研究課題
基盤研究(C)
説明可能AIの一つである帰納論理プログラミング（ILP）は，正例と負例からなる訓練データからその訓練データを説明する仮説を探索する．仮説の探索過程では，候補仮説を生成し，正例を導出し，負例を導出しないか検査することを繰り返す．本研究では，この検査をSQLに変換し，GPU上のRDBMSで並列実行することを実現した．また，複数の候補仮説をまとめて検査することによって，RDBMS実行のオーバヘッドを低減し，6倍の高速化に成功した．さらに，仮説探索をメタヒューリスティクスである群知能の一種である粒子群最適化（PSO）で行う手法を実現し，２倍の高速化を実現した．
計算機科学
現在広く利用されているAIの深層学習は，学習内容がわからないために，分析ツールとして利用することは困難である．これに対して，ILPは，その学習内容を完璧に説明でき,新しいサンプルに対する推論も，推論過程を確認することができる．本研究は，説明可能AIであるILPを，並列化とメタヒューリスティクス化によって高速化し，ビックデータに適用できるようにした．今後，本AIシステムを，がんの臨床データと遺伝子データに適用することによって，予後や再発予想を行えるモデルを作成する予定である．
