【研究領域課題番号】20K21052 (KAKENデータベースで見る）

【研究キーワード】

免疫学 / 機械学習 / 安全工学 / 小児安全 / 傷害予防 / 状況認識 / 行動モデル / 疫学 / 免疫情報学 / リスクマネジメント / データマイニング / テキストマイニング / 保育安全

【研究成果の概要】

本研究の目的は、病原体に対して免疫が持っている「抗原の多様性に対する予防機能の特異性」を情報学の観点から再現し、生活環境下の致死性状況の対応へと応用した「リスク免疫情報システム」の構築を通じて、多様性と特異性を両立させる新たなリスクマネジメントの可能性を探索することにある。提案を実証的に進めるために、子どもの事故予防という社会的要請高いテーマへの応用を念頭に、事故情報データベース機能と、学習能力を備えた人工知能の機能とを統合することで、危険や対策の知見を現場で活用可能にする動的分散リスクマネジメントの実現可能性を検証した。

【研究の社会的意義】

事故という現実問題解決を行う上での技術的課題は、因果データ取得困難性、状況多様性を扱うことの困難性、ポアソン分布的挙動による限界の３つの困難性があり、従来のリスクマネジメントでは対応できない問題に対する、人と人工知能との協調時代に適合した新たな動的分散制御の方法論が求められている。これに対し、本研究では、免疫の持つ仕組みを、事故予防の分野に適用し、数理的・目的指向的に再現することで、３つの問題を解決した新しいアプローチ「リスク免疫情報学」確立を本研究の長期的な狙いとして、ビッグデータ保有機関との連携によるデータサイエンスの検証、保育所との連携による基本検証を進めた。

【研究種目】挑戦的研究(萌芽)

【研究期間】2020-07-30 - 2022-03-31

【配分額】6,370千円 (直接経費: 4,900千円、間接経費: 1,470千円)

【研究領域課題番号】19K23791 (KAKENデータベースで見る）

【研究キーワード】

決定木分析 / データマイニング / バンコマイシン / 腎機能障害 / 治療薬物モニタリング / ダプトマイシン / 骨格筋障害 / 機械学習

【研究成果の概要】

データマイニング手法の一つである決定木分析を用いて、医療者が簡便に「個々の患者の副作用発現リスク」を評価可能なモデル構築を目指した。対象は、メチシリン耐性黄色ブドウ球菌感染症の治療薬であるバンコマイシンによる腎機能障害とした。
北海道内4施設を協力医療機関とする多施設共同研究の遂行により、より一般化可能なバンコマイシンによる腎機能障害リスクの推定モデルの構築に成功した。また、構築したモデルの精度は良好であった。

【研究の社会的意義】

本研究で構築したリスク推定モデルの活用により、医療者はバンコマイシンの投与開始前に、個々の患者に応じた腎機能障害発現リスクを簡便かつ定量的に推定可能となる。すなわち、本モデルは「ハイリスク患者に対して他剤への変更や頻回な副作用モニタリングを実施する」などの医療者の意思決定を支援するツールとなり得る。。
決定木分析を用いたアプローチは他の薬剤や副作用に広く応用可能である。そのため、本研究で見出された知見は、より安全な薬物療法の提供のためのツール開発に活用可能である。

【研究種目】研究活動スタート支援

【研究期間】2019-08-30 - 2021-03-31

【配分額】2,860千円 (直接経費: 2,200千円、間接経費: 660千円)

【研究分野】知能情報学

【研究領域課題番号】17H00762 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / 人工知能 / カーネル / 編集距離 / データの類似性 / データマイニング / アルゴリズム / 半構造化データ / 教師あり学習 / 分類 / クラスタリング / 距離 / パターン抽出 / 木

【研究成果の概要】

【理論】編集距離とマッピングカーネルの類似を着眼点とした本研究は、圏論の視点から理論を整理し、人工知能分野のトップ会議であるAAAIに論文が採録された。最終的には、測度空間を対象、測度を保存する部分一対一可測写像を射とし、離散データ構造に限定せず、広い範囲のデータ構造に適用する共通手法として距離やカーネルを定義することに成功した。
【実装】理論に基く概念をPythonから利用できるように実装し、GitHubなどで公開した。
【応用】100種類以上に及ぶ木カーネルの評価を行い、線形計算量を持ち、多くの領域で優れた性能を示す関数を特定した。また、情報セキュリティやSNS分析における応用事例を報告した。

