tamaki (@tama_kimii)


参加する勉強会

11/18 (木)

F2261673ec92ac53a3d0ee5ffc3b3b58 公益社団法人 日本オペレーションズ・リサーチ学会
10月24日までに参加申し込みをされた人には、シンポジウム開催前日までに論文集を郵送します。
プログラム 11/18 10:00-13:00「都市・交通システムの安定性と最適化」 オーガナイザ: 岩岡 浩一郎 (パナソニック システムソリューションズ ジャパン(株)) 井料 隆雅(東北大学)「交通システムの不安定性とその安定化」 佐津川 功季(東北大学)[共著者:和田 健太郎(筑波大学)]「動的ネットワーク流解析と確率進化ゲーム理論」 大澤 実(京都大学)[共著者:赤松 隆(東北大学)]「都市内の空間構造とポテンシャルゲーム」 11/18 14:00-17:00「連続最適化の拡がり」 オーガナイザ: 武田 朗子 (東京大学/理化学研究所) 伊藤 伸志 (NECデータサイエンス研究所)「環境適応型オンライン最適化 」 谷口 隆晴 (神戸大学)「自動離散微分とその展開 」 中務 佑治 (オックスフォード大学)「行列推定と応用」 11/18 17:20-18:20「特別講演1」 司会:佐々木 美裕 (南山大学) Jörg Kalcsics (The University of Edinburgh) 「Continuous facility location with spatial demand and Voronoi Diagrams」 11/18 19:00-「懇親会」 11/19 8:45- 9:45「特別講演2」 司会: 佐々木 美裕 (南山大学) Gilbert Laporte (HEC Montréal) [ Co-authors: Marie-Ève Rancourt (HEC Montréal), Jessica Rodríguez-Pereira (Universitat Pompeu Fabra), Selene Silvestri (FICO) ] 「Optimizing access to drinking water in remote areas: Application to Nepal」 11/19 10:00-13:00「離散最適化の最前線 – パラメータ化アルゴリズム設計 – 」 オーガナイザ: 小野 廣隆 (名古屋大学) 小林 靖明(京都大学)「疎グラフに対するアルゴリズム的メタ定理」 大舘 陽太(名古屋大学)「グラフの幅パラメータを用いたアルゴリズム設計について」 玉木 久夫(明治大学)「木幅に対する安全なセパレータの実験的解析」 11/19 14:00-17:00 「大規模データの活用と最適化」 オーガナイザ: 高嶋 隆太 (東京理科大学) 森 俊介(科学技術振興機構低炭素社会戦略センター)「超長期地球温暖化/エネルギー/経済統合評価モデルの開発とこれからの課題」 伊藤 真理(東京理科大学)「医療資源の効率的な活用ーヘルスケア・スケジューリングー」 松崎 亮介(東京理科大学)[共著者:杉山 堅太郎(東京理科大学)]「複合材料3Dプリンティングのための繊維パス最適化」 公式サイト https://orsj.org/ramp/ramp2021/


過去の勉強会

7/1 (木)

F4c466e6506ad5649d0cea3a8521925e 機械学習工学研究会(MLSE)
第4回機械学習工学研究会。オンラインでのバーチャル合宿です
第4回機械学習工学ワークショップ(MLSE夏合宿2021) 本年はオンラインで開催します。 いくつかのオンライン会議ツールの使用が必須となっていますので、参加要件をよくお読みください。 ワークショップ開催概要 日程 2021年7月1日(木)10:00 ~3日(土)16:30 申込締切は 6月25日(金)23:30 となります。締切までに申込をお願いします。 参加募集 以下の要領で参加者を募集します。 参加要件 会期中を通じて以下のツールが使用可能であること。 Discord あらかじめアカウント作成の上、参加申し込み時にアカウントを申請ください。 アカウントは、Discord画面の左下にアイコンと共に表示されています。 下記画像の例だと たろう#1234 がアカウントです。 Zoom アカウントの作成は要りませんが、当日参加の環境でZoomでの会議に参加できるようにしておいてください。 会期中、昼夜通じて合宿に参加できること バーチャルではありますが合宿です。なるべく普段の業務や家庭から離れて合宿のセッションに集中できるようお取り計らいください。 参加費 一般(JSSST会員): 3,000円 一般(JSSST非会員): 5,000円 学生(会員/非会員問わず): 無料 参加費は参加申し込み時にPaypalで支払いをお願いします。 参加費は 消費税込み の価格です。 