Gradient descent, which helps to search the global minimum of a complex (high dimension) function, is widely used in the deep neural network to minimize the total loss. The representative methods: stochastic gradient descent (SGD) and ADAM (Kingma & Ba, 2014) are the dominant ones to train neural network today. While some sensitive hyper-parameters like learning rate will affect the descent speed or even the convergence. In previous work, these hyper-parameters are often fixed or set by feedback and experience. I propose using reinforcement learning (RL) to optimize the gradient descent process with neural network feedback as input and hyper-parameter action as output to control these hyper-parameters. The experiment results of using RL based optimizer in both fixed and random start point shows better performance than normal optimizers which are set by default hyper-parameters.

Convolutional variants of recurrent neural networks, ConvRNNs, are widely used for spatio-temporal modeling. Although ConvRNNs are suited to model two-dimensional sequences, the introduction of convolution operation brings additional parameters and increases the computational complexity. The computation load can be obstacles in putting ConvRNNs in operation in real-world applications. We propose to reduce the number of parameters and multiplications by substituting some convolutiona operations with the Hadamard product. We evaluate our proposal using the task of next video frame prediction and the Moving MNIST dataset. The proposed method requires 38% less multiplications and 21% less parameters compared to the fully convolutional counterpart. In price of the reduced computational complexity, the performance measured by for structural similarity index measure (SSIM) decreased about 1.5%. ConvRNNs with reduced computations can be used in more various situations likein web apps or embedded systems.

三次元点群の分類課題を解決するためのディープラーニングネットワークフレームワークを提案する。 異なる機能に従って、ネットワークは再標本化ブロック、変換ブロック、局所特徴適合ブロック、および分類ブロックに分けることができる。 点群に基づく他の分類方法とは異なり、我々は局所的な点群を当てはめて分類層に入るための局所的な特徴として当てはめ関数を使うことを試みる。 単純ではあるが、局所特徴適合学習ネットワーク（LFFLN）は非常に効率的かつ効果的である。 これは、ModelNet40で優れた性能を発揮します。

Recent studies in affective computing have facilitated and stimulated the development of systems and sensors that can recognize and interpret human affects. Affective computing has been applied in various domains, and one of the applied domains is in the marketing area to increase the consumers' appeal and attraction. In particular, advertisements (ads) can convey amounts of information in a short time. Therefore, using physiological responses can help to acquire a user's feedback and obtain an advantage. This study proposes non-invasive affect recognition in each scene of an advertising video using electroencephalogram (EEG), electrocardiogram (ECG) and eye-tracking. The preliminary analysis of EEG shows the relationship between scene feeling score and emotional affects regarding physiological responses. Hence, we also trained two types of recognition models: window recognition and sequence learning. The models learned from the physiological responses and questionnaires on a user's preference in each ad scene.

Recently, the use of deep learning in data assimilation has been gaining traction. One particular time series model known as deep Markov model has been proposed, along with an inference network that is trained together using variational inference. However, the original paper did not address the full capability of the model in data assimilation problem. Therefore, we aim to evaluate the suitability of a deep Markov model and its inference network against a chaotic dynamical system, which often shows up as a problem in data assimilation. We evaluate the model in various generative conditions. We show that when information about part of the target model is known, the model is able to match the capability of a smoothed unscented Kalman filter, even when there are process and observation noise involved.

With the proliferation of wearable devices and the inflow of new health data, artificial intelligence is expected to revolutionize the field of wellness and health management by providing potential tools for analyzing harmful conditions like prolonged stress. Currently, one of the standard measurements used by medical practitioners to measure stress is heart rate variability (HRV), a set of numerical indices that reflect autonomic balance. However, recent advances in machine learning have shown that learned features tend to outperform hand-crafted features. In this work we propose a more expressive intermediate data representation based on Lomb-Scargle periodograms combined with the feature learning capabilities of deep learning. Using stress data from naturalistic work activities, we tested different shallow and deep learning architectures and show that significant improvements can be achieved compared to traditional HRV indices. Results show that models trained on our spectral-temporal representation significantly outperform models trained on traditional HRV indices for predicting naturalistic work stress.

