【研究領域課題番号】22K01274 (KAKENデータベースで見る）

【研究キーワード】

情報法 / 人工知能 / データ / アルゴリズム / デジタルプラットフォーム

【研究種目】基盤研究(C)

【研究期間】2022-04-01 - 2027-03-31

【配分額】4,030千円 (直接経費: 3,100千円、間接経費: 930千円)

【研究領域課題番号】22H00788 (KAKENデータベースで見る）

【研究キーワード】

AI / アルゴリズム / 新しい働き方 / 規制の正当化根拠

【研究種目】基盤研究(B)

【研究期間】2022-04-01 - 2026-03-31

【配分額】17,160千円 (直接経費: 13,200千円、間接経費: 3,960千円)

【研究領域課題番号】19H00574 (KAKENデータベースで見る）

【研究キーワード】

域外適用 / データの越境移転 / 競争法 / 個人情報保護法 / 独占禁止法 / デジタルプラットフォーム / プラットフォームワーカー / 労働法 / プライバシー / データ / AI / アルゴリズム / 個人情報

【研究成果の概要】

2020年度は新型コロナ感染症の拡大により、次のようにオンライン研究会を開催した。
①６月５日（金）18：00～20:00、寺西直子氏・公取委「デジタル分野の今後の取組みについて」、②7月20日（月） １７：００～１９：００、塚田益徳氏・公取委「フィンテックを活用した金融サービスの向上に向けた競争政策上の課題」、③７月２５日（土）１４：００～１７：００、武田邦宣教授・大阪大学「オンライン広告市場の競争分析」、④９月２６日（土）14:00～15:30、深町晋也教授・立教大学「自動運転と刑事責任」、⑤１０月19日（月）14:00～16:00、早川雄一郎准教授・立教大学「豪州競争消費者委員会『ロイヤルティースキーム（ポイントプログラム）報告書』とプラットフォーム規制」、⑥11月28日（土）14:00～16:00、瀬領真悟教授・同志社大学、「AIカルテルに関する独仏報告書（2019年11月）について」、⑦12月７日（月）17:30-19:30、小向太郎教授・中央大学「プラットフォームと媒介者責任」、⑧2021年１月３０日（土）１４：００～１６：００、三部裕幸弁護士（渥美坂井法律事務所）「AIと独禁法：データ取引や自動交渉プラットフォームで想定される論点を中心に」、王威駟氏・（KDDI総研）「中国のプラットフォーム規制動向：データ・競争関連を中心に」、⑨２月 ２７日（土）１０：００～１２：００、Simon Vande Walle教授・東京大学、 「Japanese competition law and digital platforms: are remedies effective？」、⑩３月１３日（土） 16:00～18:00、市川芳治氏・NHK「AI時代の競争法」、⑪３月３１日（土）１５：００～１７：００、和久井理子教授・京都大学「デジタルプラットフォームと企業結合規制」

【研究種目】基盤研究(A)

【研究期間】2019-04-01 - 2024-03-31

【配分額】39,650千円 (直接経費: 30,500千円、間接経費: 9,150千円)

【研究分野】知能情報学

【研究領域課題番号】17H01785 (KAKENデータベースで見る）

【研究キーワード】

多層ネットワーク / 情報伝搬 / コミュニティ / ネットワーク / 影響最大化 / 変分オートエンコーダ / コミュニティ抽出 / 人工知能 / アルゴリズム