会計処理上の事情により、請求書の発行・領収書の分割等には、対応はできません。 プログラム概要 1日目 (7月1日) 時間 セッション 11:00-12:00 ウェルカムセッション 13:50-14:00 オープニング 14:00-15:30 【基調講演】馬 雷(カナダ アルバータ大学) 15:30-16:00 休憩 16:00-17:30 フルペーパー発表/企画セッション紹介 17:30-19:30 休憩 19:30-21:00 ナイトセッション 2日目 (7月2日) ※ KS は企画セッションです。 時間 トラック1 トラック2 9:00-12:30 KS1:機械学習を活用したシステムの開発における「プロセス・知見」研究 KS2: データ品質エンジニアリングのガイドラインをみんなで作っていこう(1日目) 12:30-13:30 スポンサーセッション1 /昼食 13:30-15:00 【追悼企画】MLSE と青山幹雄先生 15:00-15:30 休憩 KS3:本当に使われている素敵な機械学習システム最前線 〜エッジからスパコンまで〜 15:30-17:00 ポスターセッション KS3:本当に使われている素敵な機械学習システム最前線 〜エッジからスパコンまで〜 17:00-18:00 【チュートリアル】機械学習のデザインパターン KS3:本当に使われている素敵な機械学習システム最前線 〜エッジからスパコンまで〜 18:00-19:30 休憩 19:30-21:00 ナイトセッション 3日目 (7月3日) ※ KS は企画セッションです。 時間 トラック1 トラック2 トラック3 9:00-12:30 KS4: 本番適用のためのインフラと運用に関する討論・相談会 KS2: データ品質エンジニアリングのガイドラインをみんなで作っていこう(2日目) KS5: 機械学習システムセーフティ・セキュリティ 12:30-14:00 スポンサーセッション2,3/昼食 KS5: 機械学習システムセーフティ・セキュリティ 14:00-15:00 企画セッション ラップアップ、クロージング ※ 時間は変更になる可能性があります。 プログラム内容 基調講演 【講演者】 馬 雷(アルバータ大学 准教授/カナダ CIFAR AI チェア) 【タイトル】 データ駆動型複雑な知能システムの時代における品質保証について/Quality Assurance in the era of Data-driven Complex Intelligent Systems 【講演概要】 機械学習(ML: Machine Learning)システムは、ここ数年の間で実世界での応用において大きな進歩を遂げており、画像認識、音声アシスタント(AlexやSiriなど)、アートデザイン、自律走行車、医療診断タスクなど、最先端技術の実用化を可能にしています。その一方で、現在の機械学習のシステム開発においては、品質、セキュリティ、信頼性の保証基準の採用や、利用可能な成熟したツールチェーンのサポートに関して、体系的なエンジニアリングガイダンスがまだ不足しています。従来のソフトウェアとは異なり、データ駆動型で不確実性が高い機械学習の性質は、品質保証に新たな課題をもたらします。実際には、機械学習モデルは単独では使用されないことが多く、他の機械学習モデルや従来のソフトウェアコンポーネントと連携して、複雑な機械学習システムを形成しています。そのため、ユニットレベル、統合レベル、システムレベルなど、さまざまなレベルでの品質保証が必要となります。 本研究では、安全・安心・信頼性の高い機械学習システムを実現するために、機械学習システムの開発ライフサイクル(MLOps)全体を、特にテスト・解析・デバッグ・修復の観点から検討し、汎用的な機械学習システムの品質保証における現状の課題を解決します。本講演では、この方向に沿った過去数年間の私たちのチームの取り組みの概要を説明するとともに、すでに実際に採用されているいくつかの具体的なイノベーションを紹介します。さらに、安全、安心、信頼性の高いMLシステムを構築するための基礎を築くための今後の課題についても説明します。 プロフィール:近年、機械学習・深層学習の発展によって、機械学習を利用するシステムが急速に社会に広がってきていますが、開発・テスト・運用の方法論はまだ確立できていません。さまざまな手法が提案されていますが、まだ普及段階にありません。今まで、ソフトウェア工学や品質保証について長年研究してきた、現在特に未来知能社会を向け機械学習工学のための品質保証の中心にソリューションと取り組んでいる. 【プロフィール】 アルバータ大学マシンインテリジェンス研究所に所属しカナダ CIFAR AIチェアとしてAI研究に従事するとともに、九州大学システム情報科学研究院情報知能工学専攻 フェローとして、高度ソフトウェア工学研究室を趙教授とともに率いている。