研究課題/領域番号 |
20H04168
|
研究機関 | 九州大学 |
研究代表者 |
馬 雷 九州大学, システム情報科学研究院, 准教授 (70842061)
|
研究分担者 |
佐藤 周行 東京大学, 情報基盤センター, 准教授 (20225999)
趙 建軍 九州大学, システム情報科学研究院, 教授 (20299580)
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)
鵜林 尚靖 九州大学, システム情報科学研究院, 教授 (80372762)
|
研究期間 (年度) |
2020-04-01 – 2023-03-31
|
キーワード | ソフトウェア工学 / 知能ソフトウェア解析 / 深層学習 / 機械学習工学 / 回帰型ニューラルネットワーク解析 / 機械学習品質保証 |
研究実績の概要 |
今年度は最終年度として、昨年度の研究に基づいて、さらなる主要な開発、実験、及び評価を行いました。具体的には、以下の研究内容を行いました。(1)カバレッジに基づくテストフレームワークの実験と実用性の評価。(2)AIソフトウェアに対する分析方法と修正技術の評価(3)AIソフトウェアの解析誘導オフライン修正技術の開発完成及び評価。(4)提出された技術が実際のAIソフトウェアに対して実用性を評価。(5)今までのそれぞれの研究結果がまとめて国際会議と雑誌に投稿され、採択されました。 近年では、音声認識や自然言語処理などの産業応用に効果的な状態を保持するステートフルAIモデルである回帰型ニューラルネットワーク(RNN)が注目されており、産業分野でもよく使用されています。しかしながら、実際に広く応用されている RNN は、複雑な設計、状態の持続性、そしてブラックボックスの特性により、その解析、解釈やテストなどが非常に困難であることが多いです。品質保証や信頼性について、実際に応用する際には、大きな懸念やリスクが招く可能性があります。 この研究は3年間にわたって、ステートフル深層学習ソフトウェアに対する解析、理解、及び修正技術などを研究し、一連の技術方法などを提出し、有効性を評価しました。それぞれの技術については、国際会議や論文投稿などで発表されました。当初の計画内容が完成でき、最後の研究成果が当初の計画よりも優れていました。この課題に関する一連の研究成果により、信頼性の高いAIソフトウェアの構築に向けた基礎や土台が早期に築かれました。今後は、より深い関連研究が展開や応用されることが期待されます。
|
現在までの達成度 (段落) |
令和4年度が最終年度であるため、記入しない。
|
今後の研究の推進方策 |
令和4年度が最終年度であるため、記入しない。
|