オーガナイズドセッション


オーガナイズドセッション一覧

  • OS-1 AutoML(自動機械学習)(大西 正輝,日野 英逸)
  • OS-2 人間と共生する対話知能(新保 史生,東中 竜一郎,吉川 雄一郎)
  • OS-3 計算社会科学(鳥海 不二夫,榊 剛史,笹原 和俊,瀧川 裕貴,吉田 光男)
  • OS-4 信頼と文脈のインタラクションデザイン(山田 誠二,今井 倫太,寺田 和憲)
  • OS-5 医療におけるAIの社会実装に向けて(小寺 聡,木村 仁星,小林 和馬)
  • OS-6 言語とコミュニケーションの創発 ~記号創発システムから共創的言語進化まで~(上田 亮,谷口 忠大,鈴木 麗璽,中村 友昭,橋本 敬)
  • OS-7 統合AIへの展望(栗原 聡,山川 宏,三宅 陽一郎,谷口 彰,田和辻 可昌)
  • OS-8 移動系列のデータマイニングと機械学習(藤井 慶輔,竹内 孝,沖 拓弥,西田 遼,田部井 靖生,前川 卓也)
  • OS-9 AIと制約プログラミング(花田 研太,波多野 大督,宋 剛秀)
  • OS-10 AI諸技術の発展に基づく学びのモデルの高度化と展望(小西 達裕,宇都 雅輝,小暮 悟,山元 翔)
  • OS-11 人間とAIの共存のあるべき姿を考える(西田 知史,宮原 克典,濱田 太陽)
  • OS-12 機械学習品質評価・向上技術(磯部 祥尚,小林 健一,中島 震)
  • OS-13 シミュレーションとAI(鷲尾 隆,山崎 啓介,山田 聡,森永 聡,山田 広明,吉田 亮)
  • OS-14 AI for Scienceにおける再現性と信頼性(竹内 一郎,原田 香奈子,高橋 恒一)
  • OS-15 教育データ利活用EdTechのELSI(神崎 宣次,村上 正行,加納 圭)
  • OS-16 AIとデモクラシー(伊藤 孝行,大沼 進,松尾 徳朗,白松 俊)
  • OS-17 地震研究と人工知能(長尾 大道,内出 崇彦,加納 将行,庄 建倉,久保 久彦)
  • OS-18 生体信号を活用した医療・ヘルスケアAI(藤原 幸一,久保 孝富)
  • OS-19 Affective Computing(熊野 史朗,日永田 智絵,森田 純哉,鈴木 健嗣)
  • OS-20 ひと中心の未来社会とAI(名取 直毅,梶 大介,廣瀬 正明,河村 芳海,梶 洋隆,城殿 清澄)
  • OS-21 世界モデルと知能(鈴木 雅大,岩澤 有祐,河野 慎,熊谷 亘,松嶋 達也,森 友亮,松尾 豊)
  • OS-22 グループインタラクションとAI(酒造 正樹,湯浅 将英,岡田 将吾,近藤 一晃,中野 有紀子)
  • OS-23 社会科学・人文科学分野の行動インサイトを活用した機械学習と最適化(戸田 浩之,倉島 健)
  • OS-24 日常生活知識とAI(福田 賢一郎,江上 周作,宮田 なつき,Qiu Yue,鵜飼 孝典,古崎 晃司,川村 隆浩,市瀬 龍太郎,岡田 慧)
  • OS-25 ニュースメディアのデータサイエンス(高野 雅典,小川 祐樹,鈴木 貴久,園田 亜斗夢,高 史明,保高 隆之)
  • OS-26 脳波から音声言語情報を抽出・識別・利用する(新田 恒雄,桂田 浩一,入部 百合絵,田口 亮,篠原 修二,小林 一郎,河合 剛)
  • OS-27 強化学習の新展開(太田 宏之,甲野 佑,高橋 達二)
  • OS-28 知・情・意―AIが人間研究になるための枠組み(諏訪 正樹,藤井 晴行)
  • OS-29 Transfer learningの手法及び応用(顔 玉蘭,王 洋,Leo Mao,Yinxi Zhang,Junhua Wu)

OS-1 AutoML(自動機械学習)

オーガナイザ

  • 大西 正輝(産総研)
  • 日野 英逸(統数研 / 理研AIP)

内容・テーマの例

深層学習の出現によって高度な認識技術が実現できるようになっている半面でハイパパラメータ調整やアーキテクチャの選択など職人的な作業が多くなっており,これらの作業を自動化するAutoML(機械学習の自動化)の研究が行われている.本オーガナイズドセッションではAutoMLに関する研究としてハイパパラメータ最適化,ニューラルアーキテクチャサーチ,メタ学習,転移学習,マルチタスク学習などの研究を募集する.

キーワード

  • ハイパパラメータ最適化
  • ニューラルアーキテクチャサーチ
  • メタ学習
  • 転移学習
  • マルチタスク学習

OS-2 人間と共生する対話知能

オーガナイザ

  • 新保 史生(慶應義塾大学総合政策学部)
  • 東中 竜一郎(名古屋大学大学院情報学研究科)
  • 吉川 雄一郎(大阪大学大学院基礎工学研究科)

内容・テーマの例

スマートフォンの音声エージェントやスマートスピーカー,コミュニケーションロボットなど,人間と対話を行うことのできるシステムの普及に伴い,人々のコミュニケーション方法は多様化している.しかし,現時点で研究開発が進んでいる対話システムは,高い認知能力で相手の意図や欲求を推定しながら,言語による曖昧な表現を補完しながら話を進める人間同士の対話レベルには達していない.本オーガナイズドセッションでは,人間と共生する対話知能について考えたい.人間と共生する対話システムのデザイン,人間と関係構築をするための対話システムの実装,社会における受容性の高い対話システム構築のためのELSI課題など,社会において対話システムが人間と共生することをテーマとした研究発表を募集する.

