研究展示
| 01 |
多重の思考を相互に協調させながら学習するAI決定木の重ね合わせ学習に基づく透明性の高いデータ解析 
|
|---|
| どんな研究 |
AIモデルの学習において、異なる決定規則に基づく複数のモデルが同程度の性能を達成しうるという現象が知られています。私たちはこの現象に着目し、異なる決定規則を重ね合わせて学習することで、より高性能なAIモデルの構築をめざしています。 |
|---|---|
| どこが凄い |
医療での診断予測のような場面では、AIモデルの決定規則の解釈性の高さがユーザの信頼につながります。本技術は複数のモデル同士の量子重ね合わせ効果を通じた共存状態を作り出し、ユーザが重ね合わせから有用なモデルを選択的に活用することで性能とモデル信頼性を両立できます。 |
| めざす未来 |
ヘルスケア・ファイナンスなどをはじめとしてAIモデルの解釈性・説明可能性が強く求められるユースケースが今後一層増えていくと思われます。AIモデルの決定規則を透明化し、その予測のリスク・確からしさを理解しながらAIを活用できる未来をめざしていきます。 |
[1] M. Nakano, K. Komiya, H. Sakuma, T. Sato, T. Iwata, K. Kashino, “Mondrian Embeddings for Visualization of Decision Tree Ensembles,” under review.
中野 允裕（Masahiro Nakano）メディア情報研究部 生体情報処理研究グループ