【研究の社会的意義】

人工知能研究の基礎である機械学習では多くの手法や概念が提案されている。本研究の学術的意義は、これらの手法や概念のうち、重要な幾つかが共通の枠組みから導出できることを示した点にある。このことにより、例えば、文字列アラインメントを計算するために考案されたアルゴリズムを、共通枠組み中で抽象化し、次いで、木データに適用して具象化することで、木データのMAST問題に適用することが可能となる。このように、本研究が提案する共通枠組みにより、特定の分野における成果を他の分野に拡張・敷衍することが可能となる。この事実は、実用上でも重要な意義を持っており、データ分析において適用できる手法の幅を拡大する。

【研究種目】基盤研究(A)

【研究期間】2017-04-01 - 2021-03-31

【配分額】40,820千円 (直接経費: 31,400千円、間接経費: 9,420千円)

【研究分野】知能情報学

【研究領域課題番号】26730114 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / 凸最適化 / スパース学習 / 大規模学習 / SVM / データマイニング / ビッグデータ / 国際情報交換

【研究成果の概要】

本研究では第一にSVMやロジスティック回帰などを包含する正則化付き経験リスク最初化問題について、複数のプロセスが非同期的に動作することで最適化を行うことができるスキームを提案、効率的な分散学習が行えることを理論・実験の両面から示した。
第二に、従来では数TBのデータを用いなければ学習できないスパース学習について、扱うデータ量を抑えながらスパース学習が可能であるスキームを提案した。提案手法はテキストデータやDNA配列データなどでは部分文字列の特徴量を用いた学習に関して、接尾辞配列などの効率的なデータ構造を用いる事によって、部分文字列に対応する特徴を効率よく抽出する事が可能であることを示した。

【研究種目】若手研究(B)

【研究期間】2014-04-01 - 2018-03-31

【配分額】3,770千円 (直接経費: 2,900千円、間接経費: 870千円)

【研究分野】知能情報学

【研究領域課題番号】24650064 (KAKENデータベースで見る）

【研究キーワード】

プライバシー保護 / データマイニング / 差分プライバシー / ビッグデータ / 個人情報保護 / データベース / 匿名化 / 相関 / 個人情報 / 機械学習 / 雑音

【研究成果の概要】

プライバシー保護データマイニングのひとつである差分プライバシーは有望な方法であるが、データベースのレコード間に相関がある場合の分析があまり進んでいなかった。本研究では、相関がある場合に従来の差分プライバシーを適用した場合、データ入手を狙う攻撃者が相関に関する背景知識を少なく持っているほうが、流出する情報が大きいという直感に反する状況を明らかにし、この状況を改善するために背景知識も考慮したベイズ型差分プライバシーの数理モデルを確立した。この数理モデルにおいて情報漏洩の確率を与えられた閾値以下にする加算すべきラプラス雑音のパラメタを求める近似的アルゴリズムを示した。

【研究種目】挑戦的萌芽研究

【研究期間】2012-04-01 - 2014-03-31

【配分額】3,900千円 (直接経費: 3,000千円、間接経費: 900千円)

【研究分野】知能情報学

【研究領域課題番号】23240019 (KAKENデータベースで見る）

【研究キーワード】

情報論的学習理論 / データマイニング / 潜在的ダイナミクス / 機械学習 / ビッグデータ / 変化検知 / 潜在変数モデル / 潜在的ダイナミックス / モデル選択 / 異常検知 / ネットワーク

【研究成果の概要】

大量のデータから価値ある情報を抽出するデータマイニング技術はますます重要になっている。従来技術では、データの表層的な関係性を抽出することが主であった。しかし、実際には、データの表面に現れない潜在的情報の動きを発見することが、より重要な知識発見をもたらす。そこで、本研究では、データに内在する潜在的情報とその変化（これを「潜在的ダイナミクス」と呼ぶ）を抽出するための技術の数理的基盤を構築した。特に、記述長最小原理に基づく情報論的学習理論の立場から統一的な理論体系を構築した。この理論を実際のデータ（セキュリティ、SNS、マーケティング、医療、教育等）に適用して、実世界での有効性を検証した。

