【研究領域課題番号】19H04154 (KAKENデータベースで見る）

【研究キーワード】

認知症 / 意思決定支援 / 人工知能 / ヒューマンエージェントインタラクション / ロボティクス / 認知症介護 / 意思決定 / 意思推定 / 感情推定 / スマートテキスタイル / エージェント / 認知症ケア / 医療同意 / 生体計測 / 人間拡張 / ロボット / 深層学習 / 合意形成

【研究成果の概要】

認知症の初期のころは本人の意思が尊重されるが、中期、後期になると本人の理解力、判断能力の低下などから家族が判断するようになり、本人の思いが置き去りになる場合も少なくなかった。こういった問題に対して本研究の目的は、AI、ロボット技術などに基づく人間拡張技術により、認知症の人の意思や感情の表出を支援する研究開発を行った。その上で、技術により人間拡張された認知症者の意思の倫理的・法的・社会的受容性、医療介護への経済的なインパクトなどを医療従事者、心理学者、経済学者と検討した。

【研究の社会的意義】

本研究は、中度、重度の認知症者にどのように情報提示すれば状況の認知や判断が適切になされるのか、その上で、認知症者の意思や感情の表出をAIが支援するにはどういった情報を記録する必要があるのか、またAIが支援する認知症者の意思や感情の表出を他者は受容できるのかの解明に取り組むものである。結果として、AI、ロボット技術などに基づく人間拡張技術により、認知症の人が最後まで自分の意思、感情を表出できるよう支援し尊厳のある人生を過ごせる社会の実現にある。国内外の人間拡張技術の研究において類似の例は存在しないことから学術的独自性と創造性は極めて高い。

【研究種目】基盤研究(B)

【研究期間】2019-04-01 - 2022-03-31

【配分額】16,250千円 (直接経費: 12,500千円、間接経費: 3,750千円)

【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】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】知能情報学

【研究領域課題番号】15H02745 (KAKENデータベースで見る）

【研究キーワード】

エージェント / 人工知能 / 情報システム / マルチエージェントシステム / 社会シミュレーション

【研究成果の概要】

本研究の目的は、非常に稀で予測困難だが甚大な影響をもたらす社会的状況にも対応し、頑強で信頼性の高い社会制度や経営戦略を設計するための工学的手法を開発し、実際の社会現象に適用することである。そのために、実データを基に稀な社会事象の内部メカニズムを探るための社会シミュレーション技術である「可能世界ブラウザ」を開発した。実務現場との共同研究により、金融市場での制度設計やマーケティング戦略の決定を題材に、提案手法の実証評価を行った。実問題の分析結果を反映させ、想定外のリスクとチャンスを分析対象にした可能世界ブラウザの実問題応用への適用を行った。

【研究の社会的意義】

従来の社会シミュレーションの多くは、既存の社会経済学の理論に基づいており、現実の人間が持つ状況への適応性または個人間の行動パターンの違いなどを、モデル構築に十分に反映することは少なかった。これに対して本研究は、社会的意図などの行動者の内部状態を考慮した動的モデルの構築を目指し、実データと社会シミュレーションの統合に関する基盤技術を開発した。本研究の成果により、ビッグデータを実際の社会経済システムの安全性や信頼性の向上に活用する新たな方法論となることが期待される。

【研究種目】基盤研究(B)

【研究期間】2015-04-01 - 2019-03-31

【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】知能情報学

【研究領域課題番号】25540095 (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 / 社会シミュレーション / エージェント / 人工知能 / 情報システム

【研究成果の概要】

実データに基づく社会シミュレーションの新たな方法論の基盤技術を開発した。(1)高頻度金融市場データを分析して、制度設計で設定すべき要素を示唆するための応用技術を開発した。ユーザが要素を考慮しながら制度が市場安定性に与える影響を評価する技術を開発した。(2) POSデータ分析結果をもとにしたマーケティングシミュレーションを構築し、あるカテゴリ商品に関する様々なシナリオをシミュレーションで作り出し、どのようなタイプのエージェントが態度変容するかによって、商品の発注ルールの有効性と機会損失の程度が変化することを分析した。

【研究種目】挑戦的萌芽研究

【研究期間】2013-04-01 - 2015-03-31

【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】感性情報学・ソフトコンピューティング

【研究領域課題番号】21300080 (KAKENデータベースで見る）

【研究キーワード】

感性ロボティックス / ファジィシステム / ロボット / 感性 / ファジィ / エージェント / インターネット高度化 / ソフトコンピューティング / 情報システム / 人工知能

