In this paper, we describe how synthesized populations are essential in real-scale social simulations (RSSS), and the current situation of the population synthesis for whole populations in Japan. RSSS is simulations using the real number of populations or households in social simulations. This paper describes how we have completed to synthesize multiple sets of populations based on the statistics of each local government in Japanese national census in 2000, 2005, 2010 and 2015. We have started to distribute those multiple sets of the synthesized populations for researchers of RSSSs in Japan. In distributing the synthesized populations, we should protect personal or private information in the synthesized populations. We show some scheme how to protect them using a cloud service or secure computations.

近年, 人の知的活動の仕組みを計算機上で再現する試みが人工知能の分野で広く行われ, 大きな注目を集めている. 人の知的活動の 1 つに物語の創作がある. 計算機による物語の自動生成の研究は数多く報告されている. また, 人と計算機による物語の共同創作の研究や創作支援の研究も報告されている. どちらの研究においても, 人の創作物を計算機に理解させることが非常に重要となる. しかしながら, 物語の解析に関する研究は, 専門家の経験則に基づいて人手で情報を抽出する研究が主流であり, 計算機による数値的な情報抽出や解析に関する研究はほとんど報告されていない. 以上を背景として, 本研究では文意を考慮した小説の自動分割手法およびストーリー展開の解析手法を提案する. 実際の小説を用いた実験により, 提案手法の有効性を確認した.

近年，人工知能による小説や漫画，アニメ，漫画といった創作物を対象とした研究が大きな関心を集めている． 創作物理解や自動生成といった試みは非常におもしろいものではある反面，そもそも人の創作物理解は高次の知的活動であり，どういったタスクであれば計算機が創作物を理解したといえるのかを定義することさえ難しい． 人の創作物の中で，特に漫画を工学的に扱う分野をコミック工学という． この分野では，日々様々な研究が報告されているが，多くはコミックの持つ画像を対象としており，ストーリーといったコミックの意味を自然言語から解析しようとする研究は少ないのが現状である． その一因としては，上で述べたような意味理解のためにどのようなタスクを設定すればよいか非常に難しいということが挙げられる． 更にデータセットが十分にデータを持っていないこともコミック工学の実験を制限する要因となっているため， Data Augmentation による解決を試み，今後の人工知能による創作物理解の可能性を示すという立場で結果を解析する．

近年，文章解析として分散表現を用いた文のベクトル化の手法が数多く提案されており，機械翻訳や対話システムの応答文選択の精度が大幅に向上している．一方，物語文章の解析については作者固有の文体や作品の固有表現，セリフや回想文などが存在し，また評価指標も多岐にわたるため，文章の物語としての類似度の推定は困難である．そのため，物語の類似度を推定するための取り組みはとても重要であり，工学的な物語の自動生成と創作支援の両面において貢献できると考えられる．本研究では，従来研究で提案された2 種類のテンプレートの連携により物語のプロットを作成する創作支援システムと，新たに提案する類似した物語のあらすじを検索するシステムの連携により，より効率的に物語を作成できる創作支援手法を提案する．

我々は，「ロボットは東大に入れるか？」プロジェクトにおいて英語問題に取り組んでいる．本稿では，不要文除去問題に着目し，本問題に対して，近年あらゆるタスクで最高スコアを達成したBERTを適用する．BERTをどのように解法に適用するかを紹介し，ベースラインを超えて最高スコアに到達したことを示す．さらに，エラー分析により，BERTでできていないことを明らかにする．

多義語に対して、対象語の周辺情報などから語義を識別する語義曖昧性解消という研究分野がある。本研究は対象語を企業名に絞り、教師あり学習で構築した分類器に匹敵する分類精度を、教師なし学習で達成することを目指した。企業名の語義曖昧性解消ができれば、適切な検索キーワードを思いつかずとも、特定事業の情報のみを抽出できるようになることが期待される。分類対象の典型例として「ヤマハ」について、①楽器メーカー②二輪メーカー③それ以外、の３つの語義に識別するタスクの正答率を、複数の分類方法について比較した。 本研究の結果、有価証券報告書から事業別単語ベクトルを作成し、事業別単語ベクトルと分類対象文中の語の類似度から分類を行う方法により、対象語の周辺情報から得た素性ベクトルを活用した教師あり学習による分類方法と、同程度の分類精度を達成した。教師あり学習で必要な教師データ作成の工数をかけることなく、有価証券報告書を活用することで同程度の正答率を達成した点に価値がある。また本研究の手法で分類が困難であった例の考察により、未知語に対する類似性を判定するモデルの導入などにより、精度向上の余地がある可能性も示唆された。