キーワード

  • 対話システム
  • 対話知能
  • 人間との共生
  • パーソナライズ
  • ヒューマンコンピュータインタラクション
  • ELSI

OS-3 計算社会科学

オーガナイザ

  • 鳥海 不二夫(東京大学)
  • 榊 剛史(株式会社ホットリンク)
  • 笹原 和俊(東京工業大学)
  • 瀧川 裕貴(東京大学)
  • 吉田 光男(筑波大学)

内容・テーマの例

Webのソーシャル化や実空間での様々な行動センシングが進行している現在,人々の自発的な情報行動やコミュニケーションなどの詳細はデジタルに記録・蓄積されるようになりました.このような大規模社会データを情報技術によって取得・処理し,分析・モデル化して,人間行動や社会現象を定量的・理論的に理解しようとする学問が「計算社会科学」 (Computational Social Science)です.
計算社会科学OSでは,大規模社会データ分析研究,社会シミュレーションによる理論的研究,(ウェブを使った大規模行動実験)による実験的研究などを使い,人間行動や社会現象を理解することを目指した研究を募集します.

キーワード

  • 大規模社会データ分析
  • 社会シミュレーション
  • バーチャルラボ

OS-4 信頼と文脈のインタラクションデザイン

オーガナイザ

  • 山田 誠二(国立情報学研究所)
  • 今井 倫太(慶應義塾大学)
  • 寺田 和憲(岐阜大学)

内容・テーマの例

AI技術の進歩は,人間の意思決定を拡張する.また,人の意思決定は,人が置かれている文脈(言語的・環境的文脈)に強く依存している.コンピュータが,人と人,人と機械のインタラクションの文脈を捉えることは,人から信頼される形でAIの意思決定を提示していく上で必須の技術である.この問題を解決するために,AIの性能向上に加えて,AIがその能力に見合った信頼を得ること,人の納得に繋がるインタラクションの文脈の把握と制御が重要となる.本オーガナイズドセッションでは,インタラクションの文脈を捉え情報を提示する技術ならびに,信頼されるAIの実現につながる研究発表を広く募集する.トピックは,以下の通りであるが,これらに限定されるものではない.

キーワード

  • 逐次的文脈処理
  • インタラクションにおける心的状態推定
  • 信頼較正の理論と応用
  • 信頼工学
  • 信頼モデル(認知信頼モデル,AI信頼モデル)
  • 信頼インタラクション
  • 医療AIにおける信頼

OS-5 医療におけるAIの社会実装に向けて

オーガナイザ

  • 小寺 聡(東京大学医学部附属病院 循環器内科)
  • 木村 仁星(東京大学工学部 松尾研究室)
  • 小林 和馬(国立がん研究センター)

内容・テーマの例

近年のAIの急激な進歩により,さまざまな領域でAIの社会実装が進んでいる.医療分野ではAI研究は進んでいるものの,実臨床での活用は遅れている.医療分野でAIを社会実装する際には,AIの説明可能性,学習データの不足,個人情報の保護,規制当局の承認,医療従事者のAIリテラシーなど様々な問題がある.人の命に直結する医療分野において,AIの説明可能性は切実な問題である.GradCAM,LIME,SHAPなどAIの説明可能性を高める手法はあるものの,臨床の現場で活用するのに十分なレベルには到達していない.また,医療AI開発の際には,個人情報の保護や正解ラベル付にコストがかかるなどの理由で学習データが不足する場合が多い.転移学習や自己教師あり学習などの手法で少ないデータを有効活用してAIを開発するものの,臨床現場で活用できる精度まで到達できないケースが散見される.そこで,本セッションでは医療におけるAIの社会実装に向けて,以下のテーマを募集する.

キーワード

  • 説明可能なAI
  • 自己教師あり学習
  • 医療機器承認
  • 医療における個人情報管理
  • 医療AI開発における倫理的課題
  • 医療従事者に対するAI教育

OS-6 言語とコミュニケーションの創発 ~記号創発システムから共創的言語進化まで~

オーガナイザ

  • 上田 亮(東京大学大学院)
  • 谷口 忠大(立命館大学)
  • 鈴木 麗璽(名古屋大学)
  • 中村 友昭(電気通信大学)
  • 橋本 敬(北陸先端科学技術大学院大学)

内容・テーマの例

近年,ディープラーニングを中心とした機械学習の表現力の向上に伴い,人間の認知発達や文化進化の構成論的研究に発展が見られる.先端的な人工知能の各種学会においてもマルチエージェント深層強化学習や確率モデルを基盤としたコミュニケーション創発の研究が盛り上がりを見せている.また一方で科研費・新学術領域「共創的コミュニケーションのための言語進化学」に見られるように言語の起源を問う研究も盛り上がりと発展を見せている.さらに大規模言語モデルの展開や,ロボットの日常空間での言語理解を問題化する記号創発ロボティクスや「言語とロボティクス」の研究も引き続き重要な課題である.
しかし一方で,それらに対する構成論的アプローチを取る研究者は,コミュニティ毎に分かたれがちであった.このような背景の下,本国においては分散しがちであった,記号創発ロボティクス,複雑系科学,言語進化,自然言語処理といった関連コミュニティにおいて独立になされてきた「言語とコミュニケーションの創発」に関わる研究者を,人工知能学会全国大会を契機として集め,それぞれの最新の研究成果を発表するとともに,議論を交わし,問題意識を共有することで,国内における新たな研究領域形成の基礎とする.

キーワード

  • 言語進化
  • コミュニケーション創発
  • 記号創発ロボティクス
  • マルチエージェント強化学習
  • 実験記号論

OS-7 統合AIへの展望

オーガナイザ

  • 栗原 聡(慶應義塾大学理工学部)
  • 山川 宏(東京大学)
  • 三宅 陽一郎(株式会社スクエア・エニックス)
  • 谷口 彰(立命館大学)
  • 田和辻 可昌(早稲田大学)

内容・テーマの例

現状のAI技術であっても,解決すべき問題が開発者によって予め定式化されていれば,人間よりも効率的に解決できることが多い.このことは,表現・学習・アルゴリズムなどといった,AIに必要な基礎的な技術的要素の多くが既に明らかになっていることを示唆している.したがって,今後のAIにおける重要な発展は,依然として人間の設計に依存している知的システムの部分的な能力や問題解決の仕組みを統合する様々な試みの中にあると考えられる.例えば,即時的・無意識的な適応処理である機械学習AI(システム1)の利点と,かつての記号AI(システム2)のもつ熟慮による利点を組み合わせる試みが増えてきている.また,脳のアーキテクチャを参照したり,意識をモデル化することなどで,機能モジュールを統合する試みも進んでいる.また環境とエージェントの処理を統合するAIなどもある.そこで,本OSでは,統合AIの時代に向けたAI技術要素の統合の方法論やアーキテクチャ設計や,多様なタスクを扱える実験環境や性能評価などのトピックを取り上げる.テーマ例としては,認知アーキテクチャ,即応型・熟考型・適応型AIアーキテクチャ,深化・学習・発達の統合,世界モデル,System1とSystem2の統合,,メタ認知・メタプランニング,記号接地・言語創発・創造・反実仮想,自律・汎用AI・脳型アーキテクチャ,リザバーコンピューティング,オープンワールド型ゲームAI,身体構造・キャラクターアニメーションと意思決定システムの統合など.統合技術の現状を概観し,如何に統合を実現し,統合が進化していくのかの展望についての投稿を歓迎する.

