人工知能基盤技術、社会課題の解決、影響の分析などを実施 最初に、理化学研究所 理事長の松本紘氏は「1年をかけてセンターの体制を整備した。AIは広範囲な学問分野。3省3機関が連携して研究を進めていく」と述べ、理研での人工知能の研究体制を紹介した。 今年(2017年)度から10年間のプロジェクトとして、AIPセンターでは下記の3つの研究グループで研究を実施する。 汎用基盤技術研究グループ(グループディレクター: 杉山将氏。数理的な基礎研究を主眼とする)

目的指向基盤技術研究グループ(グループディレクター: 上田修功氏。再生医療、新素材、ものづくり、防災・減災など実応用を目指す)

社会における人工知能研究グループ(グループディレクター: 中川裕志氏。データの収集と流通、社会で活用されるための制度などの調査分析) 具体的には、 深層学習を超えるAI基盤技術の開発

日本が世界に誇るサイエンス研究のAIによる加速

日本が直面している社会課題のAIによる解決支援

AIの普及が社会に及ぼす影響の分析

高度AI研究開発人材・データサイエンティストの育成 などを進める予定となっている。 理研では、来年(2018年)度から文部科学省によるデータプラットフォーム拠点形成事業も推進されることになっている。高品質なデータを利活用しやすい形で集積、新たな価値を生み出すデータ主導型研究を推進する。 文部科学省からは、文部科学副大臣の水落敏栄氏が登壇し、「大学研究機関との緊密な連携」、「産業界との連携」、「グローバルな存在感の発揮」の3点を期待していると挨拶した。 続けて、政府の人工知能技術戦略会議議長で、日本学術振興会 理事長の安西祐一郎氏が挨拶した。 安西氏は「アメリカのIT企業6社で、5兆円くらいの研究費が使われている。一歩進まないと、とても間に合わない。理研のセンターだけではなく、各センターが連携してリードしていただきたい。連携して世界に向けてイノベーションを発信していただきたい」と述べた。 また、「機械学習のポイントは、プログラムした本人が思ってもみなかった出力が出るところ。そこが今までのプログラムと違うところ。ニューラルネットワークは1980年代にはやったが、当時は問題を解くには計算力が足らなかった」と自身のAI研究を少し振り返った。 「自動走行車も、まったくスキルなしにゼロから学習できるわけではない。パターン認識と運動学習だけではうまくいかない。スキルはそれだけではない。深層学習だけではなく、色々な方法が必要。本当に役に立つAIのモデルとは何か、それを日本から発信してもらいたい。今のままだと、できるものはできるが、できないものはできないということになる。応援だと思って聞いてほしい」と会場に呼びかけた。 また、人材獲得問題やデータの蓄積のほか、「スタートアップの支援ができるかどうか」といった課題を指摘した。 「企業のM&Aが多くなっている。優秀なAIベンチャーをどうサポートしていくかが大事」と述べ、「AIPに期待するところは非常に大きい。ほかの省庁とも連携してもらいたい。本当のイノベーションが出てくることを本当に期待している」と挨拶を締めくくった。

数学的に解ける問題の拡大を目指す汎用基盤技術研究グループ 講演では、まず始めに理研AIPセンター センター長の杉山将氏が、「理研AIPセンターの活動方針と汎用基盤技術研究グループの取り組み」と題して全体の紹介を行なった。 2016年4月に設立されたAIPは、理研だけでなくJSTの中にもネットワークラボがあり、そちらではファンディングを行なっている。両者が一体となって研究を実施する体制となっている。 まず基礎研究においては、10年後を見据えて実施する。注目を集めているGoogleの「DeepMind」も少数の研究者の成果であること、深層学習も10年前は冷ややかに見られていたように、基礎研究はいまだ個人勝負であり、日本にも優秀な理論研究者は数は少ないが、いる。彼らを集めて切磋琢磨していくという。 理論研究の方向性は2つ。なぜうまくいくのかわかっていない深層学習の原理の解明と、現在の深層学習では難しい難題解決である。 応用研究はパートナーと連携する。サイエンスと社会的課題をターゲットとする。 再生医療、ものづくり、マテリアル、高齢者ヘルスケア、防災・減災、インフラ点検などの、国内各トップの研究センターやプロジェクトと連携する。 技術が社会に浸透する上での倫理・法的・社会的影響や、技術的特異点の影響の分析も行なう。プライバシー、セキュリティ、公平性など、数理的に解決できる問題にも取り組む。 人材育成にも取り組む。現状が層が薄いAI研究者を育成していき、国内外の産業界とも連携して、エンジニアやデータサイエンティストを育成する。 研究体制は、広範な応用分野があるため、さまざまな大学や企業、ほかのセンターと連携する。それを解決可能な問題に抽象化し、解決、研究する各グループが連携して研究を進める。 拠点は、日本橋駅直結のCOREDO日本橋の上に構えた。計算リソースはNVIDIAの「DGX-1」を24台購入し、横浜に設置。ディープラーニング専用マシンとして活用する。 杉山氏は、センター長と同時に、汎用基盤技術研究グループのグループ長も兼任している。 汎用基盤技術研究グループは「数学的に解ける問題」を拡大し「実世界で求められる問題」に解法を与えることを目指す。両者がクロスする領域が「実用的な人工知能技術」ということになる。 具体的には、今ビッグデータを使った深層学習が性能を出しているが、人間はノイズが多いスモールデータからも学習できる。深層学習がなぜうまくいくのか、また、人間がなぜスモールデータで学習できるのか、その謎を解明する。 たとえば、深層学習では階層を深くすると汎化能力が高まると言われている。だが、なぜうまくいくかはよくわかっていない。階層と素子は離散なので、連続にしか適用できない数学テクニックは使えない。 そこで、横幅が無限に広い仮想ニューラルネットワークを考えることで、数学的なテクニックを解析に使えるようにして取り組むという。 深層学習そのものについても研究を進める。制限つきボルツマンマシンについては、現状のアルゴリズムはあくまで近似計算で、本当は収束するかはわからない。そのため人命がかかるようなところには使えない。そこで、正規化項の部分をまったく不要な学習法を開発することを目指す。 また敵対的生成ネットワークを用いて、画像を自動で生成するような技術が増えつつあるが、こちらについても理論的に何をやっているのか調べ、より性能が高く効率的なアルゴリズムを開発する。 ニューラルネットワークが苦手な問題を、どうやって解いていくかも課題だ。 音声や言語のような、構造が比較的はっきりした系列データには、再起型ニューラルネットワークでうまくモデル化できる。だが、ロボットの運動や流体など、文法がない問題をNNでモデルを作り込むのは非常に難しい。 そこで、固有のダイナミクスや時間スケールを持ったモードごとの時間表現を動的に獲得させて、非線形の動的システムに基底のようなものを持たせてモデル化することを目指す。 今のニューラルネットワークは、主に入力を与えて正解出力を出すような問題に適用されているが、現実には組み合わせ最適化問題が求められることが多い。そこで、これにも挑戦する。解くための計算時間が指数的に爆発するために、解けるかどうかは難しいような問題だ。 サブクラスを考えてやると、効率的に実用的な解を求めることができる。最適価格付け問題のような、普通に解こうとするとNP困難な問題にも適用できる。線形関数なら最適解が簡単に求められるが、非線形だと難しい。今まではまったく解けないと思われていた問題を、実用的な時間で解くことを目指す。 「解ける問題にするために、あらゆる数学的な技術を投入していく」と杉山氏は語った。 学習理論と最適化理論を構築し、最終的に定式化される形にしてできたアルゴリズムを、目的指向基盤技術研究グループに橋渡しする。 国際学会での日本の論文採択率を上げて、存在感を上げるためにも、応用では分野を選んで日本が勝てるところをやっていくという。そして「世界的な競争に勝っていくことを目指したい」と述べた。

