| 研究課題/領域番号 |
23K18470
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分60:情報科学、情報工学およびその関連分野
|
|---|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
鷲崎 弘宜 早稲田大学, 理工学術院, 教授 (70350494)
|
|---|
| 研究分担者 |
吉岡 信和 早稲田大学, 理工学術院総合研究所(理工学研究所), 上級研究員 (20390601)
|
|---|
| 研究期間 (年度) |
2023-06-30 – 2026-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
6,370千円 (直接経費: 4,900千円、間接経費: 1,470千円)
2025年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2024年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2023年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
|
|---|
| キーワード | ソフトウェア保守 / ソフトウェア再利用 / ソフトウェアパターン / 機械学習応用 / プログラム品質評価改善 / デザインパターン / 機械学習工学 / ソフトウェアアーキテクチャ / ソフトウェア設計 / システム設計 |
|---|
| 研究開始時の研究の概要 |
機械学習システムの高信頼・高効率な開発運用のうえで、過去の開発運用における優れた設計や保守、進化の成果および過程を抽象化した機械学習デザインパターン（以降、MLパターン）の活用が欠かせないが、技術的基盤が得られていない。優れた成果や過程から新たなMLパターンを教師無し機械学習により発見し、発見済みパターンの適用状況を進行中のプロジェクト上で教師あり機械学習により検出し適用を支援する技術基盤を確立する。
|
| 研究実績の概要 |
機械学習の振る舞いはデータに依存し、非決定性や不確実性を持つ。その高信頼化と高効率開発には、特定文脈で頻出する問題と解決策の資産化と再利用が欠かせず、代表者やGoogleほか多くの研究者・実務家が、データの表現から機械学習モデルの訓練、システムの運用に至るライフサイクル上で機械学習パターンを文書化しつつある。しかし、機械学習パターンが扱う対象は訓練データから機械学習モデル、システムまで多岐にわたり、人手による有益な単位や抽象度での発見と文書化が困難である。加えて、新規に発見もしくは既知のMLパターンを再利用する上で、個々の文脈に応じた適切な適用が必要である。そうした課題から、代表者らの調査において開発者の多くは十分活用せず場当たり的な開発にとどまる。そこで本研究では、優れた成果や過程から新たなMLパターンを教師無し機械学習により発見し、発見済みパターンの適用状況を進行中のプロジェクト上で教師あり機械学習により検出し適用を支援する技術基盤を確立することを目的とする。目的達成に向けて2023年度は、既知の一定規模の優れた機械学習システムの開発成果の収集と参照を通じて、効率的な新規の機械学習デザインパターンの発見に向けた取り組みを進めるとともに、既知の機械学習デザインパターンの特徴量のベクトル化を通じた多様な適用結果に対して頑健な機械学習デザインパターンの検出器の初期実装、さらには、セキュリティをはじめとする高信頼性の論証を中心として機械学習パターンの適用支援の取り組みを進めた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
目標とする機械学習デザインパターンの発見、検出および適用支援についてそれぞれ初期的な仕組みの試験実装を進め、それぞれ論文発表を実現した。
|
| 今後の研究の推進方策 |
引き続き調査研究ならびに国内外連携等を通じて、目標とする機械学習デザインパターンの発見、検出および適用支援についてそれぞれ初期的な仕組みの発展と一定の実題材への適用評価を通じて、有用な成果の基礎を得る予定である。
|
