【研究領域課題番号】21H04600 (KAKENデータベースで見る）

【研究キーワード】

データ駆動型社会 / 機械学習 / 人工知能 / 実験計画 / 因果推論

【研究成果の概要】

本研究では，以下の3つの基本的課題を設定し，研究に取り組んでいる．
１．（機械学習モデルの設計） 施策の最適化を目的とした実験計画のために，「機械学習に基づく統計モデル」を「追加実験によるデータ取得」と「施策の最適化」に結び付けるプロセスの全体像，及び，効果的な実験計画を可能とする機械学習モデルを如何に設計すべきか．
２．（効率的な追加実験の計画手法構築）大規模ログデータから構築された統計モデルが与えられたもとで，最小限の回数で最適施策の探索に結び付ける，効率的な追加実験を如何に計画することが可能か．
３．（施策の最適化と因果効果の評価手法の開発） 大規模データから得られた統計モデルと実験データを統合し，どのような方法で施策を最適化するか．加えて，共変量やデータの選択バイアスを考慮し，施策の因果効果を精度よく評価することが可能であるか．
2021年度は，これらの研究課題に関連する領域として，“能動学習”，“ベイズ最適化”，“バンディッドアルゴリズム”，“因果推論”の領域の体系的整理を行う研究会を定期開催し，その全体的な体系の明確化と問題点の整理を行った．これと並行して，「１．機械学習モデルの設計」については継続して企業の実問題を対象として研究を行い，様々な具体的事例に対して機械学習モデルを活用する技術基盤についての成果を得ている．また，「２．効率的な追加実験の計画手法構築」については，過去の大量のログデータを学習した機械学習モデルを活用して，いくつかの仮説のもとにA/Bテストを計画し，実ビジネスにおいて実証的に検証する試みを行った．今のところ，完全に再現性のある結果は得られていないが，様々なノウハウが蓄積されたため，今後の研究に結びつける予定である．「３．施策の最適化と因果効果の評価手法の開発」については，ベイズ最適化と因果推論モデルの実活用と改良を行い，一定の成果を得ている．

【研究種目】基盤研究(A)

【研究期間】2021-04-05 - 2025-03-31

【配分額】41,860千円 (直接経費: 32,200千円、間接経費: 9,660千円)

【研究領域課題番号】21K19625 (KAKENデータベースで見る）

【研究キーワード】

緩和ケア / 全人的苦痛 / 自然言語処理 / 機械学習 / 人工知能 / 評価

【研究成果の概要】

がん患者は痛みなどの身体的苦痛、不安や抑うつなどの精神的苦痛、仕事や家庭の問題などの社会的苦痛、生きる意味や死の恐怖などのスピリチュアルな苦痛といった相互に関連する苦痛を抱えている我々はすでに自然言語処理を用いて電子カルテデータから身体的苦痛の有無の評価には施行していたが、身体的苦痛や精神的苦痛の強さの評価、社会的・スピリチュアルな苦痛の有無の評価は未解決であった。
そこで、本研究では自然言語処理を用いて電子カルテデータからがん患者の身体的・精神的・社会的・スピリチュアルな苦痛の強さをリアルタイムに評価するシステムの開発に挑戦している。本年度は、自然言語処理を用いて電子カルテデータからがん患者の身体的・精神的・社会的・スピリチュアルな苦痛の有無を評価するシステムの開発を行った。
データは2018年~2020年の東北大学病院入院・外来のがん患者の診療記録であり、前処理を行ったのちに、プログラミング言語Python、Googleで開発され自然言語領域における性能の高さが注目されているBERTなどを用いた自然言語処理および機械学習により分析した。
結果として、がん患者の身体的・精神的苦痛の強さを評価すること、社会的・スピリチュアルな苦痛の有無を判定するシステムの開発に成功した。海外の先行研究では、身体症状の抽出のみにとどまっており、同じデータを用いて社会的苦痛やスピリチュアルな苦痛に拡大することは、世界でも初めての成果と考えられる。次年度は社会的・スピリチュアルな苦痛の強さの評価と身体的・精神的苦痛のデータを含めた経時データ分析、これらをリアルタイムに評価するシステムの開発に挑戦する予定である。

【研究種目】挑戦的研究(萌芽)

【研究期間】2021-07-09 - 2023-03-31

【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】20H01719 (KAKENデータベースで見る）

【研究キーワード】

オンライン学習 / 個人学習 / 学習管理システム / 仮想現実 / 人工知能 / メタ認知 / ラーニング分析 / eラーニング / 機械学習 / 教育技術 / 個人化された学習

【研究成果の概要】

Personal Online Analytic Learning System (POALS) is a web-based learning management system (LMS) developed to help learners succeed when taking online learning courses. The system was developed using the open edX LMS and has been tested with learners in 3 online classes at Tokyo Tech. It is made up of three components: 1) the Metacognitive Tutor to equip students with metacognitive skills needed for autonomous learning crucial to online learning, 2) the Adaptive Engine to help students manage the cognitive strain of having metacognitive tutoring alongside domain knowledge learning, and the 3) Analytics Dashboard based on student responses on the Metacognitive Tutor to give feedback to teachers on where learner interventions might be needed. In 2021, a new component was added called AI Kaku which is AI assisted writing tool. Key takeaways from this research include which metacognitive skills can be learned independently and which ones require nudging from teachers, which algorithms can work best for knowledge tracing while considering metacognitive measures, and how text data from learner metacognitive reflections can be used for learning analytics. Regarding research achievements, one peer review journal paper was published, one invited conference talk, and 9 conference papers were presented at domestic and international conferences. In addition, a doctoral student conducting this research won the best presentation award at the IEEE Teaching, Assessment and Learning for Engineering (TALE) conference in Dec. 2021 based upon this research.

【研究種目】基盤研究(B)

【研究期間】2020-04-01 - 2025-03-31

【配分額】8,580千円 (直接経費: 6,600千円、間接経費: 1,980千円)

【研究領域課題番号】20H01717 (KAKENデータベースで見る）

【研究キーワード】

教育工学 / 探究 / 機械学習 / 人工知能 / 学習支援ツール

【研究成果の概要】

2021年度は、日常用語から学術用語を推薦できるWEBツールを開発した。
まず、本研究では学習者が入力した文章に対して学術用語への類似度を測定する3つのアルゴリズムを統合して使用する手法を実現した。提案した3つのアルゴリズムは、学習者の文章に含まれる名詞を利用する。1つ目のアルゴリズムは、学術用語の説明文中にある名詞と一致する数が多いほど類似するとみなすテキストマッチングである。2つ目は、学習者の文章と学術用語の内容を説明するWikipediaの記事を取得し、それらの記事のWikipediaグラフ上での類似度を測定するアルゴリズムである。このアルゴリズムは、両者の記事が、参照関係がある他の記事数が多いほど、類似度が高いとみなす。3つ目は、学術用語をカテゴリとみなし、学習者のテキストが属する学術用語のカテゴリを解析する分類器である。これら3つのアルゴリズムの出力結果はすべて確率を表すので、本手法は、最終的な結果も確率を表すように各アルゴリズムの結果を重みづけし、最も値が高い上位10件を出力する。
次に、上述したアルゴリズムの結果である10件の出力結果を表示する、歴史の探究を支援するWEBツールを実装した。本ツールは、学習者の関心に近い学術用語を推薦することで、WEB上での情報収集を支援し、探究における問いの推敲を促進することを目的に設計した。また、教師向けに、本ツールを想定した際の授業案のページも設計した。
2021年度に開発したアルゴリズムについては論文にまとめ、2022年6月に国際会議で発表予定である（採択済）。

【研究種目】基盤研究(B)

【研究期間】2020-04-01 - 2023-03-31

【配分額】17,680千円 (直接経費: 13,600千円、間接経費: 4,080千円)

【研究領域課題番号】20K12689 (KAKENデータベースで見る）

【研究キーワード】

膵癌 / 人工知能 / 超音波内視鏡 / 超音波用造影剤 / 機械学習 / 超音波内視鏡下穿刺生検 / 超音波内視鏡検査 / 造影超音波検査

【研究成果の概要】

膵癌の予後改善のためには早期発見と適切な診断が必須である。画像診断技術の進歩により、膵臓の小腫瘤性病変が発見されるようになってきたが、良悪性診断は容易ではない。研究代表者らはこれまでに膵腫瘤の診断における、EUSに超音波用造影剤を組み合わせた造影EUSの有用性について報告してきた。しかし、EUSは主観性が高く、術者の技量や経験によるところも大きい。本研究では、造影EUSで得られた画像を人工知能（AI）に機械学習させることで術者の技量や経験の差を軽減し、膵腫瘤診断における新たな診断体系の確立を目的とした。
現在までに膵癌58例、非膵癌61例の合計119例の画像データを集積し、研究協力者である名城大学電気電子工学科の力を借りて機械学習による解析を行った。機械学習には、Attentionを使用したV-Netという手法を用いて学習・検証・テストを行った。3回の交差検証による膵癌・非膵癌の自動診断の感度、特異度、正診率の平均は、それぞれ83.3%、88.9%、86%であった。今後Attentionで重要視する領域を再分析、改善させることで、さらなる診断能向上が期待される。
令和3年度は膵病変に対するEUSガイド下穿刺生検(EUS-FNB)におけるAIの有用性についても検討を行った。膵疾患に対して22Gフランシーン形状針を用いてEUS-FNBを施行し、検体採取直後に実体顕微鏡で撮影を行った96例173検体を対象とし、機械学習の一つである対照学習を用いた、膵疾患におけるEUS-FNB検体の新たな評価法の開発を目的とした。対照学習を用いた8分割交差検証（学習13時間、推論11分）による自動診断の感度、特異度、正診率の平均は、それぞれ90.34%、53.5%、84.39%であり、EUS熟練者による肉眼的判定と同等、もしくはそれ以上の診断能を得た。

【研究種目】基盤研究(C)

【研究期間】2020-04-01 - 2023-03-31

【配分額】3,510千円 (直接経費: 2,700千円、間接経費: 810千円)

【研究領域課題番号】20H04476 (KAKENデータベースで見る）

【研究キーワード】

コラボレーション / 脳波計測 / 機械学習 / AI / IoT

【研究成果の概要】

本研究は，AIによる様々な職業の代替の予想がなされるなか，AIによる代替が困難な真に人間らしい活動として注目が高まっている職場/教育現場/家庭等でのクリエイティブなコラボレーションに焦点を当て，人間同士のコラボレーションの質を高める方法を明らかにすることを目的としています．超少子高齢社会に突入する日本では，社会のあらゆる場面での生産性の向上が重要な社会的課題であり，本研究はその課題解決のために，従来技術では支援困難な人間同士の協働・協調による創造的活動を，IoTセンサ，脳波計測や機械学習による人間行動の分析・可視化などの最新技術を駆使して支援することを目指しています．本研究は期間内に，(課題1)問題解決，アイデアの具体化，学習などのクリエイティブなミッション下に置かれた人々の実際のコラボレーションを，IoTセンサ，脳波計測や機械学習による人間行動の分析・可視化などの最新技術を応用して定量的に分析すること，(課題2)分析結果をもとに，人々のつながりと動機の強さに着目して，コラボレーションの成否メカニズムを数理的に解明すること，(課題3)コラボレーション参加者への状況の可視化・提示および介入方法も含めた，コラボレーション支援のための人間中心設計手法の提案と評価，の3つを行う予定です．２年目となる2021年度は，初年度からの継続研究および新規研究として以下を行いました．
(課題1)脳波を教師とした学習時の体動の画像検出結果からの集中度推定アルゴリズムの検討，脳波計を用いた音声雑音に強い集中度測定アルゴリズムの検討，脳波計を用いたVR没入感・ロボットに対する親和感の計測方法検討のための基礎データ収集
(課題2)人間行動計測データ・DNAビッグデータを例とした，データ分析におけるコラボレーションの分析と仮説立て
(課題3)VRを用いたデータ分析コラボレーション支援システムデザインの検討

