【東大松尾研】2020年の活動報告

Sorry, this entry is only available in Japanese. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language. こんにちは、松尾研 広報チームです。 激動の2020年もまもなく終わり。 松尾研にとって2020年は、ポジティブな変化が多かった年となりました。 本日は、研究室内外で話題になった2020年のトピックスを改めてご紹介します!   1.基礎研究チームの増強 今年は3名の基礎研究メンバーが、松尾研に新しく参画しました。 松尾先生が所属する人工物工学研究センターに特任教授として就任された丸山宏先生との交流の開始や、ロボット3機のジョインなどもあり、ますます賑やかな組織になりました。 また8月には、特任研究員だった鈴木雅大さんが特任助教に就任、12月には、特任助教の岩澤有祐さんが特任講師に就任するなど、1年を通しておめでたいニュースが続きました! 新研究メンバーのご紹介 特任助教 熊谷亘さん プロフィール 2013年 東北大学大学院 情報科学研究科 博士課程修了(学振DC1) 2013年9月-2014年3月 名古屋大学 学振PD 2014年4月-2017年3月…

Stabilizing Adversarial Invariance Induction from Divergence Minimization Perspective (IJCAI2020)

Sorry, this entry is only available in Japanese. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language. 国際人工知能会議(IJCAI2020)にて、このほど当研究室の論文 「Stabilizing Adversarial Invariance Induction from Divergence Minimization Perspective」(分布マッチングの観点からみた敵対的不変表現学習の安定化) が採択されました。 著者:岩澤有祐、阿久澤圭、松尾豊 論文リンク:https://www.ijcai.org/Proceedings/2020/271 主な著者である松尾研究室 特任助教 岩澤さんより、 論文の概要や採択までのエピソードについて解説してもらいました。 敵対的学習を用いた不変表現学習 今回の研究は、「不変表現学習」についてです。 表現の不変性とは、ある表現が特定の因子に対して独立であることを指す概念です。 不変性が重要な例として、監視カメラの動画から不審行動を検知するシステムを考えてみます。このシステムが、もし背丈などの身体的特徴に依存した予測をしていると、身体的特徴によって予測精度が大きくぶれる(ある特定のユーザ群にはうまく働くが,他のユーザ群にはうまく働かない)といった問題を引き起こす可能性があります。実際にシステムを活用する多くの場面では、未知のユーザに対してもうまく働くことが期待されるため、このような予測のぶれを防ぐために身体的特徴に依存しない情報(表現)を活用した判断をする必要があります。 あるいは、たとえば肌が黒い人がいるという情報を抽出し、それを判断の基準に利用することは、社会通念上問題になる場合があります。公平性の観点から、検知システムは肌の色に依存しないことが求められます。 しかし、表現学習の手法として近年よく使われる深層ニューラルネットワーク(以下、DNN)は、獲得した表現が、このように特定の因子に対し独立である(不変性を持つ)とは限りません。このような制約を、明示的にDNNの学習に組み込む技術が、「不変表現学習」と呼ばれる技術です。…

転移学習研究で汎用人工知能に挑む 特任助教熊谷さんインタビュー

過去に得た知識を応用する、「転移学習」の研究が進んでいます。
今回は、この領域を中心に研究を重ね、先日8月1日付で松尾研に特任助教として入職した熊谷 亘さんのインタビューをお届けします。
「転移学習とは、人間なら成長過程や日々の生活の中で当たり前に行っていること」と熊谷さん。少しずつ議論が進んでいる汎用型AIの中でも、なぜ転移学習に注目しているのか、話を聞きました。

問題を解く」とはどういうことか?