キーワード

  • 即応型・熟考型・適応型AIアーキテクチャ
  • 自律・汎用AI・認知アーキテクチャ
  • 身体構造・キャラクターアニメーションと意思決定システムの統合
  • メタ認知・メタプランニング
  • 全脳アーキテクチャ・脳型ソフトウエア・脳参照アーキテクチャ

OS-8 移動系列のデータマイニングと機械学習

オーガナイザ

  • 藤井 慶輔(名古屋大学大学院情報学研究科)
  • 竹内 孝(京都大学大学院情報学研究科)
  • 沖 拓弥(東京工業大学 環境・社会理工学院)
  • 西田 遼(東北大学 大学院情報科学研究科)
  • 田部井 靖生(理化学研究所革新知能統合研究センター)
  • 前川 卓也(大阪大学大学院情報科学研究科)

内容・テーマの例

計測技術の発展によって,様々な生物や人工物の移動の記録が可能になりました.これを背景に,多岐にわたる社会や科学分野への貢献,例えば,小型GPSを装着した野生の動物の行動データから動物の生態の理解,車両の移動データから様々なリソース配分の効率化,カメラから得られたスポーツ選手の行動データからスキルの評価などが期待されています.このように移動系列を解析する手法の重要性が高まっていますが,対象を越えて移動系列が持つ普遍的性質を扱う方法や,その性質を用いて高度な予測を行う人工知能技術は存在せず,従来の研究は対象毎に個別の領域で研究が行われるに留まっています.そこで,本OSでは,解析手法の1つであるデータマイニングや機械学習技術を軸足とし,対象間に共通する問題やその上で更に個別の議論を行うことで,各領域や共通の問題の解決を行っていきます.
本OSは,工学,コンピュータ科学,生物学,神経科学,スポーツ科学などを専門にする研究者が,記録されたヒト,動物,自動車などの軌跡・活動・行動データの解析方法について機械学習など人工知能分野の技術を用いた議論する場となることを期待しています.関心のあるテーマとして以下の例がありますが,これら以外の領域からの参加も期待しています.複数の領域で議論することにより,それぞれの領域の強みを知り,関連問題への関心の提起や,自身の領域の未解決問題の発見などの発展を期待しています.

テーマの例:

  • データマイニング,機械学習,時系列分析,モデリング,強化学習
  • 認識,予測,可視化,知識抽出
  • 位置推定,データ前処理,ラベリング
  • モニタリング,認識システムなど

キーワード

  • 時空間データ
  • データマイニング
  • 機械学習
  • 生物モデル
  • 軌跡・活動・行動データの情報処理

OS-9 AIと制約プログラミング

オーガナイザ

  • 花田 研太(奈良先端科学技術大学院大学)
  • 波多野 大督(理化学研究所)
  • 宋 剛秀(神戸大学)

内容・テーマの例

制約充足問題および制約最適化問題 (以下,まとめて CSP と呼ぶ) は,それぞれ与えられた制約を満たす解および最適解を探索する問題である. 制約プログラミングは,CSP を取り扱うプログラミングパラダイムである. 人工知能研究で生じる多くの組合せ問題は CSP として定式化できるこ とから,制約プログラミングは,1980年代から現在に至るまで人工知能分野で 活発に研究されてきた. 本オーガナイズドセッションでは,「AI と制約プログラミング」に関する研 究発表・議論を行う場を提供することを目的し,AIにおける探索や推論,制約 に関する理論,アルゴリズム,言語,モデル,システムなど AIと制約プログ ラミングに関する基礎から応用問題まで幅広く募集する.以下にテーマの例を 挙げる. – ソルバー (CSP,SAT,MaxSAT,PB,SMT,ASP など) – 推論・探索アルゴリズム (CDCL,列挙 など) – 知識コンパイル(BDD/ZDD/MDD などの Decision Diagram) – マルチエージェント (分散CSP,提携構造形成問題 など) – 応用 (モデル検査,スケジューリング,プランニングなど) 制約プログラミングはCP国際会議や各種ソルバーの競技会が毎年開催されるな ど国際的な関心が高い.本オーガナイズドセッションでは,国内の研究者を一堂に会して,国内コミュニティの活性化を目指す.

キーワード

  • 制約充足問題・制約最適化問題
  • SAT/MaxSAT/PB/SMT/ASP
  • BDD/ZDD/MDD
  • 列挙問題
  • マルチエージェント

OS-10 AI諸技術の発展に基づく学びのモデルの高度化と展望

オーガナイザ

  • 小西 達裕(静岡大学情報学部)
  • 宇都 雅輝(電気通信大大学院 情報理工学研究科)
  • 小暮 悟(静岡大学情報学部)
  • 山元 翔(近畿大学 情報学部)

内容・テーマの例

教育・学習分野におけるAIの導入は目覚ましいものがあり,教育ビッグデータに基づくデータ駆動型の学習モデル構築,学習者の表情をはじめとした生体データなど扱えるパラメータの増大による学習モデルの拡張,機械学習などの発展によるモデル駆動型の学習モデルの洗練といった動きが見られる.これにより教科学習だけではなく,スキルやメタ認知など,様々な高次な学習対象も実用的な支援が実現可能となっており,コンピュータ(AI)が,人の学びをより深いレベルで捉えることが可能になっている.そこで本OSでは,人の学びを機械が支援する上で,その「入力パラメータの多様性(データの種類)」「学びの蓄積(ビッグデータ)」「学びの処理の洗練(AI処理論に基づく学びのモデル化)」を念頭に置きつつ,今後の人の学びをどのように明らかに,あるいは評価,支援しうるかを議論したいと考えている.