【研究種目】基盤研究(B)

【研究期間】2020-04-01 - 2023-03-31

【配分額】17,680千円 (直接経費: 13,600千円、間接経費: 4,080千円)

【研究領域課題番号】20H03121 (KAKENデータベースで見る）

【研究キーワード】

スマート風土産業 / ワイン専用品種 / 栽培適地評価 / 人工知能 / センサーネットワーク / 地理情報システム / ワイン専用ブドウ品種 / WebGIS / 機械学習 / センサネットワーク

【研究成果の概要】

基本的な地理情報である高解像度のデジタル標高モデルを収集して処理し、地域の地形特性を明らかにするとともに、他の地理情報と組み合わせて分析を進めるための準備を進めた。統計解析や機械学習を行うために、1978～2019年までの長野県の気象メッシュデータ（一日ごとの降水量，日照時間，積算日射量，平均気温，最低気温，最高気温）を取得・整理した。圃場での気象観測を実施するためのセンサおよびデータ取得方法について要求仕様を検討し，気象観測装置を整備した．また，安価なシングルボードコンピュータを用いて同等の機能を有する気象観測装置を開発するための下準備を行った
ワイン用ブドウの栽培地の評価に用いられるさまざまな条件を検討し、長野県内の千曲川流域の（千曲川ワインバレー東地区）対象となる地域内で今後分析を行う圃場候補の位置を取得するとともに、栽培品種など、圃場条件を検討し、ワイン専用ブドウ品種の栽培適地評価基準を試作した。
整備した各種情報と試作した栽培適地評価基準を元に、栽培適地評価システムの設計と試作を行った。試作したシステムは、地質、土壌、地形（傾斜角度及び傾斜方位）、気象（年平均気温、年最高気温、年最低気温）を評価条件として利用可能とした。システムでは、ブラウザのみで2Dまたは3Dのグラフィックを描画するためのパッケージであるWebGLを用い、グリッドPNGタイルを用いた四則計算，括弧による演算順序の指定，論理演算式機能を実装した。これにより、地質、気温、地形条件等に基づく栽培適地評価を可能とし、試作システムを公開した。
．さらに、本研究の技術的背景となる地理情報、GIS、機械学習、情報処理などに関する諸検討も実施した

【研究種目】基盤研究(B)

【研究期間】2020-04-01 - 2023-03-31

【配分額】17,810千円 (直接経費: 13,700千円、間接経費: 4,110千円)

【研究領域課題番号】20K14464 (KAKENデータベースで見る）

【研究キーワード】

Artificial Intelligence / Machine Learning / Milky Way / Stellar Parameters / Citizen Science / Astrophysics / Spectroscopy / Stellar Archaeology

【研究成果の概要】

We have weekly online meetings to discuss the status and updates of the Subaru PFS analysis pipeline for Galactic Archaeology. We have centralized the code development for this project in a common git repository. With the updated software, we have calculated the expected signal-to-noise ratio of the future observations to estimate down to which magnitude we are sensitive to the chemical composition of stars.
Together with the Subaru PFS collaboration, we wrote the SSP for the instrument and are including feedback from an external committee.
We have created a regular grid of synthetic spectra together with Dr. Mohammad Mardini (UTokyo). We will confirm the validity of these spectra together with Evan Kirby (CalTech) and Laszlo Dobos (JHU). Moreover, the first components of the Subaru PFS spectrogram were delivered to Hawaii and are currently being tested.
The Covid restrictions do not allow us to organize public lectures or other forms of citizen science events, as originally planned. If the Covid situation improves this year, we plan to follow our original plan. Otherwise, we plan to host at least one data science challenge on Kaggle.com, a popular website for people who want to learn and practice AI.

【研究種目】若手研究

【研究期間】2020-04-01 - 2023-03-31

【配分額】2,470千円 (直接経費: 1,900千円、間接経費: 570千円)

【研究領域課題番号】20H00609 (KAKENデータベースで見る）

【研究キーワード】

ゲーム理論 / 人工知能 / 最適化 / 機械学習 / 実験経済学

【研究成果の概要】

2020年度には，10件の論文出版と，19件の学会発表（うち，招待講演5件）を行った．
マッチンググループでは，従来は部分問題に分割して考察されてきた３者間（例．学生ープロジェクトー研究予算）のマッチングを，一つの問題として解くことに取り組んだ．公平性と割当効率性が一般的には両立不可能であることを示したほか，弱められた公平性・割当効率性を満足する耐戦略的なメカニズムを設計し，その性能を実験によって評価した．本成果は，国際会議 AAMAS-20 にて報告した．
オークショングループでは，研究代表者による既存研究である，情報伝播を伴うオークションから着想を得て，金銭による効用譲渡を用いない資源配分メカニズムにおける情報伝播の動機付けに取り組んだ．詳細には，既存の資源配分メカニズムであるトップトレーディングサイクルアルゴリズムを修正し，ある種の安定な資源配分を出力するメカニズムを設計した．本成果は，AAMAS-21 にて報告した．
人工知能／最適化グループでは，研究代表者が90年代に提唱した分散制約最適化問題(Distributed Constraint Optimization Problems, DCOPs）のフレームワークに，変数の連続性を許す修正を施した， Continuous DCOP (C-DCOP) を提案した．一部の C-DCOP 問題に対する厳密アルゴリズムを提案したほか，一般の C-DCOP 問題に対しては保証付き近似アルゴリズムを提案した．本成果は，国際会議 AAMAS-20 にて報告した．
行動／実験経済学グループでは，課徴金減免制度（リニエンシー制度）の改正に関する講演を行った．また，不確実性下での意思決定に関する一般向け書籍を出版した．

【研究種目】基盤研究(A)

【研究期間】2020-04-01 - 2023-03-31

【配分額】45,110千円 (直接経費: 34,700千円、間接経費: 10,410千円)

【研究領域課題番号】20H00601 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / 教師なし学習 / 統計的推測 / 選択的推論 / 医療情報学 / 統計科学 / 人工知能 / 生命科学

【研究成果の概要】

機械学習などのデータ分析技術を利用する科学研究のアプローチはデータ駆動型科学と呼ばれさまざまな分野で有望視されている．データ駆動型科学では研究対象に関するデータを分析することによって科学的仮説を生成するため，従来のアプローチでは思いつかないような仮説を生み出せる可能性がある． 一方，複雑なデータを複雑なアルゴリズムで分析して得られた仮説の信頼性を評価するのは難しい．特に，教師なし学習と呼ばれる探索的なデータ分析によって仮説が生成される場合，信頼性を保証する方法は確立されていない．特に，生命医療分野など，誤った判断のもたらすリスクが大きい状況ではデータ駆動型仮説の信頼性を確保することが不可欠である．本研究では，探索的データ分析によって得られたデータ駆動型仮説の信頼性を定量化する数理・情報基盤を構築し，その有用性を生命医療分野において実証する．教師なし学習アルゴリズムが強力であればあるほど（データへの適合力が大きければ大きいほど），有望な仮説が生成できる可能性が高まる一方，仮説選択バイアスも大きくなってしまう．データ駆動型仮説の信頼性保証は，仮説選択バイアスを正しく定量化し，その補正を行うことによって実現できる．本研究では仮説選択バイアスを適切に補正し，アルゴリズムが仮説を生成したという条件のもとで統計的推論（仮説検定の枠組による偽陽性率（p値）や信頼区間の計算）を行う方法を確立する．2021年度は，特定の深層学習の選択的推論法を確立した。特に、深層学習の構造を変えるたびに選択イベントの同定が必要とならないようなメタアルゴリズムの構築することができた。

【研究種目】基盤研究(A)

【研究期間】2020-04-01 - 2025-03-31

【配分額】43,290千円 (直接経費: 33,300千円、間接経費: 9,990千円)

【研究領域課題番号】20K01751 (KAKENデータベースで見る）

【研究キーワード】

コーポレートガバナンス / ネットワーク分析 / 資産価格評価 / データサイエンス / イノベーション / 知的財産 / 機械学習 / 人工知能 / シミュレーション

【研究成果の概要】

本研究では，近年飛躍的な進展を遂げている情報技術を通じ資産価格評価のための分析基盤・分析の枠組みを確立し，その利点・課題を明らかにすることを試みる．
本年度においては，企業のコーポレートガバナンスに関する分析のため，国内上場企業を中心に企業属性データベースの拡張を行った．企業属性としては，企業の財務指標に加え，企業の役員構成に関するデータ，知的財産に関するデータ，企業の買収案件に関するデータおよび企業活動に関するデータなどを対象とした．複数のデータソースのデータを一つに取りまとめるため名寄せ等データベースの精緻化に取り組んだ。また，分析に必要となる資産価格データの収集整理も実施した．更に，現実の資産価格評価に関する活動の調査のために，金融市場参加者へのヒアリング調査もあわせて実施した．
分析においては，機械学習手法を通じ企業役員構成等のデータ分析に取り組み，企業の利益率に焦点を当て，研究を行った．分析の結果，(1) 企業の役員構成を対象としたネットワーク分析により国内企業は複数のグループに分けられること，(2) 各グループに属する企業の利益率に違いがみられることなど，興味深い結果を見出している．また，本年度は，企業の買収における企業属性と企業のイノベーション活動との関連性などについても基礎的な分析を実施している．
これらの研究成果の一部は，Empirical Economics, SN Business & Economics, 証券アナリストジャーナル，計測自動制御学会論文集, Smart Innovation, Systems and Technologies, Springer, 情報処理学会 第84回全国大会，計測自動制御学会 システム・情報部門学術講演会，人工知能学会 経営課題にAIを! ビジネス・インフォマティクス研究会などにおいて報告を行っている．

【研究種目】基盤研究(C)

【研究期間】2020-04-01 - 2024-03-31

【配分額】4,160千円 (直接経費: 3,200千円、間接経費: 960千円)

【研究領域課題番号】20H02410 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / 災害 / 因果 / AI / cascading disaster / 連鎖構造 / 東日本大震災 / 阪神・淡路大震災 / 台風19号 / 災害連鎖

【研究成果の概要】

本研究では，災害対応のDX化と新たな防災教育技術の構築を目指して、災害に関する記述から機械的に因果を抜き出して災害連関図を作成する方法論を確立する．昨年度までは，これまでの災害教訓から得られる膨大な災害事象の網羅的な因果データベースを機械学習を用いて構築し，それを利用して近い将来に起こりうる災害事象をリアルタイムで抽出するものであり（イベントツリー・タイムラインの形），災害発生直後に，定性的ではありながらも，近い将来を予測可能とする目的で開発を進めている．
今年度は昨年度の朝日新聞データのみならず，年次を10年まで拡張し，様々な新聞記事を対象として災害間比較を行った．たとえば、河北新報における台風19号の新聞記事については，精度判定には全体の約5%のテストデータを用い，その結果として，利用した新聞記事の文章数59,537センテンスのうち，因果関係がありそうな文章候補が12,802センテンス見つかった（うち6,406文が手がかり表現による因果文候補，6,396文が継起因果表現による因果文候補）．これを用いて因果関係を抽出したところ，抽出された因果関係は3,512となった．この結果，災害の規模が小さいと、災害の大きさが小さいと因果ツリーの抜き出しが少ないことが分かった．今後はワークショップを行うことで，因果データベースを拡充する予定である．また今年度は，発生する事象に重みをつけ，ネットワークの頑健性等を量的に評価することで因果関係を断ち切る効率的な意思決定として重要なChainの切り方を考察した．

