実世界に埋め込まれる人工知能

ーAIRCの紹介ー

産業技術総合研究所 人工知能研究センター

辻井潤一 研究センター長

1

話の流れ

• 背景と現状

• 研究の例

• 研究資源の構築

• 外部との連携

2

話の流れ

• 背景と現状

• 研究の例

• 研究資源の構築

• 外部との連携

3

出展：IDC “The Digital Universe in 2020”

○ 計算機の能力が指数関数的に向上。デジタルデータの量が爆発的に増大。人工知能が重要に。あらゆる産業の知能化が進行。

○ 米国では、巨大ＩＴ企業が優れた研究者を世界中から集め、自らの持つ巨大データと様々な技術を組み合わせた人工知能を開発し、事業化。

○ 実世界での応用と基礎研究への短いサイクルでのフィードバック。

○ 日本では、研究者が個別に基礎研究に従事し、それらを統合して革新的な人工知能を開発する動きは少ない。

データの量は 2010～2020の 10年間で50倍

4

世界のAI 日本の現状

0.1

0.15

0.2

0.25

0.3

0.35トロント大東大オックスフォード大INRIAアムステルダム大

大規模物体認識 ILSVRC2012 における Deep Learning の性能

従来技術

Deep Learning

大規模データ 活用のインパクト

4

データの集積 DATA

技術の成熟 ブレークスルー

SEEDS

応用 NEEDS

人工知能の技術開発：現状

• 米国の巨大IT産業

– データ、資金、研究者、開発者の集中 – 閉じたエコシステム – データの局在時代から偏在時代へ – Start-UpのM&A

• 日本（ヨーロッパも） – データ、研究者、技術者のFragmentation – 資金の欠如 – 開いたエコシステムへ – Start-Upとの共同、援助

5

Seeds

Needs Data

巨大IT産業（G,M,F,A）

研究の３つの層

観測 データ収集

認識・モデル 化・予測

･･･ 自然言語 理解

行動計画 制御

企業

技術移転 共同研究

起業 技術移転

ベンチャー

機械学習・確率モデリングの高度化

次世代脳型人工知能 データ・知識融合型人工知能

人間行動 モデリング

画像解析 テキストからの 知識抽出

産業用ロボット 自動運転 対人インタ ラクション

実世界に埋め込まれる人工知能技術

AI for Human Life/Services サービス業、医療・介護、交通インフラ等との融合 消費者行動解析 サービス生産性向上 自律移動支援

AI for Science/ Engineering 基礎科学との融合 生命科学、臨床医学、 材料科学等の分野での 仮説生成・実験検証支援

AI for Manufacturing ものづくり力や産業用 ロボットとの融合 多品種少量生産支援 異常・故障予測 製造業の生産性向上

6

AIプラットフォーム 標準データ

先進モジュール

２０１５ 5.1

発足時

２０１6 4.12 現在

研究員 33 75

事務職員 3 5

招聘研究員 0 13

客員研究員 13 34

クロスアポ 0 2

特定集中専門員

0 7

契約職員 18 71

その他（派遣等）

10 50

合計 77 257

研究職員

事務職員

招聘研究員

客員研究員

クロスアポ

特定集中専門員

契約職員※

その他

合計

5月1日 8月1日 11月17日 12月1日 1月4日 3月15日 4月12

人工知能研究センター 人員構成推移

研究職員 事務職員 招聘研究員 客員研究員 クロスアポ 特定集中専門員 契約職員※ その他 合計

34

33

13

257

75

77

話の流れ

• 背景と現状

• 研究の例

• 研究資源の構築

• アウトリーチ

8

9

実世界に埋め込まれるAI

人間と協働して問題解決するAI

10

機械学習 シミュレーション

知識・オントロジー

認識

モデリング

行動計画

人工知能の要素と技術的な基盤

センシング 行動

推論

実世界 実世界

情報の統合的な理解

画像から地図へ 情報統合の媒体としての地図

11

情報の統合的な理解

画像から地図へ 情報統合の媒体としての地図

12

大規模衛星画像アーカイブ

• ASTER@産総研 ~ 1PB

– 1999年から現在まで全世界を網羅

• Landsat-8@Amazon S3 ~ 500 TB

– 2013年から現在まで

–誰でも自由に使えるオープンデータ

ASTER on NASA’ TERRA OLI on Landsat-8

Data (Imagery)