学部では、数学を学んでいました。その中で、「問題を解くとはどういうことか」と考えるようになり、「人間より頭のいいものをつくればいいのでは」と思ったのが、人工知能に興味を持ったきっかけです。数学に限らずですが、人間より頭のいい人工知能をつくれれば、世の中の問題を全部解けるんじゃないか、と。

当時はそのための手法もよくわからなかったので、ひとまず基礎的な方向へ進もうと、修士でも数学を専攻しました。ただ、修士から博士へと進む中でもAIへの興味は薄れず、むしろ第三次ブームの盛り上がりもあって、博士課程の後半では機械学習を集中的に勉強していました。その後、いくつかのポジションを経てAI研究を深めてきました。

松尾研に参画したのは、日本屈指のAI研究室ということはもちろんですが、汎用型AIを研究するメンバーが多く所属していることが大きいです。

AI研究では、たとえば「AlphaGo(アルファ碁)」に代表される、特化型AIの分野が先行してきました。私が主に関心を持っている汎用型AIは、まだそこまで研究が進んでいないので、その情報交換ができるのは自分にとって大きなプラスです。ほかにも各自が幅広い研究を進めているので、発展が早いAI研究領域について、最新の成果を追いやすい点も魅力です。

 

過去に得た知識を応用する「転移学習」

主に研究しているのは、大きなテーマとしては「AIの汎用性」です。中でも「転移学習」に特に興味を持って研究しています。

転移学習とは、「過去に得た知識を現在の問題に応用する方法を学ぶ」分野です。これは、人間が成長する過程で自然におこなっていることです。
たとえば、掛け算は足し算の概念を応用しています。「2×3は、2が3つあること」と考えることで、掛け算の概念をつかめますよね。人間は知識や経験を一般化、あるいは概念化して、次の機会に応用できる知恵として役立てることができます。

もし、この転移学習ができないと、人間は生きていくのがすごく難しいはずです。同じように、応用が利く汎用的なAIをつくるには、転移学習の実装が不可欠だと考えています。

さらに、転移学習の発展的分野の「継続学習」についても研究しています。
記憶に関する機能に特に注目していて、こちらも汎用的なAIにおいて重要な分野です。得た情報を血肉化して、維持するようなモデルですね。一般的には、AIは万能のように思われていますが、記憶はすごく苦手で、新しいことを学習すると前の知識をすぐ忘却してしまうんです。
学んだことを蓄え、必要なときに取り出して使うのも、人間には当たり前でもAIには難しいことのひとつです。

 

「適当に」「よしなに」への対応をアルゴリズムにするには

少なくとも人間くらいの能力があるAIをつくるために、人間の”賢くなっていくプロセス”の中でいちばん重要そうなところはどこかと考えた結果、「過去の知識を積み上げて今に活かす」ことに思い至りました。

特化型AIなら、その分野なら高難易度の問題も解けますが、基本的な知識を積み上げて応用することをAIで実現するには、まだ道筋が立っていません。「散らかった部屋を適当に片づけておいて」とか、「このメールに、よしなに返信しておいて」といった指示を理解して適切に対応するのをアルゴリズムに落とすのは、極めて難しい。

そうしたことができる、転移学習が可能な汎用的なAIをつくれるまでには、まだ3合目くらいでしょうか。先が長いですが、たとえば一昨年に松尾先生が登壇されたカンファレンス(一般社団法人新経済連盟主催「新経済サミット 2018」(NEST2018)※)で転移学習が取り上げられるなど、注目は高まっています。

※参考:Biz/Zineセミナーレポート(2018)「東大 松尾氏、楽天 森氏、ABEJA 岡田氏らが語る、“ないない尽くし”の日本で注目すべき3つのAI技術」

具体的には、各病院をまたいで診療データを学ばせることで、汎用的に使えるモデルを作成するということができるかもしれません。

使える診療データが多ければ、ディープラーニングによって、一定の疾病を推測して診断するモデルの構築は可能です。ただ個別の病院だとデータ量が足りず、プライバシーの問題があるので病院をまたいだデータの持ち出しはできません。また、各病院も高齢者が多かったり小児科中心だったり、都心か地域かなどによっても患者さんにばらつきがあります。

そうした揺らぎの許容を含めて、各病院からデータは持ち出さずに知見だけを得て、次の病院に行くことを繰り返してだんだん賢くなる……というAIを転移学習で可能になると考えています。
考えてみれば、研修医が各病院で経験を積む過程もデータは持ち出さないので、転移学習をしているわけですよね。過去の例を信じすぎない、という点も重要だったりします。