本稿は未来共創を促進する「フューチャー・プロトタイピング手法」を提案するポジション・ペーパーである．この方法論は市民ワークショップでの使用を想定し，参加者が未来コンテキストを議論し共創するためのシミュレーション・プラットフォームである．また，未来におけるwell-being の議論における考えの変遷過程を明らかにしモデル化する．この研究は，人工知能研究にとっては倫理問題に対する1つのテーゼの提示として貢献する．実務的な貢献としては，将来へのニーズに基づいて未来を示すツールとして位置付ける．私たちは「より良く生きる」ということは、現世代だけではなく将来世代にとっても，「良く生きる」ことであり，幸せな状態ではないかと想定するためwell-beingを重視する．また，未来を考える際，人は自己を超えた将来的な考え方にある時点で変わる場合があるが，その変化によって社会も変わるのではないかと思うため，思考過程も重視する．考えの変化を起こすものが，この方法論であり，方法論の特徴としての創作ストーリーである．本稿においては，研究の概要，先行研究とリサーチ・クエスチョンを提示し，本研究の新規性を述べる．

本発表の目的は，ネオ・サイバネティクスの理論に依拠しつつ，EU議会における電子人間の提言への懸念を示し，AIネットワーク環境下の集合的責任ともいうべき考え方を考察することである。電子人間を制度的に確立しなくとも，集合的責任の制度構築により補償は可能である。近年のコンピュータ技術の動向を鑑みるに，特定の人や組織に責任を帰属できない場合が想定される。その場合は，被害者を救済し，開発者・利用者の萎縮を引き起こさないために集合的責任の導入が求められる。ただしAIネットワーク状況下における責任のありようは，集合的責任のみだけは不足である。特定の人や組織の瑕疵が明確である場合は，そこに責任を帰属させることが望まれる。これは近代以降の慣習になっており容易に変えることが難しいうえ，開発者・利用者の故意の過失もしくは怠慢，責任感の減退を防ぐためには，また技術を改善する動機の維持のためには必要であると考えられる。

本稿では、2015年2月より開催されているAI社会論研究会の社会的な役割について検討を試みる。人AIが社会に浸透し、大規模に人々とAIが混在する社会が形成されるにつれて予期し難い影響が生じるのであれば、あらかじめ多くのステークホルダーとの対話の中でリスクや不確実性を回避することが求められる。人とAIが織りなす新たなエコシステムを検討するには、限られた分野に閉じた議論ではなく、分野共創、マルチステークホルダー、調和 などのキーワードとともに、異分野が対話する‘場’の設計が新たなエコシステムのフレームワークとして有効である。AI社会論研究会は、これまでAIと社会の接点としての、その場を担っているとすれば、どのような効果をAI技術と社会のあり方の議論に波及してきたのかをAI社会論研究会の特徴である「HELPS」を指標に取り入れ、その議論とステークホルダーの多様性を中心に分析し、今後のあり方についても示唆する。

We discuss how we can consider an online gaming space as an online society. We also consider how we can implement AI that can tolerate rapid transformation of the society. An online community is one of the appropriate platforms for demonstration experiment of catastrophe-control AI, and we will explain the reasons.

近年、急速に発展するAIの技術に対し、社会的受容が追い付いていない。特にパーソナルデータの活用については、人々に利便性をもたらし、生活を豊かにするメリットがあると共に、ユーザーに不利益をもたらリスクも含有している。このような不確実性の高い技術の活用には、社会的合意形成が必要とされる。合理的な合意形成を実現するためには、意思決定の主体の多様性、必要な情報の開示、選択肢の多様性、意思決定のプロセスの透明性が必要である。本稿では、パーソナルデータ活用の課題を概観し、社会的合理性を担保する合意形成の方法について考察する。

本報告では、AIが法制度に影響を与える場面の、特に人間の意思が問題となる契約に着目し、その解決手法としてAIを代理法における代理人として扱う考え方について検討する。AIが法制度に影響を与える理由として、近代以降の法制度が個人の自由意思と自律に基づき主体としての人間と客体としての非ー人間という区別が、AIの在り方となじまないことを議論する研究者がいる。このような考え方をもとに民法領域を考えてみると、特に人間の意思にもとづいて法律効果が生じる契約は重大な問題を孕んでいる。本報告ではこの問題について米国において議論がみられる代理法における代理人としてAIを解釈する学説を検討した。この説は一定の批判があるものの、ローマ法における奴隷や企業の応用的な概念で社会実装の可能性はある。しかしながら、日本法への導入はなお困難が伴う。

