研究課題/領域番号 |
20H00609
|
研究種目 |
基盤研究(A)
|
配分区分 | 補助金 |
応募区分 | 一般 |
審査区分 |
中区分61:人間情報学およびその関連分野
|
研究機関 | 九州大学 |
研究代表者 |
横尾 真 九州大学, システム情報科学研究院, 教授 (20380678)
|
研究分担者 |
神取 道宏 東京大学, 大学院経済学研究科(経済学部), 教授 (10242132)
田村 明久 慶應義塾大学, 理工学部(矢上), 教授 (50217189)
関口 格 京都大学, 経済研究所, 教授 (20314461)
牧野 和久 京都大学, 数理解析研究所, 教授 (60294162)
川越 敏司 公立はこだて未来大学, システム情報科学部, 教授 (80272277)
鹿島 久嗣 京都大学, 情報学研究科, 教授 (80545583)
|
研究期間 (年度) |
2020-04-01 – 2023-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
45,110千円 (直接経費: 34,700千円、間接経費: 10,410千円)
2022年度: 15,340千円 (直接経費: 11,800千円、間接経費: 3,540千円)
2021年度: 15,340千円 (直接経費: 11,800千円、間接経費: 3,540千円)
2020年度: 14,430千円 (直接経費: 11,100千円、間接経費: 3,330千円)
|
キーワード | ゲーム理論 / 人工知能 / 最適化 / 機械学習 / 実験経済学 |
研究開始時の研究の概要 |
本研究では,種々のインセンティブ/誘因に対する人々の反応を解明すると共に,人々に適切なインセンティブを与えることにより,個人の目的と社会の目的を適切に調和させて持続可能な発展を可能とする社会制度の設計に関する「インセンティブ設計科学」と名付けた新しい文理融合型の学問領域を創出する.具体的には,中核となる人工知能/最適化技術に社会科学の知見を統合し,インセンティブ設計科学に関する理論構築,被験者実験による評価を行う.さらに,学校選択制,研修医マッチング,公共事業入札,周波数オークションなどの応用分野において,政策提言とソフトウェアライブラリの開発準備,webアプリケーションの提供を行う.
|
研究実績の概要 |
2021年度には,10件の査読付き論文出版と,10件の講演(内4件が招待講演)を行った. マッチンググループでは,参加者の持つ選好が不確実であり,コストのかかる処理(インタビュー)によって不確実性が除かれるというモデルを提案し,コストを最小化する耐戦略的なメカニズムを設計した.本成果に関しては情報科学と経済学の学際的な国際会議であるInt. Conf. on Algorithmic Decision Theory (ADT) において論文を発表している. オークショングループでは,ソーシャルネットワークを通じて,メカニズムの参加者を募り,その際に本来はライバルとなり得る他の参加者をメカニズムに招待する誘因を与え,耐戦略性を満たすメカニズムを設計した.本成果に関してはエージェント分野の最難関の国際会議である Int. Conf. on Autonomous Agents and Multiagent Systems (AAMAS) において論文を発表している. 人工知能/最適化グループでは,研究代表者が90年代に提唱した分散制約最適化問題(Distributed Constraint Optimization Problems, DCOPs)のフレームワークに,時間の変化と共に問題が変化し,変化に対応して問題の解を修正する必要があるという拡張を施したProactive Dynamic DCOPを提案し近似解法を開発した.本成果に関しては,人工知能分野のトップジャーナルであるJournal of Artificial Intelligence Researchに投稿している. 行動/実験経済学グループでは,多数決に代わる,理論的に望ましい性質を満たす意思決定方式であるマジョリティ・ジャッジメントに関する理論的および実験的考察を実施し,招待講演を行っている.
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
COVID-19の影響により,ポスドクの雇用が遅れるなどのアクシデントはあったものの,理論研究自体は当初の予定を超えて進捗し,エージェント及び人工知能分野において影響の大きい難関国際会議録・論文誌において数多くの研究成果を出版することに成功した.
|
今後の研究の推進方策 |
計画最終年度となる2022年度には,引き続き各グループで理論的検討を進めるとともに,実験経済学グループ主導による被験者実験を行う. マッチンググループでは引き続き,資源制約のあるマッチング問題について,耐戦略的なメカニズムの設計を行う. オークショングループでは,ソーシャルネットワーク上の資源割当問題について引き続き研究を行う. 人工知能/最適化グループでは,最適化問題を解く際に敵対者が存在し,解の一部を改竄する可能性がある状況で,改竄の影響を最小限に留めることを目的とする,敵対者が存在する場合のMaxSAT問題についての理論的検討を行う. 行動/実験経済学グループでは,COVID-19 の感染拡大状況に注意を払いつつ被験者実験を進め,理想化されたエージェントの戦略と実際の人間の行動との差異について吟味する.
|