1/6ずつ）や、あるクラスの生徒たちのテストの点数の散らばり具合などが確率分布として表される。ワッサースタイン距離は、このように表現された二つの「確率の広がり方」がどれだけ似ているか、あるいは異なっているかを定量的に評価するために用いられる。

この距離のユニークな点は、単に二つの分布がどのくらい違うかだけでなく、どのように違うかを考慮する点にある。例えば、一つ目の分布が左側に集中し、二つ目の分布が右側に集中している場合、そのズレの量と方向までを「移動コスト」として捉える。ここで言う「確率質量」とは、それぞれの分布が持つ確率の「塊」のようなものだと考えると分かりやすい。ある分布が持っている確率の塊を、もう一方の分布の形に合わせて移動させる際に、「移動させる確率の量」と「移動させる距離」を掛け合わせた値の合計を計算し、その合計が最小となるように移動させた時のコストがワッサースタイン距離となる。この考え方により、分布間のわずかなズレや形状の違いも繊細に捉えることが可能となる。

ワッサースタイン距離は、統計学の分野だけでなく、近年急速に発展している機械学習の分野で特に重要な役割を果たしている。その具体的な応用例の一つに「データドリフト検出」がある。機械学習モデルは、ある特定のデータセット（訓練データ）で学習され、その後、実際の運用環境で使われる。しかし、時間が経つにつれて、運用環境で得られるデータ（実運用データ）の特性が、モデルが学習した訓練データの特性からずれていくことがある。このずれを「データドリフト」と呼ぶ。データドリフトが発生すると、モデルの予測精度が低下し、ビジネス上の問題につながる可能性がある。ワッサースタイン距離を用いることで、過去の訓練データの確率分布と、現在の実運用データの確率分布を比較し、そのずれの大きさを定量的に検出できる。これにより、モデルの再学習が必要なタイミングを正確に把握し、モデルの性能を維持することが可能になる。

もう一つの重要な応用例は「生成モデル」、特に「WGAN（Wasserstein Generative Adversarial Network）」のようなモデルでの活用だ。生成モデルとは、既存のデータから学習し、それと似た新しいデータ（例えば、実在しない人の顔画像や文章など）を生成するAIモデルのことだ。従来の生成モデルには、生成されるデータが本物らしくない、あるいは多様性に欠けるといった課題があった。WGANでは、生成されたデータの分布と本物のデータの分布の間の距離をワッサースタイン距離で評価し、この距離が最小になるようにモデルを学習させる。ワッサースタイン距離は、分布間のズレをより滑らかに捉えることができるため、WGANは従来の生成モデルに比べて、より安定した学習が可能になり、高品質で多様なデータを生成できるようになるというメリットがある。

このように、ワッサースタイン距離は二つの確率分布間の違いを数値化するための強力なツールであり、データの変化を検知したり、より高度な機械学習モデルを開発したりするために不可欠な概念となっている。システムエンジニアとして、データやAIを活用する場面が増える中で、このような統計的指標がどのように機能し、どのような価値を生み出すかを理解しておくことは、今後のキャリアにおいて非常に役立つだろう。