 

知識や記憶を応用できるAIの構築に向けて

今後は、汎用的なAIに関する基礎理論を、より強固にしていきたいです。現在は汎用AIの構築に向けたさまざまな手法やアーキテクチャが提案されていますが、理論的に「なぜそれが知的に振舞うのか」「そもそも知性とは何か」といった部分の議論がまだ十分ではないと感じています。

「知性とは」という問いは、哲学的に議論する方向もありますし、個人的には興味がありますが、研究としては工学的に捉えて掘り下げていきます。「汎用的なAIを実際にプログラムして構築する」ために必要な要素を抽出して、工学的に再現することを目指します。

最近では「汎用人工知能研究会」が活性化したり、専門書の出版が相次いだりしています。人間のような知能や知性を持って応用が利くAI、というと、以前は夢物語のような印象を持たれていましたが、具体的な議論が進んできました。その流れの中で、転移学習や継続学習を深めていきたいです。

 

若手研究者やAI研究に興味がある学生へメッセージ

AI研究が扱う領域はとても広く、どんなバックグラウンドの方もやる気次第でまだまだ研究できる余地があります。私も博士課程までは異なる分野にいたので、今からも遅くありません。興味がある方は、ぜひ飛び込んでみてください。

【プロフィール】
熊谷 亘(くまがい・わたる)
学部と修士課程では数学を専攻。2013年 東北大学大学院 情報科学研究科 博士課程修了。名古屋大学 学振PD、神奈川大学 工学部 特任助教、理化学研究所 革新知能統合研究センターの研究員を経て、2020年8月に松尾研に特任助教として参画。

【東大松尾研】2019年の活動報告

Sorry, this entry is only available in Japanese. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language. こんにちは、広報の清水です。 今年は平成から令和へと代わり、新たな時代の幕が開けました。 松尾研もこの一年、松尾を始めメンバーの活躍する場も増えて良いニュースが飛び交っていました。 そこで今年の振り返りとして、松尾研内外で話題となったトピックを改めてご紹介します。 1.新メンバージョイン 松尾研のメンバーも現在68名と大所帯になってきましたが、新たに頼もしいメンバーがジョインしました! 特任研究員 山川 宏 先生 プロフィール 1987年:東京理科大学理学部物理学科卒業 1989年:東京大学大学院 理学系研究科 物理学専攻 修士課程修了 1992年:東京大学大学院 工学系研究科 電子工学専攻 博士課程修了 1992年~2014年:(株)富士通研究所 1994年:同社から通産省リアル・ワールド・コンピューティング・プロジェクトに参加…

【松尾研主催DeepLearning勉強会】DL輪読会のご紹介

Sorry, this entry is only available in Japanese. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language. こんにちは、広報の清水です。 先日、DL輪読会とDLHacksのメンバーを中心に交流を深める活動報告会を開催しました。 DL輪読会とDLHacksは、互いの知識を深めることを目的に東京大学松尾研究室のメンバーが中心となって毎週持ち回りで発表をする勉強会です。(紹介記事はこちらから→DL輪読会・DLHacks) 輪読会:Deep Learningに関する最新論文について発表。(毎週金曜9:00開催) DLHacks:DeepLearningの実装力に焦点を当て、最新論文の実装やその他Tipsを共有。(毎週月曜19:00開催) 毎週の勉強会では発表の聴講がメインとなり中々メンバー同士がゆっくり話す機会がないため、近況報告や最近参加された方の自己紹介などで非常に盛り上がりました。 そして、前年に引き続き、活動報告を行いました。 日経クロストレンドの連載もご好評いただいており、現在第10回まで掲載されています。   勉強会で発表されたスライドはスライドシェアやTwitterで共有されており、2018年7月〜2019年6月までの閲覧数をランキングで発表。※7月1日集計当時の数値となります。 スライドシェア閲覧数ランキング Twitter imp数ランキング ランキング上位の発表者を表彰しました。 3位 27,782 imp 岡田領さん(輪読会) 深層学習異常検知に関わる包括的かつ体型的なまとめ論文。 深層異常検知の各手法ごとの説明だけでなく、 現実世界の様々な領域に対しての異常検知の活用・研究状況や課題について言及されている。 2位 31,550 imp 鈴木雅大さん(輪読会)…