【研究種目】基盤研究(B)

【研究期間】2020-04-01 - 2023-03-31

【配分額】17,290千円 (直接経費: 13,300千円、間接経費: 3,990千円)

【研究領域課題番号】20K07206 (KAKENデータベースで見る）

【研究キーワード】

患者市民参画 / 潜在ニーズ / 機械学習 / 患者レジストリ / リアルワールドデータ / 臨床研究 / 人工知能 / 機械学習モデル

【研究成果の概要】

本研究の目的は、患者やその家族の潜在的なニーズを踏まえた国内型の患者参画型研究を推進するため、患者団体等が自ら作成した患者レジストリから潜在ニーズを自動抽出するための手法を検討することである。

【研究計画】(1) 患者レジストリの登録患者対象に治療内容、日常ケアや薬に対するニーズを質的に分析した後、政策や医薬品開発に反映可能なボイスの種類及びその特徴把握。(2) 患者レジストリデータ用いて、タグ付きニーズを正解付きデータとし、治療内容等に対するニーズをクラス分類するための機械学習の予測モデル構築。(3) 治療内容等に対するニーズに加え、患者の個人特性を考慮した予測モデル構築。

【研究成果】2020年度は、患者レジストリより自由回答の内容をコーディング及びカテゴリ化した後、タグ付きニーズとして辞書化を行った。2021年度は潜在ニーズ自動抽出のための機械学習モデルの構築を行った。モデル構築にあたり、次の3点の検討を行った。[1] 特徴量のスケーリング方法。[2] Word2Vecモデルを用いて同義語辞書を作成し、この辞書を使用して同一の特徴量に変換した学習方法。[3] 予測後の潜在ニーズの可視化手法。

【研究種目】基盤研究(C)

【研究期間】2020-04-01 - 2023-03-31

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

【研究領域課題番号】20K07778 (KAKENデータベースで見る）

【研究キーワード】

AI / 見た目年齢 / 顔写真 / 認知機能低下 / 音声 / 早期認知症診断 / 機械学習

【研究成果の概要】

医師・心理士10名による顔の見た目年齢が暦年齢よりも認知機能と強い相関を示しており (Umeda-Kameyama et al. Geriatr Gerontrol Int 2020)、人の目では見極められないような部分を判断してくれるだろうAIを用いて、約9割の正解率で高齢者の顔写真から認知機能低下を見分ける研究報告（Umeda-Kameyama, et.al., Aging (Albany NY). 2021;13:1765-1772.）をしました。
今年度既存のAIモデルを用いた検討も行いました。人判定見た目とMicrosoft azure face APIはかなり良い相関を示しました。人判定見た目は、暦年齢よりも認知機能とよい相関を示したが、azure face APIの成績は、暦年齢に及びませんでした。azure face APIは、20歳ほど若く判定され東洋人の判定が苦手、また、最大値が74であり高齢者の判定が苦手の可能性が考えられます。また、先の人判定見た目年齢も、最低10人の判定が必要であり、人数を減らすとうまくいきませんでした。たった一つのAIで見た目年齢を正しく判断することは難しいのかもしれません。

2021年度は、東京大学高齢社会総合研究機構の柏コホートで1000名以上の健常高齢者の認知機能検査と顔写真が集められました。本結果については特許申請を予定しております。

【研究種目】基盤研究(C)

【研究期間】2020-04-01 - 2023-03-31

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

【研究領域課題番号】19K12094 (KAKENデータベースで見る）

【研究キーワード】

動的システム学習 / 健全性監視 / 異常検知 / 転移学習 / 教師なし学習 / システム同定 / 生成モデル / 機械学習 / 予防保全 / 人工知能

【研究成果の概要】

近年、IoTに代表される計測通信技術の普及と、深層学習を含む機械学習の発展が相まって、大規模かつ複雑な人工システムの健全性監視において、データ駆動型のアプローチ、すなわち、過去の膨大なデータからシステムの挙動モデルを統計的に学習して健全性の監視に利用するアプローチが大きな期待を集めている。本研究では、このデータ駆動型健全性監視が抱える2つの問題に焦点を当てている。第一の問題は、現実の人工システムにおいては事前に十分な量と質を兼ねた訓練データを入手することが容易でなく、特に、異常や不具合に関するデータはほとんど存在しないという点である。第二の問題点は、膨大なデータに対して機械学習を適用することによって得られた帰納的モデルが必ずしも専門家が持つドメイン知識と整合しないため、実世界での利用に耐えるだけの説明性を有さないことである。これら２つの問題を解決するため、本研究では、データ駆動健全性監視のための転移学習法を開発すること、および、工学者・専門家にとって解釈性の高い潜在変数-状態空間モデルと最新の機械学習手法との融合を図ることでデータ駆動健全性監視の説明性を実現することを目的とする。
本課題３年度目である2021年度は、前年度から引き続き状態空間モデルと生成的な
深層学習モデルを融合することにより、自然法則やシステム固有のダイナミクスに関する事前知識をモデルに埋め込みつつ、高次元時系列データ入力からシステムの内部状態遷移を推定・監視する技術の開発に取り組んだ。また、変分自己符号器の訓練に自己教師あり学習を用い、地球周回の人工衛星に本来備わる周期性を事前知識として利用することによって、潜在変数空間の各次元が解釈可能になることを示した。

【研究種目】基盤研究(C)

【研究期間】2019-04-01 - 2023-03-31

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

【研究領域課題番号】19K22884 (KAKENデータベースで見る）

【研究キーワード】

人工知能 / 機械学習 / 記号処理 / パターン処理

【研究成果の概要】

人工知能には，記号処理とパターン処理の２つの対立する代表的なアプローチがある．従来の人工知能では，２つのアプローチを問題領域に応じて選択し，それぞれ別個に応用されてきた．本研究では，これまでに別個で使われていた記号的人工知能とパターン的人工知能の判断を有機的に統合する手法を解明することを目的とする．そのために，２つの手法による違いの解明，２つの処理手法の統合を行った．

【研究の社会的意義】

人工知能の世界においては，人工知能が使う原理に関して，長年，パターンか記号かの論争が続いている．本研究では，それぞれの長所を統合する挑戦的な課題を設定した．学術的には，人工知能のアプローチを根本から見直す意義がある．また，社会的には，２つのアプローチを統合することで，意思決定の透明化がなされ，安心して人工知能技術の導入を進められるようになる意義がある．

【研究種目】挑戦的研究(萌芽)

【研究期間】2019-06-28 - 2021-03-31

【配分額】6,240千円 (直接経費: 4,800千円、間接経費: 1,440千円)

【研究領域課題番号】19H04121 (KAKENデータベースで見る）

【研究キーワード】

データセンター / 運用 / 人工知能 / スケジューラ / ログ収集 / 強化学習 / ジョブスケジューリング / 最適化 / オーバーコミット / システムモデル / スーパーコンピュータ / 深層学習 / AI / 計算機運用 / 機械学習 / センサーデータ / スケジューリング / サイバーフィジカルシステム

【研究成果の概要】

データセンターの運用の自動化のため、データセンターからのデータを取得して仮想空間上に再現する方法と、その仮想空間上で運用ポリシーを最適化する方法を研究した。
前者のデータ取得については、機器によるデータフォーマットの違いやデータの用途に依存することなく、様々な運用に役立つ汎用的なデータを多くのデータセンターから収集できる一般的なデータフォーマットと保存形式を定義することに成功した。後者の運用最適化については、制御方法を自動的に学習する強化学習を用いてジョブスケジューリングを最適化することに成功すると共に、その学習の場としてスケジューリングや冷却設備のシミュレータを実装した。

【研究の社会的意義】

データセンターの運用はより少ない資源で多くの計算需要を満たすための高度な技術であり、スケジューリングポリシーの設定、計算機のメンテナンス、さらには電力空調設備の運用やメンテナンスを含む専門的に高度な業務である。近年の労働人口減少に伴い、このような運用業務に携わる人材の確保は容易でなく、今後、益々増大する計算需要を安定的に満たすためには運用の省力化、少人化は必須の課題である。本研究の成果はこの要請に応じるものであり、設備運用やジョブスケジューリングをシミュレーションで再現する方法、さらにそれを用いて人工知能に最適な運用を試行錯誤させる方法を開発したものである。

【研究種目】基盤研究(B)

【研究期間】2019-04-01 - 2022-03-31

【配分額】17,290千円 (直接経費: 13,300千円、間接経費: 3,990千円)

【研究領域課題番号】19K08201 (KAKENデータベースで見る）

【研究キーワード】

CT画像 / エネルギースペクトル / 元素推定 / 超音波画像 / MRI画像 / PET画像 / 機械学習 / 人工知能 / 正規化 / CT / MRI / 機能推定 / 画像処理 / 医学物理学 / 機能画像 / レディオミクス

【研究成果の概要】

腫瘍悪性度の分類や予後予測に対し、医用画像解析が遺伝子情報解析に匹敵する可能性が指摘され、レディオミクスと呼ばれる新たな研究分野が形成されつつある。一方、その予測精度を高めるために必要となる高品質で大規模な医用画像データベースの作成において、装置間の機器的な相違や撮影条件の相違が大きな障壁となる。本研究では、この問題の根本的な克服に向け、臨床で撮影される医用画像の多様性を利用して単一の医用画像撮影プロトコルでは実現できない階層の情報抽出に基づいた正規化法を研究した。

【研究の社会的意義】

本研究により、様々なCT画像を仮想的に生成し、それを学習データとして人体密度、実効原子番号、及び人体の主要６元素（水素、炭素、窒素、酸素、りん、カルシウム）の密度分布を高い精度で推定できる手法を実現することができた。また、本研究期間内においてMRI画像、PET画像、超音波画像などの様々な医用画像に対して病気分類等を実現するモデルを実現することができた。この研究成果は、放射線治療・放射線診断をはじめとする分野において高精度な医療を提供することにつながり、今後の社会応用への期待が高まる結果を得ることができた。

【研究種目】基盤研究(C)

【研究期間】2019-04-01 - 2022-03-31

【配分額】4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)

【研究領域課題番号】19K08689 (KAKENデータベースで見る）

【研究キーワード】

メタボロミクス / 腎臓病 / 機械学習 / メタボローム / 急性腎障害 / AI / バイオインフォマティクス / ネットワーク生物学

【研究成果の概要】

メタボローム分析装置から得られる大量の解釈困難部分(未知ピーク)の有効利用の可能性を探り、また患者の代謝物質のパターンから急性腎症(AKI)の発症予測を行った。前者では、鶴岡メタボロームコホート研究参加者約3,000人分のメタボロームデータを活用し、生体内の代謝物質を反映すると思われる未知ピークを抽出するためのパイプラインの構築を行った。後者では、AKIを発症した患者の尿に特有の代謝物質の変化を発見できないか調べるべく、手術後に集中治療室に入室した患者121人の、未知ピークを含む尿中メタボロームの分析を行い、さらに機械学習を用いて、その後患者がAKIを発症するかを比較的高い精度で予測した。