キーワード

  • 統計・数理モデル
  • 知識・意味モデル
  • 情動推定モデル
  • スキル
  • ラーニングアナリティクス

OS-11 人間とAIの共存のあるべき姿を考える

オーガナイザ

  • 西田 知史(情報通信研究機構)
  • 宮原 克典(北海道大学)
  • 濱田 太陽(アラヤ)

内容・テーマの例

昨今のAIは,著しい高度化を遂げたことで人間社会に変革をもたらす基盤技術になりつつあり,今後さらなる社会普及が望まれる.しかし,その先にどのような世界が描かれているのか,人間はどのようなかたちでAIと共存すべきなのか,そうした理想的な共存関係を実現するためにはどのようなAIの認知的デザインが必要なのかは,現在のところ明確化していない.したがって,そのような問いに対する明確な答えを得るために,人間の心の観点から人間とAIの関係性について,さらなる学術的探究が求められる.
そのような探究においては,これまでヒューマンエージェントインタラクションを代表とする工学分野で多大な貢献がなされてきた.しかし,昨今のAIの高度化は,人間とAIの関係性をより複雑にし,多様な問題を新たに生み出しており,人間と共存するAIの実現には,より多角的な心の探究が必要となってきている.実際,心理学や神経科学といった自然科学的な心の探究や,哲学・倫理学・社会学といった人文学的な心の探究においても,人間とAIの関係性を研究する新たな試みが始まっている.
そこで本OSは,多岐にわたる心の学問分野において,人間の心の観点からAIを扱った研究発表を広く募集し,学際的な情報交換と議論を通じて,人間とAIの共存のあるべき姿に対する理解を深めることを目的とする.募集する研究テーマ例としては,人間の心の仕組みに基づいた,人間を深く理解するAIや,人間と協調・共感するAIなどの研究が挙げられる.また,人間とAIの良好な関係構築を見据えて,人間の認知および社会活動を支える心の仕組みを理解するための基礎的研究も募集の対象とする.

キーワード

  • 人間とAIの共存
  • 心の仕組み
  • AIの認知的デザイン
  • 心理学/神経科学
  • 哲学/倫理学/社会学

OS-12 機械学習品質評価・向上技術

オーガナイザ

  • 磯部 祥尚(産業技術総合研究所)
  • 小林 健一(富士通株式会社)
  • 中島 震(放送大学・国立情報学研究所)

内容・テーマの例

機械学習技術の有効性が幅広い応用分野で確認され,社会実装が本格的にすすめられている.一方,機械学習を利用するソフトウェアの品質では,訓練/推論プログラム,訓練/テストデータ,訓練プロセス/パラメータ,運用時監視/対策などが複合的に関係する.また,その品質の観点は,機械学習の基本的な特性から社会受容性に関わる倫理的な特性までと多岐に渡り,そのような品質特性間の相互依存性が機械学習品質の問題をさらに複雑にしている.すなわち,機械学習の品質保証は従来のソフトウェアの場合に比べて難しく,その品質保証に関する基礎的な研究から実務での実践経験までの広範な活動成果について,整理・議論・交流する場が必要とされている.
本オーガナイズドセッションでは,機械学習を利用するソフトウェアの品質保証を目的として,以下に示すような(ただし,これらに限定するものではない)機械学習品質の評価・向上技術に関する調査・研究・開発等の成果発表を広く募集する.

  • 学習データの品質(分布調整,外れ値除去,妥当性など)
  • 機械学習モデルの品質(精度,頑健性,セキュリティなど)
  • 機械学習システムの品質(安全性,有用性,公平性,セキュリティ,プライバシなど)
  • 運用時の品質(不正入力検知,環境変化対応など)
  • 機械学習品質評価の支援(品質評価ツール,可視化ツールなど)

キーワード

  • 学習データの品質
  • 機械学習モデルの品質
  • 機械学習システムの品質
  • 運用時の品質
  • 機械学習品質評価の支援

OS-13 シミュレーションとAI

オーガナイザ

  • 鷲尾 隆(大阪大学)
  • 山崎 啓介(産業技術総合研究所)
  • 山田 聡(BIRD INITIATIVE株式会社)
  • 森永 聡(日本電気株式会社)
  • 山田 広明(富士通株式会社)
  • 吉田 亮(統計数理研究所)

内容・テーマの例

従来,演繹的計算によるシミュレーションと帰納的計算によるAI・機械学習は対極的な研究の方向性を有した.シミュレーションは有限要素法,分子動力学シミュレーション,マルチエージェントシミュレーションなど多くの種類が存在し,構造物設計,新素材開発,交通・人流制御など応用事例も多岐にわたる.一方,機械学習分野では深層学習やガウス過程などによるサロゲートモデル技術の発展にともない,実世界におけるシステムをブラックボックスとして高精度に近似することが可能になった.近年,それぞれの分野において互いの方法やモデルを援用することで新しい研究の広がりを見せている.

シミュレーション分野では,シミュレータの一部を機械学習のモデルで代替するサロゲートモデルの利用や,近似ベイズ計算(ABC)やカルマンフィルタなどを利用して実測データからシミュレーションパラメータを統計的に最適化するデータ同化を導入することで,計算の高速化や高精度化が行われている.機械学習分野では,モデルの一部に第一原理計算やシミュレータを埋め込むことで,新たな学習問題の発見や近似解法の開発がなされている.しかしながらシミュレーション適用ドメインに依存した課題が設定される傾向にあり,その成果が個々の分野での発展に限定される恐れがある.

本セクションでは,シミュレーションに機械学習を用いる研究や,機械学習にシミュレーションを取り込む研究を募集し,シミュレーションと機械学習の本質的な融合の可能性を探る.

