Deep Learningを用いた画像判別は解決したタスクとして認識されているが、サービス化に際しては実用に足る性能を発揮するために数多くの困難が存在する。 クックパッドにおける料理きろくサービスを題材として、料理画像判別におけるアーキテクチャの工夫と出力クラス数の調整や物体検出との組み合わせなどによる総合的な判別性能向上に関して解析した結果とその効果を報告する。

アメリカンフットボールは，戦略を立てる上で過去試合の記録が重要となる一方，試合分析のための膨大な作業時間が必要となる．本研究では，この作業時間の削減を目指し，手始めに，攻撃の要となるオフェンシブライン選手のブロック動作の自動分類を行う．畳み込みニューラルネットを用いて，入力（最大16枚のフレーム画像）から，6通りのブロック動作に対応するラベルを出力する．

Although attention-based Neural Machine Translation have achieved great success, attention-mechanism cannot capture the entire meaning of the source sentence because the attention mechanism generates a target word depending heavily on the relevant parts of the source sentence. The report of earlier studies has introduced a latent variable to capture the entire meaning of sentence and achieved improvement on attention-based Neural Machine Translation. We follow this approach and we believe that the capturing meaning of sentence benefits from image information because human beings understand the meaning of language not only from textual information but also from perceptual information such as that gained from vision. As described herein, we propose a neural machine translation model that introduces a continuous latent variable containing an underlying semantic extracted from texts and images. Experiments conducted with an English–German translation task show that our model outperforms over the baseline in METEOR score.

近年，主に画像生成などの分野で深層生成モデルが注目されている．これらのモデルを理解するためには獲得された表現を明らかにする必要がある．我々は，深層生成モデルである変分オートエンコーダーのサンプリングダイナミクスが，多数の学習させた入力パターンの中心，”概念”に一度近づいたあとそれぞれの記憶パターンへ遷移することを示す．本発表では深層ネットワークモデルについて指摘されている仮説も合わせて議論したい．

マルチモーダル学習では，いずれかのモーダル情報がほとんどなかったり，ラベル情報が少なくなることが多い．本研究では，ラベル情報や任意のモーダル情報が少ない場合でも効果的に学習できる，深層生成モデルを用いたマルチモーダル学習手法を提案する．マルチモーダルデータセットによる実験で，本手法の有効性を検証する．

近年，深層強化学習研究の進展は目覚ましい．しかし，多くの研究はオンラインでの学習に焦点を当てている．実際の応用では，人間のオペレータによる最適に近い操作データをオフラインの事前学習に活用できる可能性がある．本研究では，オフラインで事前学習した深層強化学習の方策を分析する．実験では，方策関数を教師あり学習した後にオフライン強化学習する事前学習法が収束速度や安定性の向上に有効であった．

本論文は、画像で提示された組み合わせ最適化問題をドメイン非依存に解くためのサブシンボリック・シンボリック複合システムを提案する。 このシステムは、Gumbel-softmax分布を持つVariational Autoencoderを使用して入力画像から記号的組合せ最適化問題を生成し、 ドメイン非依存な自動行動計画ソルバで問題を解き、答えとなるシンボリックな計画を画像に戻して視覚化する。

ドメイン不変な特徴の学習はユーザや環境などの入力ドメインの違いに依存しないモデル構築の方策の1つである．本稿では敵対的訓練を利用したドメイン不変な特徴の学習法を提案する．提案手法では特徴空間からドメインを分類する敵対的分類器を考慮し，敵対的分類器を騙すように訓練することで特徴量がドメインに独立になるように明示的に制約を加える．本発表では公開されたデータセットでの提案手法の有効性について報告する．

バッチ正規化（BN）と呼ばれる最適化手法はNeural Networkの学習効率を劇的に向上させるため大きく着目されている．定性的な議論および実験的な観測から，BNは自然勾配法（NG）との関係性が指摘されているが，厳密な数理的原理は不明である．本研究ではNatual Neural Networkと呼ばれるNGの実現方法とBNの類似性に着目し，BNがどの様にNGを近似しているのかを数理的に議論する．

本発表では、深層学習による特徴量の生成と進化的な仕組みについて議論する。まず、特徴量の生成と自己保存の双対性について述べる。次に、自然界においては、環境における最適化を進化で行う場合と学習で行う場合があり、それらの区別がどこに由来するのか、さらにその方向が学習に傾いていることを述べる。