オンラインニュースサイトには，読者の議論の場としてコメント欄が設けられているものがある．そこでは，コメントを肯定的な読者評価が多い順にランキング(順位付け)し，読者に優先的に提示しているが，コメントの良さが平等に評価されていないという問題点が知られている．良いコメントを直接ランキングする研究も行われているが，分類器の精度が高くないという課題が残されていた． 一方で，分類器のアンサンブルはモデルの精度を向上させる手法として広く知られている．最近では，要約タスクにおいて，モデル間の類似度を用いてモデルの多数決をとることで高速に動作し，かつ高い精度が得られたという報告がある．我々はドメインの性質から，コメントのランキングに，この類似度を用いた多数決によるアンサンブルモデルが適用できると考えた． そこで本研究では，ランキングの評価指標を用いて記事毎にモデルの重要度を変化させる，多数決ベースの教師なしアンサンブル手法を提案する．ニュースコメントの建設的度合いをランキングするタスクの実験を行い，結果として，モデルの出力を評価指標の値で重み付けや取捨選択することで既存手法を上回る精度を達成した．

本研究では，47都道府県の地方議会会議録コーパスと選挙結果を結びつけることにより，都道府県議会における各議員の発言内容（発言単語）が，次回選挙において当選予測を行う場合に有効な素性となるのかについての調査を行う． 我々は，以前から，都道府県議会の平成23年4月から平成27年3月までの会議録を対象として，発言者の表記ゆれを人手で対応づけたコーパスを作成しており，正確な分析を行うことができる． 本研究では，議会における発言内容に含まれる単語の出現頻度から，当選者と落選者に特徴的な単語を明らかにする． また，特徴的な単語を用いて，機械学習による選挙予測がどの程度可能なのか試みる．

本研究では，業務で行われる特許公報の細分化を支援するため，機械翻訳とラフセット理論を利用した特許公報システムを提案する．本手法では，機械翻訳で英語に翻訳することによる表記ゆれの削減，ラフセット理論における「属性の縮約」（クラスがお互いに識別されるために必要かつ十分な属性の組）を用いることによる語句の適切な絞込み，決定ルールを用いることによる語句関係の考慮を図る．本手法では機械翻訳を行った特許公報から抽出した特定の品詞の単語から構築した文書語彙行列から，尤度表とラフセット理論に基づく決定ルールを構築する．これらを利用し，新規特許の分類を行う．提案手法の有用性を評価するために，専門家の協力のもと検証を行った結果，ラフセット理論に基づく分類，尤度表を用いたナイーブベイズ分類ともに一定の精度をあげたことから，提案手法の有用性を示せた．

これまでで最も単純な文書分類器（The Simplest Document Classifier: SDC）を提案する. 文書分類器とは, 任意の文章を予め定められた一つ、もしくは複数のカテゴリに分類するものである。SDCは既存の深層畳み込みニューラルネットワーク(DCNN)を用いた方法と同等の分類精度を持ちながら, より高速に文書を分類できる. さらに, DCNNでは困難な, 分類結果導出過程の分析も可能である. SDCは, カテゴリ分類された各文章内に含まれる各単語に対し, その出現頻度に応じた重み付けをしながら学習する. 主要データベースである20 Newsgroups, Livedoor-news, IMDB, Twitterを用い, 現状最も優れたNNを用いた文書分類器fastTextとパフォーマンスを比較した. その結果, 学習時間, 分類精度においてSDCの優位性が実証された. また, Twitter文章を例に, 分類結果の導出過程を分析した結果, SDCが文書分類分析においても人が直感的に解釈しやすい内部パラメータを持つことが示された.

2020年からの大学入学共通テストでは，記述式問題が導入される予定である．コスト削減のため自動採点を行うシステムが求められている中，本論文では，LSTMとAttentionを用いた文書分類モデルを自動採点システムに組み込んだ場合の精度を検証する．評価実験では約1,200人分の解答データから，2つのデータセット(a),(b)を用意した．(a)は全解答データをランダムに分割して作成され， (b)は自動採点システムの出力結果から作成される．その結果，(a)の採点精度は0.91， (b)の採点精度は0.73という結果になった．

2048-like games are a family of single-player stochastic puzzle games, which consist of sliding numbered-tiles that combine to form tiles with larger numbers. Notable examples of games in this family include Threes!, 2048, and 2584. 2048-like games are highly suitable for educational purposes due to their simplicity and popularity. Numerous machine learning methods have been proposed for 2048, which provide a good opportunity for students to gain first-hand experience in applying these techniques. This paper summarizes the experience of using different 2048-like games, namely Threes! and 2584, as pedagogical tools for teaching reinforcement learning and computer game algorithms. With two classes of graduate level students, the average win rates for 2584 and Threes! reached 96.1% and 93.5%, respectively. The course designs were also well received by students, with 4.21/5 and 4.35/5 points from student feedbacks.