カスタマーとクライアントのマッチングビジネスを展開するリクルートでは、クライアントの情報をカスタマーに伝達するために日々大量の原稿が作成されている。本論文では、機械学習を用いてそれらの原稿の誤字脱字を検出する方法を提案する。このシステムは主に2つのパートで成り立っている。1つは複数のBidirectional LSTMを用いて各文字に対して誤りがないかの確率を算出するパート。もう一つはそれらの出力値を入力として、文全体で誤りがあるかないかを判定するランダムフォレストアルゴリズムである。この方法の有効性を示すために人工で作成した文と我々のサービスで持つ実データを用いて検証を行った。

認知システムの観点から，ストーリーの関連付け（ストーリーどうしを様々な類似・関連性に基づいて結び付けること）は，ストーリーの想起・再利用や主観的世界の構築等といった，様々な認知的働きを支える共通プロセスとして位置付けることができる．このような考えに基づいて，認知システムの内部でストーリーを動的に関連付ける仕組みを作ることが本研究の目的である．本発表では，特に個別的な存在物・時間・場所に着目して，ストーリーの関連付けの計算理論を提案する．結論として，複数のストーリーに現れる個別的な存在物・時間・場所を「個別的概念」という，一般的水準の表象的要素として位置付ける．加えて，この考えに基づくストーリーの関連付けモデルの簡易的な実装を示す．

人間の知能の基礎的事項について検討する。知能の構造・原理を理解する為、定義を尋ねる「知能とは何か」という問いを「知能のことを知能というのはどうしてか」という問いに置き換え、これに答えることを試みる。この問いに答えるため、構造、物理的背景、生成過程の副問題に分解、概観し、「複雑系の中で特に複雑になった階層に、ある領域としての人間がまたもう一方の領域を『知能』と見做している構造がある状態」という仮説を提案する。

人間の幼児は，統計情報や韻律情報等を用いて，音声から単語や音素を見出すことが知られている． 谷口らは音声に含まれる二重分節構造から単語分割を行う手法として，ノンパラメトリックベイズ二重分節解析器を提案し，教師なし語彙獲得を実現した． しかしながら，先行研究ではメル周波数ケプストラム係数といった統計情報のみ用いており，韻律情報を考慮していなかった． そこで，本研究では統計情報と韻律情報を考慮するように拡張した手法を提案する． 今回，韻律情報として，基本周波数の二次微分及び無音区間を用いる． 実験において，提案手法が先行研究と比較して単語の分割性能が向上することを示した．

深層ニューラルネットワーク(Deep Neural Network, DNN)と強化学習を組み合わせた深層強化学習(Deep Reinforcement Learning, DRL)が様々な問題において 良好な性能を記録している． DNNは結合荷重値の勾配を用いた最急降下法により学習する． そのため，評価関数のランドスケープ形状にその性能が大きく依存すると考えられる． これに対し，DNNを進化計算で学習させるDeep Neuroevolution(DNE)が試みられつつある． 本研究では，DNEをロボティックスワームに適用して合目的的な群れ行動の生成を狙う． 一般に，ロボティックスワームの群れ行動生成問題では，合目的的な群れ行動を生成するための報酬設計は簡単ではない． DNEは個体群ベースの勾配フリーな方法によってDNNの学習を行うため，報酬設計に対し頑健な学習が期待される． ベンチマークとして二点間往復問題と取り上げて計算機実験を行った． その結果，DNEとDRLを比較すると異なる報酬設定においてDNEの方が明らかに頑健な制御器獲得をしていることがわかった．

人間は何か目的を達成するために適切なサブゴールを設定できる。 さらに必要に応じてそのサブゴールを再帰的に設定することができ、その再帰の深さには制約がないように見える。 我々はこれまでに、この振る舞いにヒントを得た階層型強化学習の新しいアーキテクチャとして、RGoal アーキテクチャを提案した。 本稿では、サブルーチンの再利用性を高めるために、 アーキテクチャに呼び出し用スタックを導入する方法を提案する。 そして、マルチタスク環境での迷路タスクにより性能を評価した。 その結果、スタックの深さの最大値が大きいほど、収束が早くなる傾向がみられた。 今後このアーキテクチャを拡張し、脳の前頭前野周辺の情報処理機構のモデルを構築することを目指す。

