| 研究課題/領域番号 |
18K18101
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
岩澤 有祐 東京大学, 大学院工学系研究科(工学部), 講師 (70808336)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2021年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2020年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2019年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2018年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | Deep Learning / Firaness / Privacy / Transfer / Adversarial Training / 敵対的学習 / プライバシー保護 / ドメイン汎化 / 不変性 / 不変表現学習 / 深層学習 / 敵対的訓練 / プライバシー / フェアネス |
|---|
| 研究成果の概要 |
研究期間を通じて、下記のような技術的な成果を得た。(1) 既存手法であるAdversarial Feature Learningの不安定性について解析を行い、解決する方法を提案した（IJCAI2020などに採択）。(2) 新しい不変性基準の提案。ある予測したい因子については情報を既存しない範囲で不変性を最大化する十分不変性という基準および十分不変性を達成する手法を提案した（ECML2019などに採択）。(3) ユーザが消したい情報についての詳細を与えることなく、データからそのような情報を削除するグラフィカルモデルに基づく枠組みとその実現する手法を提案した（ECML2021などに採択）。
|
| 研究成果の学術的意義や社会的意義 |
大規模言語モデルの登場などにより深層学習の実世界での活用は本格化しているが、通常の学習アルゴリズムは内部にあるバイアスを増長してしまう可能性がある。また、意図しない状況で不安定な挙動をすることがある。本研究の目的は、深層NNの表現が特定の情報を持たないように制御する要素技術の開発である。本研究成果により、未知ユーザの行動を高精度に認識したり、深層NNの判断基準が特定の因子によらないことを保証（プライバシー保護、公平性配慮）できると考えられる。
|