Knowledge (Map)

地図も教師データとして利用

Source of training data

Daily update

Landsat-8 Open Street Map

2014年9月7日に撮像された山口県宇部市。右上メニューのTIMEスライダーを動かすだけで、過去の同じ場所の画像を一瞬で表示できる

Landsat 8号画像公開システム http://landbrowser.geogrid.org/landbrowser/index.html

１年前の画像と比較

赤丸部分：メガソーラーの太陽電池パネル敷設

深層学習による茨城〜千葉のメガソーラー抽出 中村チーム AIRC

17

情報の統合的な理解

画像から地図へ 情報統合の媒体としての地図

18

様々な情報を一元的に持つ地図の作成 （３D情報、社会参加情報、事故情報）

神戸市、昭島市、長崎で施設内・屋外の３Dデータを取得。

これまでの道路の３Dスキャンとは異なり、歩行者の安全性を配慮可能（段差など）な精度で取得。

インシデントデータなどを蓄積する予定。

地域情報、環境情報、事故情報を用いた高齢者支援のためのAI研究に用いるDBを作成。

19

神戸

様々な情報を一元的に持つ地図の作成 （３D情報、社会参加情報、事故情報）

20

21

認識、実世界のモデル、行動

実環境のもとでの自動走行 Picking Robot

シミュレーターによる学習（PFN,Toyota）

我妻、市瀬招聘研究員ら 九工大, AIRC, 名大, etc.

強みと弱み

実用の見通し

データ量または複雑度

人工ポテンシャル法（軌道生成・障害物回避）

ヒト由来情報処理，脳型コンピュータ（LSI化）

(基礎研究) (実用研究)

( 甚大)

(中程度)

DeepLearning,機械学習など（ベイズ統計則等）

データ量が多い程信頼性が高い

即時応答性は低い(オフライン学習)

人と同等

の

処理 能力

を期待

移動ロボットとの共通基盤化可能

データ量が多い程信頼性が高い

情報の複雑化→演算負荷大

ITSオントロジー（状況分析・知識DB処理）

未知の状況

注意変化・動作など

生 体計測はある程

度可能

状況の想定をフレームワーク化

即時性・オンラインセンシングとの整合性は課題

共通課題

相補

レーダ領域 死角目標（巻込防止）

見えにくい目標

異常行動

23

目的：自動運転における危険予測・回避行動判断

提案方法：二種のAI組合せの最適化からハイブリッドAI設計法を得る

検証法：AI実用に必須となる車メーカの製造者責任担保を可能にする。

・多種の実車計測データを活用し、ハード化により、ADAS支援の基準10ms-500ms実装を可能にする

・オントロジー分枝構造から得られた「状況複雑度指標」を一般・熟練者ドライバー技能と比較、定量的に検証

データ駆動型AIと理論知識型AIで、高速かつ「推論の説明責任」が可能になり、AIの自動運転分野での実用化が図れる

理論知識型AI

データ駆動型AI

人と共存して行動する知能体

24

インターフェース ＆

インタラクション

モデル生成手法

人モデル（顔、体形、動作、場所）

移動モデル（地図、経路、変化、使い方）

環境モデル（形状、場所、変化、使い方）

知覚

計画

制御

自律動作

環境 人と生活環境

通行者情報地図作成に基づく経路計画法

• 人の移動から通路を学習 – 通常は、形状地図（部屋の形状+障害物位置）で経路生成

– 他のブースに入るべきでない、通路らしい場所を通りたい

②

① ③

ロボット

センサ

②ブース

自己位置＋環境センシング→セマンティック・マップ

自律移動ロボットによる人と生活環境の理解

26

Stimulation

Response Physical factors

Decision model ?

タフロボティクス・社会実装 環境への制約を最少に

人環境での

自律移動

動きながら情報収集

・変化に頑健な3D地図作成 ・リアルタイム位置姿勢推定 ・通行者情報地図＋経路計画 ・ネスト型iGMMによる分類・識別

!

