小学校でのプログラミング教育が必須化されて数年経ち，様々な教育実践がなされている．しかし，プログラミング教育を通してどのような能力が育成されているか見えづらいとの指摘があった．そのために本研究では，非認知能力に着目し，学年ごとにプログラミングの授業前後，および学年ごとの推移の調査を行った．その結果，低学年では失敗活用，高学年では意味理解や思考過程重視に差が出ることが明らかになり，発達段階に応じたプログラミングの指導について方針を得ることができた．

抄録全体を表示

購買履歴やゲームのアクション履歴など, 人間の意思決定の連続を表すデータからその系列パターンを抽出することは, 様々な改善施策に結びつくことからニーズは大きい. 機械学習分野における代表的な識別モデルである決定木は, 学習されたモデルの分岐特徴から判断根拠を見出すことができる解釈性の高いモデルである. 一方で, 決定木の学習には時系列的な順序関係は保持されず, 系列パターンの抽出は困難である. また, RNNのような再帰的な入力を繰り返すモデルでは, 時系列データの順序関係を保持したまま学習ができる一方で, 学習されたモデルの解釈性は低い. そこで本研究では, 決定木の学習を行う際の分岐特徴の探索範囲に系列的な制約を加えることで, データの系列順序を保持したまま学習が可能なモデルを提案する. 提案手法では, 分岐が進む際に用いられる特徴に系列的な順番が保持されるため, 学習済みの決定木から解釈可能な系列パターンや, 系列における重要な意思決定の分岐の抽出が可能である. 最後に実データを用いた実験を行い, 抽出されたパターンからその有効性を示す.

抄録全体を表示

NGN（Next Generation Network） / IMS（IP Multimedia Subsystem）は，ユーザ情報管理機能やネットワーク制御機能など，今まで通信事業者内に閉じた門外不出の機能をサードパーティ事業者に公開するインタフェースを定義している．多くのサードパーティ事業者の参画を促すことで，NGN/IMSの機能を利用した革新的なアプリケーションの創出が期待されている．しかしながら，IMSはインタフェースが規定されているのみで，アプリケーション構築に資する機能まで規定されていない．SDP（ Service Delivery Platform）は，NGN/IMSが具備する機能とアプリケーションとを仲介するオープンなアプリケーション開発環境であり，SDPを用いることでアプリケーション開発速度の向上やコスト低減を図ることができる．本論文では，IMSにおけるサービス提供形態やNGN/IMS上でのアプリケーションを示すことで，NGN/IMSが具備する機能を明らかにする．次に，SDPが提供する機能や構成例を示し，多彩なNGN/IMSアプリケーションの創出に向けてSDPが果たすべき役割を明らかにする．

抄録全体を表示

脱炭素社会に向けて、車載用電池の生産が急速に増加している。使用済み電池から価値を生み出す電池循環ビジネスも広まりつつある。しかし、電池循環ビジネスは規制・技術などの外部環境に影響されるため、それらをビジネスプランニングに反映させる必要がある。そこで本研究では、電池循環ビジネスとそれを取り巻く外部環境の関係をモデルし、シナリオ分析を組み合わせた車載用電池循環ビジネスプランニング支援手法を提案する。提案手法の有効性を検証するために日本を対象としたビジネスプランニングのケーススタディを行った。

抄録全体を表示

近年の大規模生成モデルは言語や音声、画像や動画などの認識・生成・相互変換を可能とし、汎用的な人工知能への歩みは飛躍的に進んだかに見える。しかし高度な知能エージェントは行動を出力とした環境適応が目的であり、肝心の行動概念、方策の生成に関しては、複雑なプロンプト設計などを前提とした限られた成功例があるのみで、理論的には確立していない。また他モーダル情報との相互連携についても潜在空間を介した自然な方法はまだない。行動を扱う方法としては強化学習が主流の一つである。一方で強化学習は一つの最適方策を求めて膨大な学習をするため、データに対する費用対効果が悪く、必然的に形成された方策は多様性を持たない。しかし報酬獲得のための主体的探索能力は未だ高いため、本研究では生成モデルの多様性と強化学習の探索能力を併せ持つ結合モデルを考案する。具体的には人間が持つとされる自身の行動に後付けで意味を付加する性質を参考にする。方策の引数に行動意図に当たる潜在変数を導入、軌跡を特殊な生成モデルで埋め込むことで実現した。飽くまでトイタスクではあるが、同一軌跡からの対照学習や定常分布の推定などと組み合わせ学習を成立させた。