上海交通大学卒業後、東京大学にて修士および博士号を取得。ソフトウェア工学と信頼できるAIとの融合領域、特に、機械学習とAIシステムの品質と信頼性に関心を持つ。彼の研究は、SE, ICSE, FSE, ASE, ISSTA, ICML, NeurIPS, ACM MM, AAAI, IJCAI, ECCV, CAVなど、ソフトウェア工学やAI分野のトップ会議に多数採録され、3つのACM SIGSOFT Distinguished Paper Awardの他、10以上のベストペーパ賞を受賞。産業界にも多大な影響を及ぼしている。詳しい情報は、Webサイトを参照のこと。 追悼企画:MLSE と青山幹雄先生 【概要】 MLSE 発足から深い関わりのある青山先生を偲ぶ追悼企画です。MLSE 発起人が集まり、青山先生の功績や MLSE 発足当時を振り返ります。またこの機会にこれからの MLSE を含めた機械学習工学のあり方を考え、さらなる発展を目指します。 前半は MLSE 発起人に青山先生との関わりやこれからの機械学習工学をお話いただき、後半は参加者からの質問も募ったディスカッション形式とします。 【登壇者】 石川 冬樹 氏(国立情報学研究所) 吉岡 信和 氏(早稲田大学) 今井 健男 氏(Idein) 【オーガナイザー】 吉崎 亮介 氏(キカガク) フルペーパー発表 論文は 予稿集に掲載されています。 題名 機械学習プロジェクト成功のための要求獲得・分析 著者 北野健太 増田知彰 石川冬樹 栗田太郎 徳本晋 概要 本研究では,機械学習プロジェクトの要求獲得・分析を効果的に進めることを目的に,有識者アンケートを通じ,機械学習プロジェクトキャンバスの過不足と有効性を示し,活用方法と補助ガイドラインの提案を行った.同キャンバスの既存項目に加え,プロジェクト管理,顧客姿勢,ドメイン知識の観点が重要と示した.また同キャンバスが,包括的なヒアリングと要求獲得に有用であると確認した.最後に,補助ガイドラインの必要性を論じ,一例の提案を行った. ポスターセッション *をついている発表は論文が 予稿集に掲載されています。 セッションの形式については、実行員会で検討中です。 ポスター番号 タイトル 発表者 P01* CPUを用いた映像分析AIの性能検証 史旭 江田毅晴 三上啓太 P02* AI運用時データ変化による影響調査と方針の検討 鏑木智也 堀内新吾 安部裕之 P03* 機械学習応用システムのデザインパターンの利用状況 鷲崎弘宜 竹内広宜 名取直毅 P04* 画像分類における精度向上と推論コストの両立 藤井英聡 木村浩之 堀内新吾 尾島優太 P05* DeepPatch:物体検出モデルのパッチによる修正 橋本順之 吉岡信和 P06* 深層学習モデルにおける差分の時系列変化可視化ツールDeepDiffViewerの提案 大橋幸奈 崔恩瀞 吉田則裕 近藤将成 水野修 P07 試行錯誤時の再計算を削減するための Python ライブラリ 中丸智貴 P08 機械学習システムに対する品質保証ガイドライン及びプロセスの整備 久連石圭 P09 機械学習システムの品質確保のための「AI品質ガイドライン」の取り組み紹介 向山輝 中山裕貴 若松直哉 佐野建樹 本橋洋介 P10 学習モデル転移にもとづく同業他社向け予測精度向上手法 船矢祐介 田中剛 P11 長期的な安定運用を実現するAI運用基盤の開発 成田顕一郎 P12 Data Augmentationによる、画像分類モデルの訓練・検証を支援するツールの開発 吉井章人 チュートリアル: 機械学習デザインパターン 【講師】 鷲崎弘宜(早稲田大学、NII、システム情報、エクスモーション) 【概要】 機械学習の社会応用が急速に進展することに伴い、実務家や研究者において機械学習モデルや機械学習システム全体の良い設計の指針の整理と共有が求められています。本チュートリアルでは、Lakshmananらが整理体系化したデータ表現や問題表現、モデル訓練、再現性、運用、責任あるAIに関する30の機械学習デザインパターン(Machine Learning Design Patterns)について目的や分類、使いどころ、主要なパターンの詳細を解説します。加えて、講演者らがeAI・QAMLプロジェクトにおいて調査により整理している関連パターンの概要もご紹介します。 企画セッション KS1: 機械学習を活用したシステムの開発における「プロセス・知見」研究 【背景】 様々な領域で機械学習(ML)技術が利用されている一方で、各領域にMLを活用したシステムを開発する際に、システムの目的や要件の定義、仮説検証(PoC)を行う際の評価指標の設定、開発時の設計方法など、開発プロセスおよび各フェーズにおける実行内容や手順に関する体系化された知見の蓄積は限定的である。本セッションでは、機械学習を活用したシステムの「プロセス・事例」を収集・概観し、共通するプロセスや知見を共有することを目的とする。 