医療やものづくり、頑健な社会構築への貢献を目指す目的指向基盤技術研究グループ 革新知能統合研究センター 副センター長の上田修功氏は、「目的指向基盤技術研究グループの取り組み」について講演した。 AIは、ビッグデータをいかに利活用して産業界に発展させられるかが肝だ。理研AIPとしても、汎用技術グループの成果を活かして課題に取り組む。 今のAI応用で多いメディア・知識処理だけでなく、医療、ヘルスケア、ものづくり、防災などの分野に踏み込んでいく。 たとえば、がんについて。がんでは多くの医療データが蓄積されている。個別データは分析されているが、統合されていない。AIPではこれらを連携して研究を進める。具体的には、DNAのヒストン修飾の状態を解析するなど、マルチオミックス解析を進めていく。 さまざまな異種データを融合して解析するのはAIの得意な領域であり、国立がんセンターと連携して、がんの本態解明に挑むという。 認知症に関しても、対話ロボットを用いて認知症のレベルを測ったり、境界領域の人を正常の方にもっていくような認知活動支援を進めていく。 ものづくりについては、名古屋大学価値創造研究センターと連携。高品質な結晶を生成するための結晶成長解析解析を行なう。現在は試行錯誤で行なっている結晶成長に、どういう要因があるのか分析する。 深層学習については、大量の観測データと教師データが正確に与えられる場合の「教師あり学習」では、現状で最強のツールであり、画像、音声認識、自然言語処理では必須の技術だとの見方を示した。 一方、観測データと教師信号の対が不明確なケースや、結果に対して説明が必要なケースなど、対応できない分野も多い。 政府がいうところの「society5.0」のようなスマート社会を目指す上では、AIは人間中心のQoL向上に資するべきであり、「環境知能(Ambient AI)」は、そのための1つのアプローチであると述べた。 アンビエントAIの世界観は、センサーで計測した情報を計算して、制御を通して実世界に働きかけ、またそれを観測するループを回すというものだ。これがレジリエントな社会を作る上では重要だという。 上田氏は、時空間統計解析は非常に重要な領域であり、都市化は全世界的流れだと指摘。2011年に帰宅難民が続出したときのことを振り返り、有事が起こったときの適切なガイダンスが必要だと述べた。 そしてNTT コミュニケーション科学基礎研究所 上田特別研究室での研究として、人の誘導をリアルタイムにアダプティブに行なうという研究を示した。 よくマルチエージェント・シミュレーションで群衆がどう動くかを示す研究はあるが、それは一方的であり、どう防げば良いかを計算するためには、統計解析技術を使った時空間予測や、リアルタイムの計測と動的な誘導が必要だという。 そして「学習型マルチエージェントシミュレータによる集団最適誘導技術」で、実際にスタジアムなどで全体が混雑することなく誘導できるという例を示した。こういう技術を防災・減災にどう役立てるかが重要だ。 災害自体は防げない。だが災害の影響を減らすことはできるし、社会システム復旧にかかる時間を減らすことはできる。 具体的な課題としては、橋梁点検ドローンと、レジリエンス向上をあげた。SIPインフラとも連携し、操縦の自動化だけではなく損傷検出も自動化し、完全自動ドローンでの点検技術を目指す。 人の誘導においては、効率的に人を避難させることで、避難所が避難所として機能するような仕組みを作る。また防災科研とも連携し、衛星情報のAIによる解析を行なう。 社会のレジリエンス向上のために、シミュレーションベースでアダプティブにどう向上させるかを、理研内のスパコングループとも議論をして、ポスト京を想定して研究を進めているところだと述べた。 ほかのセンターとも、密な連携を行なって研究を進めていくという。