【研究種目】基盤研究(A)

【研究期間】2011-04-01 - 2016-03-31

【配分額】47,060千円 (直接経費: 36,200千円、間接経費: 10,860千円)

【研究分野】知能情報学

【研究領域課題番号】22700136 (KAKENデータベースで見る）

【研究キーワード】

ゲーム情報学 / 人工知能 / 機械学習 / ゲームプログラミング / データマイニング / 機構学習

【研究成果の概要】

本研究課題では,コンピュータの人工知能の判断力が,高度に訓練された人間の判断力に匹敵しうる分野を対象に,コンピュータプログラムを用いて人間の判断を支援する手法を研究を行なった.具体的には,囲碁や将棋において,コンピュータプログラムがMinMax探索を行なって得た評価値やモンテカルロ木探索をもちいて得た勝率として提示した判断と,人間の熟達者の判断との差について研究を行なった.

【研究種目】若手研究(B)

【研究期間】2010 - 2012

【配分額】2,990千円 (直接経費: 2,300千円、間接経費: 690千円)

【研究分野】航空宇宙工学

【研究領域課題番号】22560779 (KAKENデータベースで見る）

【研究キーワード】

異常検知 / 航空宇宙システム / データマイニング / 人工知能 / 機械学習 / 宇宙機システム / テレメトリデータ

【研究成果の概要】

本研究の目的は、人工衛星などの宇宙機システムより得られる膨大なテレメトリデータから、運用者にとって有用な情報・知識を得るための様々な解析手法・処理技術群を体系化することである。具体的には、(1) データアクセス方法、(2) オンライン監視法、(3) オフライン解析法、(4) 他情報源との連携法の４つのサブテーマに取り組んだ。その結果、(1)人工衛星テレメトリの性質の明確化、(2)宇宙機テレメトリに適した前処理法の開発、(3)次元削減とクラスタリングに基づく監視法の開発と拡張、(4)衛星運用での有効性の実証、という成果を得た。

【研究種目】基盤研究(C)

【研究期間】2010-04-01 - 2015-03-31

【配分額】4,290千円 (直接経費: 3,300千円、間接経費: 990千円)

【研究分野】社会システム工学・安全システム

【研究領域課題番号】21510139 (KAKENデータベースで見る）

【研究キーワード】

データマイニング / グローバル感度解析 / メタモデル / サービス科学 / 機械学習 / 情報システム / モデル化 / 感度解析

【研究成果の概要】

データマイニングにサービス指向の人間系やマネジメント系の経験知を組み込むことを可能とする, knowledge-richな技術体系を確立した.すなわち, サービス指向データマイニングの展開に必要となるシステムの入出力関係に着目した帰納的メタモデルの構築法を, 高次元モデル表現技法を拡張することにより開発した.さらに, サービス提供の多様な形態にも柔軟に対応できるよう, モデル因子の変動や論理仮説が出力に与える影響度を評価するグローバル感度解析手法の数理的拡張も行った.

【研究種目】基盤研究(C)

【研究期間】2009 - 2011

【配分額】3,640千円 (直接経費: 2,800千円、間接経費: 840千円)

【研究分野】知能情報学

【研究領域課題番号】21240011 (KAKENデータベースで見る）

【研究キーワード】

知識発見 / データマイニング / 機械学習 / テキストマイニング / Web / ネットワークデータ / 統計 / 曖昧正解消 / プライバシー保護 / 言語学習 / クラスタリング / 曖昧性解消 / テキスト / 非負行列分解 / GPU / アルゴリズム