【研究成果の概要】

(1)グラフ畳み込みネットワークにおいて、グラフの近傍の情報と大域的な情報とを共に用いることで、学習性能を向上させる方法を開発し、2019年6月に人工知能学会研究会優秀賞を受賞した。(2)グラフニューラルネットワークを用いて、与えられたネットワークのbetweenness中心性の計算を高速近似する手法を開発し、採択率21%の国際会議CIKM 2019に採択された。
(1)グラフ畳み込みネットワークは層の数を増やすと精度が大きく落ちてしまう。また、学習ラベルの数が少ない場合に、他の手法に比べ精度が大きく下がってしまうことがわかっている。そこで本研究では、従来のグラフ畳み込みネットワークの学習に加えて、グラフの構造特徴を保持する学習を同時に行う手法を提案した。グラフ畳み込みによるノードのラベル推定タスクの学習に加え、構造特徴を保持する学習を同時に行うことで、ノードの近傍情報とグラフ全体の構造の両方を考慮した学習が可能になる。半教師あり分類問題において、提案手法は既存手法と比べて高い精度を得ることを示した。
(2)betweenness中心性はネットワークの情報伝搬における影響力の高い頂点をみつける上で重要な尺度である。しかし、betweenness中心性の正確な計算は計算コストが高い。提案されている近似手法も、非効率であったり、精度を犠牲にしたものであったり、その両方であったりする。この研究では、Graph Neural Network(GNN)ベースの近似手法を提案した。具体的な改良点として、(a)畳み込みの際の特徴凝集を流入方法と流出方向に分けて計算し、(b)頂点自身の特徴を使わずに凝集し(c)最短経路上にない頂点を検出し、隣接行列における対応する行要素と列要素を零にした。人工データおよび実データを用いた実験で、他の手法と比べて精度および計算時間の両方で優れていることを示した。

【研究種目】基盤研究(B)

【研究期間】2017-04-01 - 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】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】新領域法学

【研究領域課題番号】17K03501 (KAKENデータベースで見る）

【研究キーワード】

人工知能 / 自由 / プライバシー / 著作権 / 統治 / データ / アルゴリズム / デジタルプラットフォーム / 情報法 / デジタル統治 / 権力分立 / プラットフォーム / グローバル情報法 / データガバナンス / ガバメントアクセス / 透明性義務 / リスク評価 / 表現の自由 / 公法学 / 忘れられる権利 / インターネット / ソーシャルメディア / AI / 国家安全保障 / メディア

【研究成果の概要】

本研究成果として、新型コロナウイルス感染症拡大に伴い、社会のデジタル化が一層加速する中で、とりわけ、言論・表現・情報の自由や公開性・透明性に関する法の原理と制度デザインの在り方をめぐり、日米欧の古典的議論及び近年の個別事例等の分析から引き出される示唆として、本研究の今後の展望につながる、次の点を明らかにした。すなわち、デジタル化が進む社会における人権保障と権力統制・監視機能を実効的に担保するためには、情報法の価値原理と制度デザインの新たな構想が求められていること、そして、特に今後の日本のデジタル社会の秩序形成の文脈では、いわば「情報権力分立」が要請されること、である。

【研究の社会的意義】

近年、新型コロナウイルス感染症拡大に伴い、AI・IoTをはじめとする情報・データ・アルゴリズム・プラットフォーム関連技術が社会変革を促し、グローバルな規模でのデジタル統治の覇権争いが顕在化している状況を指摘した上で、こうした時代の理論的・実務的要請に応えて、情報法研究の今日的な課題と次世代に向けた展開方向の一端を示したことに、本研究成果の学術的意義及び社会的意義があると言える。

【研究種目】基盤研究(C)

【研究期間】2017-04-01 - 2022-03-31

【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】マルチメディア・データベース

【研究領域課題番号】16K12428 (KAKENデータベースで見る）

【研究キーワード】

学習なき発見 / 時系列分析 / 変化の説明 / 潜在時間スケール / 変数選択 / 変数クエスト / 社会的ニーズ調査 / 混在時間スケール / 短時間シーケンス / 説明性 / データ市場 / 短時間シーケンスからの発見 / コンパクトデータ / 予兆発見 / アルゴリズム / データ解析・評価 / リアルタイムマネジメント / データ可視化 / 人工知能

【研究成果の概要】

変化原因を定性的に説明することへのニーズを把握した上で、多様なタイムスケールが混在する時系列データから変化原因を説明する技術へのニーズがあることを確認した。このニーズに沿って、絡まりの始終点を変化点として可視化するTangled String(TS)、その拡張手法と評価方法を確立した。また、学習を伴わず変化点の検出とその説明を行うアルゴリズム群を得つつ、時系列の不確実性も説明する機械学習手法法を生み出す成果も得た。又、手法で説明に用いるべき変数を過不足なく提案する変数クエストを開発した。開発した技術を、SNS、POS, 地震に適用して成果を得た。成果の社会的ニーズについても調査を行った。