キーワード

  • シミュレーション
  • モデル学習
  • データ同化
  • 生産計画・材料最適化
  • 災害・地震・気象

OS-14 AI for Scienceにおける再現性と信頼性

オーガナイザ

  • 竹内 一郎(名古屋大学)
  • 原田 香奈子(東京大学)
  • 高橋 恒一(理化学研究所)

内容・テーマの例

様々な分野の科学研究においてAIを活用する試みが進んでいる.AIを活用して研究対象に関するデータを分析することで,研究者の知識だけからは想起できないような新たな発見につながることが期待されている.また,AIとロボット技術を統合して実験の自動化(ラボオートメーション)を進めることで,科学研究の再現性や信頼性を向上できることが期待されている.一方,AIによって得られた科学的知見は,複雑なデータを複雑なアルゴリズムで変換して得られたものであり,その信頼性や再現性を定量的に評価する方法は十分に確立されていない.また,ラボオートメーションは未だ汎用性が高い技術とはなっておらず,様々な課題が残っている.本セッションでは,科学研究におけるAI活用を健全に発展させるため,AI駆動科学の再現性と信頼性に関する発表を募集し,議論の契機としたい.本セッションでは,科学研究の信頼性・再現性に関連する研究を広く募集する.例えば,AIの再現性・信頼性に関する理論研究,ベイズ最適化などAIを用いた実験計画法に関する研究,ラボオートメーションに関する研究,科学研究のためのロボット技術に関する研究などを広く募集する.また,科学研究におけるAI活用例や,AIの信頼性を高めるための機械学習アルゴリズムに関する研究も募集する.

キーワード

  • AI駆動科学
  • AIの再現性・信頼性
  • AIロボット活用
  • ラボオートメーション
  • AIと因果推論
  • AIと統計科学

OS-15 教育データ利活用EdTechのELSI

オーガナイザ

  • 神崎 宣次(南山大学)
  • 村上 正行(大阪大学)
  • 加納 圭(滋賀大学)

内容・テーマの例

人工知能技術に基づいて教育・学習データを教育現場に利活用するEdTechは,米国などで社会実装が先行している.日本においてもデジタル庁によって「教育データ利活用ロードマップ」が策定され,文部科学省が推進するGIGAスクール構想により,基盤が構築されつつある.また教育・学習データを分析して教育・学習支援に活用するLearning Analyticsの研究も進んでいる.他方で,社会の側でのEdTechに関する議論は始まったところで,倫理的や法的な問題を中心として,社会受容性が十分に醸成されているとは言えない.多様な形態のEdTechが企画・開発されているとともに,社会実装の潜在的なステークホルダーは広範にわたるため,多角的かつ慎重な検討が必要である. それと同時に,学習者こそが最重要のステークホルダーであり,その権利と利益の擁護が常に議論の中心になければならない.
本オーガナイズド・セッションはEdTechにおけるELSI(倫理的・法的・社会的課題)を取り扱う.学習における「個別最適化」とは何か,人工知能による学習者の能力測定や評価に関わる問題,学習者の顔認識や姿勢推定に基づく感情や集中力,悩みなどの推定に関する課題,EdTech導入による教師の削減や,EdTech導入により生じる可能性のある格差,教育の権利などのテーマが扱われる.また,国内外のケースや判例の分析,倫理ガイドラインやプレッジなどの取り組みの検討,などもこのセッションの対象テーマに含まれる.

キーワード

  • EdTech
  • 教育データの利活用
  • 個別最適化
  • ELSI

OS-16 AIとデモクラシー

オーガナイザ

  • 伊藤 孝行(京都大学)
  • 大沼 進(北海道大学)
  • 松尾 徳朗(産業技術大学院大学)
  • 白松 俊(名古屋工業大学)

内容・テーマの例

現在実装されているデモクラシーを支えるシステムは,インターネットやAI技術がない時代に設計されたものである.そのため,最近の技術,例えばSNSを使った政治活動によって,必ずしも期待していたデモクラシーが実現できているとは言い難い.それに対し,近年,さまざまな技術の発展により,新しいデモクラシーの仕組みや,新しいデモクラシーのあり方が模索されている.例えば,JST CRESTの「ハイパーデモクラシー:ソーシャルマルチエージェントに基づく大規模合意形成プラットフォームの実現」では,マルチエージェント技術を用いた新しいデモクラシーのあり方を検討している.本オーガナイズセッションでは,AIとデモクラシーに関わる様々なテーマに関して議論を重ね,AIとデモクラシーに関する研究を推進し,学際的な研究コミュニティを創成する.

キーワード

  • デモクラシー
  • 合意形成
  • マルチエージェント
  • 集団知性(コレクティブインテリジェンス)
  • 社会心理学
  • シビックテック
  • 合意情報学

OS-17 地震研究と人工知能

オーガナイザ

  • 長尾 大道(東京大学地震研究所)
  • 内出 崇彦(産業技術総合研究所)
  • 加納 将行(東北大学)
  • 庄 建倉(統計数理研究所)
  • 久保 久彦(防災科学技術研究所)

内容・テーマの例

近年の発展著しい人工知能・機械学習は自然科学の分野においても浸透しつつあり,地震研究においても成果が着実に積み上がってきている状況である.地震に関する観測は陸海の広範囲において継続的におこなれており,人工知能・機械学習をはじめとする最新の情報科学技術を駆使して観測ビックデータを解析することによって地震現象の解明や地震災害の防災・減災が進むことが期待されている.そのような中で,わが国では情報科学の知見を採り入れた新たな地震調査研究を推進することを目的とした「情報科学を活用した地震調査研究プロジェクト(STAR-Eプロジェクト)」が2021年度から文部科学省において開始しており,今後の更なる発展が期待される.本オーガナイズドセッションでは,地震をはじめとする自然災害分野における基礎から応用にわたる人工知能研究および関連する研究の発表を幅広く募集する.本オーガナイズドセッションを人工知能研究者と地震研究者の交流の場としたい.

キーワード

  • 地震
  • 自然災害
  • ビックデータ
  • 機械学習
  • 情報科学

OS-18 生体信号を活用した医療・ヘルスケアAI

オーガナイザ

  • 藤原 幸一(名古屋大学)
  • 久保 孝富(奈良先端科学技術大学院大学)

内容・テーマの例

本邦の医療機器開発は諸外国と比べて遅れており,毎年7,000億円程度の輸入超過となっているとの試算もある.近年でAI技術を活用した新たな医療機器およびプログラム医療機器(SaMD)が登場しつつあり,医療機器開発の遅れを取り戻すため,本邦でも新たな医療AIの創出が期待されている.医療・ヘルスケア分野での機械学習・AI技術の活用は,CT画像やMRI画像などに対する画像診断の事例が大半であり,すでに技術としても成熟しつつある.一方で,一方で新規の医療機器や医療AI開発における心電図や脳波など生体信号の活用はまだ始まったばかりである.これには,(1) 対象信号の時空間パターンが複雑・非定常的で,対象現象の表現が特定困難であること,(2) サンプルとして取得できる生体信号の量が限定的であること,(3) 一定量の計測データが得られたとしても,しばしば対象とする現象の発生頻度が低く,強い不均衡となること,(4) 様々なアーチファクトが混入すること,(5) 明確なアーチファクトを取り除けた場合においてでもなお残存するノイズによって生体信号の信号対雑音比は高くないこと,(6) 入力となる生体信号がしばしば高次元となること,(7) 個人差が強く対象者間での汎化が難しいことなど,生体信号は機械学習における課題が凝縮されたようなケースとなっていることによると考えられる.本セッションでは,生体信号処理を活用した新たな医療機器・医療AIの創出について議論する.