【研究成果の概要】

5体の眼球ロボットをRTM(Windows版)でインターネット接続をしたマスコットロボットシステムを構築、4人の人間と5体の眼球ロボットがホームパーティを楽しむというシナリオのもとで複数の人間・ロボットがさりげないコミュニケーションを実施する例として15分程度のデモビデオを作成、理論的にはファジィ雰囲気場の概念およびその可視化手法を提案してビデオに反映、成果を都合10件以上のジャーナル論文・国際会議招待講演などで発表。

【研究種目】基盤研究(B)

【研究期間】2009 - 2012

【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】知能情報学

【研究領域課題番号】20300054 (KAKENデータベースで見る）

【研究キーワード】

知的エージェント / 交渉 / 調停 / 議論フレームワーク / 事例ベース推論 / ヒューマン・エージェント・インタラクション / 論争 / インタラクション / ノンバーバル情報 / 時系列解析 / エージェント / 人工知能 / 認知科学

【研究成果の概要】

本研究では事例を用いた論争エージェントに関し,まず,交渉における妥協生成の推論手法と,合意形成の形式化のための実践的議論意味論の構築を行った.次に,論争の発言記録から話題の推移や論理や感情などの特徴の抽出を行い,論争エージェントがその特徴を利用できるように,抽出された特徴にタグ付けするための3 種類の解析ツールを開発した.さらに,論争エージェントの発言生成機能として,合意の意思決定と反論生成を支援するシステムを開発した.また,論争を遠隔地で行う場合,臨場感の維持や感情伝達を行うため,力覚インタフェースを利用した遠隔コミュニケーション手法を開発した.

【研究種目】基盤研究(B)

【研究期間】2008 - 2010

【配分額】14,300千円 (直接経費: 11,000千円、間接経費: 3,300千円)

【研究分野】教育工学

【研究領域課題番号】19300275 (KAKENデータベースで見る）

【研究キーワード】

e-ラーニング / 適応型教育システム / エージェント / 学習履歴 / データ・マイニング / 決定木 / eラーニング / ラーニング・マネジメント・システム / LMS / Web 2.0 / 人工知能 / 学習管理システム

【研究成果の概要】

本研究では, 学習履歴ログ・データベースから, コンテンツに関する教材知識を習得して, 動機づけメッセージを自動生成するエージェントを搭載した知的LMSを開発した. 本システムの特徴は以下の通りである. 1)エージェントが決定木モデルにより学習者モデルを自動生成する. 2)エージェントが学習者モデルおよび学習者の現在の学習履歴データを用いて, 学習者の最終状態を予測する. そのためにデータベースに蓄積されるデータ量の増加に伴い,生成される学習者モデルはより正確になる. 3)エージェントは学習者の学習過程をデータベース中の優秀な成績を残した学習者の学習過程と比較, 分析し, 学習者に適応的なメッセージを生成する. システムを使用した講義と使用しなかった講義との比較で, システムの有効性が示された.

【研究種目】基盤研究(B)

【研究期間】2007 - 2008

【配分額】20,930千円 (直接経費: 16,100千円、間接経費: 4,830千円)

【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】10680384 (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 / 強化学習 / 進化的計算 / マルチエージェント強化学習 / 人工知能 / 協調行動 / エージェント / マルチエージェン強化学習 / 分散人工知能 / 創発

【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自律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自律エージェント群に,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,各エージェントを適度に圧縮表現された状態空間上で強化学習させることによって,この問題点を回避し得ることを実験的に示してきた.この成果は強化学習に基づく現実的なマルチエージェントシステムの設計支援の可能性を示したという意味では重要であるが,これをさらに現実的なマルチエージェント強化学習手法として発展させるためには,状態空間の適切な圧縮表現を自動的に設計するための手法を確立する必要があった.
本研究では,代表者らが提案してきた上記のマルチエージェント強化学習手法と進化的計算を併用することによって,エージェント群に,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,(i)状態空間の適切な圧縮表現の自動獲得を目指して提案されている従来手法よりも優れた圧縮表現を安定的に獲得可能であること,(ii)人手によって試行錯誤的に設計された圧縮表現よりも優れた圧縮表現を獲得可能であることが実験的に確認されており,マルチエージェントシステムを構成する自律エージェントの状態表現およぴ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強力な要素技術を提供する.

【研究種目】基盤研究(C)

【研究期間】1998 - 1999

【配分額】1,000千円 (直接経費: 1,000千円)