0

中西 淳

言語理解AIを活用した「単語の使い分けマップ」の開発

英作文を書いていて「この英単語はこのタイミングで使っていいのかな？」と迷うことは多くの英語学習者に共通する悩みだと思います。一方，どの英単語がどの文脈で使用できるかどうかを調べるのは簡単ではなく，結果的に馴染みのある単語を繰り返し使ってしまう傾向にあることが様々な研究で報告されています。本研究では，英語学習者が様々な単語の適切な使い方を学習できるように，近年注目を集めている言語理解AI(GPT・BERT)を活用して，様々な用例や類語の関係性を視覚化することのできる「単語使い分けマップ」の開発を目指しています。

0

小谷 直樹

強化学習エージェントの学習能力の向上

近年，人工知能・機械学習技術の発展もあり，これらの知能化技術をロボットの環境適応能力や自律性の付与の手段として用いることが期待されています．しかし，強化学習を含む機械学習は，一般的に多くの学習時間を必要とする根本的な問題を抱えています．従って，学習時間を短縮することが，実時間で学習する実ロボットにとって，特に解決すべき重要な課題です．私達は，遺伝的アルゴリズムの概念で説明した学習高速化手法や利用者にとって望ましい結果を得やすくなるような報酬設計手法等について研究を行うことで，より高度な知能を持つロボットの実現を目指しています．

+2

酒澤 茂之

ディープニューラルネットワークモデルの信頼性確保に関する研究

AIの実用化において、ゼロの状態からディープニューラルネットワーク(DNN)モデルを学習することは稀で、学習済みDNNモデルに対して独自のデータによって追加学習するなどして派生させたDNNモデルを利用することが一般的である。このとき、最終的に利用されるDNNモデルの信頼性は、元となっている学習済みDNNモデルに大きく依拠することとなる。そこで、開発者の情報をDNNモデル内に書き込むことによって、信頼性確保の一助とする。特に、最近ではオープンソースのDNNモデルも増えていることから、元のモデルから派生モデルに至る開発者の系譜を記録できることが重要である。