Deep Knowledge Tracing等の従来の知識獲得予測研究では，人間が作成した知識分類が所与のものとされていた． 本稿では，生徒の学習効率最適化という目的の上では，知識分類自体も最適化されるべきだという前提に立ち，DKTの過程で知識分類を自動抽出することを目的とする． 抽出された知識分類を用いることで，既存の知識分類を用いる場合よりも高い精度で知識獲得を予測できることが検証された．

Although generative adversarial networks (GANs) have achieved state-of-the-art results in generating realistic looking images, models often consist of neural networks with few layers compared to those for classification. We evaluate different architectures for GANs with varying depths using residual blocks with shortcut connections in order to train GANs with higher capacity. While training tend to oscillate and not benefit from additional capacity of naively stacked layers, we show that GANs are capable of generating images of higher visual fidelity with proper regularization and simple techniques such as minibatch discrimination. In particular, we show that an architecture similar to the standard GAN with residual blocks in the hidden layers consistently achieve higher inception scores than the standard model without noticeable mode collapse. The source code is made available on https://github.com/hvy/gan-complexity.

オントロジー構築では空白部分の補完のために単語間の関係の予測が重要である。 RDF上の単語と関係性を埋め込み予測を行う仕組みとしてはTransEやTransRがある。 本研究ではRDFのトリプルのうち主語と目的語を入力、述語を出力とするDNNを用いて学習を行った。実験の結果、主語と目的語から述語を予測するというタスクにおいてTransEやTransRなどよりも高い精度を得ることができた。

ネットワークの枝刈りとK−Means法を用いたエッジの重みの量子化によりネットワークの圧縮を行う。 圧縮に必要なパラメーターを変化させた時、ネットワークの精度がどのように変化するかについて考察する。 またエッジの重みの量子化にX-Means法を用いた時のネットワークの精度を、K-Means法を用いた時と比較し考察する。

CNNの強力な識別性能の一端は，表現学習と呼ばれる，入力データを効率よく表現する特徴量を学習から獲得することにあると言われている．しかしながら誤差逆伝播法によって学習するCNNでは，入力に近い層の表現学習が弱いという問題があった．本研究ではより強力な表現学習を行う競合学習をCNNに統合するモデルを提案し，その検証を行った．本手法によって多様なデータへのCNNの適用が可能になると期待される．

我々は他人との会話の中で,時間・場所や話題,人間関係など多様な発話状況を暗黙に了解して発言を行う．本研究では，汎的な対話モデルと発話状況に依存する対話モデルを統合し，これを同時に学習・運用するニューラル対話モデルを提案する. 実験では，Twitter から収集した対話データを用いて提案手法の有効性を検証する．応答選択テストを用いた評価により，提案手法の有効性を確認した．

我々は，暗黙的確認により対話システムの知識にない単語（未知語）の獲得を行う手法の開発に取り組んできた．システムは未知語のクラスを含めた暗黙的確認要求をユーザに対して行い，ユーザの応答からその内容が正しいとわかった場合に，そのクラスを獲得する．本論文では，ユーザの応答などに基づいて正しい確認要求を抽出する手法と，同じ確認要求に対する複数の抽出結果を用いてより確実に知識を獲得する手法とについて述べる．

会話は，工夫して行えば，高齢者の認知機能低下を防ぐ効果が期待できる．しかし，一人暮らしの高齢者は，自宅において生活の中で会話する機会が少ないため，認知機能低下の危険性が高まる．本研究では，ロボットを用いて，自宅で一人でも認知機能訓練としての会話ができるよう支援する，対話型共想法支援システムを開発する．本稿では，ロボットが提供した話題に対する質問に応答する機能を実装し，評価したので報告する．

近年，表情，音響的特徴，発話文字列の情報を総合して発話者の感情推定を行う手法が提案されている．しかし，「半笑いで褒める」のように各情報源からの推定結果が食い違うことが意味を持つ状況も存在する．このような状況を捉えるため，本研究では表情，音響的特徴，発話文字列からの感情推定を並列かつリアルタイムに行うシステムを構築した．本稿では提案システムの構成および各感情推定処理の評価結果について述べる．