事故

知覚

計画

制御

人モデル

移動モデル

環境モデル

自律動作

社会サービス設計のための マルチエージェントシミュレーション技術

● 目的 複雑な社会現象の理解

分析 / 可視化

システム設計時の意思決定支援 鍵となる要因の発見 / 持続性・維持管理

● 独自技術 OACIS: 網羅的シミュレーション基盤

スパコン・巨大クラスタ計算機の活用

CrowdWalk: 人流シミュレータ 大規模軽量シミュレーション

SAVS: オンデマンド公共交通設計 シミュレーションと実動システムの連携

● 応用例 避難誘導計画立案支援

減災のためのシステム評価

イベント時群衆制御 よりスマートなイベント設計

公共交通設計支援 サービス連携基盤としての交通システム

SAVS Simulation of Hakodate City

CrowdWalk

28

認識、実世界のモデル、行動

実環境のもとでの自動走行 Picking Robots

国立研究開発法人

AI for Manufacturing

認識エンジン （Deep Learning）

対象物 把持データベース

組み立て作業動作データベース

Cloud Database Platform

Hardware Platform Software Platform

Mitsubishi Kawada

Choreonoid (AIST)

Picking Simulator (Mitsubishi)

組み立て作業 作業の自動計画 模倣学習 ティーチング省力化の実現

バラ積みピッキング シミュレータの併用 機械学習 ピッキングの成功率向上 AI Platform (AIST)

人の作業動作の蓄積 衣類など柔軟不定形物の操作

国立研究開発法人

AI for Manufacturing

認識エンジン （Deep Learning）

対象物 把持データベース

組み立て作業動作データベース

Cloud Database Platform

Hardware Platform Software Platform

Mitsubishi Kawada

Choreonoid (AIST)

Picking Simulator (Mitsubishi)

組み立て作業 作業の自動計画 模倣学習 ティーチング省力化の実現

バラ積みピッキング シミュレータの併用 機械学習 ピッキングの成功率向上 AI Platform (AIST)

人の作業動作の蓄積 衣類など柔軟不定形物の操作

中部大学・中京大学・東大・AIST-CVRG

九大・阪大・AIST-MRG 九大・AIST-MRG

九大・阪大・AIST-MRG 信州大学・奈良先端大学

阪大・AIST-MRG

早稲田大

阪大・AIST-MRG(三菱電機）

国立研究開発法人

認識と行動

31

対象分野の知識

医療、故障診断 AI for Sciences

32

人工知能応用研究チーム: 医用画像診断支援

病理組織検査

乳腺超音波検査 大腸内視鏡検査

症例DB

認識・検索 モデル

*Copyright 2001 - 2012 Given Imaging

Ltd. All Rights Reserved.

カプセル内視鏡

性能向上

医師に 使われる

データ蓄積

診断精度up 安心感up 貢献意欲up

乳腺組織 ⇒乳がんはココで発生

筋肉・肋骨

皮膚・脂肪

AIによる乳腺超音波検査の支援

課題：粒状ノイズ、不明瞭な輪郭、 複雑な動き

乳腺密度に影響されにくい 被曝なし（妊婦でも検査可）

診断精度は検査者の経験や 技量に大きく依存

正常画像に基づく機械学習 ⇒異常の自動検出

対象分野の知識

医療、故障診断 AI for Sciences

35

1,2-Diacyglycerol intracellular

AKT(PKB)

ALK

Androgen receptor

B-Raf

BETA-PIX

C/EBPbeta

C3G

CDC42

CDK2

CREB1

Ca('2+) cytosol

Cyclic AMP intracellular

Cyclic GMP intracellular

EGR1

ERK1/2

ESR1 (nuclear)

Elk-1

FMO3

FRS2

GAB1

GRB2

Galectin-1

H-Ras

HDBP1

HGF receptor (Met)

HIF1A

HSP27

IRS-1

IRS-2

JNK(MAPK8-10)

K-RAS

Lyn

MAP2

MEK1/2

MEK4(MAP2K4)

MEK6(MAP2K6)

MEKK1(MAP3K1)

MEKK4(MAP3K4)

MLK3(MAP3K11)

N-Ras

NCK2 (Grb4)

NO intracellularNeurofibromin

PAK1

PDGF receptor

PDLIM3

PDZ-GEF1

PI3K cat class IA

PIP5KI

PKC

PR (nuclear)

Protein kinase G1

Pyk2(FAK2)

