| 研究課題/領域番号 |
20K19860
|
|---|
| 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 | 大阪大学 |
|---|
研究代表者 |
原 聡 大阪大学, 産業科学研究所, 准教授 (40780721)
|
|---|
| 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 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2020年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 機械学習 / 深層学習 / 説明可能AI / 人工知能 |
|---|
| 研究開始時の研究の概要 |
実用に供するレベルの精度の高い機械学習モデルを作ることは必ずしも容易ではなく、開発者の熟練度によって出来上がるモデルの精度には大きな開きがある。本研究では説明可能AI（Explainable AI; XAI）の技術を基盤に、開発者により良いモデルの構築方法について適切にアドバイスする仕組み「説明駆動モデル開発」の研究に取り組む。本研究では特に「説明駆動モデル開発」の基盤技術として、XAIの技術を機械学習モデルの開発へと拡張することで、(i)良い学習方法、および(ii)悪いモデルの修理方法、を推定して開発者へとフィードバックする仕組みの確立を目指す。
|
| 研究成果の概要 |
実用に供するレベルの精度の高い機械学習モデルを作ることは必ずしも容易ではなく、開発者の熟練度によって出来上がるモデルの精度には大きな開きがある。本研究では説明可能AI（Explainable AI; XAI）の技術を基盤に、開発者により良いモデルの構築方法について適切にアドバイスする仕組み「説明駆動モデル開発」の研究に取り組んだ。
研究の成果として、モデルの性能を改善するためのデータクレンジング法やそれを拡張した類似データ説明法、そしてモデルの部分的な可読化に基づくモデルの修正技術などが得られた。
|
| 研究成果の学術的意義や社会的意義 |
研究成果の学術的意義としては「説明駆動モデル開発という新たな機械学習モデルの開発の仕組みの提案」、そして「XAI技術のさらなる発展による機械学習モデルの解釈性の向上」があげられる。これらにより、モデルを効率的に改善する方法や、モデルがなぜ特定の予測や判断を下したのかを理解することが容易になり、モデルへの信頼性向上が期待される。
研究成果の社会的意義としては「高性能なモデルが効率的に開発可能になることで、機械学習モデルの社会的な活用がより一層進む」ことがあげられる。
|