【研究の社会的意義】

代謝物質は生命活動の源であると同時に、生命活動の結果合成されるものでもあり、細胞内でどのような現象が起きているかを探る大きな手がかりとなる。細胞内の代謝物質の網羅的分析、すなわちメタボローム分析の応用分野は、分子生物学のような基礎研究にとどまらず、医学や食品学を含めた健康科学にまで広がっており、ガンなどの疾患進行のメカニズムの解明や、新規バイオマーカーの発見等、その成果は多岐に渡る。本研究成果は、メタボロームデータを効果的に情報処理し、検体に関するより多くの情報抽出を可能にするものである。機械学習を活用し、急性腎症発症の予測を比較的高い精度で行えたことでその医学的有用性が示唆された。

【研究種目】基盤研究(C)

【研究期間】2019-04-01 - 2022-03-31

【配分額】4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)

【研究領域課題番号】19K22625 (KAKENデータベースで見る）

【研究キーワード】

人口知能 / 機械学習 / セグメンテーション / ヒトiPS細胞 / ヒトES細胞 / 心筋細胞 / 分化誘導 / 成熟化 / 深層学習 / 多能性幹細胞 / オミックス解析

【研究成果の概要】

拍動心筋細胞の動画を全自動撮影し、ベクトル解析によって心筋細胞を同定することで非心筋細胞との領域を判別する拍動心筋細胞動画撮影システムを開発した。また、セグメンテーションアルゴリズムにより拍動する心筋細胞を効率的に評価する画期的な深層学習法の開発を行い、改良することでより正確な領域判定を可能にした。心筋と非心筋細胞を見分けるのに有効な分類器を機械学習により構築し、加えて学習器を可視化することで分類根拠を視覚的に示すことに成功した。拍動心筋細胞動画撮影システムにより効率的に教師データを取得し、学習機によるデータの解析を行った。さらに心筋細胞への分化、成熟過程における重要な遺伝子を確認した。

【研究の社会的意義】

多能性幹細胞由来心筋細胞の汎用化と産業化には大量の心筋細胞の品質を効率よく短時間で評価する方法を確立する必要性がある。本研究によって心筋細胞の状態を位相差顕微鏡で観察した細胞の画像データのみから評価することが可能になった。これまでの研究では、画像解析のみで多能性幹細胞からの分化誘導効率や成熟度を評価することは極めて困難であり、学術的、社会的意義は非常に大きい。本研究成果は病態解明と創薬開発におけるES/iPS細胞研究のブレークスルーを達成するものであり、効率的な分化誘導法や成熟化法を開発するための強力なツールとなる。その成果は循環器領域にとどまらず他領域にも役立つ極めて汎用性の高い技術である。

【研究種目】挑戦的研究(萌芽)

【研究期間】2019-06-28 - 2021-03-31

【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】18H03334 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / ビッグデータ / 創薬 / 人工知能 / 難治性疾患

【研究成果の概要】

本研究では、医薬ビッグデータと人工知能(AI)の基盤技術である機械学習を用いた創薬を実現するための情報基盤技術を構築する。医薬品、植物、食品成分などの化合物に関する情報、遺伝子、タンパク質、糖鎖など生体分子に関する情報、難治性疾患に関するオミックス情報やSNPなどのゲノム情報を基に、グラフ畳み込みニューラルネットワークや再帰的ニューラルネットワークの枠組みで、化合物の標的タンパク質プロファイルを予測するためのモデルを構築した。化合物の化学構造の適用範囲を考慮したアルゴリズムも構築した。最終的に、悪性リンパ腫と嚢胞性線維症に対して、医薬品候補化合物を網羅的に予測し、予測結果の一部を検証した。

【研究の社会的意義】

疾患治療に有用な化合物の同定は、人類の医療やヘルスケアにとって最重要課題である。現在でも有効な治療法が無い難治性疾患や希少疾患は多く、疾患に苦しむ患者に対する迅速な救済措置が必要である。しかしながら、最近の新薬開発は低迷しており、新薬を一個開発するのに数千億円の研究開発費と10年以上の歳月を要すると云われている。本研究では、医薬ビッグデータと人工知能(AI)の基盤技術である機械学習を用いた創薬「AI創薬」を提唱し、それを実現するための機械学習手法の研究開発を行なった。深層学習の予測モデルを構築し、医薬品候補の化合物を情報化学的にスクリーニングする技術基盤を構築することができた。

【研究種目】基盤研究(B)

【研究期間】2018-04-01 - 2021-03-31

【配分額】17,290千円 (直接経費: 13,300千円、間接経費: 3,990千円)

【研究領域課題番号】18H01437 (KAKENデータベースで見る）

【研究キーワード】

次世代移動通信 / へトロジーニアス・ネットワーク / 干渉抑圧技術 / 機械学習 / 強化学習 / 教師無し学習 / 移動通信 / システム制御 / ニューラルネットワーク / 干渉抑圧 / 送信電力制御 / 送信ビームフォーミング制御 / Deep Learning / 誤差逆伝搬法 / Dropout / 変分法的ベイズ推定 / 干渉キャンセル / 送信制御 / EMアルゴリズム / Message-Passing アルゴリズム / 人工知能

【研究成果の概要】

次世代移動通信のへトロジーニアス・ネットワークにおいて，受信機も干渉キャンセル機能を有することを前提に，複雑かつ膨大な演算量を要する統合送信技術を低演算量で，かつ最適システム容量を達成するように制御することを検討した．
具体的には，MIMO (Multiple-Input Multiple-Output) 通信で7セル以上のセルラーシステムを想定し，受信機の干渉キャンセル機能として，線形受信では最適な MMSE (Minimum Mean Square Error) を検討した．全システムの通信路容量を最大にするよう，昨年度と同様，機械学習の強化学習 (Reinforcement Learning)を送信電力及び送信ビームフォーミングの制御に適用した．計算機シミュレーションにより，演算量が膨大となる最適化手法（全探索）に較べ，システム容量の劣化を抑えられ，かつ全探索よりも演算量を大幅に削減できることを確認した．
さらに，教師信号の情報を不要とするため，機械学習の教師無し学習 (Unsupervised Learning) を適用し，Adam Algorithmを用いて学習の収束速度向上を図った．加えて，3セル以上にも適用できるように，評価関数を修正して自律分散制御法の導入を検討した．計算機シミュレーションにより，7セル，3セクターアンテナのセルラーシステムにおいて，同様にシステム容量を改善できることを確認した．
上記の検討例は MMSE を前提にしていたが，現在，固有モード伝送及び注水定理に基づく送信電力制御を行い，1セルでの通信路容量を局小的に最大化し，これを他セルでも繰り返し行うことでシステム全体の通信路容量の最大化を検討しており，自律分散制御のための計算機シミュレーション・プログラムを作成中である．

【研究種目】基盤研究(B)

【研究期間】2018-04-01 - 2023-03-31

【配分額】5,460千円 (直接経費: 4,200千円、間接経費: 1,260千円)

【研究領域課題番号】18K19793 (KAKENデータベースで見る）

【研究キーワード】

人工知能 / 深層学習 / 機械学習 / ニューラルネットワーク / 理論解析

【研究成果の概要】

本研究では，数理的アプローチによって深層学習の学習ダイナミクスなどの理論解析を行った．その結果以下の結果を得た．（１）不連続な関数を推定する場合，深層ニューラルネットは，従来法である固定基底を用いる方法に比べて，推定精度に優位性がある（２）深層ニューラルネットが冗長な中間素子を持つ場合の誤差曲面の鞍点の構造が明らかとなった（３）深層生成ネットワークの学習ダイナミクスの安定性条件が明らかとなった．また，因果方向をメタ学習によって少数のデータから推定する方法を提案した．

【研究の社会的意義】

深層学習は応用面からの成功により現在の人工知能の基盤技術となっているが，モデルが強い非線形性を持つことから理論的な解析を行うことは容易ではなくブラックボックスとして使われる場合が多い．本研究は数理的手法で深層学習の性質を理論的に明らかにするものであり，ブラックボックスを超えた深層学習の理論，特に学習によって得られたネットワークの信頼性や，学習アルゴリズムの安定性に関して重要な知見が得られた．

【研究種目】挑戦的研究(萌芽)

【研究期間】2018-06-29 - 2021-03-31

【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】18K18630 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / 回帰モデル / t-test / 子育て支援 / チャットボット / 地域情報の活用（コーパス） / コーパス作成 / 人工知能

【研究成果の概要】

本研究では，幼稚園の教師の疲労とストレスレベルに影響を与える人的因子に関して調査を行った．幼稚園の教師の人口統計，労働スケジュール，並びにストレスと疲労に関する実時間データを得た．このデータを用いて，機械学習手法により，統計におけるt-testを用いた回帰モデルを構築した．さらに，因子を，正常，異常に近い，異常の3レベルに分類した．その結果，1）木曜日，金曜日に働くことが，ストレスと疲労に大きな影響を与えることが判明した．2）日曜日に働くことはストレスに影響を与えることが判明した．3）性別，身長，体重は影響がないことがわかった．４）30歳以下の職員はストレスを受けやすいことが判明した．

【研究の社会的意義】

本研究では，幼稚園の教師の疲労とストレスレベルに影響を与える人的因子に関して調査を行った．我々は，国内で初めて幼稚園の教師の人口統計，労働スケジュール，並びにストレスと疲労に関する実時間データを組み合わせて得た．本データを得るにあたっては，アンケートベースの手法と，計測機器を用いた実時間の計測データを用いた．データを用いて，機械学習手法により，統計におけるt-testを用いた回帰モデルを構築した．このような調査を行うときに，実時間データを取得して機械学習手法で解析することは従来行われてこなかった．また，得られた結果は，今後幼稚園の教師の疲労とストレスレベルの軽減に役立つものと考えられる．

【研究種目】挑戦的研究(萌芽)

【研究期間】2018-06-29 - 2021-03-31

【配分額】5,200千円 (直接経費: 4,000千円、間接経費: 1,200千円)

【研究領域課題番号】18H04155 (KAKENデータベースで見る）

【研究キーワード】

HEMS / スマートメーター / 太陽光発電 / 異常検知 / LCA / ビッグデータ / AI / 深層学習 / カーボンニュートラル / ライフスタイル / IDEA / 敵対的生成学習 / 電力 / 実験経済学 / 意思決定 / Deep Learning / 機械学習 / 行動変容 / ディープラーニング / インベントリデータベース / パリ協定

【研究成果の概要】

2050年までにカーボン・ニュートラル社会を実現するため、特に排出削減が難しい家庭部門の温室効果ガス排出削減のための手法開発を目指した研究を実施した。
家庭のエネルギー消費削減には、家庭内でどのような形態によってエネルギー消費が行われているか、すなわちライフスタイルを明らかにする必要があった。そこで本研究では、HEMS/スマートメータといったIoTセンシングによって得られた約6万世帯、20億レコードの家庭電力消費ビッグデータを活用した。近年急速に発展する深層学習アルゴリズムを開発し、分析を行うことで、消費電力量のみから家庭の属性や生活パターンを分析する手法を開発した。

【研究の社会的意義】

家庭内消費電力データを分析することで、複数の制度においてその制度の意図と異なる行動が発生していることを示唆する結果を得た。太陽光売電制度においては、節電インセンティブが存在するとされていた余剰売電制度の方が、節電インセンティブが存在しない全量売電制度よりも、実際の家庭内消費電力量が増大していることをビッグデータによって示した。さらに、このような事象が発生した原因を行動経済学の知見に基づいてリバウンド効果として学術的に説明を行った。
今後さらに強く求められる家庭内エネルギー消費削減に必要となる様々な社会制度設計において、家庭電力消費ビッグデータの活用が有効であることを示した。

