Why is the AI lab conducting robotics research? Challenges in a new research field and future prospects

Although the Matsuo-Iwasawa Laboratory (hereinafter Matsuo Lab) is well known for promoting research on artificial intelligence (AI), many people may not know that it also focuses on robotics research. We interviewed Mr. Tatsuya Matsushima, who has been active in Matsuo Lab’s robotics research since he was a master’s student, and Mr. Yusuke Iwasawa, a Matsuo…

“It broadens my view and allows me to devote myself to long-term research.” Nine years at the Matsuo Laboratory, where change constantly happens

In this article, we would like to introduce Mr. Yusuke Iwasawa. Mr Iwasawa joined the Matsuo-Iwasawa Laboratory (hereinafter Matsuo Lab) during his doctoral program and has been conducting research since then in the roles of specially appointed researcher, assistant professor, and lecturer. In this article, we asked Mr. Iwasawa, who has been at the Matsuo…

知能の実現に本気で挑む。多角的な視点を有する、松尾研の研究環境とは?

Sorry, this entry is only available in Japanese. For the sake of viewer convenience, the content is shown below in the alternative language. 松尾研では「知能を創る」というビジョンを掲げ、研究を進めています。 前半では、知能を創る上で重要な研究テーマとなる「世界モデル」についてお伝えしました。後半である本記事では、松尾研の特任助教である鈴木雅大さんに、松尾研の研究環境やご自身の思いについてお伺いしました。(鈴木さんのインタビューは、前・後編の2回でお届けいたします。前編はこちら)     <知能を創る>という答えのない問い。多様な意見が議論の発展を促す。 ー 実際の研究環境についてお伺いしたいのですが、研究を推進する上での松尾研らしさとは何ですか? 基礎研究側からみた松尾研らしさは、なんといっても「<知能を創る>という情熱」と「多様性」です。 前者に関しては、松尾先生を含め、「知能を実現するためにどうすればいいか」を自由かつ真剣に議論できるところがとても特徴的です。人工知能系の研究をやる場合は、何か解くべき課題を見つけて、それについて取り組むという形が多いので、これは松尾研らしさと言えます。 後者に関しては、同じような考え方を持った人ばかりだと多様性が生まれないので 、異なる考えを受け入れることをとても重視していると思います。「知能を創る」ことへの情熱や世界モデルに対しての考え方など、根幹で共通してはいるものの、実は細かいところでは個々の意見が異なることも多々ありますし、時に松尾先生と意見が異なることもあります。 一般的な研究室だと、教授の示す方向に合わせる形で研究するか、あるいは完全にそれぞれが別々のことを研究するかに分かれることが多いです。ですが、松尾研では色々な考え方がありつつもこれが大事だという根幹の部分が共通しているという点で、結構珍しい研究室なのではないか?と思いますね。 ーなぜ松尾研の研究環境として多様性を重視しているのでしょう? 「知能がどうすれば実現できるのか」 という問いに、現時点で確実な答えがないからです。 知能を実現するための方法はまだ誰にもわからないので、メンバーで意見が完全に一致することは多くありません。ただ、そういった異なる意見が、議論の発展を促すのです。 これは同時に、人工知能という領域全体に当てはまる部分でもあります。例えば、自然科学の領域では世界がどのようになっているのかということがこれまでの研究の蓄積でかなり解き明かされているので、それをさらに発展させて「正解」に向かって研究を進めばいいんです。 でも、人工知能の領域では、人間のような知能を実現するということを達成した人はいないので、現在研究が進んでいる方向性が正しいのかは誰にもわかりませんし、知能について様々な考え方がある中で、どれが合っているのかを現在の我々が判断することはできません(※)。 そうした意味では、権威のある人の意見が必ずしも正しいとは限らないので、年配の研究者の方が若い研究者にリスペクトを持っているなと感じることも多いです。我々も当然、他の研究者の方々にリスペクトを持って研究を進めています。そういった風土を見ると、割とリベラルでいい研究領域だなと思っていますね。 ※ 厳密には知能も自然現象の一つなので「正解」があるはずです。しかし、それを解き明かすためには他の自然科学と同様に、仮説を立ててその仮説が正しいかを検証をする必要があります。これまで知能についての様々な仮説が考えられてきましたが、検証までできているものは殆どありません。理由としては、こうした知能仮説を検証する方法がこれまでになかったからです。近年の深層学習や世界モデルの発展によって、ようやく知能を創ることで知能を知るという「構成論的アプローチ」を取ることができるようになりました。そうした意味では、知能を解き明かす試みはようやく始まったところといえます。   「ロボットの実現には、まず知能が必要だ。」 人工知能研究へのこだわりの原点。 ー なぜ鈴木さんは「知能を創る」というビジョンに共感したのでしょう? 私自身が「人工知能を実現する」ということに強いこだわりを持っているからです。 私は元々ロボットに興味があったのですが、「知能を実現したい」と思った大きな転換点がありました。それは高校生の頃に二足歩行ロボットの動画を見たことです。 その動画ではロボットが「簡単に階段を降りられます」と言いながら、思いっきり階段を踏み外して転んでいて。転んでいるのにそのまま喋り続けている姿を見て衝撃を受けました。スタッフの人は それを見てすごく慌てて片付けようとしているけど、ロボットはずっと喋っているという。見た目はすごく人らしく歩いてるのに、頭はこんなに出来てないんだなと思いました。 これを見た時に「ロボットの頭、つまり人工知能を先にやるべきじゃないのか」と思い、大学(学部・修士時代は北海道大学に所属)では人工知能の研究をするために情報系の学科に入りました。  …

Interview with Professor Yutaka Matsuo: Thoughts on Basic Research at the Matsuo-Iwasawa Laboratory (Part 2)

Basic research is the origin of all activities of the Matsuo-Iwasawa Laboratory (hereinafter called Matsuo Lab).   This interview will present the thoughts of Matsuo Lab’s leader, Professor Yutaka Matsuo, on basic research. The interview is divided into Part 1 and Part 2. Part 2 will share the vision of the basic research team of the…

【松尾研主催Deep Learning 輪読会】記念すべき第256回が開催

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. DeepLearningの最新論文をキャッチアップする勉強会「DL輪読会」。 その記念すべき第256回目(2の8乗回)が先月開催されました。(写真は2019年以前のオフライン開催のもの) 今日はDL輪読会の活動についてご紹介します!   ◼︎DL輪読会とは DL輪読会では、毎週金曜日の朝10時から、Deep Learningに関する論文を紹介発表しています。2014年に開始し、活動としては6年以上続いています。 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。 2020年はオンライン開催となったため、全国の講座修了生の方にも参加いただけました。   ◼︎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。2020年中で表示回数が最も多かった発表をご紹介します。 ※2020年1月〜12月21日までの「DL Hacks」Twitterアカウントより集計 5位 What do Models Learn from…

【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。…