破滅的忘却は，ニューラルネットワークの複数タスクの継続学習において，新しいタスクの学習によって，過去のタスクの知識が破壊されるという重大な問題である．本研究は，エコーステートネットワークにおけるリザバー内の結合コストを最小にする拘束をかけることで，この破滅的忘却が緩和されることを示す．リザバーの結合コスト最小化によって，近傍の部分ネットワークが構成するモジュール構造が現れ，これがタスクに応じて異なる活動をみせる．このようなタスク固有の神経活動によって，タスク知識の定着が実現する．実験から，この拘束によって負の結合が作るモジュール構造が創発し，複数タスクの学習性能が向上することがわかった．さらに，モジュール内とモジュール間の移動エントロピーを解析し，モジュール活動がタスク固有の機能分化をしていることを発見した．

画像認識分野において，深層学習は広く活用されている．特に一般物体認識タスクでは，人の認識性能を超えるレベルに達している．その過程において，様々なネットワークモデル，深いネットワークを学習するためのテクニックなども提案されている．一方で，深いネットワークがどのような判断根拠で認識結果を出力したのか，についてはブラックボックスである．近年は，判断根拠を可視化する研究も進んでいるが，判断根拠を把握するための処理を追加することで認識性能が低下することもある．本発表では，画像認識分野における深層学習の活用事例とともに，判断根拠を可視化する手法，および判断根拠を活用した認識性能の向上手法について発表する．

深層強化学習において，複雑な問題を解くことは状態空間が膨大であるため非常に困難である． 深層強化学習法の一つであるUNspervised REinfrocsment learning and Auxiliary Learning (UNREAL) は異なる複数の補助タスクを学習時に導 入することにより，ゲームタスクにおいて高い スコアを達成している．しかし，UNREALで用いられている全ての補助タスクは，あらゆる問 題設定において必ずしも有効であるとは限らない．そのため，補助タスクの設計に環境に合うタスクを設計する必要があるが，問題に合わせて 逐次設計することは多大な手間と時間を要する．本研究では，補助タスクを環境に合わせ適応的に選択するタスクAuxiliary Selectionを UNREALに導入することで，効率的に学習する手法を提案する．DeepMind Labを用いた実験により，効率的に学習できることを示す．

本稿では，ResNet及びその派生手法に対する新たな確率的正則化手法，ShakeDropを提案する． ShakeDropは摂動を含む不安定な学習と通常の学習を確率的に切り替えることによって，摂動による正則化効果を享受しつつ，学習の安定化を実現した． ShakeDropは多様なResNetとその派生手法に適用可能であり，従来手法Shake-Shakeよりも利便性に優れ，一般物体認識精度が高い． CIFAR-100を用いた実験では，従来の手法の認識精度を3%以上改善した．

既発表論文 Neural 3D Mesh Renderer [Kato et al. CVPR 2018] について紹介する。 3次元モデルから2次元画像を生成するレンダリング処理を深層学習のパイプラインへと組み込むため、我々はレンダリングに対して新規な『逆伝播』を提案した。また、このレンダラーを用いて (a) 単一画像からの3Dメッシュの再構成 (b) 画像から3Dへのスタイル転移と3D版ディープドリームを行い、その性能を検証した。

CVPR 2018およびMIRU 2018で発表した論文"Between-class Learning for Image Classification"について紹介する．本論文では，画像識別の新しい教師付学習手法としてbetween-class learning (BC learning) を提案した．BC learningでは，異なるクラスに属する2つのデータをランダムな比率で合成し，モデルに入力する．そして，合成比率を出力するようにモデルを学習する．BC learningは特徴空間を判別的にする効果があるため，モデルの汎化性能を高めることができる．実験の結果，ImageNet-1K, CIFAR-10において，それぞれ19.4%, 2.26%の誤識別率を達成した．