【研究種目】基盤研究(A)

【研究期間】2018-04-01 - 2022-03-31

【配分額】42,900千円 (直接経費: 33,000千円、間接経費: 9,900千円)

【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】情報社会におけるトラスト

【研究領域課題番号】17KT0157 (KAKENデータベースで見る）

【研究キーワード】

医用人工知能 / トラスト / ELSI / プライバシー / AI / 診断補助 / 医療機器 / 信頼 / 機械学習 / ビッグデータ / 人工知能 / 医学 / 医療

【研究成果の概要】

第二次人工知能ブーム以来の議論として、医用人工知能のトラストに関連する課題がある。米国の後追いをする形で日本においても医用人工知能の社会実装が進みつつある。厚生労働省通知によれば、現時点での医用人工知能を用いた医療機器は、あくまで診療補助を行う機器であり、医行為に対する責任は医師にあるものとの整理がなされている。
本研究では、こうした過去・現在、国内外の状況に関する整理を行い、AIに対するトラストに関する医師に対してのアンケート調査等を行い、医療AIに関するタイプ分類を作成するとともに、医用人工知能に関するセミナーシリーズを開催し、政策提言の取りまとめを行った。

【研究の社会的意義】

本研究では、医用人工知能（医療AI）のシステムのタイプ分類を作成し、具体的なシナリオを用いて医療従事者に質問紙調査を行った。医師の医療AIに対する期待は高いものの、具体的にどのような利用法が求められているのかに関しては、あくまで医師の判断の見落とし防止などとなるタイプBの需要が高いことが結果から示唆された。
今後医療AIの性能や位置づけが変化するにしたがって、この考え方も変化することが想定される。また、医療AIシステムが提示する説明に医師が納得できるかという「納得」よりも、従来の医療機器と同様に、有用性や安全性が重要であることが示唆された。
これらをふまえ、社会実装に向けた政策提言も作成した。

【研究種目】基盤研究(C)

【研究期間】2017-07-18 - 2021-03-31

【配分額】4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)

【研究分野】計算科学

【研究領域課題番号】17K14144 (KAKENデータベースで見る）

【研究キーワード】

ディープラーニング / 数値解析 / 機械学習 / マルチスケール / 数値シミュレーション / マルチスケール解析 / 熱伝導問題解析 / 不均質材料 / 深層学習 / 人工知能 / シミュレーション工学

【研究成果の概要】

本研究目的は，人工ニューラルネットワーク（ANN）とマルチスケール解析手法を融合した全く新しい数値シミュレーション法を開発することである．本手法が確立されれば，従来手法と同様の高精度解をより低コストに算出することが期待できる上，適用に制約がなく原理上あらゆる物理現象の解析が可能となる．
平成29年度は，提案法に用いるANNとして，画像認識能力に優れている畳み込みニューラルネットワーク（CNN）を導入し，提案法を2次元の線形定常熱伝導問題に適用した．平成29年度に実施した数値実験により，CNNを導入した提案法は，ANNを使用しない従来のSDMとほぼ同等の解を算出し，さらに解析時間を短縮できることが分かった．
平成30年度は，SDMに加えて，マルチスケール解析手法の1種である領域分割法（DDM）とCNNを融合したマルチスケール解析手法を提案し，平成29年度と同様に2次元の線形定常熱伝導問題に適用した．また，CNNの学習に「知識の蒸留」と呼ばれる手法を導入し，提案法の更なる解析精度向上および解析時間の短縮を図った．平成30年度に実施した数値実験により，新たに提案した手法は，CNNを使用しない従来のDDMとほぼ同等の解を算出し，更に解析時間を短縮できることが分かった．さらに，解析精度については，平成29年度に提案した手法を大きく上回った．
以上の成果により，提案手法がSDMだけではなくDDMにも適用可能であることを実証した．さらに，今年度提案した手法は，昨年度提案した手法を大きく上回る解析精度を実現した．

【研究種目】若手研究(B)

【研究期間】2017-04-01 - 2020-03-31

【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】ウェブ情報学・サービス情報学

【研究領域課題番号】17H01821 (KAKENデータベースで見る）

【研究キーワード】

インターネット / ウェブサービス / 進化理論 / 自己組織的臨界状態 / Big Data / OEE / ソーシャルメディア / ビッグデータ / Yule Simon / タグ / ウェブデータ / 進化 / Price方程式 / ウェブ / 新規性 / オープンエンド / 生態系 / STS / 進化ダイナミクス / 機械学習 / 人工生命 / タグの進化 / 人工知能 / ソフトコンピューティング / 自己組織化

【研究成果の概要】

ウェブサービスが臨界状態（一つの投稿が大きく波及するような）に向かって進化していることを示した。それと同時にユーザーグループが特徴的な集団構造をつくっていくように観測できた。タグをつけるサービスどうしを比較し、簡単な数理モデル（Yule-Simonモデル）とでは説明できない現象を見い出した。ウェブの「意味」の創出は、新しいタグの進化ではなく、タグどうしの組み合わせの進化にある。特に投稿間に親子関係を持ち込むｊことで、400週に及ぶデータの進化系譜を描き、それを解析した。

【研究の社会的意義】

インターネットは、人が作った進化する複雑な人工物の代表例です。人というユーザーがインターネットの動きを個別には作っているが、全体の動態はよくわからないものです。われわれはこのシステムの大規模なデータの解析を行い、それが簡単な数理モデルでは表せないことや、進化系統樹を描く解析を行うことで、進化という視点を生物以外にも拡張して論ずることに成功しました。これは、新しい学問領域を創発させたといえるでしょう。社会的にも、インターネットとはないか、という視点を更新し、進化論というのがけっして狭い生物だけの話ではなく、拡張して考えられることを普及させるのは大事なことだと考えています。

【研究種目】基盤研究(B)

【研究期間】2017-04-01 - 2020-03-31

【配分額】15,860千円 (直接経費: 12,200千円、間接経費: 3,660千円)

【研究分野】人工物システムの強化

【研究領域課題番号】17KT0044 (KAKENデータベースで見る）

【研究キーワード】

マルチエージェントシステム / 持続可能性 / 分業 / 強化学習 / 交渉 / 自律分散システム / タスク委託 / ノルム / 進化計算 / 協調体制 / 交渉プロトコル / 巡回問題 / 分業体制 / 人工知能、 / エージェント / 機械学習 / 協調

【研究成果の概要】

本研究では、自律的に判断をする複数のエージェント（自走ロボットなど）から構成されるマルチエージェントシステムにおいて、システムの持続可能性や頑健性を維持するために必須な、取替・更新・定期点検などで停止したときに発生する、一時的な効率・性能低下を緩和するために、エージェント達が自らのタスクを委託し合う交渉手法と、全体の効率を上げるための自律的な組織化・分業化を達成する学習法を追求した。成果は、当該分野でのトップレベルの国際会議で採択されるなど、学術的な評価を得ているものと考える

【研究種目】基盤研究(B)

【研究期間】2017-07-18 - 2022-03-31

【配分額】18,330千円 (直接経費: 14,100千円、間接経費: 4,230千円)

【研究分野】社会医学、看護学およびその関連分野

【研究領域課題番号】17K19793 (KAKENデータベースで見る）

【研究キーワード】

健康格差 / 機械学習 / マーケティング / 社会疫学 / 生活保護 / 健康の社会的決定要因 / 行動科学 / 生活保護制度 / セグメント分析 / 人工知能 / 情報科学

【研究成果の概要】

経済的な困窮は健康づくりや受診行動を難しくする。そこで、マーケティング手法を応用した支援システムを構築する。生活保護受給者のデータベースを活用して、生活保護に至った背景や成育歴、生活歴、健康リテラシー等の情報に基づき、生活保護受給者への適切なケア提供に向けた集団セグメント化アルゴリズムを開発した。生活保護管理データと医療保険のレセプトを入手して受給者のセグメント化を行いシステムに実装した。子ども・成人・高齢者それぞれの慢性疾患リスクと生活保護受給者の社会状況（孤立・不就労等）との関連を確認して発表した。生活困窮や孤立状態について、質問しやすい文言でスクリーニングするツールを開発・出版した。

【研究の社会的意義】

R3年度から開始された生活保護の被保護者健康管理支援事業等、社会的な課題を踏まえた健康管理支援を広く普及するための実際のシステム構築を達成した。本研究は複数の科研プロジェクトに引き継がれ、さらなるシステムのアップデートと、そのデータを用いた実証分析へと拡張している。機械学習アルゴリズムを生活保護制度に関するビッグデータに活用して福祉を推進するための学術と社会の橋渡し研究として社会的意義は大きいと考える。

【研究種目】挑戦的研究(萌芽)

【研究期間】2017-06-30 - 2021-03-31

【配分額】6,240千円 (直接経費: 4,800千円、間接経費: 1,440千円)

【研究分野】デザイン学

【研究領域課題番号】16H03014 (KAKENデータベースで見る）

【研究キーワード】

デザイン科学 / 構成的方法論 / 図式 / 数理 / 論理 / 記号操作 / 人工知能 / 知性 / モデル / 最適化 / 計算 / 建築設計 / 意味論 / 使用の定式化 / 列挙問題 / 形態創生 / トポロジー・形状同時最適化 / 教導方法 / 建築 / 設計支援 / 機械学習 / 生成文法 / 証明論 / 意味 / 実践

【研究成果の概要】

「デザインとはいかなる行為か?」という問いに対し，デザイン行為の本質的構造を表現するモデルを構築すべく，デザインの思考過程における記号操作の意味的構造と実践的役割の関係を，設計案の構成を支援する計算システムの生成，計算システムとデザイナーとのインタラクションの分析，デザインの思考過程における記号操作を連係するモデルの構想を繰り返すことによって明らかにし，デザイン知の一翼を担う言語的知性と論理的知性を磨く方法論の基盤を構築した.
上記成果を展開するシンポジウムや国際セミナーを企画・運営するとともに，国内外の研究者・実務者たちとの議論を通し，研究の意義と方向性の確認を行った.