【研究成果の概要】

2009年度は当初の予定通り、Webにおける人名検索結果を同姓同名であるが異なる人物ごとにまとめるクラスタリングシステムを開発し、実験的に評価した。2010年度は大規模データ処理のために非負の確率行列分解アルゴリズムを提案し、既存のLDAと同様な性能を得ることを実証し、並列化アルゴリズムにおいては変分ベイズ法をロングテールに対応するPitMan-Yoモデルに適用し高い性能を得た。2011年度は最近注目されているプライバシー保護データマイニングをネットワークデータに応用した。2012年度は、プライバシー保護データマイニングの応用手法と大規模データに適したオンライン学習で、新規な正則化手法を提案した。

【研究種目】基盤研究(A)

【研究期間】2009 - 2012

【配分額】47,060千円 (直接経費: 36,200千円、間接経費: 10,860千円)

【研究分野】知能情報学

【研究領域課題番号】20680007 (KAKENデータベースで見る）

【研究キーワード】

学習と知識獲得 / 知能情報処理 / 機械学習 / データマイニング / 非定常環境適応 / 共変量シフト / 重点サンプリング / 重要度重み / ロボット制御 / 強化学習 / 政策反復法 / 政策探索法 / 非定常環境 / 密度比推定

【研究成果の概要】

従来の機械学習の研究では,データが生成される環境が時間とともに変化しないという大前提のもとで理論やアルゴリズムが構築されてきた.しかしながら,近年の応用場面ではそのような定常性が成り立たない場合が多い.そこで本研究プロジェクトでは,環境の変化に対応するための基礎理論,および,実用的なアルゴリズム開発を行なった.そして,その成果をロボティックス,画像認識,脳波解析,音声識別,自然言語処理など様々な分野に応用した.

【研究種目】若手研究(A)

【研究期間】2008 - 2011

【配分額】25,480千円 (直接経費: 19,600千円、間接経費: 5,880千円)

【研究分野】社会システム工学・安全システム

【研究領域課題番号】18510117 (KAKENデータベースで見る）

【研究キーワード】

ユビキタス・データマイニング / ブースティング / 学習アルゴリズム / 機械学習 / 数理モデル化技術 / データマイニング / アルゴリズム / モデル化

【研究成果の概要】

本研究の目的は,新しくユビキタス・データマイニング(Ubiquitous Data Mining)の概念を案して,データマイニングに関して既に得られている各種の数理モデルを解析し,それらの統合手法を確立することによって,ユビキタス・サービスに適用可能なデータマイニングの新しいシステム特性を明らかにすることであった.この目的に沿って研究を実施し下記の結果を得た.
ユビキタス・データマイニングの機能的側面については,データ解析の高精度化とシステムの柔軟性の双方を同時に保証できる統合モデルを実現するのに必要な, 1クラスSVM (OC-SW:One-Class Support Vector Machine)の性能改善アルゴリズムを開発した.研究成果は, 2つの国際学術会議(SAMO2007, ANQ Congress2006)で発表するとともに,国際学術誌Journal of the Operations Research Society of Japan (Vol. 51, pp. 95-110, 2008)とLecture Notes in Computer Science 4488号 (pp. 447-454, 2007)に掲載された.また、研究代表者は日本オペレーションズ・リサーチ学会機関誌の特集号「SVMの周辺:One-Class SVMと領域判別」(2006年11月号:Vo1. 51, No. 11)を編集し,総説論文を掲載(同誌, pp. 677-682)した.
実証研究としては,ユビキタス・データマイニングモデルのプロトタイピングを実施し,顧客行動パターンに基づいてタイミングよく対処できる顧客関係支援ツール(顧客セグメンテーション)の開発を行って,交叉検証等によりツールの最適性の評価を実施した.研究成果は,国際学術誌European Journal of Operational Research (Vol. 186, pp. 358-379, 2008)に掲載された.