キーワード

  • 医療機器
  • 医療AI
  • 生体信号処理
  • ウェアラブルデバイス
  • 機械学習

OS-19 Affective Computing

オーガナイザ

  • 熊野 史朗(NTT コミュニケーション科学基礎研究所)
  • 日永田 智絵(奈良先端科学技術大学院大学)
  • 森田 純哉(静岡大学)
  • 鈴木 健嗣(筑波大学)

内容・テーマの例

Affective Computingは機械に人の情動を認知させる,機械を情動的に振舞わせる,機械に情動を持たせることを基本目標として始まった人の心に計算論的アプローチで迫ろうとする学際分野である.こと人工知能は,人の情動の自動推定にも使える優れたアルゴリズムを構築してきただけでなく,幸福,驚き,後悔といった人の進化的な感情を学習モデル自体に取り入れるなどその中核にある.Affective Computingの黎明期には,コントロールされた心理実験で得た条件下でのそれら基本カテゴリや感情価・覚醒度といった基本次元の自動認知だった.だが近年では,機械学習技術に加えてオンライン実験,ウェアラブル生体センサ,データロギングの普及で,より実環境に近い条件下での実験や,痛み,鬱,ストレス,共感,wellbeingといったより高次の対象をも扱えるようになってきた.Affective Computingは国際的には旗艦会議の一つであるInternational Conference on Affective Computing and Intelligent Interaction (ACII)を中心としてここ数年で急成長を見せている.このような状況の中,本オーガナイザらはACII 2022を初めて日本で開催し盛況のもとに終えた.この成功の一要因は2020年から開催の本オーガナイズドセッションにある.このため,今回も本分野や関連分野で活躍する研究者を集め,人工知能分野における感情計算論の位置付けや現状をより明確化して今後感情計算論が進むべき方向について考察・共有したい.

キーワード

  • 感情
  • 情動
  • 計算論
  • 主観
  • 行動
  • 生理

OS-20 ひと中心の未来社会とAI

オーガナイザ

  • 名取 直毅(株式会社アイシン)
  • 梶 大介(株式会社デンソー)
  • 廣瀬 正明(株式会社デンソー)
  • 河村 芳海(トヨタ自動車株式会社)
  • 梶 洋隆(トヨタ自動車株式会社)
  • 城殿 清澄(株式会社豊田中央研究所)

内容・テーマの例

深層学習などに代表されるAI技術が人々の生活や社会システムの中で当たり前のように使われるようになって久しい.ひと中心の未来社会におけるAI技術は,便利さや効率の追求だけでなく,多様な個人のWell-Beingと社会の受容性・レジリエンスを高め,カーボンニュートラルなどの地球環境への配慮も欠かさないという多元的な機能が求められる.本セッションではテーマやキーワードに関連する研究発表を幅広く募集し,アプリケーションからそれを支える理論までを多角的に議論することで,未来に求められるAI技術像を模索することを目指したい.

キーワード

  • 人・もの・情報の移動と数理最適化
  • 人-機械,人-人のインタラクション
  • 学習理論
  • つながる社会とネットワーク科学
  • モデル構造・信頼されるAI

OS-21 世界モデルと知能

オーガナイザ

  • 鈴木 雅大(東京大学)
  • 岩澤 有祐(東京大学)
  • 河野 慎(東京大学)
  • 熊谷 亘(東京大学)
  • 松嶋 達也(東京大学)
  • 森 友亮(株式会社スクウェア・エニックス)
  • 松尾 豊(東京大学)

内容・テーマの例

世界モデルとは,エージェントを取り巻く環境・身体など様々な要素を学習によって内部的に構築する枠組みである.こうした世界モデルを用いることで,直接には観測できない,過去/未来・反実・観測不能な状態を予測や推論できるようになり,目的に応じた行動選択の性能を高めることができる.
世界モデルのように環境のモデル化を考えることは,制御における内部モデルや認知科学におけるメンタルモデルなどでも議論されており,必ずしも新しいアイディアではない.しかし深層学習の発展により,これまでは困難であったような高次元かつ複雑な世界からの観測データに基づくモデル化が実現できるようになったことは大きなブレイクスルーである.さらにここ数年の基盤モデルの進展によって,より大規模な環境を学習できるようになっており,ロボティクスや強化学習研究において活用が進んでいる.
本企画セッションは,(1)深層学習を用いて外界をモデル化する方法論(2)AIの諸問題における世界モデルの重要性,についての議論を行う.世界モデルという概念を介して,人工知能だけでなくロボティクス,認知科学,神経科学などの分野の研究者と共同して学際的な議論を行う場となることを目指す.

キーワード

  • モデルベース強化学習
  • 深層学習
  • 表現獲得
  • 深層生成モデル
  • 予測モデル
  • 自己教師あり学習
  • 基盤モデル
  • 生物における外界のモデル化
  • 知能の汎用性

OS-22 グループインタラクションとAI

オーガナイザ

  • 酒造 正樹(東京電機大学)
  • 湯浅 将英(湘南工科大学)
  • 岡田 将吾(北陸先端科学技術大学院大学)
  • 近藤 一晃(京都大学)
  • 中野 有紀子(成蹊大学)

内容・テーマの例

グループインタラクションの研究は,参加者のコミュニケーション能力や内面状態(性格やリーダーシップ)の推定技術の構築や個人のコミュニケーション能力の改善にも繋がることから期待が高まっている.さらに近年発展してきている機械学習の技術と,音声・画像・言語などのメディア処理,ユビキタスコンピューティング,ウェアラブルコンピューティングを統合することで,グループインタラクションの理解とモデル化,その支援技術に関する研究基盤が整ってきた.しかしながら,これらにより発表される研究成果は各研究グループごとに実験デザインが統一されていないことが問題になっている.本OSでは,グループインタラクションの理解および支援技術に関する研究発表を広く募集し,研究発表の場を提供するとともに,複数の研究グループで統一できる実験デザインや評価方針を議論する.