RPGにおいては仲間NPCと共に旅をすることが多く，仲間NPCとの対話等のコミュニケーションはゲームへの没入感に影響を及ぼすと考えられる．本研究は，NPCとプレイヤー間の対話において，一方的な対話である印象をプレイヤーに与えず, 話しやすいと感じさせる仲間NPCの作成を目指す．具体的には，仲間NPCは選択肢式の人との対話を通して，対話における適切な主導の交代のタイミングを強化学習により獲得する．

人と会話ロボットが会話をする際，従うべき会話プロトコルを身体動作の観点から整理するとともに,会話プロトコルに配慮することなく容易にコンテンツを設計できることを目的としたロボットシステムアーキテクチャを提案する.整理した会話プロトコルの有効性を明らかにするため，提案アーキテクチャを用いて人の会話参加状態を考慮した振る舞いをする２種類の会話ロボットの実装を行う．

現在の雑談対話システムでは、雑談で観測される幅広い話題の間の連続性を正しく認識することが容易でないため、文脈とつながらない話題を発話し対話を破綻させてしまう問題がある。一方、ロボットを複数体化することで、ユーザ発話中の話題に対する応答義務が緩和されるため、話題の連続性に対する要求を低減させ、破綻を回避できると予想される。本研究では、このロボット複数体化による対話破綻回避効果について分析を行う。

本論文では，雑談対話ログから，話者の潜在的な興味対象を推定する手法について検討した．対話ログを入力とし，その対話ログには出現していない名詞に対し，話者の興味の有無の推定するモデルを提案する．モデルは二種類のNNからなり，それらは一つの損失関数によりパラメータが更新される．実験では対話の前半部を入力とし，同じ対話の後半部に出現した名詞に対し，話者の興味の有無を推定することでモデルを評価した．

近年，チャットボットによる自然文でのFAQ応答システムのニーズが増えている．事前に用意されたFAQは想定質問と回答の対の集合からなり，FAQ応答システムとしては，入力された質問に対して，最も適切な回答をFAQから返すことが望まれる．本稿では，弊社のプロダクトであるAI MessengerにおけるチャットボットによるFAQ応答モデルについて提案手法を紹介し，Watsonとの比較実験の結果を示す．

対話システムでは発話を生成するためにどのような発話に対してどのように答えるか，という知識が必要になる．本研究ではtweetのreply対から，発話役割を考慮した入力された発話に対する返答パターンの獲得を試みる．

対話シナリオを構築する際，シナリオ作成者は対話システムが発話した質問に対して，ユーザの回答を予測してルールを記述する．しかしながら，雑談をはじめとしたオープンドメイン対話のシナリオでは，ユーザの回答内容は多岐にわたる事が多く，シナリオ作成者が回答を予想することは困難である．本論文では，対話シナリオの質問文と，いくつかの回答例を与えることで，その質問の回答を多数予測して提示する技術を提案する．

We propose a dialogue management model based on a set of specific conversational strategies, namely communication strategies and "affective backchannels" in order to foster embodied conversational agents’ ability to carry on conversations that are effective in enhancing learners’ willingness to communicate in English.

本研究の目的は，システムとユーザがインタラクティブに質問応答を繰り返しながら会議に関する情報を分析し，探索的に議事録を生成するシステムの実現である．本システムを実現するためには，ユーザに情報探索のための新たな視点を与え，意図の抽出や，要約，観点の切り替えといった様々な操作を実現する必要があった．本稿では，階層的順序構造(木構造)に基づく構造化と，木構造を用いた柔軟な情報抽出の方法について検討する．

本稿では、機械学習を学ぶための対話型チュータリングシステムの開発方針について報告する。本システムは基本概念の説明後、ユーザに理解している内容を問いかけ、補足説明が必要であるか、振り返りが必要であるかなどの判断を行って、対話的に学習を進める。また、基本概念の説明中にも専門用語に関する質問を受け付け、学習者の理解をより確実なものとする。

近年，人とロボットのインタラクションに関する研究が多く行われている．ロボットが人と効果的にインタラクションを行うためには，リアルタイムに人の感情を推定し，それに応じた行動をとることが重要であると考えられる．そこで本稿では，画像認識技術を用いて，表情と身体動作から人の感情をリアルタイムに推定する感情推定手法について検討する．

将来、家庭用ロボットが家庭に普及することが想定される。ロボットはマルチモーダル情報を観測し、人とのコミュニケーションを実現する。本研究では、ロボットと人とのそのようなコミュニケーションのログから人の言動を把握し、見守りを行うシステムの開発に取り組む。