本研究では創造過程を計算モデルによって模擬した創造的なデータを生成する枠組みを提案する．この枠組みは新規で且つ価値のある高次元データの生成を行う．この枠組みの特徴は混合生成器と自己生成データ学習の2点である．混合生成器はFeature matchingとエントロピーによる正則化の損失関数によって，新規データの生成を可能にする．自己生成データ学習では，価値の高い生成データを学習データとして用いることで，より価値の高いデータを生成するための表現能力を獲得する．この二つの手法を組み合わせて，新規かつ価値のあるデータを生成する枠組み"Deep Creative Model"を提案する．実験では学習データにMNISTを用い，アルファベット画像を価値の高い画像と設定して提案する枠組みを学習させた．学習が進むにつれて徐々にアルファベットに形状が近い画像が生成可能になり，DCMで創造的なデータの生成が可能であることが確認できた．

人間の美的感性に基づく研究は何度も行われてきましたが、感性のモデル化がこの研究のテーマです。本研究では、コンボリューションニューラルネットワーク（CNN）と勾配ブースト決定木（GBDT）を用いて、デザイナーの持つ美的感性をモデル化する実験を行った。また、提案手法ではCNN以外から抽出した色や文字データを新たな特徴として追加することで精度を向上させた。提案手法を複数のパターンで検証し有効性の確認ができた。

人狼ゲームを対象とした研究は人間との高度なコミュニケーションをとるエージェントの実現などへの応用が期待できる。しかし、人狼ゲームを対象とした非言語コミュニケーションの分析はこれまでほとんどされてこなかった。本研究では、人狼ゲームをプレイする人間のジェスチャーとゲーム結果との関連性を調査する。ジェスチャーに関するいくつかの指標を設け、それを定式化することで、ゲーム中に見られるジェスチャーの定量的評価を試みた。これらの指標のいくつかで、人狼ゲーム中でのプレイヤーの役割が測定出来ることがわかった。例えば、ゲームの勝敗には占い師と狂人がそれぞれどの程度リーダーシップを取っているかに影響を受け、それをプレイヤーの両腕の開き具合で測ることが出来る。

5人でプレイする人狼ゲームを対象とし，生体信号を用いた「強さ」の分析を試みた．ゲーム中に複数のプレイヤで皮膚電気活動の同期的な上昇がみられたことから，その周辺に着目し，プロトコル分析によって重要なイベントを抽出した．そして，重要なイベントが発生した際の皮膚電気活動の振る舞いについて，勝率の高いプレイヤと低いプレイヤとで比較を行なった．結果から，強いプレイヤの皮膚電気活動の振る舞いに特有の傾向がみられた．弱いプレイヤは自身の発言や行動に起因した皮膚電気活動の変動がみられ，強いプレイヤは自身の発言や行動に関わらず，重要なイベント周辺において皮膚電気活動の変動がみられたことが理解できた．このことから，強いプレイヤは重要なイベントの周辺において戦略的に行動していたことが示唆された．

近年，人工知能研究において，人狼ゲームが注目されている．本研究では，今後の人工知能大会における５人人狼のレギュレーションにおいて，あらゆる戦略に対して優位となるような戦略が発見されるかを調べるため，戦略進化のシミュレーション手法を提案する．シミュレーションの結果，常に優位となる戦略は発見されず，戦略は周期的に変化し続けるようになることが明らかとなった．

我々はこれまでに特定の目標に対して協調的な意図や行動の切り替えが必要とされる集団行動を抽象化したパターンタスクを用いた行動実験により，目標の動的な変更のタイミングと集団内で意図を調整する戦略を分析してきた．本研究ではその結果を元に「ランダム選択」「自己優先選択」「他者エージェントの目標パターンの推定」の3つの戦略を持つエージェントモデルを作成し，シミュレーションにより意思決定過程の検証を行った．

本研究では、先行研究における３人人狼における発話のモデルを元にし、他者の投票行動を予想した上での合理的な投票行動の戦略について検討した。その結果、他者の投票行動を考慮しない場合の戦略とは、かなり異なる戦略が得られた。また、他者の投票行動の推定を繰り返すと、一定間隔で同じ戦略が現れ、安定した戦略に収束しないことが分かった。

人間と協力して課題を達成するためのAIは、人間の考えに合わせて行動しなければならない。このような分野の研究は協力ゲーム「Hanabi」を用いて、自己評価、心理学、コミュニケーション理論など様々な側面から進められている。本研究では、思考時間の仮設に基づいて、思考時間の長さから人間プレイヤーのAIの戦略に対する理解度を推測してその結果に応じて手札を推定する際の信頼度を変更する戦略を持つエージェントを開発した。その結果このエージェントは、Hanabiの優秀なプレイヤーに対して、従来のエージェントよりも頻繁に見積もりを行い、このエージェントに対する評価とスコアの間には正の相関があることがわかった。一方で、対戦相手の思考時間に応じて推定の信頼度を変更するエージェントは、従来のエージェントと比較して人間の印象に影響を与えず、得点や推定の成功率も変わらなかった。