Onomatopoeia is a language that imitates sounds and state of things. In particular, Japanese onomatopoeia has the merit of being able to communicate intuitively and concisely. On the other hand, onomatopoeia is a language that is hard to understand for people who do not speak Japanese natively. Therefore, this paper aims at estimating the meaning of onomatopoeia to support Japanese learners. Towards this end, I design a learner that automatically classifies Japanese onomatopoeia into their semantic usage. The input feature of this learner is extracted by focusing on the sound symbolism which is assumed to be the most important property of onomatopoeia. Therefore, this paper proposes a method to extract features of onomatopoeia considering their phonotactics. In the evaluation experiment, the efficiency of the proposed method is demonstrated by the fact that the precision of the proposed feature classifier exceeded those of the existing research.

Artificial subtle expressions (ASEs) are machine-like expressions used to convey a system’s confidence level to users intuitively. So far, auditory ASEs using beep sounds, visual ASEs using LEDs, and motion ASEs using robot movements have been implemented and shown to be effective. In this paper, we propose a novel type of ASE that uses vibration (vibrational ASEs). We implemented the vibrational ASEs on a smartphone and conducted experiments to confirm whether they can convey a system’s confidence level to users in the same way as the other types of ASEs. The results clearly showed that vibrational ASEs were able to accurately and intuitively convey the designed confidence level to participants, demonstrating that ASEs can be applied in a variety of applications in real environments.

英語テキストに基づき人間の思考を模倣するためのプログラミング方法と、Ｐｒｏｌｏｇに類似した３つの例について述べる。それぞれの例は、ａ）ほぼ英語でありかつ変数有のテンプレートをもつそのようなタイプのプログラムと、ｂ）関連する質問と、ｃ）対応する模倣された人間の思考結果からなる。分離された単語と空白をもつ英語の「プログラム」と質問の実行を高速化するために、我々は、分離されていない日本語の「プログラム」のために２０１２年から使用してき当初アルゴリズムを改善した。「ほぼ」英語でプログラムできる実際の人間のいくつかのタイプの思考について自動的に模倣するために、我々の思考プログラミング方法は有用であると結論する。

This article discusses the use of artificial intelligence to detect student emotions while doing coding exercises for learning programming. Using data from programming students, we were able to build models for detecting confusion with as high as 70.46\% accuracy. We applied this in a system for programming practice that provides affective-based feedback by offering guides and adjusting the difficulty of exercises based on the presence of confusion, and found that students given affective feedback were able to solve more exercises and gave up less times. Finally, we also discuss the future direction of this research by collecting a larger amount of data that can cover other affective states and handle finer-grained detection of affect.

本稿では，食事画像のラベル付け作業の省力化について考察する．食事画像はカテゴリの数が多いため，適切なラベルを考え選択することに時間がかかる．そこであらかじめ提示された候補ラベルの成否のみを回答する方法で省力化が可能かどうかを検討する．画像を見ながら一から考えて選ぶ方法と，作業速度を比較することで，省力化方法の妥当性を検討した． 結果，一部のカテゴリでは、ラベル付けの省力化が期待できる結果が得られた．他のカテゴリでは，クラス分類器の改善により，省力化の可能性が期待できる結果が得られた．

予報技術や計算能力の向上、機械学習の導入などにより、天気予報は年々精度を高めている。 しかし、予報精度の検証は公表されることが少なく、ある一時点での予報が実際に当たるかどうかのについて、利用者は経験則から評価するしかない。 天気予報には得手不得手な状況が存在し、予報の適中率はその状況に応じて変化する。 そのパターンを深層学習で獲得できれば、天気予報の当たり外れを予測することが期待され、利用者はより当たる可能性の高い予報を選択しやすくなると考えられる。

本研究では調理エリアのメンタルモデルの可視化・分析の手法を提案する． ユーザーは作業スペースを分割したエリアとして捉え，そこに目的や用途に応じてアイテム(調理器具および食材)を配置しているという仮説を立てた． このモデルを分析するために，深層学習で検出したアイテムの配置位置を元にエリアを分割し，そのエリアに置かれたアイテムで意味づけを行なった．ここで，物体検出にはSingle shot multibox detector(SSD)を，エリア分割にはEMアルゴリズムを用いたGaussian mixture models (GMM)へのフィッティングを，エリアの特徴量抽出にはterm frequency - inverse document frequency (tf-idf)を用いた，なお，tf-idfにおいてはアイテム/エリアの関係を単語/文書として適用した． 結果として，いくつかの調理中のキッチンと調理アイテムの関係性の概念モデルの形状パターンを可視化した．