【研究の社会的意義】

デザイン科学の方法論の構築とザインを支援する計算システムの構想と実装の礎となる，デザインに関わる代表的な記号操作の観点である図式，数理，論理を柱とするモデルは，「デザインとはいかなる行為か?」という素朴な問いに対し，学術的な見地からの答えのひとつを提供するための基盤となる．デザイン科学教育のひとつの重要な鍵となる記号表現や記号操作を設計対象やデザイン行為という実体とを記号化と復号化の双方向において関連づける知性を磨くための方法論の理論的基礎となる．

【研究種目】基盤研究(B)

【研究期間】2016-04-01 - 2019-03-31

【配分額】18,200千円 (直接経費: 14,000千円、間接経費: 4,200千円)

【研究分野】通信・ネットワーク工学

【研究領域課題番号】16K06367 (KAKENデータベースで見る）

【研究キーワード】

RFID / 位相計測 / 外れ値除去 / 統計処理 / 機械学習 / 位相 / 読取りゾーン / 独立成分分析 / 信号処理 / クラスター分析 / 人工知能 / 情報通信工学 / 移動体通信

【研究成果の概要】

UHF帯RFIDシステムにおいて、RFタグからの返信電波の搬送波位相情報を用いて、RFタグの位置を推定することにより、想定する読取り内外を弁別する方法について研究開発した。単一の搬送波位相を用いると、30ｃｍ程度の波長ごとに位相が繰り返す問題が生じるが、複数の搬送波を用い、外れ値除去を行いながら位相計測する微分位相方式を用いることで、この問題を解決できることを示し、実験で確認した。また商用リーダでは位相計測が必ずしも正確に行えないが、受信電波フレームの統計解析によって簡単・高速に位相角度が掲載できることも明らかにした。

【研究の社会的意義】

UHF帯RFIDでは、リーダライタから5ｍ程度離れた位置にあるRFタグの識別子やセンサ情報などを非接触かつ、電池不要で読み取ることができる。ところが実用環境では電波の反射によって定在波が発生し、想定した読取り外のRFタグが読めることがある。従来は、電波出力やアンテナ方向の調整、電波遮蔽物の設置などで、試行錯誤により、こうした想定外RFタグの読取りを抑圧していた。本研究は、十分に強い電波で読取り範囲外のＲＦタグも含めて読み取った後に、ＲＦタグからの無線信号の特徴を用いて、情報処理で読取り範囲外のＲＦタグを除外する。これにより、従来必要であった事前調整や物理的遮蔽などを不要とする。

【研究種目】基盤研究(C)

【研究期間】2016-04-01 - 2019-03-31

【配分額】4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)

【研究分野】情報セキュリティ

【研究領域課題番号】16H02832 (KAKENデータベースで見る）

【研究キーワード】

セキュリティ / マルウェア / 大規模データ解析 / モバイル / セキュア・ネットワーク / マルウェア対策 / サイバー攻撃 / 悪性通信 / 機械学習 / モバイルマルウェア / 高信頼性ネットワーク / 人工知能 / インターネット高度化 / 情報通信工学

【研究成果の概要】

ネットワーク社会の最大の脅威となっているのがサイバー攻撃である．攻撃対策技術を確立することが社会的な要請であるが，従来の対策技術は個々の攻撃に対処するものであり，しかも人間の介在が必要であった．
本研究は，データ科学からのアプローチを採り，サイバー攻撃対策技術の研究成果を有効に蓄積するためのマルウェア・インフォマティックスの確立を目指した．
本研究では，実際に大量のデータを蓄積した．さらにデータの特徴を抽出・選択する際の素性(feature)エンジニアリングの技法を体系的に整理して比較した．データの特徴を使う対策技術において中心的な役割を担う機械学習のアルゴリズムを評価する方法を提案した．

【研究種目】基盤研究(B)

【研究期間】2016-04-01 - 2019-03-31

【配分額】17,030千円 (直接経費: 13,100千円、間接経費: 3,930千円)

【研究分野】ウェブ情報学・サービス情報学

【研究領域課題番号】16H02907 (KAKENデータベースで見る）

【研究キーワード】

逆強化学習 / 強化学習 / 多目的最適化 / 社会シミュレーション / 行動規範 / マルチエージェントシミュレーション / 行動科学 / 最適化 / 敵対的生成ネットワーク / マルチエージェント / メカニズムデザイン / マルチエージェント強化学習 / 多目的強化学習 / 深層強化学習 / ソフトコンピューティング / 機械学習 / 都市計画 / 土木環境システム / 避難行動の規範抽出 / 鉄道運行整理 / 分散深層強化学習 / データ同化 / 対話 / 自然災害 / 認知科学 / エージェント / 人工知能

【研究成果の概要】

本課題では，都市交通が頑健かつ柔軟に機能する状況を「レジリエンス」と定義し，これを実現する上で，情報インフラや人の状況判断，法制度の３つのソフトインフラの連携が必要との立場から研究を進めてきた．特に緊急時の二次被害減災は人の行動が鍵であるとし，人の挙動特性を考慮した都市交通システム設計法を提案した．災害における人の行動の規範は，過去の似た状況の記憶に影響を受けるため，正しい情報を直接提供するよりも，最適な行動選択を促す方が効果的であることを確かめた．また，人流の軌跡から行動規範の推定法として，遺伝的アルゴリズムと逆強化学習を導入した２つの方法を提案した．

【研究の社会的意義】

災害時，都市交通機能の停止は，人々の移動手段を奪うが，その後の情報提供や運転再開についての意思決定が重要である．SNSなどによる不確かな情報の錯綜による混乱はもちろん，運営側の運転再開に関する誤った意思決定や避難誘導はさらなる二次災害を引き起こす．本研究の学術的貢献として，災害時の人の意思決定傾向や，情報の局所性，曖昧性を考慮した運営側，あるいは政府による最適な避難誘導案の生成支援が挙げられる．また，社会的意義として，人の意思決定傾向を踏まえた混乱や混雑が生じる状況や場所を予測可能にしたこと，および，本結果に基づいた法の見直しの根拠を与えることを可能にした点を挙げる．

【研究種目】基盤研究(B)

【研究期間】2016-04-01 - 2019-03-31

【配分額】15,210千円 (直接経費: 11,700千円、間接経費: 3,510千円)

【研究分野】知能機械学・機械システム

【研究領域課題番号】16H02319 (KAKENデータベースで見る）

【研究キーワード】

手術ロボット / 人工関節置換術支援ロボット / 高操作性 / 骨切除 / 切除温度 / 機械学習 / 半自動手術ロボット / バーチャルフィクスチャ / 人工関節置換術支援システム / 人工知能 / 熟練術者 / 手技解析 / 操作性 / 手術支援ロボット / 切削力

【研究成果の概要】

人工膝関節置換術における骨切除を半自動的に行うため、高操作性を有する骨切除ロボット、および、骨切除パラメータから切除温度をリアルタイムに判定するシステムを開発した。ロボットでは位置入力機構部と姿勢入力機構部を分けることにより、骨切除中に頻繁に行う姿勢変化によるロボット全体の動きを小さくすることが可能となり、操作性が向上した。また、直感的な入力が可能となった。
骨切除パラメータとして主軸回転数、術具傾斜角、送り速度をとり、切削温度を測定しデータセット用意し、学習させた。これによりパラメータを変化させたとき、切除温度が適切かどうかを判定可能となった。また、閾値と判別精度との関係を調べた。

【研究の社会的意義】

ここで提案するような半自動型手術支援システムを実現することにより、高精度でしかも安全性が高い手術を行うことができるので、患者にとってベネフィットが大きい。また、骨の切削条件によって高温になるかどうかをシステムが自動的に判断してくれるので、術者にとってもベネフィットが大きい。本研究で実現している自動判定システムは他にも利用することが可能であり学術的な意義は大きい。また、半自動型の手術支援システムは認可を得る上で重要であり、医学的・工学的な意義は大きい。さらに、本研究で実現するような安全性が高く高精度な手術支援システムの実現は世界的にニーズが高く社会的な意義は大きい。

【研究種目】基盤研究(A)

【研究期間】2016-04-01 - 2021-03-31

【配分額】44,330千円 (直接経費: 34,100千円、間接経費: 10,230千円)

【研究分野】動物生産科学

【研究領域課題番号】15H04583 (KAKENデータベースで見る）

【研究キーワード】

アミノ酸代謝 / 脂肪合成 / 脂肪肝 / 筋脂肪交雑 / インスリン / インスリン様成長因子 / 脂質代謝 / アミノ酸シグナル / 機械学習 / 人工知能 / 栄養学 / 応用動物 / 畜産学 / アミノ酸欠乏食 / 臓器特異的脂肪蓄積 / IGF / mTOR / 生理活性 / シグナル伝達 / アミノ酸栄養

【研究成果の概要】

本研究は、アミノ酸の欠乏が組織特異的に脂質代謝を制御するメカニズムを解明することを目的としている。今回の研究成果により、Arg欠乏食の給餌は肝臓からの脂肪分泌を阻害することによって、低アミノ酸食の給餌は肝臓での脂肪合成を促進することによって肝臓への脂肪蓄積を誘導していることを示した。一方、Lys欠乏食は筋肉の遅筋化を介して、筋肉への脂肪交雑を誘導していることを示唆するデータを得た。さらに、自己組織化マップと多層パーセプトロン解析という機械学習手法で、血中アミノ酸濃度のみで、肝臓の脂肪蓄積量が決定できることを示した。この手法は血中アミノ酸と疾病との関連性解析など医学的な応用が期待できる。

【研究種目】基盤研究(B)

【研究期間】2015-04-01 - 2018-03-31

【配分額】16,900千円 (直接経費: 13,000千円、間接経費: 3,900千円)

【研究分野】知能情報学

【研究領域課題番号】15H02746 (KAKENデータベースで見る）

【研究キーワード】

人工知能 / 対話エージェント / マルチモーダル情報 / 議論演習 / 数理議論学 / 議論スキル / 議論解析 / コミュニケーション支援 / マルチモーダル対話 / 知能ロボティックス / マルチモーダルインタフェース / 認知科学 / 機械学習 / 感性情報学 / 教育工学

【研究成果の概要】

法学部における議論演習の教員の負担を軽減するため、与えられた議論課題に関して学生と自律的に議論を行い、学生の議論スキルを評価する機能を持つ議論エージェントを開発した。議論エージェントは、学生の発言を論理的に理解し、議論の有利/不利の判断を行い、相手の音声や身振りから発話意欲を推定し、それらを考慮した議論戦略によって応答を行う高度な対話システムであり、ヒューマノイド型ロボットPepperの上に実装されている。このエージェントは議論を行うだけでなく、議論の後で、論理性、説得性、ワーキングリレーション、当意即妙など、さまざまな議論スキルを評価し、学生に提示する機能を持っている。

【研究種目】基盤研究(B)

【研究期間】2015-04-01 - 2018-03-31

【配分額】13,390千円 (直接経費: 10,300千円、間接経費: 3,090千円)

【研究分野】リハビリテーション科学・福祉工学

【研究領域課題番号】15K01459 (KAKENデータベースで見る）

【研究キーワード】

知能ロボット / ソフトロボット / 人工知能 / 音声生成 / 聴覚フィードバック / 脳内ネットワーク / 音声認識 / 発声障害 / 機械学習

【研究成果の概要】

申請者らがこれまでに研究を進めてきた、人間と同等の発声器官を全て機械的に構成した発話ロボットを再設計し、より柔軟に発話動作を獲得できる機構を実装した。聴覚フィードバック学習によって、ロボットが聴取音声を基に自律的に発話動作を獲得し、任意の音声を生成することができる学習機構を実装するため、人間の脳機能を再現した学習モデルを構築した。更にFPGAによって、音声獲得の高速オンライン学習を実現した。これら発話器官を再現した機械モデルと、脳の音声学習機能に着目したオンライン学習モデルを統合した新しい発話ロボットを構築し、脳内モデルの学習過程、獲得される発話動作および、ロボットの生成音声の解析を行った。

【研究種目】基盤研究(C)

【研究期間】2015-04-01 - 2019-03-31

【配分額】4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円)

【研究分野】知覚情報処理

【研究領域課題番号】26540079 (KAKENデータベースで見る）

【研究キーワード】

コンピュータビジョン / 機械学習 / 画像復元 / 画像認識 / 人工知能

【研究成果の概要】

本研究の目的は， Bag-of-Visual-Words (BoVW)画像特徴から，元の画像を再構成することである．BoVW では，局所記述子が量子化されており，かつ空間情報が失われているため元画像の再構成は困難である．本研究では，局所記述子の最適な配置を推定するため，この隣接の自然さと，大域的な位置の選好性を取り入れた評価関数を提案し，大規模画像データを用いてこれらを獲得する手法を提案した．また，効果的な最適化手法を提案した．提案手法の有用性を示すため，約100カテゴリから収集した画像に対してBoVW からの元画像の再構成を行った．

