人工知能，機械学習，深層学習，進化計算
以下のアカウントから，当研究室の取り組み，イベント情報，教育研究，学生の活動などに関する情報を発信しています．
人工知能（Artificial Intelligence: AI）は分野によっては人間を超える性能を発揮できるようになり，我々の実社会でも色々適用されるようになりました．しかしながら，AIには脆弱性の問題があることが明らかになってきました．例えば，学習サンプルに人間が知覚できないような小さなノイズを加えられると（敵対的サンプルと言います），誤判断を起こしてしまうことがあるとか，ユーザの不良誘導によるバイアスを徐々に差別的に学習してしまう所謂「AIによる差別」「暴言を吐くAI」なども実際に起きています．
このようなモデルの脆弱性を自動検出し，脆弱性を改善し，安全・安定・安心のモデルを構築する研究を行います．
深層学習モデルの性能を十分に発揮するためにモデルパラメーターを調整するには，この領域の専門知識と多くの調整時間が必要になることが多々あります．また，調整するモデルの構造パラメーターが多く，最適化が困難になります．
機械学習に不慣れなユーザでも機械学習を適用できるようにするためには，モデルを自動的に設計する（すなわち，AIにAIを学ばせる）研究を行い，この問題を解決します．
さらに，近年のスマートウェアラブルデバイスの急速な発展に伴い，モデルをモバイルデバイスでもモデルを実行できるようにするためには，構造を簡素化し，演算量を低減する軽量化モデルを設計する研究を行い，この問題を解決します．
進化計算はヒューリステックな探索戦略で逐次に最適化を行う近似解法で，許容計算コスト内に必要精度の実行可能な最適解を探索します．進化計算はこれまで色々なタスクに適用され実社会でもその応用が利用されてきていますが，まだ探索効率は満足できるものではなく，試行錯誤的な取り組みが研究の中心になっています．
そこで，数理的基盤に基づいた探索効率の向上を実現する新たな最適化の枠組み，少なくとも，数理的基盤に結び付ける進化計算の演算・戦略の解析的知見を得ることを目的に，この残された課題に取り組んでいます．
上記の3テーマに限らず，私たちの研究室では計算知能に関する様々な基礎研究や応用に深い興味を持っています．また，機械学習やコンピュータービジョンに関する研究にも力に入れています．これらの分野にご興味・ご関心をお持ちで一緒に研究していただける皆さんをお待ちしています．