ロボットが人間と自然なインタラクションを行うには事前に指定された固定の動きではなく，外界からの刺激に対して即座に応答する随伴性が求められる．しかし従来の複雑な随伴性行動生成モデルでは行動の追加や修正が困難であり，一方で単純なモデルでは十分な表現力がないという問題がある．本研究は優先度付けと重み付き平均化の２段階で振る舞いを統合するアーキテクチャを提案し，より簡潔で汎用性の高い行動設計を実現する．

ロボットの複数体化により子供に高度な対話感を与えることによって，子供の学びがより促進されるのではないかという仮説を検証するため，複数ロボット対話システムを構築し，複数ロボットとの対話と単体ロボットとの対話の影響を比較する実験を行った．その結果，被験者は複数のロボットとの対話の方が，ロボットが被験者の意見を正しく理解し，ロボットの対話で分からない部分が少なく，勉強になったと感じたことを明らかにした．

近年，教育支援ロボットが注目されている．従来研究では，学習者がロボットとの学習に飽きてしまうという問題点を解決するために，ロボットの表情変化によって学習者に共感するような感情を表出する感情表出法が提案された．しかしこれまで，ロボットの身体動作に対応できる感情表出法は報告されていない．そこで本稿では，ロボットの身体動作による感情表出法について，基礎的実験を通して検討する．

散文は基本的には「理由・原因（動作・状態）＋随伴主動作＋結果（動作・状態）」という三つの要素を揃えて「論理的納得」を与えようとする．和歌・短歌・俳句なども「論理的納得」を基礎とするが，様々な詩的技巧をこらして「感覚的共感」を与えようとする．和歌・短歌・俳句の論理的な言い換え散文を参考にして，韻文による共感喚起の手法を探ってみる．

一般的な小説における会話文では、話者の情報は必ずしも明示されず、読者が様々な背景的情報を勘案しながら解釈して読み進めることが前提とされている。一方会話文の機械的な意味処理を行うためには話者や聴者の情報は必要不可欠である。そこで機械的な会話文の処理に利用可能な話者やその種々の属性情報を付与したタグ付コーパスを現代日本語書き言葉均衡コーパスのランダムサンプリングをベースに開発した。

従来の昔話に当てはめた物語構造分析を、恋愛漫画を対象としてきっかけ、出会い、別れ、すれ違いなどのイベント、イベント毎の心理状態、具体的な行動などを調べ、恋愛という限られた状況における典型的なストーリーのパターンを定式化することを目指す。恋愛におけるストーリー展開、セリフの効果、イベントにおける対応方法などを分析することにより、恋愛だけでなく一般的なコミュニケーションへの応用について考察する。

歌舞伎を総合的物語として見ると，それは人物，出来事等多様な要素を多重的に含む物語であり，更に各要素はそれぞれの物語を内蔵させている．これを筆者は歌舞伎の多重物語構造と呼ぶ．本研究では，歌舞伎の多重物語構造の全体像の調査・分析結果を示し，以前から構想を示していた芸能情報システムを歌舞伎の多重物語構造を具体的に構成・シミュレートするシステムとして再構成する．特に歌舞伎の「人物」に関する稼働実験を示す．

ここで事象連鎖とは意味的にまとまりのある複数事象の時間的連鎖のことを言う．開発中の統合物語生成システムにおいて従来物語に関する諸知識を手作業で入力していたのが問題であった．本研究ではその自動獲得研究の一環として「青空文庫」中の作品群に含まれる動詞列を対象にN-gramを活用した事象連鎖の自動獲得を行い，従来開発したスクリプト半自動構築ツールを用い統合物語生成システムで利用可能なように格構造化する．

本研究の目標は俳句から物語を生成する仕組みを作り開発中の統合物語生成システムで利用することである．ここではまず，芭蕉らの俳句とその注釈をもとに人間が解釈文章を記述，これを人手で意味ネットワーク化し，意味ネットワークから元々の解釈文章に近い文章生成を統合物語生成システムで行う．将来的には俳句からの意味ネットワークの自動生成及び統合物語生成システムの入力としてのこの意味ネットワークの利用を目指す．

