| 研究課題/領域番号 |
23K21657
|
|---|
| 補助金の研究課題番号 |
21H03420 (2021-2023)
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 基金 (2024)
補助金 (2021-2023) |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60050:ソフトウェア関連
|
|---|
| 研究機関 | 国立情報学研究所 |
|---|
研究代表者 |
石川 冬樹 国立情報学研究所, アーキテクチャ科学研究系, 准教授 (50455193)
|
|---|
| 研究分担者 |
前澤 悠太 株式会社Udzuki(研究部), 研究部, 部長 (90759771)
Zhang Xiaoyi 国立情報学研究所, アーキテクチャ科学研究系, 特任研究員 (70883528)
|
|---|
| 研究期間 (年度) |
2024-04-01 – 2025-03-31
|
| 研究課題ステータス |
完了 (2024年度)
|
| 配分額 *注記 |
16,900千円 (直接経費: 13,000千円、間接経費: 3,900千円)
2024年度: 4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2023年度: 4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
|
|---|
| キーワード | 深層学習 / 欠陥局所化 / プログラム自動修正 / デバッグ / Fault Localization |
|---|
| 研究開始時の研究の概要 |
自動運転など品質が非常に重要となる領域も含め深層学習の産業応用が追求されているが，Deep Neural Network（以後DNN）の複雑さ・ブラックボックス性から，品質の保証や向上が難しい．本研究では，DNNにおいて要求の一部分と実装の一部分を対応づけるトレーサビリティーを実現する技術に取り組む．焦点として，DNNの内部挙動のパターンや多様性をとらえる指標を用いることで，それらがどう要求充足の程度，すなわち品質に関連するかを追求し，この関連性を用いたテスト技術やデバッグ技術を確立する．これにより，対象システム固有の要求に応じて意義ある品質の評価や改善を効果的・効率的に行えるようにする．
|
| 研究成果の概要 |
深層学習で用いるDeep Neural Network（DNN）は，その複雑さ・ブラックボックス性から，品質の保証や向上の困難さが指摘されている．本研究では，DNNにおいて要求の一部分と実装の一部分を対応づけるトレーサビリティーを実現する技術に取り組んだ．本研究の焦点として，DNNの内部挙動パターンや多様性をとらえる指標を用い，それらがどう要求充足の程度，すなわち品質に関連するかを追求するテスト技術やデバッグ技術に取り組んだ．この取り組みの成果として，対象システム固有の要求に応じて意義ある品質の評価や改善を効果的・効率的に行うことができるようにする技術と，その活用のための知見を確立した．
|
| 研究成果の学術的意義や社会的意義 |
深層学習技術に基づくAIシステムの活用が盛んに取り組まれているが，その品質保証・向上に対する懸念および，技術的な難しさは未だに高い．この点に対して，要求を満たすために変更・改善すべき実装内の要素をつなぐというトレーサビリティーという観点に取り組んだ点は社会的な意義が大きい．またそのような技術について一般的な再訓練手法などとの比較などの知見も得ているほか，欠陥局所化・プログラム自動修正のアプローチを深層学習に適用・評価した取り組みは学術的な意義も大きい．
|
