荒アライ井 秀シュウイチ一教授人工知能は夢を見て成長する知識獲得 / 深層学習 / 音声認識・理解 / 画像認識・理解TCU Research Directory 2023 199研究テーマキーワード情報工学部 情報科学科知識情報処理研究室研究室HP研究者情報最近の研究テーマ最近、深層学習による人工知能技術が盛んに研究されていますが、我々もシーン画像の概念セグメンテーションや、楽曲のコード進行推定などを積極的に研究しています。これらの研究では大量の学習用データを必要としますが、人間が物事を学習する際には少量の学習データしか必要としません。これは夢を見つつデータを合成し、それらを用いて知識を整理しているからだとも言われています。我々は、画像と音声を用いたこのような学習法についても研究しています。研究内容と目指すもの人間と人工知能との共生社会が実現しつつありますが、現在の人工知能技術は大量の学習用データを用いた確率統計論の上に成り立っています。それに対し人間は少量の学習データで柔軟な知識獲得をしますが、その仕組みは明らかになっ外部資金• エクシオテック「音声ファイルの文字お越し後の確認及び評価に関する研究」など（R2.3.-R5.9）• 三報社印刷「人工知能技術の応用による出版業務効率化に関する研究」（H30.12.-R2.3）• 岩崎通信機「ライフサポートサービスへのデータ解析技術導入に関する研究」（H29.4.-H30.3）ていません。現在盛んに研究されている深層学習技術をさらに発展させる研究を、音声・画像・楽曲認識の分野で研究しつつ、近い将来必要になるであろう、少量学習データによる逐次的な学習フレームワークについても積極的に研究しています。• 基盤（C）「古典文の現代文への変換と古典単語の文法情報の獲得」（H17-H18）• 基盤（C）「MPEG符号化映像情報を直接処理する画像処理プロセッサに関する研究」（H13-15）• ビデオリサーチ「放送音からの実時間楽曲名検索システム」（H10-13）技術の特徴現在の画像認識・理解技術は大量の学習データを必要としますが、本手法は人間のように体験に基づく少量の学習データしか必要としません。獲得した曖昧な知識から夢を合成することで、知識を整理するとともに、これを繰り返すことで徐々に確かな知識を獲得します。技術の用途予め大量の学習データを用意できないケースや、どのような学習データがシステムに必要なのかが明らかでないケースは、実際の人工知能応用の場面では多く存在します。そのような場合でも、本手法を用いれば体験を通じた逐次的な学習が可能です。企業等との連携可能テーマ• 人工知能を用いた音声・画像・音響・文字メディアの認識や処理に関する技術• 深層学習を用いた音声・画像・音響・文字メディアの認識・理解システム知的財産権・関連論文情報・著書• “Inference with Model Uncertainty on Indoor Scine for Semantic Segmentation”, IEEE GlobalSIP 2017.• “DNN-LSTM-CRF model for Automatic Audio Chord Recognition”, ACM PRAI 2018. などなど
元のページ ../index.html#201