【研究種目】挑戦的萌芽研究

【研究期間】2014-04-01 - 2016-03-31

【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】航空宇宙工学

【研究領域課題番号】26289320 (KAKENデータベースで見る）

【研究キーワード】

宇宙工学 / 機械学習 / 異常検知 / 健全性監視 / 運用支援 / 航空宇宙システム / 人工知能 / システム健全性監視 / 航空宇宙工学 / 人工衛星 / 予測保全

【研究成果の概要】

本研究は、人工衛星などの宇宙機システムの運用者と、学習型(データ駆動型)状態監視・異常検知器との間の持続的な知識相互作用という新たな方法論の確立を目的とするものである。大局的で離散的なモード遷移と局所的で連続的な状態遷移から構成される人工衛星システムの挙動特性を考慮した次元削減とクラスタリングに基づく学習型状態監視法を提案し、運用者への有用情報の提示、運用者からの専門知識の獲得、両者の継続的な相互作用の励起に有効であることを示した。

【研究種目】基盤研究(B)

【研究期間】2014-04-01 - 2018-03-31

【配分額】11,570千円 (直接経費: 8,900千円、間接経費: 2,670千円)

【研究分野】エンタテインメント・ゲーム情報学

【研究領域課題番号】25330432 (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 / 探索 / 機械学習 / ゲーム情報学 / 人工知能

【研究成果の概要】

本研究課題の究極の目標は,直感や大局観などの言葉で表される人間の判断の根拠の概要を,計算機の分析を通じて言語や図で明示的に表現する手法を実現することである.対象とする分野は,計画の通り,人工知能の判断力が熟達した人間の判断力に追いついたことを重視し,将棋や囲碁を扱った. それらを題材に，棋譜と解説すべき局面の重要性を評価することを目標に,どのような展開が有力かを推定する手法を開発・改善し，性能を評価した．

【研究種目】基盤研究(C)

【研究期間】2013-04-01 - 2016-03-31

【配分額】2,600千円 (直接経費: 2,000千円、間接経費: 600千円)

【研究分野】ウェブ情報学・サービス情報学

【研究領域課題番号】25330369 (KAKENデータベースで見る）

【研究キーワード】

人工知能 / セマンティックWeb / Linked Data / 機械学習 / インターネット高度化

【研究成果の概要】

Linked Data は，データのWeb とも呼ばれ，急速に普及しつつあるが，データ間のリンク（関係付け）が不十分なため，実用上で大きな問題となっている．本研究では，大規模で様々な種類のデータが分散して提供されているLinked Data に対して，意味的な関係付けを高速かつ高精度に行う手法を開発することが目的である．そのために必要な新たな技術の開発を行った．

【研究種目】基盤研究(C)

【研究期間】2013-04-01 - 2016-03-31

【配分額】4,940千円 (直接経費: 3,800千円、間接経費: 1,140千円)

【研究分野】知能情報学

【研究領域課題番号】24300054 (KAKENデータベースで見る）

【研究キーワード】

知識発見とデータマイニング / グラフマイニング / 機械学習 / 生体生命情報学 / 人工知能 / ゲノム / プロテオーム

【研究成果の概要】

本研究では、グラフやネットワークに代表される半構造化データの様々な問題設定に対する解決手法を構築することを目指してきた。特に、ノードとリンクで表されるグラフにおいて、ノードに付けられたラベルに関する「ラベル伝搬」、さらに、リンクを予測する「リンク予測」という二つの問題に着目した。さらに、手法構築のみならず実データへの適用及び有効性実証を行った。この応用においては、特に生命科学におけるグラフデータ等での検証を行った。

【研究種目】基盤研究(B)

【研究期間】2012-04-01 - 2016-03-31

【配分額】17,940千円 (直接経費: 13,800千円、間接経費: 4,140千円)

【研究分野】知覚情報処理・知能ロボティクス

【研究領域課題番号】24680017 (KAKENデータベースで見る）

【研究キーワード】

画像認識 / コンピュータビジョン / 機械学習 / 人工知能 / ビッグデータ / パターン認識

【研究成果の概要】

本研究の目的は，膨大な画像データとテキストデータから，それらの関係性を統計的に学習し，超多クラスの一般的物体認識可能なシステムを構築することにある．この実現には，１）膨大なデータであっても破たんすることなく学習し続けられる手法が重要となる．また，２）複数の物体が存在しても，どこに何があるのか検出する手法も重要となる．３）一般的に教師データ作成の人的コストは高く，この学習データ構築コストを減らすことが，正確かつ多様な物体認識に重要となる．さらに，４）分からないものが分かる技術は，自律的に学習していく認識システムに必要不可欠である．本研究課題では，上記１）～４）に関して取り組み成果を得た．

【研究種目】若手研究(A)

【研究期間】2012-04-01 - 2015-03-31

【配分額】26,520千円 (直接経費: 20,400千円、間接経費: 6,120千円)

【研究分野】知能情報学

【研究領域課題番号】22700160 (KAKENデータベースで見る）

【研究キーワード】

知能情報処理 / 機械学習 / 人工知能 / インターネット高度化

【研究成果の概要】

本研究では,さまざまなデータを動的に統合し,ユーザに必要な情報を届けることができるデータ基盤を構築する技術を開発する.そのために,インターネット上に大量に存在する様々な結合データ同士の意味的な関係を自動的に発見することができる新たなデータ統合技術の開発を行った.

【研究種目】若手研究(B)

【研究期間】2010 - 2011

【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】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】知能情報学

【研究領域課題番号】21500146 (KAKENデータベースで見る）

【研究キーワード】

知的システムアーキテクチャ / 人工知能 / 機械学習 / モデル平均 / VC次元

【研究成果の概要】

学習モデルとしての混合モデルにおいて、その係数の決定方法に関する提案を行った。実データを用いた検証によれば、従来法と同等以上の精度が得られる。ほぼ効率的と考えられる金融市場の価格形成において、要素モデルの存在を示唆するシミュレーション結果を得た。

【研究種目】基盤研究(C)

【研究期間】2009 - 2011

【配分額】4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)

【研究分野】知能情報学

【研究領域課題番号】19700129 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / ゲームプログラミング / 人工知能 / アルゴリズム

【研究成果の概要】

大量の経験的データから学習した知識を利用する効率的な探索技術の研究を行った.探索においては対象の知識を活用することで効率が向上することが知られている.本研究により棋譜に残された人間の判断履歴から,80万次元以上のパラメータを調整し計算機が活用可能な知識とすることが可能となった.
研究成果を将棋プログラムへと応用したところ,現時点で最も強いコンピュータプログラムを作成することができた.
このことは本研究の有用性を示していると考えられる.

【研究種目】若手研究(B)

【研究期間】2007 - 2008

【配分額】2,370千円 (直接経費: 2,100千円、間接経費: 270千円)

【研究分野】知能情報学

【研究領域課題番号】19680008 (KAKENデータベースで見る）

【研究キーワード】

知能情報処理 / 機械学習 / 人工知能 / インターネット高度化

【研究成果の概要】

本研究の目的は,異なるオントロジー間の対応関係を自動的に発見し,複数の異なるオントロジーを連携させるための高度な機械学習技術を開発することにある.そこで,本研究では,複数の機械学習手法を組み合わせることによる高度なオントロジー・アライメント手法の開発と各アプローチを定量的に議論できる実践的なデータセットの開発を行った.

【研究種目】若手研究(A)

【研究期間】2007 - 2009

【配分額】15,470千円 (直接経費: 11,900千円、間接経費: 3,570千円)

【研究分野】知能情報学

【研究領域課題番号】18500118 (KAKENデータベースで見る）

【研究キーワード】

人工知能アーキテクチャ / 人工知能 / 機械学習 / 文法学習

【研究成果の概要】

有限状態オートマトンネットワークの実装として、特殊な構造をもったニューラルネットワークを提案した。実験により、時系列データの構造認識の例として、言語の文法範疇が精度良く学習できることを確認した。関連して、従来のSRN (simple recurrent network) では時系列データの構造認識に必要なスタックが表現できないことを理論的に証明した。

【研究種目】基盤研究(C)

【研究期間】2006 - 2008

【配分額】4,060千円 (直接経費: 3,400千円、間接経費: 660千円)

【研究分野】知能情報学

【研究領域課題番号】17700165 (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 / ディレクトリ・情報検索 / インターネット高度化

【研究成果の概要】

本研究の目的は,さまざまな種類の情報の共有化を実現するために,メタ情報となる情報の分類情報を共有する機構を構築することである.そのためには,情報マネージメント機構が使っている異なった分類体系のシームレスな連携を実現することが必要となる.本年度は,実データを対象として,階層的分類の自動統合を実現するシステムの研究開発に重点をおき,以下の研究を行った.
●動的環境下における学習アルゴリズムの研究
実際に使われているデータは,分散環境に置かれていて,動的に構造が変化することが想定される.動的な環境に追従できるようにするために,学習の際に背景知識を利用する手法を開発した.開発した手法を用いて実験を行った結果,従来までに使用されてきた手法よりも高い精度で関係の学習をできることが示された.
●統合システムの構築
前項で開発を行った技術を用いて,実データで動作するシステムの試作を行った.試作システムでは,次世代のインターネット技術と考えられているセマンティックWebにおける状況を想定した.セマンティックWebでは,メタ情報の記述にOWLと呼ばれる形式のオントロジーが用いられる.その形式の情報を読み取り,自動的に対応関係を学習する試作システムの構築を行った.また,前年度に研究を行った文献データに関して,発見した関係を表示するシステムを構築し,公開も行った.
これらの研究成果は,国内外の学術会議等で幅広く報告するなどして,成果の普及につとめた.

【研究種目】若手研究(B)

【研究期間】2005 - 2006

【配分額】3,500千円 (直接経費: 3,500千円)

【研究分野】知能情報学

【研究領域課題番号】17300043 (KAKENデータベースで見る）

【研究キーワード】

確率的モデリング言語 / PRISM / 変分ベイズ / PROSM / 機械学習 / 情報基礎 / 統計数学 / 情報システム / 人工知能

【研究成果の概要】

PRISMは将棋の戦略や文章の曖昧性の解決といった複雑な確率事象を表現し、事象の分布の統計的パラメータをデータから自動的に学習する能力を持つ、世界的に見てもユニークなプログラミング言語である。今年度は確率的モデリング言語としての能力を更に強化するため、様々な改良を行い、PRISM1.11として公開した。PRISM1.11では、
(1)PRISMの探索部分の実装言語であるB-Prologの最新バージョンであるB-Prolog7.0との統合を行い、メモリ効率を向上させた。
(2)並列EM学習が行えるようになった。確率文脈自由文法のパラメータ学習ではCPU数にほぼ比例して数十倍の速度向上がみられた。
(3)決定性のアニーリング方式に基づいたEM学習が利用できるようにした。これはEM学習の局所解の問題を避けるのに効果が期待できる。
(4)N-viterbiアルゴリズムを実装し、上位N個のビタビ解を求められるようにした。
(5)次に述べるようにベイズ的学習法である変分ベイズ学習法を実装した。
確率モデリングでは通常最尤推定に基づくパラメータ学習を行うが、PRISMでは新たにパラメータにディリクレ分布を事前分布として導入し、ディリクレ分布のハイパーパラメータを変分ベイズ学習により学習出来るようにした。そのためPRISM用の変分ベイズ学習アルゴリズムを導出し、実装した。PRISMの変分ベイ学習は従来知られていた隠れマルコフモデルや確率文脈自由文法をはるかに越える範囲の変分ベイズ学習を可能にしており、例えば、バイオフィフォマティクスで使われるプロファイル隠れマルコフモデルの変分ベイズ学習が可能になった。