人狼ゲームにおいてプレイヤの役職を推定することは勝利のために重要である．そこで本稿では，選択的不感化ニューラルネットを用いた役職推定方法を提案する．我々は15人人狼ゲームのためのモデルを構築して推定精度を調べた．実験の結果，本モデルが6つの役割を69%の精度で推定することがわかった．

近年，人工知能が人狼ゲームを行う大会がある． 人工知能が嘘をつく能力が要求される人狼ゲームを行う事で， より高度な判断が行われるようになり人間に近づくと考えられる 大川らの研究では各プレイヤがどの役職かを推定するニューラルネットワーク(NN)を構築した． しかしNNに入力する特徴としてどのプレイヤを対象にして発言したかは用いているが， 発言の対象となるプレイヤの特徴を用いていないため，推定が困難になっていると考えられる． 本研究では，会話情報のうち，推定対象者から他のプレイヤへの発言内容と 他のプレイヤから推定対象者への発言内容，各プレイヤの宣言した役職，その時の経過日数とターン数， 他のプレイヤ同士の発言内容を考慮し役職推定を行い，その有効性を確認した．

不完全情報ゲームの一つである人狼ゲームでは，各プレイヤがそれぞれ役職を持ち，村人陣営と人狼陣営に分かれてゲームを行う．役職・陣営の推定は，勝敗を左右する基本的な能力の一つであると認識され，精力的に研究が行われているが，その多くは推定精度の向上を主たる目的としている．しかし，より高度で戦略的に行動するエージェントを実現するためには，高い推定精度はもちろんのこと，推定の根拠や基準を明示化し，エージェントの構築に対して直接的にフィードバックを行えることが望ましいと考えられる．これらのことを背景に，本論文では，役職・陣営推定モデルの解釈を目的とした明示的推定理由の抽出を行った．具体的には，第4回人狼知能大会決勝戦のログデータを対象とし，決定木およびランダムフォレストによる推定モデルの構築と，inTreesによる解釈可能モデルの抽出を行い，これらの結果を比較，考察した．

感情は人において重要な要素であるといわれているが，そのメカニズムは完全には明らかになっていない．その中で有名な仮説として，神経科学者のDamasioは，情動を身体シグナルとし，外部の刺激によって引き起こされる身体シグナルが意思決定を効率化しているというソマティック・マーカー仮説を提唱した．本研究では感情メカニズム解明への足掛かりとして，計算機シミュレーションにて，ソマティック・マーカー仮説の検証を行った．具体的には，深層学習を用い，行動方策を学習するネットワークを構築し，身体シグナルがあることによって，報酬の高い行動の選択が行われるかを検証した．結果として，身体シグナルがあるものが最も報酬の高い行動を選択できるようになっていることが明らかとなった．

多様な情報にあふれる実世界で活動するロボットにとって，環境や自身の状態を認識するために複数の感覚情報を処理することが重要である．複数の感覚情報を統合・処理することで物体のカテゴリや感情といった概念構造が獲得され，概念構造を獲得したロボットは，一部の感覚情報からでも概念情報を予測することができる．しかし本来複数の感覚情報を処理することで獲得された概念情報を，一部の感覚情報から予測するとは難しい．このような場面で概念情報の推定に効果的な感覚情報を選択・知覚することを能動的知覚と呼ぶ．近年の神経科学研究において，人の能動的知覚（推論）を説明する基本原理としての自由エネルギー原理が注目されている．本研究ではこの自由エネルギー原理に基づいた能動的知覚のための計算論モデルと手法を提案する．具体的には深層学習モデルの1つであるRBMを用いた多感覚情報統合モデルにおいて，観測情報から概念情報を介して未観測情報を予測し，その中で自由エネルギーが最も小さい感覚情報を選択する．本稿では提案する能動知覚手法と既存手法を，人とロボットの感情コミュニケーション場面を想定した場面において評価した結果について示す．