本報は、調理動画を対象とした深層学習による物体検出の応用と時系列データの分析に関するものである。私たちの最終目標はパーソナライズされたキッチンの提案であり、そのためにこれまでは目視観察とスプレッドシートソフトウェアを用いた分析を行ってきた。しかし、この従来の手法は十分な精密さと被験者数を得るために膨大な工数がかかった。然して分析視点も限定的にならざるを得なかった。そこで私たちは自動化ツールとして深層学習による物体検出を導入した。約90種類の物体を含む一連の調理動画に対して物体検出を適用し、Pythonを用いてデータ抽出と分析を行い、シンクエリアにおける物体検出数の時系列データが3パターンに分類されることを発見した。この発見は、パーソナライズされたキッチンの提案に向けた調理パターンの理解に貢献する。

東日本大震災以降、日本の電力事情が大きく変わり、省エネルギー意識が高まりつつある。それに伴い、家庭のエネルギーを管理し、制御するシステムとしてHEMSに注目が集まっている。しかし、HEMSはインターネットを通じてデータの送受信を行うため、サイバー攻撃を受けるリスクがある。本研究ではHEMSがサイバー攻撃を受けた際、電気機器に高負荷がかかるなど定常時とは異なる電力値を示すことに着目する。一般家庭の消費電力に人工的に作成した疑似異常消費電力を加えたデータに対し、その結果を比較する。「ホテリング法」、「k-NN法」「Local Outlier Factor」、「One Class SVM」「Support Vector Data Description」、「密度比推定法」の6つの外れ値検知手法を適用し、その検知性能を比較する。本実験では、密度比推定法の精度が一番良いことが示された。

目の前に自分の好物のリンゴがある．するとそれは美味しそうだと感じる．そうした感覚，感情が生じると同時に，私た ちには「美味しそうなリンゴがある」という認識が生じる．つまり推論の結果生まれた「美味しそう」という情報は，単に感 じられる，そう考えたという，心の中の出来事だけでなく，「ある」という形で世界に実在するものとなっている． この（感じた，考えた）→（ある，存在する）という関係はいかにして確立されるのだろうか． この疑問にアプローチするためには，内的（脳内，情報処理システム内）に構成された表象を世界と結びつける心の働きが必要となる． 本報告では，この心の働きをプロジェクションと名付け，その研究の必要性について述べる．次に，プロジェクションがいかなる計算過程を経てなされるのかを，生成モデル，大森の「重ね描き」，予測符号化理論をベースにして考察する．

This paper presents a new approach named physics projection, through which robots can learn the physical world and predict the effects of their actions actively and online. Physics projection consists of three components: a robot, physical world model, and physics engine. The process of physics projection has a double loop structure comprising (1) a learning loop of the physical world model and (2) a simulation search loop. Experiments were performed using the TurtleBot3 mobile robot and Unity graphic engine. The results clearly showed that the robot predicted the effects of its various actions under the given physical conditions and successfully executed the tasks of carrying a wine glass without dropping it and a cup filled with water without spilling. The robot could predict a catastrophic effect that could not be predicted by a human operator.

筆者の研究室は, 2016年以降, HMDを使って腕または脚が伸縮する感覚を誘発する研究（Elastic Limb(s) Illusion）を継続的にすすめている. このプロジェクトの中で. これまでに4つの異なるシステムを考案してきたが, いずれについても, 運動学的な力学作用（引っ張る/引っ張られる, 押し込む/押し込まれる）と, 見かけ上の四肢の長さの伸張との動的な関連付けをベースとし, それらの作用量を体重計の値を通して見積もる点で共通している. これらの4つのシステムは, 過去に様々な展示会で出展され, 錯覚の誘発に関して極めて個人差の少ない手法であることを示してきたが, 個々のシステムについて得られている効果の認知的根拠および, 各システム相互の関連について, これまでに俯瞰的に論じる機会がなかった. 本稿では, 4つのシステムをあらためて概観し, 他の研究者によって報告されている関連研究と比較しながら, Elastic Limb(s) Illusion研究の学術的な展望を議論する。

フルボディー錯覚（full body illusion：FBI）とは、自分の身体と同期しているアバターに対して身体保持感と運動主体感を感じる錯覚である。本研究では、被験者の動きとアバターの動きが同期して動く場合と被験者の動きよりアバターの動きが遅れて動く場合におけるFBIについて調査した。加えて、アバターの1人称視点または3人称視点の映像が呈示された場合についても調査した。実験の結果、被験者は、自分の動きに同期して動いていたアバターに対して身体所有感と運動主体感を感じていたことが分かった。本研究の結果は、自身と同じ場所で自分の身体の動きと同期して動くアバターに対して自己身体を投射（プロジェクション）できることを示唆する。

