研究概要

現状の人工知能のベースになっている技術の一つは,ディープラーニングを代表とする機械学習である.様々な分野で応用され,実用化されているが,統計処理を行うため,大規模なデータが必要であるという問題が大きい.例えば,日本で一日に取得できる日常活動データは,人口比率的に大国の10分の1程度であり,大国において1年でできることが日本では10年かかる計算になる.また,大規模にデータが取得しにくいマイナーな事象に対しては対応することは難しい.マイナーな民族である日本が大国に負けないためには,小規模なデータでも高性能に学習できる技術開発が急務であると考える.

本研究センターでは,現在の「ある機能」に特化した技術としてではなく,総合的に様々なメディアを横断的に駆使できるいわゆる知能ロボットの頭脳のような人工知能を想定し,人間と共存できる,人間のパートナーとして活躍できるという視点から新時代の常識を持った人工知能の実現を目指す.

研究体制としては,大きく3つの研究テーマごとのグループを形成し,特に,スケジュールの管理や行動・言動のサジェスチョンを行うことができる電子秘書エージェントの開発を想定し,それに必要な機能について研究を進める.

【基礎】マルチメディア解析
【応用】マルチメディア解析結果に基づく人の状態・状況推定
【発展】人の状態・状況に応じた情報・環境提供

具体的には,音声,言語,表情からそれらが表現している内容の把握,ニュアンス(雰囲気,感情など)の解釈,優先順位・重要性(立場,人間関係など)の判定を実現する.日常活動データとして音声,言語,表情を取得し,

  • 音声からは,発話内容の認識だけでなく,発音や抑揚の特徴から発話者が誰であるか識別し,さらに発話のニュアンスや感情を推定する.
  • 言語からは,発話内容に加えて,発話の際に使用される語彙や言い回しなどの口語表現に着目し,意図や人間関係を理解する.
  • 表情からは,声や言葉では表現されない心情的側面を瞬間的で微妙な顔表情の変化や長期的な顔色の変化などから推定する.

これら3つの日常活動データから得られる結果を連携・拡張する処理の開発を進める.

  • 知識処理を行う常識判断を統計処理と併用することで,統計処理では扱いにくい推論を実現し,実環境で耐えうる性能を有する機能を実現する.
  • 連想技術を用いることで各種データを連携・拡張し,統計処理に耐え得る規模のデータに拡張することで小規模データでも高精度に学習できる手法を確立する.
  • 上記の機能を実現し,最終的なスケジュール管理や行動・言動のサジェスチョンに繋げる手法を開発する.

   

お問い合わせ

〒610-0321 京都府京田辺市多々羅都谷1-3 同志社大学 人工知能工学研究センター
      センター長 土屋誠司

E-mail: stsuchiy[at]mail.doshisha.ac.jp

* E-mail の [at] は @ に置き換えてください.