【松尾研主催DeepLearning勉強会】DL輪読会のご紹介

Sorry, this entry is only available in Japanese. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language. こんにちは、広報の清水です。 先日の「DL輪読会・DLHacksオープン勉強会」開催の様子をお伝えします。 DL輪読会とDLHacksは、互いの知識を深めることを目的に東京大学松尾研究室のメンバーが中心となって毎週持ち回りで発表をする勉強会です。(紹介記事はこちらから→DL輪読会・DLHacks) 輪読会:Deep Learningに関する最新論文について発表。(毎週金曜9:00開催) DLHacks:DeepLearningの実装力に焦点を当て、最新論文の実装やその他Tipsを共有。(毎週月曜19:00開催) 通常は過去授業・講座の受講者か紹介のみでしか参加できませんが、 「授業や講座に参加したことがないけれど、とても興味ある」 「一度参加したけれどその後行きそびれてしまっている」 といった方向けに2018年度で人気の高かった内容を再度発表する場を設けたいとなったことがきっかけです。 イベント参加者はCompassにて募集しました。 募集開始時より沢山の方からご応募をいただき、急遽定員を90名から140名に増枠。 場所も倍の人数が入ることのできる講義室に変更しましたが、最終的には応募者数は400名を超え、多くの方がDeep Learingを学ぶことに意欲的であることを実感しました。 開催後となってしまいましたが、抽選で洩れてしまった方にはこのブログにて心からお詫びを申し上げます。今後のイベントの参考にして参ります。 DL輪読会、DLHacksからそれぞれ2名が発表しました。 DL輪読会 鈴木 雅大 東京大学 松尾研究室 「深層生成モデルと世界モデル」 【発表内容】 鈴木さんが中心となって開発した深層生成モデルライブラリ「Pixyz」に関しての記事はこちらからご覧ください。…

【松尾研主催DeepLearning勉強会】DL輪読会のご紹介

Sorry, this entry is only available in Japanese. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language. 前回に引き続き、今回はもう一つの松尾研が主体で運営している勉強会「DLHacks」についてご紹介したいと思います。 ◼︎ DLHacks概要 前回の記事で紹介した「Deep Learning輪読会」が理論に焦点を当てているのに対して、「DLHacks」は、Deep Learningの実装に焦点を当てた勉強会です。 Deep Learningの研究では、「理論」だけ詳しければいいわけではなく、様々なアルゴリズムを実装する「実装力」が必要になります。「Deep Learningの勉強会は得てして論文共有会になりがちだが、Web開発の勉強会同様、実装に重きを置いた勉強会があってもいいのでは?」という思いから、2017年8月にDLHacksは立ち上げられました。毎週月曜19時に研究者・学生・社会人の有志が集まって行っており、これまでの開催数は50回を超えています。 活動内容としては、毎週持ち回りで2〜3名が、最新の論文の再現実装や実装時のTipsを共有する「実装発表」、フレームワークやライブラリなどの紹介を行う「ライトニングトーク」を行っています。 今までにDLHacksで実装されたレポジトリの中には、Githubで500スター以上のものやQiita・Slideshareで注目を集めたものがいくつもあります。 ◼︎発表スライドのTwitter表示回数ランキング 輪読会で発表されたスライドは随時SlideShereにてアップされます。2018年半期の中でTwitterの表示回数が最も多かった発表をご紹介します。 ※2019年1月22日までの「DL Hacks」Twitterアカウントより集計 5位 PyTorch, PixyzによるGenerative Query Networkの実装 発表者:谷口 尚平さん 4位 CuPyのElementwiseKernelで楽にGPUの恩恵を受ける…