【研究種目】基盤研究(B)

【研究期間】2005 - 2007

【配分額】11,020千円 (直接経費: 10,000千円、間接経費: 1,020千円)

【研究分野】知能情報学

【研究領域課題番号】17200009 (KAKENデータベースで見る）

【研究キーワード】

スキルサイエンス / 暗黙知の言語化 / 時系列データマイニング / 動作一貫性制約 / メタ認知 / 力学モデル / 発想推論 / スキル創造・診断支援 / 属性発見 / 身体スキル / スキルの力学モデル / 鞭力学 / 体のインピーダンスの調節 / 帰納論理プログラミング / 着眼点の発見 / 人工知能 / 認知科学 / 機械学習 / 感性情報学 / スキル科学

【研究成果の概要】

本研究課題では知識発見技術によって身体スキルを言語化する方法論の確立を目指して研究を実施した。身体スキルの対象としては、主としてチェロの運弓動作および野球のバッティングを取り上げた。スキルの言語化のために、(1)身体スキルの力学モデルの構築と候補属性の発見、(2)時系列データマイニングによるスキルルールの抽出、(3)メタ認知に基づく着眼点の抽出、(4)発想推論に基づくスキル創造・診断支援システムの構築、を実施した。
(1)では、振り子モデル、回転モデル、鞭モデルを取り上げて、それらの力学モデルの身体動作への適用を行い、身体知の言語化における力学モデルの有効性を検証するとともに、具体的な身体動作での有用な着眼点を発見した。(2)では、肯定的なスキルルールとして、体幹から抹消への動作の移行のような供応現象の抽出に成功した。また、否定的なスキルルールとして、動作一貫性制約の抽出に成功した。(3)では、バッティングを取り上げて、その動作に対する自己分析を継続的に続けることにより、意識の広がりを確認し、それに伴うスキルの飛躍的向上の現象を観察した。(4)では、チェロの演奏を例として、パフォーマンススキル創造・診断支援系を設計し、それに基づく、与えられた課題をこなすための奏法の提案・実際の演奏の診断の可能性を探った。その結果、本アプローチの妥当性を確認した。
成果発表会を兼ねて、昨年9月にスキルサイエンス国際シンポジウムを開催し、研究発表の場を提供すると共に、パネル討論等の議論を通して将来のスキルサイエンスの発展の可能性を探った。

【研究種目】基盤研究(A)

【研究期間】2005 - 2007

【配分額】41,080千円 (直接経費: 31,600千円、間接経費: 9,480千円)

【研究分野】知能情報学

【研究領域課題番号】16680008 (KAKENデータベースで見る）

【研究キーワード】

Webマイニング / ハイパーリンク / 視聴行動ローデータ / PageRank / 視覚化 / インターネット高度化 / 人工知能 / 機械学習 / Webコミュニティ / ディレクトリ・情報検索 / Web構造マイニング

【研究成果の概要】

本研究代表者はハイパーリンク等のグラフ構造に基づいてWebページ等の対象間の関連性を見出すWebマイニングの研究を進めてきている。Webページの多くは、関連するページへのハイパーリンクを有しており、Webコミュニティと呼ばれるグラフ構造を構成している。このような密な部分構造についての知見を得ることは、Webから効率的な情報収集をする上で重要である。
本年度においては、ユーザの振る舞いをログデータから理解するための試みとして、ログデータから得られるグラフ構造をもとに、関心サイト集合を抽出し視覚化する手法を考案し実験を行なった。対象とするログデータとして、クライアント側から得られるインターネット視聴行動のローデータを用いた。このデータには、ユーザが訪問したサイトおよび検索で入力したキーワードが含まれている。特定のユーザのローデータから、サイトやキーワードを頂点とし、時間的な前後関係を辺としたグラフ(サイト・キーワードグラフ)を生成した。このサイト・キーワードグラフから中心的な部分グラフを抽出することで、対象ユーザの関心を見出すことができる。2004年12月の1ヶ月間における8,000人以上のユーザについてローデータを用いて実験を行ったところ、もとのサイト・キーワードグラフの30パーセント程度の中心的な部分グラフを抽出した。それをGraphvizによって視覚化することで、抽出された部分グラフの分析も行った。ハイパーリンクによって結合したWebページのグラフ構造に対して適用するランキングやコミュニティ発見の手法は、主としてWeb構造マイニングの手法であるが、ログデータの分析に対してもそのような手法が有効であることを示すことができた。

【研究種目】若手研究(A)

【研究期間】2004 - 2006

【配分額】20,410千円 (直接経費: 15,700千円、間接経費: 4,710千円)

【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】知能情報学

【研究領域課題番号】12680387 (KAKENデータベースで見る）

【研究キーワード】

マルチエージェントシステム / マルチエージェント強化学習 / 強化学習 / 機械学習 / 進化計算 / ニューラルネットワーク / 実数値GA / 最適化 / 共進化 / 世代交代モデル / 自律エージェント / 進化的計算 / ニューラルネット / 人工知能 / 分散人工知能 / 実数値遺伝的アルゴリズム

【研究成果の概要】

近年,強化学習手法を応用して,マルチエージェント環境におかれたエージェント群そのものに,試行錯誤な相互作用を行わせ,それらが採用すべき協調行動をボトムアップ的に組織化させ,それによってマルチエージェントシステムの設計者を支援しようとする試み("マルチエージェント強化学習"と呼ぶ)が数多くなされている.しかし,マルチエージェント環境におかれたエージェント群に,従来の強化学習を適用して適切な協調行動を獲得させようとすると,各エージェントの状態空間は組合せ的に爆発してしまう.
本研究の代表者らは,適度に圧縮表現された状態空間上で各エージェントが学習可能なマルチエージェント強化学習手法を提案し,それにより上記の状態空間の爆発が回避し得ることを実験的に示してきた.平成12年度は,この手法と進化計算を併用することによって,エージェント群に,状態空間の爆発を回避するための適切な状態空間表現を自動的に獲得させながら,それらが採用すべき協調行動を効果的に組織化させるための手法を提案した.提案手法は,マルチエージェントシステムを構成するエージェントの状態表現およびその行動政策を人手に頼ることなく自動的に設計するための要素技術を提供する.
平成13年度は,状態空間の爆発を回避可能な新しいマルチエージェント強化学習手法として,エージェントの行動政策を予め構造が決定されたニューラルネットにより表現すると共に,その重みベクトルを実数値GAにより最適化することに基礎をおく"進化型ニューラルネット手法"に基づく手法を提案した.提案手法は,連続値/離散値が混在する入出力への対応,連続/離散時間による意思決定への対応,大規模な問題への対応,大域的に良好な行動政策の獲得への対応など,従来手法にはない優れた特色を有しており,マルチエージェントシステムの自動設計のための汎用的な要素技術を提供する.

【研究種目】基盤研究(C)

【研究期間】2000 - 2001

【配分額】3,600千円 (直接経費: 3,600千円)

【研究分野】実験系心理学

【研究領域課題番号】10610082 (KAKENデータベースで見る）

【研究キーワード】

洞察 / 制約 / 認知科学 / 創発 / 多重制約充足 / 心理学 / 人口知能 / 問題解決 / 人工知能 / 機械学習

【研究成果の概要】

本年度は洞察問題解決における個人差についての実験的研究を行うとともに,近年出版された洞察研究との対比を中心に研究を行った.制約の動的緩和理論(開・鈴木,1998)に従えば,個人差の源泉は,制約強度の初期値の違い,試行の評価の適切さ,制約強度の更新率(学習率)となる.この予測を検証するため,洞察を必要とする図形パズルを10分以内で解決した被験者と10分以上かかった被験者の比較を行った.その結果,制約強度の初期値,評価の適切性について両者の間に違いが見られたが,更新率には違いが見られなかった.この結果は,洞察に至る被験者ははじめから非標準的な試行を行い,自らの試行に対する評価を適切に行うことを意味している.
近年の研究との対比では,洞察研究において注目すべき成果を上げている1.標準問題解決アプローチ,2.記憶検索アプローチ,3.問題空間アプローチ,4.機会論的アプローチ,5.制約論的アプローチ,を,主に有効情報の利用の時間依存性,問題解決中の学習の2つの観点から検討した.その結果,いずれのアプローチもこれらについて十分な説明を与えることができない一方,我々の提唱する制約の動的緩和理論はこれらについての合理的な説明を与えることが明らかになった.そしてさらなる課題として,洞察の意識性の問題,認知神経科学との関連,その他の創造的問題解決との関係が挙げられた.

【研究種目】基盤研究(C)

【研究期間】1998 - 2000

【配分額】3,000千円 (直接経費: 3,000千円)

【研究分野】社会システム工学

【研究領域課題番号】03832042 (KAKENデータベースで見る）

【研究キーワード】

知識情報処理 / 情報理論 / 経営工学 / 推論 / 学習 / 不確実性 / 機械学習 / 決定理論 / 符号理論 / 意思決定システム / 知識処理 / 人工知能 / 学習理論 / 統計的決定理論 / 計算量理論

【研究成果の概要】

近年,曖昧性や矛盾を含んだ知識の推論や学習等の,より人間的で複雑な判断をめざした新しい知識情報処理の基礎研究も様々な分野で盛んに行われている.しかしながら従来の論理学を中心としたエキスパートシステムに比べて基礎理論が不完全であり評価基準も不明確であるため得られる結果が理論的に明快に保証されずシステム化が進んでいないのが現状である.本研究ではこれら新しい知識情報処理のために今までの個別的な研究ではなく,人間や組織における判断で取り扱われる情報に着目した統一的な基礎理論の構築をめざしている.そして,その基礎理論上で個々の新しい知識情報処理の分野でネックとなっている基本問題について情報理論,統計理論的尺度から最適なアルゴリズムをいくつか提案し,さらにこのアルゴリズムを応用した知識情報システムの評価を行うことを目的とした.
各研究者は主に以下の分担で研究を行った.研究代表者は主として情報の基本的性質に立脚し,情報理論及び符号理論を基本として情報の高信頼化,圧縮の基礎的研究を行うと共に分担研究者それぞれの情報にたいする視点をとりまとめ総合的に知識情報処理問題の考察を行った.研究分担者(石渡)は主として人間や組織における判断に必要となる情報やその判断の機構について基本的視点から考察すると共に,現在の意思決定システムの問題点及び将来像から打開しなければならない本質的問題を抽出し情報的視点から整理を行なった.研究分担者(松嶋)は主として従来型の知識情報処理の基礎理論である論理学だけでは取り扱えない新しい知識情報処理の問題点を整理し,情報理論,統計確率理論,決定理論など情報の基礎理論からの意味づけとモデル化を行った.
さらに研究代表者と研究分担者がそれぞれ個別に研究を進めてきた情報に対する視点をまとめ,相互に意見交換することにより,現在及び将来の知識情報処理の基本問題を情報的視点より整理し,新しい基礎理論体系の枠組みの設定を行なった.また,この新しい基礎理論体系の枠組みをさらに洗練化させ,情報の視点から整理された新しい知識情報処理の為に重要ないくつかの基本的問題に対してこの基礎理論のモデルを適用する事により,いくつかの情報的視点から評価基準を設定し,そのもとで最適なアルゴリズムを提示した.また,経営工学やその周辺領域で今後必要となる将来型の知識情報システムにおける上記アルゴリズムの応用についての考察も行った。

【研究種目】一般研究(C)

【研究期間】1991 - 1993

【配分額】1,800千円 (直接経費: 1,800千円)