抄録全体を表示

深層学習はその優れた関数近似能力により巨大な行動状態空間での強化学習を可能にしたが，探索と知識利用のトレードオフはより深刻になる．それに対し，乱数を利用した探索によるトレードオフに対処するためのヒューリスティックがいくつか提案されている．しかし確率的探索手法はパラメータ調整を困難にし，深層強化学習アルゴリズムの性能における巨大な分散の問題を増幅する．そこで我々は人間の不確実性を評価に対する意思決定傾向の側面を有する認知的満足価値関数 (RS) に基づく決定論的行動選択アルゴリズムに着目する．本研究では新たに満足化基準に対する潜在的な選択比率との関係を明らかにし，最適な探索を可能にする方法を提案する．提案アルゴリズムは多腕バンディット問題において最適な探索性能を示し，従来とは異なる視点での強化学習アルゴリズムのクラスに繋がる示唆を得た．

抄録全体を表示

医療分野における非構造化データ（自由記述のテキストや音声など）の取り扱いは、効率的な臨床データ管理における課題である。本論文では、これらの非構造化データから特定の情報を抽出し、臨床フォームへの入力を自動化するために、大規模言語モデル（LLM）を活用する手法を提案する。本手法は、医療従事者の臨床フォームへのデータ入力負担を軽減し、構造化データの管理をより容易にすることを目的としている。最終的には、臨床医が本来の業務に専念できるよう支援し、臨床ワークフローや医療データの効果を向上させるLLMの可能性を追求する。

抄録全体を表示

強化学習は主体的にデータ獲得して学習する，ある種の万能性を持った機械学習手法であり，ゲーム分野において複雑なゲーム手順の学習も可能になってきている．本研究で扱う『逆転オセロニア』は 2016 年 2 月から運営が続いているモバイル型の 2 人対戦ゲームであり，長期の運用を経て数多くのキャラクターが追加されたことで非常に多種多様な戦略を有する．我々はこのような複雑な現代型ゲームでも強化学習によってトップレベルの強さを有するプレイヤー AI が作れることを示す．このようなゲームの学習の困難な点は戦略パターンを学習するためのデータ量を膨大に必要とすることだが，本件では分散型強化学習アーキテクチャを使用する他，既存のプレイヤーの対戦データを学習時に混入させることでカリキュラム的に初期の学習の立ち上がりが改善した．また，空間的な状態依存の情報，集合的な順不同な情報を統合する必要があり Transformer などを組み合わせたネットワークにて学習を行なった．その他ドメインに依存する / しない様々な工夫により強さを実現した．また本研究ではゲームの更新に合わせた継続的な AI の追従も議論する．

抄録全体を表示

日本のソーシャル・ネットワーキング・サービス（SNS）業界においては，当初mixi（株式会社ミクシィ）が優位な立場を保っていたが，近年ではGREE（グリー株式会社）やモバゲー（株式会社・・）といった競合サービスが勢力を拡大し激しい競争が展開されている．本稿では，日本のSNS主要各社の事業発展の経路を，競合や顧客，環境要因といったさまざまなアクターとの相互作用の連鎖として捉えることで，企業間競争のメカニズムをダイナミックな視点から考察することを目的とする．相互作用の分析にあたっては，各企業の経営層が事業の成長や革新に向けて保有する「意図」の経時的変化に着目する．

抄録全体を表示

深層学習は計算機の進化とともに，膨大な数のパラメータの学習が可能となり複雑で高精度なモデルを作成可能にした．しかしながら，モデルを運用する場合，通信環境やリクエスト数，搭載デバイスなどの制限が存在し，近年は精度を保ったままモデルサイズを縮小する研究が注目されている．本研究では CNN 上での構造的で効率的な圧縮手法の中でも，深層強化学習による圧縮手法 AMC (AutoML for model compression) に着目した．AMC は Off-policy 強化学習によって過去の探索情報を再利用し効率的なチャネル削減により圧縮を行う．AMCは探索中の推定精度が削減後の簡易精度で削減後に改めて学習したモデルの精度とは異なるという問題を抱えている．一方で AMC は広義には強化学習アルゴリズムや削減すべきチャネルの優先度付けアルゴリズムの種類を限定していない．そこで本研究では強化学習アルゴリズムの変更と，簡易報酬を MetaPruning というチャネルの削除と再学習後の重みの推定値を予め学習する手法と組み合わせ，予測した重みによる精度を報酬としてより効率的に探索する手法を提案した．

抄録全体を表示