没入型バーチャルリアリティシステムでは，仮想身体の形状が実身体と異なる場合にその操作性が低下するという問題がある．これに対して著者らは，その原因が身体定位を実現する脳内モデルである身体図式の乖離にあると仮定し，実身体に適合している身体図式を仮想身体のものへと変更する「身体図式キャリブレーション」について提案を行い，研究を進めてきた．本論文では，伸長方向と収縮方向への身体図式キャリブレーションに関して実験を行い，それらから直線回帰モデルと折れ線回帰モデルを求めて比較評価を行った．その結果，直線回帰モデルより折れ線回帰モデルの方が適切であり，伸長方向と収縮方向で身体図式の変更特性が異なる可能性が示唆された．

ビデオデームで他者で対戦していると思い込むことで、実際にはコンピュータと対戦しているにもかかわらず異なる反応が心身に現れるかを検討した。その結果、脳波は主観反応から、誰かと対戦していると思い込むこと（プロジェクション）だけで、コンピュータと対戦していると信じているときとは異なる反応が得られた。

Due to the rapid growth of mobile devices, using mobile devices to access the Internet is more and more popular. However, many websites are designed for desktop browsing and do not have Responsive Web Design (RWD) for mobile devices. Lacking mobile version for websites make it difficult for users to operate on mobile devices and may decrease the exposure rate or lose some commercial possibilities. However, abandon existing websites to create an RWD website (such as Wix) is not always a good idea since many services (e.g. backend management functions) need to be operated in a desktop GUI. In this paper we introduce a project called DeXaR (Data eXtraction and Reuse) to enable users to quickly and easily create an RWD website from existing website without programming. By incorporating automatic Web data extraction techniques to support Web Data ETL (Extract-Transform-Load) services, we are able to link contents of an existing website to the new website. In other words, we can keep mobile website synchronized with the existing website via data APIs such that users only need to maintain one copy of the data but it can be reused in mobile webpages. The user study on 35 students shows the design philosophy for mobile website creation from existing website is encouraging. However, further survey on the linkage of web data extraction needs to be explored.

Frequent-itemset mining and erasable-itemset mining are two commonly seen and useful techniques in data mining. Although the two mining problems look contrary, they are actually close to each other. In this paper, we will show the erasable itemset mining problem can be reduced into the frequent-itemset mining problem and can be solved by the existing algorithms of finding frequent itemsets. By this way, the variants of erasable-itemset mining can be easily designed out based on the frequent itemset mining.

今回の研究においてはある知的作業に対する形式知を下地に置き、その作業行程においてどのように暗黙知が関わってくるのかを見ることにより知的作業に対する暗黙知と形式知との関係を検討した。 実験は折り紙を用いて行い、4種類の折り紙を折り図を参照しながら折ってもらうという課題で実験を行った。 実験の結果、次のような結果が得られた。①全実験協力者が4種類すべての課題をそれぞれ最後まで達成することができた。②課題を行う上での難所については、手順の一つである「ひっくり返す」という動作が全実験協力者に対して新規の動作であったため、ほぼすべての実験協力者がその部分を挙げた。 上記の結果から、折り図という形式知を与えた場合は全実験協力者が4種類の課題全てを達成することができたといえる。このことから、折り紙の作品を完成させるという点においては暗黙知よりも形式知の方が重要な知識であるといえる。また、全実験協力者に対して新規の動作であった「ひっくり返す」という動作の実行と理解に関しては暗黙知が重要な役割を果たしているのではないかと考えられる。

We propose a novel classification of intelligence based on distinguishing model exploitation from model exploration in order to improve our general understanding of intelligence and its limitations. For this purpose, we define computational problems by traditional function execution, which implicitly hold the model of the problem to solve, and learning problems by the meta-methods that produce computational methods. Learning problems are then assimilated to computational methods which hold implicit meta-models. The process is repeated iteratively, with each iteration named a k-th order intelligence. However, we show that the infinite sequence of classes of intelligence that emerges poses difficulties for meta-model exploration. We suggest using self-referential meta-models to break the escalation of orders, and we introduce some of the problems associated to this approach.