【松尾研主催DeepLearning勉強会】DL輪読会のご紹介

Sorry, this entry is only available in Japanese. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language. 皆さんは松尾研が主体となって、主に研究者を対象にした定期勉強会を行っているのを知っていますか? 松尾研メンバーが中心となって運営する「DL Hacks」は、DeepLearningの実装力に焦点を当て、最新論文の実装やその他Tipsを共有する勉強会を毎週開催しています。 今回はその中のひとつ「輪読会」についてご紹介致します。 ◼︎輪読会概要 輪読会では、毎週金曜日の朝9時に集まり、Deep Learningに関する論文を紹介発表します。2014年に開始し、これまでの開催数は150回を超えます。 紹介する論文は毎回持ち回りで2~3名が担当し、参加者自身が興味関心のあるものを自由に選ぶことができます。 参加者は学生だけでなく、大手企業やベンチャーに在籍されている社会人もいます。業務でDeep Learningに携わる方や学生時代に関連の研究をされていて社会人になっても勉強を続けたい方など様々です。 そのため毎回多様な視点からの質疑応答が飛び交い、積極的に参加くださっています。 仕事の場所や学外などの都合で参加が難しい方は、参加者向けのFacebookグループでLive 配信も行っています。 ◼︎発表スライドのTwitter表示回数ランキング 輪読会で発表されたスライドは随時SlideShereにてアップされます。2018年半期の中でTwitterの表示回数が最も多かった発表をご紹介します。 ※2019年1月22日までの「DL Hacks」Twitterアカウントより集計 5位 `強化学習のための状態表現学習 -より良い「世界モデル」の獲得に向けて- 発表者:松嶋 達也さん 4位 Life-Long…

【東大松尾研】2018年の活動報告

Sorry, this entry is only available in Japanese. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language. こんにちは、広報の清水です。 あっと言う間に今年も残すところあとわずかとなりました。 松尾研では今年もディープラーニングの研究・教育・社会実装・啓蒙に励み、エンジニアや運営スタッフなど人も増え、とても賑やかな研究室になっています! そこで、今年の松尾研を少し振り返っていきたいと思います。 前半に多くのリリースがありましたね! そこで今年松尾研内外で話題となったトピック4つを改めてご紹介します。 1.「Deep Learning」の日本語翻訳版(Goodfellow他著)出版 深層学習の研究で著名なGoodfellow氏やBengio氏らによって書かれた、深層学習の勉強のための決定版ともいえる教科書を松尾研が主体となって翻訳致しました。 2017年の事前のオンライン公開(現在は公開停止)でも話題となっていましたね。 松尾研の翻訳チームを取りまとめていた特任助教の岩澤先生にもコメントいただきました。 特任助教 岩澤 有祐 「今回の本は松尾研が主催している勉強会に参加していたメンバを中心とした翻訳チーム、数多くの方のサポートもあって出版することができました。進展の早いDL研究ですが、その基礎は本書で扱っている線形代数や機械学習、および基本的なニューラルネットに関する長年の研究に支えられています。本書が、そのような基礎知識の習得の一助となれば幸いです。」 ◆書籍ご購入はこちらから ◆松尾研が中心となって運営する勉強会「Deep Learning.jp」にて輪読資料を公開中 2.「DL4US」「授業の演習コンテンツ無償公開」などの教育活動 松尾研の人気講座の演習コンテンツが2つ無償公開致しました。「え?これが無償で勉強できるの?」と数々のブログでもご紹介いただいています。 ◆GCIデータサイエンティスト育成講座 東京大学で開催中のグローバル消費インテリジェンス寄附講座におけるデータ解析パートのコンテンツです。 ◆Deep…

鈴木雅大君が中心となって開発している、深層生成モデル実装用ライブラリ「Pixyz」が公開となりました。

Sorry, this entry is only available in Japanese. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language.

鈴木雅大君が中心となって開発している、深層生成モデル実装用ライブラリ「Pixyz」が公開となりました。

深層生成モデルに興味を持ち始めた方〜実際に研究・開発している人まで幅広く利用できますので、是非ご活用ください。

詳細はこちら