キーワード

  • グループコミュニケーションの質のモデル化
  • ウェアラブルデバイス
  • 社会的信号処理
  • グループディスカッションにおけるフィードバック
  • インタラクションへの介入
  • ワークショップデザイン
  • CSCW

OS-23 社会科学・人文科学分野の行動インサイトを活用した機械学習と最適化

オーガナイザ

  • 戸田 浩之(横浜市立大学)
  • 倉島 健(NTT人間情報研究所)

内容・テーマの例

社会科学・人文科学の分野では,人間の行動や選択,意思決定に関わる基本理論や科学的な知見が数多く提唱,発見されている.また近年,社会科学・人文科学分野における人間行動科学の知見とコンピュータサイエンスや情報システム等の計算論的アプローチを組み合わせたBehavioral Data Scienceという分野が国際的にも注目されている.本セッションでは,このBehavioral Data Scienceにおいて,過去の行動や未来の推定・予測,さらにはその先にある行動の変容・最適化までを視野に入れたPrescriptive Analyticsを実現する研究テーマについて議論を深める.具体的には(1)個人や集団の行動の数理モデリング・予測研究(2)個人や集団の行動に関する未観測な統計量の推定研究(3)個人や集団の行動変容を促す介入策を探索する最適化研究,の三つの研究課題の高度化に,社会科学・人文科学分野の行動インサイトを積極的に活用する研究テーマを扱う.また,近年,データ化が進む人間行動に関するビッグデータを解析し,そこから得られた知見や傾向を活用するような概念も含む.本セッションで扱う技術は,深層学習に代表されるブラックボックスなモデリングとは異なり,モデルの説明性が高く,また,学習データが不足している際にも予測,推定,最適化が行えるといった重要な特徴を持つ.

キーワード

  • 行動データ
  • Behavioral Data Science
  • Prescriptive Analytics
  • 機械学習
  • 最適化
  • 行動経済学
  • 行動変容

OS-24 日常生活知識とAI

オーガナイザ

  • 福田 賢一郎(産業技術総合研究所)
  • 江上 周作(産業技術総合研究所)
  • 宮田 なつき(産業技術総合研究所)
  • Qiu Yue(産業技術総合研究所)
  • 鵜飼 孝典(富士通株式会社)
  • 古崎 晃司(大阪電気通信大学)
  • 川村 隆浩(農業・食品産業技術総合研究機構)
  • 市瀬 龍太郎(東京工業大学)
  • 岡田 慧(東京大学)

内容・テーマの例

日常生活空間での人の活動は,人やモノおよびその相互作用など個別性が高く,さまざまな要素で構成される.この個別性の高い状況を解釈し,日常生活を支援するAIへ応用する方法は,依然として,環境・タスク・人に関する知識を持った人間に依存している.例えば,高齢者支援や子供の見守り,家庭向け汎用ロボットなどへの応用では,当該者の身体性,屋内の環境などの個別知識,タスク遂行における行為の知識,身体の知識に加えて,事故リスクやサービスの専門知識,対象物や出来事における常識知識などを必要とする.日常生活を支援するAIの実世界への埋め込みに向けて,これらの日常生活知識を,画像と自然言語などの異なるモダリティや異なる時空間での情報と結びつけて理解して推論・認識プロセスに組み込む必要があるが,現時点ではバイアスや頑健性などの観点で課題があり,さらなる技術発展が望まれる.
そこで本OSでは,上記課題の解決に向けて,日常生活を表現する画像・動画,人間モデル,テキスト,知識グラフ,センサデータなどのデータセットの構築と活用に関する発表や,様々なモダリティを組み合わせて状況を推論するAIシステムやロボットシステムの発表,さらにはそれらによって得られた知識をインターネットに存在する外部知識,常識知識と組み合わせたシステムの発表などを集めて議論を行う.また,AI,ロボットだけでなく,介護,子育て,日常生活における安全などの対象領域からの論文発表を募ることで実世界への埋め込みの加速を狙う.これらの個別の応用事例を踏まえて,深層学習と知識工学の接続に踏み込んだ議論に発展することも期待する.

キーワード

  • 日常生活
  • 人間行動
  • 深層学習
  • 知識工学
  • 人間工学
  • ヒューマンロボットインタラクション

OS-25 ニュースメディアのデータサイエンス

オーガナイザ

  • 高野 雅典(株式会社サイバーエージェント)
  • 小川 祐樹(立命館大学)
  • 鈴木 貴久(津田塾大学)
  • 園田 亜斗夢(東京大学)
  • 高 史明(神奈川大学)
  • 保高 隆之(NHK放送文化研究所)

内容・テーマの例

スマートフォンの普及に伴い人々を取り巻くニュースメディアという環境は大きく変化した.膨大で玉石混交のニュースが日々作られ,ソーシャルメディアではそれらが飛び交い,推薦システムは各個人の好みに合わせたニュース記事を推薦する.このような環境は人々の関心や政治的態度に大きな影響を与えるため,オンラインニュースやソーシャルメディアでのニュースの流行は活発に研究されているトピックの1つである.例えば,ニュース接触と利用者の行動・態度の関連,ニュース推薦システムの影響と改善,ソーシャルメディアでのニュースの流布などである.「ニュースメディアのデータサイエンス」OSではニュースと利用者に関わる学際的な研究発表を広く募集する.