R-Ras

RASGRF2

RIPK4

Rac1

SHP-2

SLC36A1

SOS

SP1

Shc

Slc39a14 (Zip14)

Tiam1

VEGFR-1

alpha-6/beta-4 integrin

c-Fos

c-Jun

c-Kit

c-Myc

c-Raf-1

cPLA2

p90Rsk

ビッグメカニズム（AI for Sciences) DARPA Chicago Univ. Manchester Univ. Microsoft

Reading Assembly Explanation

1,2-Diacyglycerol intracellular

AKT(PKB)

ALK

Androgen receptor

B-Raf

BETA-PIX

C/EBPbeta

C3G

CDC42

CDK2

CREB1

Ca('2+) cytosol

Cyclic AMP intracellular

Cyclic GMP intracellular

EGR1

ERK1/2

ESR1 (nuclear)

Elk-1

FMO3

FRS2

GAB1

GRB2

Galectin-1

H-Ras

HDBP1

HGF receptor (Met)

HIF1A

HSP27

IRS-1

IRS-2

JNK(MAPK8-10)

K-RAS

Lyn

MAP2

MEK1/2

MEK4(MAP2K4)

MEK6(MAP2K6)

MEKK1(MAP3K1)

MEKK4(MAP3K4)

MLK3(MAP3K11)

N-Ras

NCK2 (Grb4)

NO intracellularNeurofibromin

PAK1

PDGF receptor

PDLIM3

PDZ-GEF1

PI3K cat class IA

PIP5KI

PKC

PR (nuclear)

Protein kinase G1

Pyk2(FAK2)

R-Ras

RASGRF2

RIPK4

Rac1

SHP-2

SLC36A1

SOS

SP1

Shc

Slc39a14 (Zip14)

Tiam1

VEGFR-1

alpha-6/beta-4 integrin

c-Fos

c-Jun

c-Kit

c-Myc

c-Raf-1

cPLA2

p90Rsk

1,2-Diacyglycerol intracellular

AKT(PKB)

ALK

Androgen receptor

B-Raf

BETA-PIX

C/EBPbeta

C3G

CDC42

CDK2

CREB1

Ca('2+) cytosol

Cyclic AMP intracellular

Cyclic GMP intracellular

EGR1

ERK1/2

ESR1 (nuclear)

Elk-1

FMO3

FRS2

GAB1

GRB2

Galectin-1

H-Ras

HDBP1

HGF receptor (Met)

HIF1A

HSP27

IRS-1

IRS-2

JNK(MAPK8-10)

K-RAS

Lyn

MAP2

MEK1/2

MEK4(MAP2K4)

MEK6(MAP2K6)

MEKK1(MAP3K1)

MEKK4(MAP3K4)

MLK3(MAP3K11)

N-Ras

NCK2 (Grb4)

NO intracellularNeurofibromin

PAK1

PDGF receptor

PDLIM3

PDZ-GEF1

PI3K cat class IA

PIP5KI

PKC

PR (nuclear)

Protein kinase G1

Pyk2(FAK2)

R-Ras

RASGRF2

RIPK4

Rac1

SHP-2

SLC36A1

SOS

SP1

Shc

Slc39a14 (Zip14)

Tiam1

VEGFR-1

alpha-6/beta-4 integrin

c-Fos

c-Jun

c-Kit

c-Myc

c-Raf-1

cPLA2

p90Rsk

Very large conflicting (probabilistic) network

Smaller (relevant) grounded model

Computational hypotheses/ wet lab Experiments controlling states of the network

A.Rzhetsky(U.Chicago) 36

37

Deep Reading

英国マンチェスター大学 テキスト・マイニング・システム

Fig.3 of Rak, et al., (2014) Database (Oxford) 2014, pii:bau070.

