| 研究課題/領域番号 |
20K11860
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61010:知覚情報処理関連
|
|---|
| 研究機関 | 千葉大学 |
|---|
研究代表者 |
黒岩 眞吾 千葉大学, 大学院工学研究院, 教授 (20333510)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2022年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2021年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2020年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
|
|---|
| キーワード | 語連想 / 深層学習 / 自然言語処理 / BERT / chatGPT / 連想ゲーム / プロンプトエンジニアリング / シャープレイ値 / 大規模言語モデル / in-context-learning / 失語症言語訓練教材 / 失語症 / 語想起 / SHAP / 言語訓練教材 / 言語訓練アプリ / 言語訓練 / アプリ |
|---|
| 研究開始時の研究の概要 |
タブレット上に語想起訓練アプリを構築した上で，高頻度の言語訓練を行うことで，慢性期の失語症を持つ人が言語機能を回復させていく過程のデータの収集を行う．また，失語症の語想起に関する言語訓練課題である，画像入力から名称，ヒント文から単語，語から語を連想するニューラルネットワークを構築すると共に，特定の層を損傷させることで失語症の症状のシミュレーションを実現する．さらに，失語症の症状を呈する損傷したネットワークを，残存するネットワークで効率良く学習するための学習方法・学習データ提示方法を研究する．最終的には，これらの研究から失語症を持つ人の語想起力向上に繋がる，効率の良い言語訓練方法の提案を目指す．
|
| 研究成果の概要 |
失語症の言語訓練で利用される語連想課題を対象に，健常者と同等の語連想能力を持つ深層学習モデルの構築を目指して研究を行った．既存の深層言語モデルに加えて，人間の言語処理機構を模した独自の深層言語モデルを構築した．また，画像を介在させて連想を行う手法や，プロンプトエンジニアリングについても検討を行った．その結果，既存のモデルよりも高い語連想精度を達成することができた．また，語連想における刺激語の貢献度を算出する手法や，連想理由を説明する手法も提案した．加えて，認知神経心理学モデルにおける音韻ルートを参考にした高精度の深層話者照合モデルも考案した．失語症の言語訓練向けにいくつかのアプリも開発した．
|
| 研究成果の学術的意義や社会的意義 |
chatGPTの公開以前（当初の研究期間の最終年度の秋）までに得られた語連想モデルによる研究成果は、学術的にはユニークな手法であったが、現時点ではchatGPT（GPT-4）がそれらの性能を上回っている。一方で、刺激語の貢献度を算出する手法（語連想課題のヒント作成時に活用可能）や、人が連想した語と刺激語の関連性を説明する手法は、最新の大規模言語モデルに対しても有効である。また、認知神経心理学モデルを参考にした高精度の深層話者照合モデルの精度は高く、法科学分野での利用が期待される。さらに、実験用に開発したアプリをもとに作成した言語訓練アプリは、時代に即した失語症教材として社会的な意義が大きい。
|