近年深層学習を用いた研究が様々な分野において行われている．さらに，深層学習によるモデルの可視化の研究も活発に行われている．また，人間の主観的状況と脳波の間の関係が生理心理学分野において明らかにされている．本研究では，画像分野において開発されてきた可視化手法を脳波の解析に適用し，この手法により，ネットワークを可視化した画像から生理的に妥当な脳活動の構造を抽象化することができるか検討を行った．結果，快不快感情間の脳活動の左右差と，不快感情における脳活動の局所性という，これまでの神経科学の研究と一貫性を示す二つの重要な脳構造を示した．これらの結果から，提案手法は人間の心の科学的理解を深めるためのツールとして有用性があると考えられる．

本研究では，抑圧された感情まで推定するシステムの構築を目的に，本心でない発話を自動検出する手法を提案する． 提案手法では，機械学習にLSTMを使用し，特徴量として発話中の音声と表情の情報を利用する． SVMを用いた既存手法との比較実験を行い，台詞を固定したパターンでは， 提案手法により再現率を0.12ポイント，F値を0.07ポイント改善することができた．

本研究の目的は，ロボットがユーザと共感を目的とした対話を行うことによって，ユーザの対話意欲を喚起することである．対話においてユーザの満足度を向上させるためには，共感的な発話を生成するだけでなく，ロボットが共感対象に関して理解していることを示す必要があると考えられる．そこで本稿では，あるアイテムに関するユーザの選好（好き嫌い）を対象として，共感を目的とした対話におけるユーザの選好に対する概念獲得手法について検討を行う．提案手法では，選好に関するデータと選好の属性ごとに類似性に関するデータを用意し，ユーザの選好に対する概念を獲得する．また，観測された少ないデータで選好や類似性に関する推定を行うためのルールを整理した．今後は，提案手法を適用した対話ロボットが行う共感による満足度を高めることができるかどうか，ユーザの対話意欲を喚起するかどうかを検証することが課題となる．

本研究の目的は、特定の個人とのコミュニケーションを繰り返しながら個人の気に入る行動をロボットが学習してゆ く手法の構築である。我々の研究方法のコアアイデアは、ロボットが行動したときに観測した個人の表情を用いて感情を推定し、ロボット行動の気に入られる度合を評価することである。これは、ロボットが「行動の気に入られる度合いを予測する予測器を過去の経験に基づいてアップデートしてゆくこと」を助ける。本稿では、著者らがこれまで行ってきた研究について紹介する。インタラクション中にロボット行動を生成する実験では、より高い評価点を得る方向へとロボット行動が変わった結果が得られた。また今後の課題として、行動生成に用いる評価関数の設計において、感情推定に関する知見・事前知識をいかに個人に合わせた方法で用いるとよいか議論する。

従来，人の感情については多くのモデルが提案されてきた． しかし，それらの多くは現象としての感情を対象としており，人の脳のメカニズムに迫るものではなかった． 本研究ではこれまでに人の感情を行動決定のための価値計算システムの結果として表出されるものであると考え計算モデル化を試みてきた． しかし，従来認知科学にて直観的推論と論理的推論の2種類あるとされてきた人の推論機能に対して従来手法では説明することが困難であった． その問題に対し本研究では，連想記憶の相互想起と自己想起の機能を用いることで2つの推論それぞれを実装し，一つのパラメータの切り替えで実現できる推論の統合モデルを提案してきた． 本発表では，推論，強化学習および反射とを組み合わせることによる意思決定システムの全体像について議論する．

近年、人間との対話を目指すにあたり、ロボットに人間らしい感情を持たせる研究が進んでいる。他者の感情の推測を可能とすることで、推測した感情に対応したより人間らしい感情生起が可能となる。また、自身の感情生起と他者の感情推測を同一の条件で行うことが望ましいが、そうした研究は過去に見られない。そこで、OCC theory とBDI モデルの結合を用いたAdam らによる形式化に基づいた従来の実装に加え、同一定義での他者の感情の推測を可能とした。また、従来は論理式の形での入力を必要としたが、会話から抽出した信念を基に感情を生起するロボットの実装を目指した。本論文ではこれらの実装について述べる。

The communication destination anonymization problem is one of the problems to be resolved under some trade-offs in the cyber security field. Several approaches have been proposed for the communication destination anonymization problem such as Wang's U-TRI. However, due to the trade-offs that the user cannot take too expensive costs to make the network performance improved while keeping its security level, there remains the issues to make anonymization even over a short period of time while giving a good throughput. In this paper, we present an overview of the approach to solve this issue by introducing autonomously coordinating multiple end-hosts and a simulation environment to analyze it.