この論文は、人工知能社会における子どものためのヘルスケアの課題について、著者の鬼ごっこというコンテンツを活用した実践活動を通じて考察を深めている内容を論じている。鬼ごっこは、幼少期には誰もが取り組んできた伝承的な遊びである。現代の日本では、子どもの体力低下やスポーツの人口減少が進んでいると言われ、鬼ごっこなどの身体使う遊びの数は減ってきている。しかし、モバイル端末やゲーム機器などの発展は著しい。本論文では、これからの人工知能の発達していく社会においては、鬼ごっこという身体的な遊びを、現代の社会的必要性に合わせて価値創造をしていくことが大切であると結論付けた。

「伝統技術を伝承するとともに新しい科学技術と融合したこれからの伝統となる技術を共創する方法の好ましい姿を明らかにする」ことを目的とする探究を、地域固有の伝統文化の継承と現代生活の質の向上を共存させるという現実の問題を解決しようとする研究的実践と実践的研究を連携することによって遂行している。具体的には、Ⅰ.技術知の共創プロセスにおける人々や環境の間に生じるインタラクション、Ⅱ.技術知を共創する場を形成する共同体システムにおける実践知とその価値、Ⅲ.技術知や実践知や理論知がインタラクションから生まれるプロセスを解明しようとしている。本報では、研究計画のパイロット・スタディとして、石垣築造の経験に基づく〈技術知〉の抽出の試みを紹介する。参与観察と省察に基づき、人工物を創造する技術に関わる知は、公理的な認識の宣言、典型の存在の示唆、情景の描写、評価に関わる法則性の認識の宣言、比喩的な情景描写、（石垣築造）行為への言及、（好ましくない石垣を改善する）行為の提案などによって表現されることを示している。行為に言及する表現には筆者らが体得した知が反映されていると考えている。

本稿は，琉球地方の伝統的生活空間を形成する珊瑚石の石垣の築造を通じて獲得する臨床の知の報告である。石垣築造は 2018年11月と2019年1月に伊是名村伊是名地区の個人所有地にて行い，二回の石積みの間に未来の石垣築造者に築造の仕方を伝えるために石積みマニュアルを制作した。本稿は， （a）第１回臨地石積み体験により獲得した気づきや理解 （b）マニュアル制作により顕在化した気づきや理解 （c）第２回臨地石積み検証（マニュアルの検証）により獲得した気づきや理解 を，（1）石積みの基本技術，（２）石のマネジメント，（３）石垣普請の全体の流れ，（４）石垣普請のヴァリエーションの４つの観点から整理する。 　a-cの過程を経て，それまで個別であった気づきや理解が一つの全体像を持つように統合されてくる。特に「積み石」と「ぐわぁ石」という石の呼称の獲得により，石垣の断面構成が明瞭に意識され共有される。さらに「石の積む箇所」をわかりはじめることで，積む石を事前に並べ置く石のマネジメントの可能性が拡大する。重機に頼らない人力での石積みができることは，集落の持続可能な内発的石垣築造の可能性につながることがわかった。

本発表では触れたり味わったりする鑑賞の可能性を検討する．一般的に，近代美学において味覚や嗅覚は，美的な対象として考えられてはいない．本発表では，こうした近接感覚が美学の対象となるかについては議論せずに，いくつかの事例（茶盌や日本酒）を通して，触れたり味わったりする鑑賞がどのようなものであるかを考えていく．

本研究の目的は、人の感情や気づきを重視する豊かな社会づくりに向けて、表現活動が自立的に生まれるためのデザインのやり方や考え方を明らかにすることである。そこで、表現の場の作り手である著者らと、そこに表現活動に参加する使い手との共同デザイン過程をふり返り、デザインしたことや起きたことについて調査し考察した。その結果、表現活動が自立するためには、両者が相互構成的な関係性、すなわち「デザイン共同体になること」が重要であることが明らかとなった。本稿では、事例に見出したデザイン共同体の状態について報告する。加えて、その関係性を構築するためには、人が何者かに「なること」のメカニズムのデザインが内包される必要があるという考え方について論じる。

筆者は，人びとの「集まり」や「居心地のいい場所（グッド･プレイス）」，コミュニケーション行動の理解に関心をいだき，おもに社会学（都市社会学）の観点からフィールド調査を行っている．自らの調査研究を進めるとともに，教員という立場上，観察･記述を中心に据えた質的調査の方法や，調査者として現場に向き合う態度を（大学生に）教えるという課題にも向き合っている． フィールドワークは，私たちの五感を動員しながら，身体的に学んでゆく性質のもので，いわゆる「座学」を補完するべく，さまざまな実習が考案されている．フィールドワークのための課題は，どのようにデザインすればよいのか．本稿では，筆者が2018年度に考案した実習課題の概要と経過を紹介しながら，「気づく力」を育むためのきっかけづくりについて論じたい．

