| Project/Area Number |
23K04275
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 25010:Social systems engineering-related
|
|---|
| Research Institution | Chiba Institute of Technology |
|---|
Principal Investigator |
齊藤 史哲 千葉工業大学, 先進工学部, 准教授 (30625132)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2025: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2024: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2023: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
|
|---|
| Keywords | 説明可能な人工知能 / 機械学習 / 深層学習 / 顧客行動 / 内部モデル / データマイニング |
|---|
| Outline of Research at the Start |
顧客の意思決定を支援するマーケティングオートメーション技術においてブラックボックス化したAIに説明を与える技術であるXAIの応用はまだ不十分な状況といえる．また，この領域において活用され始めている自律AIによる支援システムへのXAIの適用に至ってはほとんど手付かずの状態であり，従来の予測モデルに対するXAIは直接的に活用できないことから新たな枠組みが求められる．以上より，本研究では顧客の意思決定支援において利用が限定的であったXAI技術の応用範囲を拡大すべく，消費者に関する実データを用いたXAIの応用範囲の拡大と自律AIへの応用を想定したXAIの枠組みの構築を目指した研究を進める．
|
| Outline of Annual Research Achievements |
今年度の研究実績は、初年度ということで本プロジェクトの基本となる研究を推進してきた。これまでの取り組みにくわえて、今年度成果として学会での成果発表を行ってきた。１年を通して査読付き学術論文に１件、査読付き国際会議に２件採択され、国内学会においては９件発表することができた。主な内容としては、説明可能な人工知能（XAI）の技術を顧客データの解析に活用することで、顧客の特性やニーズに関する知識の獲得を目指した研究を進めることができた。ここでは、広く利用されているXAI技術であるSHAPを様々な角度から応用することで利用範囲の拡大を目指して研究を進めてきた。今後は、SHAPに限定することなく手法のバリエーションの拡充を目指していく予定である。また、次年度以降の研究テーマの基礎となる、教師なし学習への拡張や強化学習の基礎研究を初年度の試みとしてすすめることができたばかりでなく、自然言語処理技術への拡張を目指したチャレンジングな研究の基本的な試みにも取り組むことができた。以上より、本課題はおおむね順調に進んでいると考えている。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本プロジェクトの基礎的な枠組みがほぼ完成し、2年目以降の実験方針が固まりつつあるため。また、23年度は研究成果として学会論文に1件、国際会議に2件採択となったことから、初年度としては比較的スムーズに研究を進められていると考えているため。
|
| Strategy for Future Research Activity |
今後は顧客データに関する知識を獲得したブラックボックスモデルからの知識抽出へのXAIの拡張を目指して研究を進める。中心的なテーマとしては「教師なし学習モデルからの知識抽出」「推薦システムならびにAIの行動学習を対象とした説明の付与」である。前者の対象は主にクラスタリングに対する知識獲得である。ここでは、近年の中心的なアプローチの不十分な点を指摘したうえで、ベンチマークデータを用いて従来法と提案法の比較を実験的に進めていく予定である。後者は主に強化学習や行列分解などの枠組みを対象としたものであり、行動選択や推薦アイテムの選択といった出力（選択）の根拠を提示するための基礎的な枠組みの提案を目指している。
|