Scalability is an open question of the blockchain. Ongoing solutions, like Sharding and Side-chain, try to solve it within an independent blockchain system. We propose a cooperation model by constructing a system of multiple blockchains. In this model, secure cross chain operations can help to handle more requests. The gossip channel can help to refresh the states of other blockchains. Through manage interactions among blockchain systems, this model can limit their misbehaviors and improve scalability.

ソーシャルメディアを一種の公共財ゲームと見たとき，メタ報酬ゲームを導入することで「協調」が支配的になることが明らかになっている． しかしながら，従来のメタ報酬ゲームでは「 報酬とメタ報酬を与える確率を同一としている」という仮定がなされており，これは現実的ではない． そこで，これらの条件を緩和した拡張ソーシャルメディアモデルを提案し，より現実のソーシャルメディアに近い条件下で，協調行動が支配的となる条件を調べた． 複数の条件でエージェントベースシミュレーションを行った結果，協調者個人のメタ報酬率を情報として利用して報酬を与えるかどうかを決定する場合に協調が支配的な社会を実現できることを明らかにした．

The objective of this paper is to develop machine learning-based facilitation agent for facilitating online discussion in collective intelligence, particularly for online discussion in deliberation. The main idea is to model facilitator’s human behaviour by using machine learning technique, case-based reasoning paradigm,. After introducing the details of the proposed machine learning-based approach for facilitation of online discussion, the paper presents some preliminary results along with some outline of the on-going research tasks and future work. The results demonstrate that it is feasible and effective to develop machine learning-based agent for smoothing the discussion and achieving a consensus.

Massive private messages are posted by online social network users unconsciously every day, some users may face undesirable consequences. Thus, many studies have been dedicated to privacy leakage analysis. Whereas, there are very few studies detect privacy revealing for individual users. With this motivation, this paper aims to propose an automated privacy information detection approach to effectively detect and prevent privacy leakage for individual users. Based on the experimental results and case studies, the proposed model carries out a considerable performance.

本研究では「不気味の谷現象」の出現傾向は，実験参加者の対ロボット不安の程度により影響を受けると考える．クラウドソーシングにより日本人の実験参加者を募り，80枚の様々なロボットの顔画像を用いて親近感の評価実験を行った。また，対ロボット不安尺度（RAS)を用いて、実験参加者をロボットに対して不安を感じるRAS高群，不安に感じないRAS低群に分類し、親近感の変化を比較した。その結果、不気味の谷の出現傾向は両群で異なり、対ロボット不安により影響を受ける事が示された．RAS高群･低群の「親近感」の近似曲線において，低群の近似曲線が高群の近似曲線より上に位置することから，本実験の範囲内では「上下移動型」に近い傾向を示していることが示唆された．

マルチエージェント経路計画問題（MAPF）は、グラフ上に存在するエージェントが、互いに衝突することなく、各々のスタート地点からゴール地点まで移動する問題である。メカニズムデザインは、エージェントの利己的な行動が社会的に望ましい結果を生むメカニズムをデザインすることを目的とする。特に、最適性と耐戦略性を満たすVCGメカニズムが有名である。しかしながら、VCGをMAPFに適用する場合、NP困難な問題を解く必要がある。 本稿では、利己的かつ移動時間に対して異なる線形なコストを持つエージェント間の経路計画問題を解く、計算効率の良い正直申告メカニズムを提案する。また、数値実験により、提案メカニズムがパラメータの設定により、計算時間を調整できることを示す。

自律的な移動ロボット群による観測タスクの実現は，広域の監視や災害時や危険性がある施設内での臨時の観測の手段として研究されている． 一般に，観測の目的は巡回，探査，追跡，特定の領域の集中的な観測など多様であり，これらを支える観測領域の分担や，臨時の通信網の維持なども含まれうる． その一方で，非集中型の解法によりこれらを連携させることは比較的煩雑であり，それらの条件を汎用的な制約や目的関数として表現し，非集中型の解法により解決するために，マルチエージェント分野の分散最適化の枠組みを応用する手法に一定の有用性が期待される． 本研究では，このような枠組の基礎として，簡単な巡回観測タスクを題材としたモデルと解法の基本的な構成について検討し，グリッド世界におけるシミュレーションにより，エージェント間の観測領域の割り当てを調整する事例を示す．