MAPK情報伝達系データの例 ＠KEGG

情報伝達系、代謝経路のキュレーションに適用実施

酵素反応データベース・EzCatDB

膨大な酵素関連 英語文献情報

複雑な酵素反応機構

情報抽出

分類・登録

新たに 酵素反応分野に 適用

• 酵素反応機構；酵素活性部位アミノ酸、補酵素、化合物やその官能基（水酸基、アミノ基など）間のネットワーク

• 二項関係、三項関係で表現できる情報伝達系、代謝経路よりも一段と複雑な系

• Deep Reading モジュールの拡充が必要

酵素反応に関する 専門知識をAIに移す “AI for Science”の実例

酵素反応オントロジー

話の流れ

• 背景と現状

• 研究の例

• 研究資源の構築

• 外部との連携

38

ビッグデータと人工知能を 活用した生活知能技術

Living Intelligence Complex

研究拠点を支える情報基盤

産総研

日本国内

国外

AI研究クラスタ（NEDO） 産総研AIクラウド（補正予算）

＠つくば

商用クラウド

AIセンター拠点 ＠臨海

SINET5 JGN-X

Research Data Alliance

AIRC Network

連携機関 連携機関

データ ホルダー

VPN、Direct Connect等による商用クラウドとの透過的な連携

100Gbps高速データ転送、高精細TV会議等をサービスする専用線（ダークファイバ）網

海外のデータホルダー、連携研究 機関との安定した対外接続

40

41

AI研究クラスタ

大容量メモリサーバ • 16ソケット, 256コア • 対称型マルチプロセッシング • 12TBの単一メモリ空間

GPGPUサーバ × 8台 • 2ソケット, 28コア • 512GBメモリ • GPGPU数値演算アクセラレータ

× 4 • 3,072 CUDAコア • 12GB GDDR5メモリ • 7TFlops (単精度)

10GB Ethernetスイッチ

• NEDOプロジェクト参加者が拠点で共同利用

• 最新の数値演算アクセラレーラを計32基搭載し、高速なディープラーニング等を支援

• 計16TBの主記憶を搭載し、大容量データのリアルタイムな解析処理、科学技術シミュレーション等を支援

• 2016年6月より稼働予定

話の流れ

• 背景と現状

• 研究の例

• 研究資源の構築

• 外部との連携

42

産総研-ＮＥＣ 人工知能連携研究室

研究体制

連携研究室長： 鷲尾 隆（大阪大学産業科学研究所 教授）

人員： 約３０名（産総研、ＮＥＣ、大学）鶴岡准教授（東大）

場所： 産総研 人工知能研究センター＠臨海センター

期間： ３年間

研究テーマ

➀ シミュレーションと機械学習技術の融合

② シミュレーションと自動推論技術の融合

➂ 自立型人工知能の」挙動を調整

企業連携

アウトリーチの会 参加企業

・Finc : 健康 ・ウェルスナビ : 金融 ・コンパス : 教育 ・abeja : Retail ・ロボットタクシー/DeNA : 交通 ・アスラテック : ロボット ・Brain Pad : EC/Ad ・Metaps : EC/Ad ・studio ousia : EC/Ad ・Fringer81 : EC/Ad

・さくらインターネット / IoTインフラ ・Cerevo /IoTxメーカ ・Exiii / IoTx義手 ・Farm Note / IoT酪農 ・Drone Japan / IoTx農業 ・Qrio / IoTスマートホーム ・サイマックス /I oTxトイレ ・Microbase / 衛星写真認識x地図情報

・人工知能ベンチャの事業課題・ニーズを踏まえたディスカッション ・ＩｏＴのキーパーソンとの人的ネットワーク

ベンチャ企業との交流（アウトリーチの会） 企業連携

・シーズ技術とビジネス課題のマッチングをディスカッションの場 ・ビッグデータ活用人工知能技術の勉強会 ・最新動向、ビジネス事例の共有

・参加企業 ２３社 ・全体会合 ４回 ・ワークショップ ２回

企産総研 人工知能技術コンソーシアム

AI研究センター

実証プロジェクトA

実証プロジェクトB

実証プロジェクトZ

::

コンソーシアム

成功事例をフィードバック標準問題化

シーズ応用

共有基盤

ニーズ

評価

事例

水平 展開

PM担当

内部リソース割り当て

データ

AIST, 大学, 異業種機関からも適宜参加

秘密保持独立

プロジェクトスタート

プロジェクトシミュレーション

外部リソース

研究戦略

ユーザー企業,連携企業, 大学, 自治体, etc.