【研究の社会的意義】

データ利活用におけるニーズと、データと、データ分析技術等のマッチングを行うIMDJワークショップから、本研究の考え方で変化の原因を説明することへのニーズが実業界で強いことが明らかとなった。しかし、実際の社会・自然における変化には多様なタイムスケールが混在するため、従来手法では変化原因の説明が難しかった。この問題を解決することは基礎学術における進展であり、フェーズ①ニーズに答える技術的アプローチの検討, フェーズ②Tangled String(TS)を起点とする時間窓最適化, TSにかわるアルゴリズム群開発, フェーズ③ 実社会への適用と期待感の調査を行う手順により社会的意義も確保し続けた。

【研究種目】挑戦的萌芽研究

【研究期間】2016-04-01 - 2019-03-31

【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】26280130 (KAKENデータベースで見る）

【研究キーワード】

人工知能 / アルゴリズム / ゲーム情報学

【研究成果の概要】

現実世界の大規模な探索問題は全解探索は困難であり、有用そうな部分を選択的に探索するアルゴリズムが用いられる。ゲーム木の探索はこのような問題の一例であり、近年提案されたモンテカルロ木探索がその有用性から広まっているが、将棋など「細い正解の一本道をたどらなければならない」ような問題領域においては終息が遅く、適用が難しい。我々は、局面評価値の確率分布をゲーム木でそのまま取り扱えるベイジアンアプローチに基づいた探索アルゴリズムについて、分散計算の適用による効率化の可能性を検証した。

【研究種目】基盤研究(B)

【研究期間】2014-04-01 - 2017-03-31

【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】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】17300042 (KAKENデータベースで見る）

【研究キーワード】

ITS / 画像センサー / センサー融合 / パターン認識 / 時系列データ解析 / ドライビングシミュレータ / 超音波センサー / アルゴリズム / 確率論 / 交通事故 / 人工知能 / 高度道路交通システム(ITS)

【研究成果の概要】

本研究では、過密かつ高速で流れる交通流において発生する交通事故を、防止するためのセンシングと情報提供技術の開発を目的としている。本研究では、当研究室で開発した画像による事故検出システムを用いて事故画像を収集し、要因分析をおこなった。臨界流においては、下流側での些細なブレーキング等により疎密境界が発生し、疎密波が増幅されながら遡上するという現象が、高速道路における事故要因の多くを占めていることが分かった。そこで、疎密波を画像センサーや超音波センサーといった実際に高速道路に設置されている異種センサーのデータを融合することにより、疎密波を早期に検知し、伝播を詳細に予測した結果をドライバーへ情報提供するための技術を開発した。疎密波の状態を、センサーが設置された各地点の各時刻という時空間格子点上に定義し、各格子点の状態を速度と交通密度でモデル化した。状態遷移には、過去の時間方向に隣接する時空間格子点と対象格子点の状態を変数とする重回帰分析によりモデル化し、約半年分の交通データを用いて重回帰係数を学習した。別のテストデータを用いた実験から、本モデルにより、疎密波伝播につき十分な予測精度が得られることが得られることが確認された。疎密波検知には、未検出や誤検出の問題が存在する。本研究では、最後に、未検知や誤検知がドライバーへ与える影響を検証するため、ドライビングシミュレータ実験を行った。一般に未検知と誤検知は反比例の関係にあるが、ドライバーの感性にあうようにセンサーの感度を調整する必要がある。被験者には、近となる性別や年齢にわたって均等に分布した40名を選別し、センサーの精度とドライバーの感性との相関につき、有意義なデータを取得することができた。

【研究種目】基盤研究(B)

【研究期間】2005 - 2007

【配分額】16,120千円 (直接経費: 15,100千円、間接経費: 1,020千円)