本研究は開発を進めて来た統合物語生成システムと関連する．ここで属性とは統合物語生成システム中に格納された名詞概念における特徴や性質を言う．ここではWikipediaの文章を再帰的に分析することで属性の自動獲得方法を提案する．これにより物語生成における説明・描写表現の詳細化等が可能になる．本研究では特に，統合物語生成システムを用いて開発中の物語自動生成ゲームを素材に獲得された属性の利用実現を行う．

物語の基本構造を抽象化するため、星新一のショートショート200作品のオチを分類し、逆転的事象の種類と要因を記述したデータ構造を作成した。オチの分類タグとして[状況設定判明][正体判明][利益喪失]など20前後、逆転のタグとして[人物の立場:被害者>加害者]など10前後を用意し、ケーススタディ分析を行った。今後タグの内容を精査し物語自動生成プログラムの基礎データとする。

物語は知識伝達の方法でもある．その性質に着目して，物語生成プログラム群と人々の物語を介した相互作用としての，共創型物語生成システムの構築に向けた研究を進めている．この中の一個体としての物語生成プログラムには，他者の物語を一般化して内部に統合・知識化することで漸次的に生成能力を形成する，一種の学習能力が求められる．本発表では，そのための知識モデルとして，物語スキーマベースの概念と仕組みを提案する．

In order to prevent declining cognitive functions, coimagination method is developed. This method is to train the episodic memory function of participants by carrying out group conversation based on photos, with designated time limit and theme. We study the mental time of participants in order to determine the memory function utilized by participants during conversation. Mental time is a time consciousness of human over past, present and future. And with the purpose of training the recent episodic memory function, mental time travelling to the “Past” for a long time is undesirable. In this study, we propose the method to classify mental time into “Past”, “Present” and “Future” by using three temporal elements which are speech, event and photographing time. Speech time is the time of coimagination method was carried out or the talking time, while event time is the time related to the contents of utterances and photographing time is the time of photo was taken. The relation of these three temporal information is connected with “before”, “after” and “at the same time”. By using the relation of three temporal elements, we classify the mental time of participants and plot the graph of mental time travelling.

テクストを軸にモビリティとナラティブの類縁性を探る研究の成果として発表する。物語における移動の表現や技法は様々なレベルの「意味」ネットワークと位置付けることができる。本研究は、テクストの出現地点を実世界に求め、路面電車の停留所や乗客の移動ルートを順序付けて生成される痕跡を広義のテクストと考える。実世界の街をテクスト生成の場として、移動やナビゲーションを読む行為、書く行為との対比によって検討する。

公平配慮型データマイニングとは，ある指定した特定の情報を利用しない制約下でのデータ分析のことであり，社会的公正性の観点から望ましくない情報に依存しない決定などをめざす目的で研究されている．2013年にこの分野を紹介したが，その後の研究の進展をここでは紹介する．

本発表では，ネオ・サイバネティクスの理論に依拠しながら，人工知能に関わる倫理的問題の整序-再編を目指す。社会的な領域では人工知能は公正さや公知性を保ちながら社会システムの継続・改善に資することが求められるのに対して，個人的な領域では人工知能の利活用というよりもオートポイエティック・システムとしての相手への配慮が引き続き求められる。人工知能が普及した社会では，こうした複眼的な倫理的観点が欠かせない。

本試論では、自動運転の車のようなオープンな環境で利用される人工知能を搭載された人工物の製造物責任について検討する。オープンな環境における責任を議論するためには、様々な事態と付随するリスクを認識し、製造者と利用者が適切に分担する枠組が必要になると考えている。本論では、トロッコ問題を例にとり、製造者と利用者がリスクを適切に認識するための枠組とその実現のための人工知能の果たすべき役割について考察する。

近年の技術進歩に伴い，様々な製品やサービスにおいて人工知能技術の導入検討が行われている．一方で人工知能技術の導入判断時には，人工知能技術の評価や検証に特有のバイアスが存在し，適切な人工知能技術の利用を阻害する導入判断が下されるリスクが存在する．本研究では，意思決定者が人工知能技術の導入判断時にとらわれがちなバイアスと誘発される問題点について整理し，適切な導入判断を推進するための方法論を検討する．

逐次データ追加がある状況下で，追加されるデータの情報に基づき独立な話題を修正する方法を提案してきた．本報告では，提案手法によって修正された独立な話題が，逐次追加されるデータが増加するに従って，全てのデータを用いて抽出した独立な話題にどのように近づいていくのかを複数のベンチマークデータに適用した実験によって確認する．