キーワード

  • メディア・コミュニケーション
  • フェイクニュース
  • ニュースアプリ
  • ソーシャルメディア
  • マスメディア

OS-26 脳波から音声言語情報を抽出・識別・利用する

オーガナイザ

  • 新田 恒雄(豊橋技術科学大学)
  • 桂田 浩一(東京理科大学)
  • 入部 百合絵(愛知県立大学)
  • 田口 亮(名古屋工業大学)
  • 篠原 修二(東京電機大学)
  • 小林 一郎(お茶ノ水女子大学)
  • 河合 剛(東京外国語大学)

内容・テーマの例

内容:
脳波信号から音声言語情報を抽出・識別する研究が始まっている.ここ10年はfMRI,PETなどの観察から,概念> 言語表現プランニング> 音節・単語・文表現> 発話運動神経系に至る活動関与部位に関する多くの知見が得られ,これらの知見を受けた脳波観測から言語活動を推定する研究が活発である.音声言語に関する脳波研究では,脳皮質上のセンサーから脳波(Electro-Cortico-Gram; ECoG)を検出する研究が先行しているが,頭皮上で観測した脳波(Electro-Encephalo-Gram; EEG)信号を用いる研究も実現すると応用が広いため意欲的に進められている.本オーガナイズドセッション(OS)では,主に後者の発話時EEG信号あるいは音声想起(speech imagery)時EEG信号から,単語,音節,短文などを分析・特徴抽出・識別する近年の研究成果を中心に紹介・討議する.具体的には,雑音・artifact除去,言語情報抽出のための分析・合成写像方式,識別における課題と解決方法などを討議したい.本OSを通して,欧米に比べて遅れ気味の「音声言語に関するBrain Computer Interface (BCI) 研究」が前進することを期待している.
テーマの例:
脳波のための分析モデル,脳波中の高次認知機能の分析,高次認知活動に関する脳波信号と雑音除去,脳波における音素・音節の表現形態(言語表象),脳波信号からの音声言語特徴抽出,発話時脳波信号からの音声デコーディング,音声想起時脳波信号からの想起内容識別,脳波に対する音素・音節ラベリングとツール

キーワード

  • 脳波からの雑音除去
  • 音声想起
  • 脳波分析・特徴抽出
  • 脳波中の音節・単語・文識別
  • 脳波中の音素・音節ラベリング

OS-27 強化学習の新展開

オーガナイザ

  • 太田 宏之(防衛医科大学校 薬理学講座)
  • 甲野 佑(株式会社ディー・エヌ・エー)
  • 高橋 達二(東京電機大学)

内容・テーマの例

強化学習アルゴリズムは自ら環境を自律的に試行錯誤し,行動パターンを習得していくフレームワークであるため,ある種の万能性を備えたものとして捉えられている.理論的には MDP を前提とすることを問題視されるが,試行錯誤と観測から環境の状態表現・予測モデルを作り上げる構築型のモデルベース強化学習や,部分観測状態への対処法の進展から,フレーム(相互作用可能な環境での試行錯誤からの学習)としての強化学習は現在も有望である.しかし適用されるドメインの複雑性が増せば増すほど,指数関数的に試行錯誤の回数は多くなり,実環境での利用は制限を受ける.そのためオンライン学習を目的としながらも,現実にはシミュレータを用いた事前学習を前提としており応用範囲にも制約がある.Computer Vision などドメインが限定されていれば,学習済モデルを fine-tuning して大幅に時間を短縮可能だが,強化学習は行動空間が意味的に異なるなどモデルの使い回しに困難がある.つまり強化学習という枠組みでは,ベイズ推定における事前分布,あるいはそれに類するような推論による仮定をどう与えるべきかが課題となる.この問題に対して,強化学習フレームの外側に位置する経験や事前知識を,ドメインや課題範囲の違いに考慮して価値推定や行動選択に導入する方法論が多数提案されている.本 OS ではそれら技術の整理・新たな提案を通じて真に汎用性のある新しい強化学習のフレームの進化と展望を議論する.

キーワード

  • 強化学習
  • 計算論的神経科学
  • 逆強化学習
  • 模倣学習
  • 認知科学

OS-28 知・情・意―AIが人間研究になるための枠組み

オーガナイザ

  • 諏訪 正樹(慶應義塾大学)
  • 藤井 晴行(東京工業大学)

内容・テーマの例

外界に相対してひとが働かせる心身作用には知・情・意がある.夏目漱石(1978)によれば「知を働かす」とはものごとの関係を明らかにすること,「情を働かす」とは関係を味わうこと,「意を働かす」とは関係を改造することである.数学者の岡潔は『数学する人生』(2022)で,「わからないものに注目しているとき既に情的にはわかっている.情的にわかっているものを知的にわかることが発見である」と述べ,「知」の根底に「情」があると示唆する.そして,生きた自然(「情」)という基盤の上に各個体の自由(「知」)があり得るのに,自然科学は法則で説明できる「知」だけを調べ,物質が常にその法則を満たしているという不思議(「情」)は調べないことを批判する.
 この言説は人工知能研究の未来を探る上で大いにヒントになる.「数・データになりやすいものごと」(「知」)ばかりを調べるのではなく,数・データになりにくいものごと(「情」)の潜在にも眼差しを向け,単なる情報処理研究を脱却し人間研究であることを目指すのがよい.
 この問題意識を議論するため,本OSは,岡潔の『数学する人生』を一読の上,その議論に紐づけて自身の研究や思想を論じる論文投稿を募る.一般発表の後に全員によるパネル討論を設け,議論を行う.聴講の方も書を事前にご一読いただくことを奨励したい.
 本OSのテーマとしては,たとえば,身体性認知,状況依存性,生活知,創発,身体図式,フレーム問題,相互行為分析,フィールドワーク,対面コミュニケーション,アクチュアリティ,ゲームAI,現象学,仏教,道教,存在論,デジタルヒューマニティーズ,文化人類学などが挙げられる.

キーワード

  • 生命現象
  • 人間研究
  • 存在
  • 知・情・意
  • アクチュアリティ

OS-29 Transfer learningの手法及び応用

オーガナイザ

  • 顔 玉蘭(Databricks)
  • 王 洋(Databricks)
  • Leo Mao(Databricks)
  • Yinxi Zhang(Databricks)
  • Junhua Wu(Databricks)

内容・テーマの例

従来の機械学習では,特に教師あり学習の場合は大量の教師データを準備する必要がありました.教師データの準備にデータの一つひとつへのラベル付けのコスト,さらに大量データの機械学習を完了させるまでに相応の時間とコストがかかってしまいました.このコストを削減するために,あるタスクで学習した中間表現を活用したり他の関連するタスクの問題を解決する移転学習が用いられている.転移学習の手法及び画像認識など応用に関する研究発表を広く募集する.
テーマ例:
学習済みモデル
学習済みモデルを活用して画像認識
自然言語処理における転移学習技術
転移学習について課題

キーワード

  • 転移学習
  • 深層学習
  • 画像処理
  • 自然言語処理
  • 学習済みモデル