【研究種目】基盤研究(C)

【研究期間】2006 - 2007

【配分額】4,050千円 (直接経費: 3,600千円、間接経費: 450千円)

【研究分野】航空宇宙工学

【研究領域課題番号】18760607 (KAKENデータベースで見る）

【研究キーワード】

異常検知 / 故障診断 / 機械学習 / 人工衛星 / 宇宙機 / 次元削減 / 可視化 / データマイニング / 確率推論

【研究成果の概要】

人工衛星等の宇宙機システムの開発において、システムの異常を的確かつ迅速に発見し、その原因を同定する技術は宇宙開発にとって極めて重要なテーマである。本研究では、機械学習や確率的推論などの知能化技術を応用し、人工衛星等の運用データから異常パターンを検出し、運用者がその原因を推測する上で有用な情報を提供する技術を開発した。

【研究種目】若手研究(B)

【研究期間】2006 - 2008

【配分額】3,800千円 (直接経費: 3,500千円、間接経費: 300千円)

【研究分野】航空宇宙工学

【研究領域課題番号】16760641 (KAKENデータベースで見る）

【研究キーワード】

宇宙機 / 人工衛星 / 異常検知 / 故障診断 / 機械学習 / 確率推論 / データマイニング

【研究成果の概要】

高度な異常検知・故障診断法の開発は、絶対的な安全性・信頼性を求められる宇宙システム研究において、最重要な課題の一つである。本研究の目的は、宇宙機運用データから故障診断知識を自動獲得し、事前専門家知識との融合によって網羅的かつ高精度な異常検知・診断を行ない、さらに暗黙的専門家知識を事後獲得することによって診断性能を改善する方法を確立することである。
本研究の第二年度であり最終年度でもある平成17年度は、前年度の研究成果を発展させ、主に以下の3つの研究を行った。
1.カーネル特徴空間を利用したテレメトリデータからの異常検知法の開発
超多次元の衛星テレメトリデータから異常な兆候を自動的に検知する新たな方法として、カーネル主成分分析と呼ばれる技術を応用し、システムの挙動の変化を非線形特徴空間における主軸の変化として捕捉する技術を開発した。
2.DBNを利用した専門家知識と運用データの融合による異常検知・診断法の開発
確率的推論手法であるDBN(動的ベイジアンネットワーク)を応用し、事前に得られるシステムモデルやルールなどの専門家知識と実運用から得られるテレメトリを融合して検知・診断モデルを構成する技術を開発した。
3.変化点検知に基づく多次元テレメトリ情報の可視化法の開発
運用技術者が超多次元時系列データである衛星テレメトリから疑わしい挙動を発見することを支援する新たなデータ可視化法として、忘却型自己回帰モデルを利用した変化点検知法に基づく技術を開発した。

【研究種目】若手研究(B)

【研究期間】2004 - 2005

【配分額】3,400千円 (直接経費: 3,400千円)

【研究分野】航空宇宙工学

【研究領域課題番号】14750717 (KAKENデータベースで見る）

【研究キーワード】

宇宙機 / 人工衛星 / 異常検知 / データマイニング / 機械学習 / 情報可視化 / 異常検出

【研究成果の概要】

前年度の成果を引き継ぎ、本年度も、人工衛星の膨大な時系列運用データの中からシステム異常を早期発見する上で重要なパターンを抽出し、効果的に人間(専門家)に提示するためのデータマイニング手法の研究を行った。特に本年度は、新たな手法として「回帰木学習による適応的リミット値監視法」を提案し、その有効性を示した。
リミット値監視法は、従来の宇宙機健康状態監視において最も基礎的、かつ、広範に用いられている手法であるが、一般に、(1)事前に人手によって適切なリミット値を設定しなければならず、設定された値は運用期間全体を通して固定される、(2)誤警報を減らすために大きなマージンを設定することが多く、また、システムコンポーネント間の依存関係を考慮しない、などの限界があるため、きめ細かい監視には不向きで、システムの異常の兆候を早期に捕捉することが極めて困難であった。
これに対して本研究に、機械学習・データマイニングの一手法である回帰木学習法を宇宙機テレメトリデータの多次元時系列データに応用することにより、対象となるセンサー値時系列データの範囲(上限・下限)を、他の関連シンボル値時系列との依存関係に基づいて適切に予測する方法を確立した。この提案手法により、宇宙機システムの稼働状態の健全性や異常値の発生を、従来手法と比べて非常にきめ細かく監視することが可能になった。
上記の成果は国際学会等で発表されており、また、学術論文誌にも投稿予定である。

【研究種目】若手研究(B)

【研究期間】2002 - 2003

【配分額】2,900千円 (直接経費: 2,900千円)