企業連携

産総研 人工知能セミナー

企業連携

・人工知能研究に関する情報交換が目的 ・外部の研究者、所内研究者によるセミナー ・月に一度、これまでに６回開催 ・参加者は延べ８００人、（９割は企業、１割は大学）

第１回 脳型人工知能ー脳を模倣した役に立つ人工知能技術ー 第２回 機械学習の理論的側面 第３回 ヘルスケアとＡＩ 第４回 人工知能を活用した応用研究 第５回 深層学習フレームワーク 第６回 Applied AI Research using Spatiotemporal and Historical “Big” Data

47

センター長 辻井 潤一 副センター長 麻生英樹 副センター長 宮本晃之 企画チーム長 松尾豊（東京大学）

実世界に埋め込まれるAI

人間と協働して問題解決するAI

付録

48

1971.4 京都大学大学院修士課程入学（研究室：坂井利之教授） 1973.4 京都大学工学部助手（研究室：長尾眞教授） 1979.6 京都大学大学院工学研究科助教授（研究室：長尾眞教授） 1981.6 -- 1982.4 CNRS(Center National de la Recherche Scientifiquie、グルノーブル、フランス) 招聘上級研究員 1988.11 マンチェスター大学教授 (University of Manchester Institute for Science and Technology) 1992.3 – 1995.6 マンチェスター大学計算言語学センター(CCL)、 センター長 1995.6 東京大学大学院理学系研究科教授 2005.7 マンチェスター大学教授（兼務） 英国国立テキストマイニングセンター(NaCTeM)、センター長（兼務） 2008.3 英国国立テキストマイニングセンター(NaCTeM)、研究担当ディレクター（兼務） 2011.4 マイクロソフト研究所（北京） 首席研究員 2015.5 産総研人工知能研究センター センター長 2016.4 マンチェスター大学 教授（兼務）

略歴 辻井潤一

京大 15年

マ大 ７年

東大16年

マ大 6年

京都大学 １５年 マンチェスター大学 １３年 東京大学 １６年 マイクロソフト研究所 ４年

人工知能研究センター 1 年

MSR 4年

AIRC 1年

49

• 1988年 - 日本IBM科学賞 • 2000年 - 香港SEYF招聘教授賞 • 2004年 - 大和エイドリアン賞 • 2005年 - IBM Faculty Award • 2008年 - 人工知能学会業績賞 • 2010年 - 情報処理学会Fellow、紫綬褒章 • 2012年 - 船井業績賞 • 2014年 – ACL Fellow • 2015年 - 大川賞 • 計算言語学会会長（ACL) 会長 （2006年） • 国際計算言語学会（ICCL） 会長 （現在） • ACL会議議長（2003年）、Coling会議議長(2014年)など

