Developing AI Systems through Data-driven Learning of Generalized Interpretable Knowledge from Background Knowledge and Limited Data

• Project/Area Number: 25K21269
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 61030:Intelligent informatics-related
• Research Institution: Institute of Science Tokyo
• Principal Investigator: Phua Yin・Jun 東京科学大学, 情報理工学院, 助教 (20963747)
• Project Period (FY): 2025-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2027: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2026: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2025: ¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000)
• Keywords: ニューロシンボリック / 機械学習 / 知識表現

Outline of Research at the Start

本研究は，少量のデータと背景知識から汎用的な一階述語論理規則を学習する深層機械学習モデルを構築することが目的である．深層機械学習は，膨大な学習データが必要な点，分布外への汎化性能や解釈可能性の低さが問題となっている．深層機械学習と論理推論を統合したニューロシンボリック手法は，スケーラビリティや少量のデータでの過学習が課題となっている．本研究では，以下の課題に取り組む．①一階述語論理を出力する深層機械学習モデルを構築する．②背景知識と少量のデータから汎用的な規則を学習する手法を開発する．③これまでに開発した手法を自然科学の分野に応用し新たなメカニズムを発見する．