【研究分野】知能情報学

【研究領域課題番号】13480090 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / エージェント / 人工知能 / データマイニング / 医療情報

【研究成果の概要】

本研究では、データ処理だけではなく、ユーザがデータ構造を認識し、処理目標を決定するデータ解析も前処理の支援範囲とする。データ解析ではデータの視認性が大切であり、そのためにデータの階層関係を木構造で可視化するインタフェースを開発した。
さらに、前処理のプロセスを「基本的な前処理」と「特別な前処理」の二つに分けた。前者はデータの初期設定とデータクリーニングであり、マイニング結果に依存しにくいプロセスである。後者はマイニング結果に応じてフィードバックのかかる処理である。GIANTには評価結果をフィードバックさせることにより、ルールの重み(=ネットワークのリンクの重み)を調整する機能がある。これを用いて特別な前処理のプロセスを制御する試みを行った。データマイニングの要素モジュールもかなりの計算資源を消費するが、GIANTではそれを要素とするデータマイニングの過程自体を学習するような一種のメタ学習を行う。これにより、データマイニングの処理手順自体を学習により獲得するための目処を得ることができた。
最後に、前処理支援システムを実際のデータでテストし、問題点を徹底的に洗い出した。また、実際に医療データを用いて、ユーザにシステムを試用してもらい、前処理過程の抽出を行った。処理ステップ数を典型的なデータベースソフトであるAccessと比較し、本システムを用いることにより、処理ステップ数が少なくなっていることを確認した。

【研究種目】基盤研究(B)

【研究期間】2001 - 2004

【配分額】14,700千円 (直接経費: 14,700千円)

【研究分野】社会システム工学

【研究領域課題番号】11680435 (KAKENデータベースで見る）

【研究キーワード】

データマイニング / ニューラルネットワーク / 確率感度解析 / ブートストラップ法 / MDL情報量基準 / ニューラル・ネットワーク / 機械学習 / ブートストラップ

【研究成果の概要】

本研究の目的は,データマイニングに関して既に得られている数理モデルの特長を拡張し,従来のデータベース技術や統計的手法の利点を活用して,新しいデータマイニング・モデルの構築と解析を行い,さらにシミュレーションやテストデータにより評価・検証して,モデルの特性を明らかにすることであった.この目的に沿って研究を行なった結果,下記の結果を得た.
1.確率感度解析による新しい確率的学習アルゴリズムの導出
データからの知識発見のために,ニューラルネットワークなどの機械学習手法を用いたデータマイニング・モデルにおいて,データの不確定性やノイズ,予測不可能な変動などがモデルの推論結果に与える影響の度合いを確率感度解析によって定量的に評価し,それにもとづいたニューラルネットワークの新しい確率的学習アルゴリズムの定式化に成功した.
2.ブートストラップ手法の最適リサンプリングへの応用
データマイニングの実際の応用においては,学習用データが統計的に偏ったり不充分な量の教師データしか得られないケースによく遭遇するが,統計的に大きく偏ったデータからの知識発見のために,復元を許したリサンプリング手法であるブートストラップ法の適用を提案し,シミュレーションによりその有効性を検証した.さらに,学習データの複合的組み合わせを繰り返して交叉検証(Cross-Validation)を行う場合にも,本提案手法を拡張してデータマイニング・モデルの汎化能力を改善できることを明らかにした.
3.データマイニングの製造スケジューリングや工程管理への応用
データマイニングの新しい応用分野として,生産データ解析における相関(Association)分析やMDL(最小記述長)などの情報量基準の適用について考察を行ない,最適スケジューリングや工程管理手法を提案した.本研究で提案した手法の有効性を数値実験により定量的に示した.