50

知識情報研究チーム 中田亨

Knowledge and Information Research Team

生活知能研究チーム 西田佳史

Living Intelligence Research Team

確率モデリング研究チーム 本村陽一

Probabilistic Modeling Research Team

脳型人工知能研究チーム 中田秀基

Brain-like Artificial intelligence Research Team

人工知能応用研究チーム 村川正弘

Artificial Intelligence Applications Research Team

人工知能クラウド研究チーム 小川 宏高

Artificial Intelligence Cloud Research Team

機械学習研究チーム 瀬々潤

Machine Learning Research Team

地理情報科学研究チーム 中村良介

Geoinformation Science Research Team

計算社会知能研究チーム 野田五十樹

Computational Social Intelligence Resarch Team

サービスインテリジェンス研究チーム 西村拓一

Service Intelligence Research Team

オーミクス情報研究チーム 光山統泰

Computational Omics Resarch Team

インテリジェントバイオインフォマティクス研究チーム 富井健太郎

Intelligent Bioinformatics Resarch Team

人工知能研究センター チーム構成

人工知能研究センター 客員研究員等 大阪大学 准教授 荒瀬 由紀 自然言語処理

ソニーコンピュータサイエンス研究所 磯崎 隆司 確率モデリング

情報学研究所 准教授 市瀬 龍太郎 オントロジー学習

電気通信大学 教授 植野 真臣 確率モデリング

玉川大学 教授 大森 隆司 認知モデル

東北大学 准教授 岡崎 直観 自然言語処理

早稲田大学 教授 尾形 哲也 知能ロボティクス

東京大学 教授 岡田 真人 スパースモデリング

東京工業大学 教授 樺島 祥介 情報統計力学

筑波大学 講師 川島 英之 データベース、トランザクション

慶応義塾大学 教授 櫻井 彰人 統計的機械学習

東京大学 教授 杉山 将 統計的機械学習

大阪大学 准教授 鈴木 譲 確率モデリング

筑波大学 助教 善甫 啓一 人間行動計測，アレー信号処理

東京大学 教授 田浦 健次朗 並列処理

東京工業大学 准教授 高村 大也 自然言語処理

東京大学 准教授 鶴岡 慶雅 自然言語処理、ゲームAI

沖縄科学技術大学院大学 教授 銅谷 賢治 計算論的神経科学

東京大学 教授 中川 裕志 統計的機械学習、プライバシー保護

統計数理研究所 所長 樋口 知之 確率モデリング、データサイエンス

お茶の水女子大学 准教授 戸次 大介 理論言語学、計算言語学

東京大学 准教授 松尾 豊 Webマイニング、特徴表現学習

北海道大学 教授 湊 真一 離散構造処理

東京大学 准教授 美馬 秀樹 自然言語処理

豊田工業大学 准教授 三輪 誠 自然言語処理

早稲田大学 教授 村田 昇 統計的機械学習

統計数理研究所 准教授 持橋 大地 自然言語処理、確率モデリング

株式会社ドワンゴ人工知能研究所 所長 山川 宏 全脳アーキテクチャ

筑波大学 准教授 山口 佳樹 計算機アーキテクチャ、FPGA

電気通信大学 助教 山崎 匡 計算論的神経科学

大阪大学 教授 鷲尾 隆 データマイニング、機械学習

はこだて未来大学 教授 松原 仁 人工知能、ゲームAI

はこだて未来大学 前学長 中島 秀之 人工知能、マルチエージェント

国立研究開発法人新エネルギー・産業技術総合開発機構（NEDO) PM 関根久

委託

株式会社国際電気通信基礎技術研究所 石井 信 副所長、他 ①計算神経科学に基づく 脳データ駆動型人工知能の開発

委託

共同研究

③次世代人工知能基盤技術研究開発

再委託 再委託

②次世代人工知能フレームワーク研究・先進中核モジュール研究開発

①大規模目的基礎研究・先端技術研究開発

再委託 再委託

再委託

再委託

再委託 再委託 再委託 再委託 再委託

再委託 再委託 再委託

国立大学法人 大阪大学 松下 康之

②-(2) 先進中核モジュールの研究開発

国立大学法人 東京大学 坂田 一郎

②-(1) 次世代人工知能 フレームワークの研究開発

国立大学法人 大阪大学 原田 研介

②-(2) 先進中核モジュールの研究開発

国立大学法人 金沢大学 辻 徳生

②-(2) 先進中核モジュールの研究開発

国立大学法人 電気通信大学 山崎 匡 ①-(1)-(c) 人工運動野の 研究開発

学校法人中部大学 中部大学 藤吉 弘亘

②-(2) 先進中核モジュールの研究開発

国立大学法人 京都大学 大羽 成征 ①-(1)-(c) 人工運動野の 研究開発

学校法人梅村学園 中京大学 橋本 学

②-82) 先進中核モジュール の研究開発

国立大学法人

奈良先端科学 技術大学院大学 松原 崇充

②-(2) 先進中核モジュールの研究開発

国立大学法人 九州工業大学 大屋 勝敬

③-(6) 自動運転タスク

学校法 千葉工業大学 竹内 彰一

【研究開発項目】 ③-(2)画像解析タスク

国立研究開発法人産業技術総合研究所 PL :辻井潤一研究センター長 ①大規模目的基礎研究・先端技術研究開発：

一杉、中田（秀）、麻生、岡田真人*、宮尾祐介*、市瀬龍太郎*、松尾豊* ②次世代人工知能フレームワーク研究・先進中核モジュール研究開発 小川、西田、野田、岩田、原田研介* ③次世代人工知能共通基盤技術研究開発

本村、西村、中村、中田（亨）、長野、佐々木

学校法人玉川学園 玉川大学 大森 隆司 ③-(4) 対人インタラクションタスク

国立大学法人 信州大学 山崎 公俊

②-(2) 先進中核モジュールの研究開発

大学共同利用機関法人情報・システム研究機構 国立情報学研究所 稲邑 哲也 ②-(1) 次世代人工知能 フレームワークの研究開発

53