一般に，運動器的疾患による疼痛のため、運動量の確保が困難となる場合がある。従って，身体バランスや歩き方など，運動の質的側面に着目する必要性がある．人体においては、頭部を含めた体幹部の質量比は，身体全体における60%を占めるとされる。そのため、歩行動作や坐位での日常生活動作における効率性や安定性に大きな影響を与える．従って，姿勢・動作制御戦略における頭部・体幹部の分節性に関する評価が、動作の安定性や効率性の指標として重要である．本研究では、人の分節的な姿勢制御について、片持ち梁構造制御モデルに基づいて加速度センサを用いた検討を行った。結果として、環境と身体の相互関係の変化において、身体の分節的な応答が確認された。人の身体については、周波数帯域別の姿勢応答が生じている可能性が考えられた。

野生の思考とは，レヴィ=ストロースが提唱した，一見関係ない複数の事物から新たな意味を構成する知である．本研究では，第一著者の学びの実践（陸上競技）を野生の観点から物語る．実践の手段としてのメディアプロトタイピングの経験は，いつしかそれ自体が自己目的化し，競技とメディアプロトタイピングの間を浮動する構えを獲得した．身体性による変数発見を可能とする態度である．

深層学習のアルゴリズムは多くのタスクで成果を上げてきた. しかし, これらのモデルの出力はしばしば, 盲目的に正確であると仮定されているが, いつも正しいとは限らない. このような思い込みは, AIの安全性や社会的偏見といった問題を引き起こす. したがって, 意味のある不確かさの指標を獲得することは重要である. Monte Carlo (MC) Dropout は epistemic uncertainty を評価可能にし, 機械学習の様々なタスクでモデルの精度を改善する. この論文では, 画像テキスト間検索における不確かさを評価する方法を提案し, その意味を定性的に評価した. また, MC Dropoutによって, 画像テキスト間検索の精度が向上した.

本研究では，ヒトの知能のメカニズムを反映して動作する汎用人工知能の構築に向けた基礎的な取り組みとして，text-to-imageモデルを対象に，計算機構の挙動や特徴表現空間の構造の分析を行う．初めに，入力キャプションから単語の境界情報を欠落させた場合の画像生成を行い，モデルの言語エンコード能力および画像生成能力を調べる．その結果，定性的にも定量的にもキャプション内容に適合する画像を生成し得たが言語の意味の単位をモデルが獲得している様子は確認されなかった．二つ目に，埋め込み空間での単語の意味の構成的特性を分析し，空間を意味する単語間に単語の意味の加法構成性が現れる可能性を示唆する結果を得た．

近年、モダリティの異なるデータ間での推論によって新たな知識を獲得するマルチモーダル推論に関する研究が盛んになっている。画像情報を自然言語の意味表現と接続可能な形式で表すことができれば、自然言語テキスト間の推論と同様の高度な推論を、テキストデータと画像情報の間で行うことができる。本論文では、画像情報とキャプションを一階述語論理 (FOL)のモデルと論理式を用いて表現することで、画像から数量表現や否定を含む複雑な文を推論するシステムを提案する。画像情報とキャプションにより拡張されたFOLモデルを用いることで、意味的に複雑な文に加え、物体の状態を表す関係を含む文も推論できるようになった。

レストランや喫茶店などの場面で，ユーザの嗜好を踏まえた上で，料理推薦などのユーザ適応的なサービスの提供が望まれる．本研究は，料理に関する幅広い話題を提供する中でユーザの嗜好を聞き出す対話システムを提案する．料理や相手の発話に対し深堀りするために，食味表現や動詞の格フレームを用いた質問を生成する．また，関連話題への遷移を話題埋め込みにより実現し，TransEによる知識グラフ埋め込みを利用することにより，大規模知識Freebaseに存在しない知識の予測による応答を可能にする．最後にこれらを組み込んだ対話システムを実装した．

近年、クラウドソーシングを活用して大規模な言語資源を低コストで構築できるようになった。含意関係認識の研究においても例外ではなく、クラウドソーシングによって構築したデータセットから、ニューラルネットワークを用いて文の意味を学習し、含意関係認識問題を解く手法が活発に研究されている。しかし、クラウドソーシングによって論理的推論を扱う問題を設計することは容易ではなく、既存のデータセットにはそのような問題が含まれていないため、ニューラル含意関係認識モデルが文の論理的な意味を学習できているのかは自明ではない。そこで本研究では、形式意味論の知見とクラウドソーシングの手法を組み合わせて、単調推論のデータセットを構築する手法を提案する。また、現時点でのデータセット構築結果についても報告する。データを分析した結果、論理的に妥当な推論と、語用論的に人間が正しいと判断する推論との間にギャップがあるケースが観察された。