RoboCup サッカーシミュレーションのゲーム AI を構築するためには，センサ情報の処理，ボール処理の行動決定，次サイクルのセンサ情報を得るための行動，行動実施のためのミクロアクション決定，他エージェントを支援するための情報提供など，幅広い情報処理と意思決定機構が必要になり，数多くの人工知能的課題を解決しなければならない．このような複雑性もあり，RoboCupサッカーの知見を基にした在庫管理ロボットや深層強化学習モデルの発展につながっている． また，将来必要とされる集団ロボットの協調行動や自動運転におけるAI部分の発展に大きく寄与すると考えられる．本論文では，その中でも意思決定部分に焦点を当て，RoboCupサッカーシミュレーションにおける意思決定メカニズムの研究を解説する．

商品を売ろうとするとき，良い広告コピーの存在はしばしば売上げに大きく影響します．本研究では，広告コピーを自動で生成システムを開発した．多くの既存システムは入力されたキーワードだけに基づいて文章を生成しているため、商品の潜在的なイメージは必ずしも反映されません． 我々は、商品の潜在的なメッセージや世界観を反映させるために，入力として画像を使用して広告コピーを生成する方法を提案する．この手法はWord2vecによる言語処理と広告画像の色情報を用いており、どちらも評価実験により有効であることが確認されている．この被験者による評価実験では、提案手法の平均スコアが7点中4点よりも有意に大きく、ほとんどの被験者は提案システムが生成した広告コピーによい評価をしている．

This paper examines human-robot interactions and focuses on the use of eye-gaze patterns in evaluating the partner’s understanding process. The goal of the research is to understand better how humans focus their attention when interacting with a robot and to build a model for natural gaze patters to improve the robot’s engagement and interaction capabilities. The work is based on the AIST Multimodal Corpus which contains human-human and human-robot interactions on two different activities: instruction dialogues and story-telling dialogues. The preliminary experiments show that there are differences in the eye-gaze patterns given expected and non-expected responses, which affects their understanding and grounding of the presented information. The paper corroborates with the hypothesis that eye-gaze patterns can be used to predict grounding process and provide information to the speaker about how to proceed with the presentation, so as to support the partner’s understanding and building of the mutual knowledge. Some consideration is given to future improvements in methodology

自動交渉では、チーム交渉は最も重要な交渉手法の1つとして位置づけられている。チームとは、交渉の過程で複数の相互依存エージェントが交渉当事者として交渉に参加するグループである。既存のチーム交渉戦略は、チーム内の相互依存による決定の変化を考慮していない。本稿では、同一チーム内の相互依存性を考慮したチーム交渉戦略を提案する。この目的のために、提案された交渉戦略では、まずチーム内に存在する相互依存関係を表すパラメータを両方向に設定する。その後、各方向に投票処理が行われる。各チームメンバーの依存度を重み付けすることによって、その依存関係によるエージェント決定の変化が測定される。既存のチーム交渉戦略との比較実験は提案された戦略の効率を示した。

我々は，大規模イベントにおいて入場者のなりすまし防止と効率的な確認作業を実現するため，顔認証本人確認システムを開発した．このシステムは，チケット購入時に登録された購入者の顔画像とイベント入場時の入場者の顔画像を照合し，購入者が入場者と同一であることを確認するもので，100以上の大規模コンサートで活用されている．顔認証の平均認証精度は90%，本人確認から入場までの時間は1人あたり平均7秒である．顔認証失敗原因として，入場者が顔写真撮影時に正面を向いていなかったり目を閉じたりすることがあげられる．本論文は，入場者のチェックイン時の動作特性を活用して顔認証精度を向上し本人確認時間を短縮するシステムを提案する．提案システムは，顔写真撮影カメラを入場者がチェックイン時使用するQRコードリーダに近接した場所に設置することで非正面顔の撮影を抑制し，さらに0.5秒間隔で連続撮影した2画像を照合画像とすることで目を閉じた画像に対処する．提案システムは，人気アーティストのコンサート入場者1,547人の本人確認に活用され，顔認証精度は93%，本人確認時間は1人あたり平均2.7秒であり，改善効果を確認した．