【研究種目】基盤研究(C)

【研究期間】1999 - 2000

【配分額】3,600千円 (直接経費: 3,600千円)

【研究分野】知能情報学

【研究領域課題番号】09898021 (KAKENデータベースで見る）

【研究キーワード】

発見科学 / 知識発見 / データマイニング / データベース / 科学的発見の論理 / アブダクション / 機械学習 / ネットワークエージェント

【研究成果の概要】

本基盤研究(企画・調査)は,平成10年度から平成12年度までの3年間にわたって実施する重点領域研究「巨大学術社会情報からの知識発見に関する研究」(略称:発見科学,領域番号294)の準備のための企画・調査を行なうのが主な目的である.本年度は,以下のように行った.
(1)巨大学術社会情報の実地調査 平成9年9月6日に領域代表者及びシステム開発を伴う研究班の班長とで,東京大学を訪問し,また,平成10年2月4日に京都大学を訪問し,巨大データとの取り組み状況を実地に調査し,本重点領域研究との連携をはかった.
(2)第1回班長会議 平成9年10月5日に仙台東急ホテルにおいて班長会議を開催し,重点領域研究「発見科学」の研究実施の概要を固め,企画を具体化し,調査項目と調査場所等の詳細について検討した.
(3)総括班会議平成9年11月27日に東京大学で本研究組織全体会議を開催し,重点領域研究「発見科学」の概要と実施討画案を示し,計画研究に参加しない総括班のメンバーからのアドバイスや指導を得て,実施計画を具体化した.また,同日チュートリアル2件を開催した.
(4)欧州での研究打ち合せ平成10年1月27日〜2月1日にヨーロッパのエスプリ計画等の一環として展開中の帰納的諭理プログラム及びデータベースからの知識発見のプロジェクト代表者等を訪問し,欧州における巨大情報からの知識発見研究の実情についての研究打ち合せを行い,同時に,本重点領域研究に対するアドバイス等を得た.
(5)哲学・諭理グループとの研究打ち合せ 平成10年2月11日に東北大学において,哲学・諭理グループとの研究打ち合せを行い,今後の研究の方針を具体化した.
(6)第2回班長会議 平成10年3月3日に東京で2回目の班長会議を開き,上記の会議及び諸調査に基づき研究実施討画を再検討し,研究活動の詳細を決定した.

【研究種目】基盤研究(C)

【研究期間】1997

【研究分野】知能情報学

【研究領域課題番号】08680387 (KAKENデータベースで見る）

【研究キーワード】

ゲーム・プログラミング / 囲碁 / 進化的アルゴリズム / 遺伝的アルゴリズム / 知識獲得 / 機械学習 / データマイニング / Dasa Mining

【研究成果の概要】

人工知能研究のゲーム分野において,チェスに替わる新たな目標とされる囲碁では,チェスに比べて桁違いに探索空間が広く,力任せ探索が利用不可能なので,全く新しいアプローチが必要と考えられる.そこで,人間のエキスパートが持つような多様かつ柔軟な囲碁知識を大量に自動獲得するシステムを構築した.
本研究では,生体情報処理の一種である遺伝的アルゴリズム(GA)からヒントを得た新たな進化的アルゴリズムを提案した.しかし,従来の進化的アルゴリズムは最適解を求めることを目的とするため少数の解に収束しやすい,知識表現が固定化している,などの問題点があった.
本アルゴリズムでは,個々の知識を生態系の個体になぞらえ,その共存を実現するために各個体に活性値を導入した.さらに,柔軟な知識表現を許すために,GAにおける交叉に代わる分裂(split)という新たなオペレーターを導入し,徐々に複雑な知識を生成した.その結果,柔軟でありながら大量の知識を獲得することが可能となった.
囲碁の棋譜を用いて本アルゴリズムの評価を行った.ここではパタン(手筋)が獲得され,更に分裂の際の候補として「何手前の着手か」を加えることにより,定石も獲得された.獲得された知識をエキスパートの評価にかけたところ,全体の6〜8割りの知識が有用であると判定された.また,詰碁からの知識獲得を行いこれを用いて詰碁を解いたところ,人間の初段と同程度のパフォーマンスを示したため,本システムでかなりな程度の知識が獲得されたと考えられる.
本アルゴリズムは柔軟であるため囲碁用語を定義すれば,この用語を用いた知識(格言)が獲得できると期待される.また,囲碁だけでなく,データマイニングなどの分野にも応用可能である.

【研究種目】基盤研究(C)

【研究期間】1996 - 1997

【配分額】2,600千円 (直接経費: 2,600千円)