【セッション内容】 本セッションは、以下の2部からなります。第2部のワークショップでは「実際に関わったMLプロジェクトで得られた知見を共有し、共通点などを概観する」といった活動を行います。MLプロジェクトの実践で得られた知見を共有してくださる方の参加をお待ちしております。なお、本セッションで想定する知見は「プロジェクト運営上で有効となる知見」を想定しており、具体的にはプロジェクト管理、プロセス、全体設計に関係するものになります。具体的なツールの使い方や、パラメータ設定などは対象とはなりませんのでご了承ください。 第1部:講演 昨年度の企画セッションの振り返りや、組織内でMLプロジェクトに関する知見の活用に関する講演を予定しています。 タイトル 発表者 オープニング オーガナイザー 講演(1) PoCで終わらないMLプロジェクトを求めて 〜 昨年度のケーススタディーと今年度のチャレンジ予定 (仮) 石谷 規彦(株式会社ウェザーニューズ Data-Analytics-Center) 講演(2) 社内PoCにおける知見活用 (仮) 名取 直毅(株式会社アイシン 先端AIラボラトリー) 昨年度の振り返りとワークショップの説明 竹内 広宜(オーガナイザー) 第2部:ワークショップ MLプロジェクトに関する知見を共有し、知見の有効な活用方法などについて議論をワークショップ形式で行います。 前半: 2020年度の企画セッションの成果として収集事例からボトムアップに抽出した開発モデルをMuralと呼ばれる巨大壁画ツールの上に張り出します。企画参加者には個人作業として、各自が実践したMLプロジェクトでの知見をモデル上に付箋形式で書き出します。(個人作業の詳細などについては現在検討中で、決まり次第連絡します。) 後半:提示された各知見に関する説明、知見全体を概観しながらの議論 Mural上で作成した成果物はPDFなどに変換し、公開します。 【その他】 第1部、第2部の時間配分などは参加者人数によって検討します。また、使用するツールの詳細情報は別途お知らせします。 【オーガナイザ】 今崎耕太(IPA) 竹内広宜(武蔵大学) 土肥拓生(ライフマティックス) 本橋洋介(NEC) KS2: データ品質エンジニアリングのガイドラインをみんなで作っていこう 機械学習工学(MLSE)でにおいては、学習・検証に用いるデータの品質がとても重要になる。データ品質の向上・確保・保証には、母集団とサンプルの性質のような数理的なアプローチと、要求に対するデータの網羅性のようなエンジニアリング的なアプローチがありうる。前者に関する研究は数理統計分野や機械学習分野において議論されてきたものの、後者について、あるいは両者の現実的な統合のプラクティスは、まだ発展途上である。 本企画セッションとして、データ品質エンジニアリングのガイドラインを共同で構築していくことを目的とし、その構成要素に対する議論を行う。数理的なアプローチとエンジニアリングアプローチ双方における知見や技術に関し、課題や留意点も含めて列挙や構造化を試みることで、データ品質エンジニアリングのガイドラインに向けた議論を行う。 【オーガナイザ】 西 康晴(電通大) 小川 秀人(日立) 石川 冬樹(NII) 光本 直樹(デンソー) KS3:本当に使われている素敵な機械学習システム最前線 〜エッジからスパコンまで〜 機械学習に基づく高度なアプリケーションの実現には、優れたハードウェアおよびソフトウェアによる計算機システムが必要不可欠である。その実態は、クラウドやスパコンといった大規模・高性能システムから、エッジAIと呼ばれる低消費電力・小型なシステムまで様々である。実際に利活用されている「素敵な」機械学習システムは、計算速度や消費電力、価格といったわかりやすい指標だけではなく、使いやすさなどの人間が深く関わる側面においても優れている。本セッションでは、機械学習サービス・アプリケーションを支えている、エッジAI向けの軽量なシステムから大規模・高並列システムまでの幅広い、実際に使われている素敵な機械学習システムの最新動向を紹介する。 本企画セッションの講演は聴講希望者への一般公開を検討しております。詳細は本ページにて後日通知します。 【オーガナイザ】 高前田 伸也(東大) 福田 圭祐(Preferred Networks) KS4: 本番適用のためのインフラと運用に関する討論・相談会 本番適用のためのインフラと運用に関して討論・相談会を開きます。 参加者各位の経験や考察に基づく意見を交わすことで当該領域の理解を深め、最終的に世の中共通的に利用できる知見を編み出すことを目指します。オーガナイザが事前抽出したトピックから参加者が選択する討論と、あらかじめ募集した「本番適用のためのインフラと運用に関係する相談事」について互いにアイデアを出し合って解決策を模索する相談の場を設けます。 ◆ トピック例:アノテーション手法とアーキテクチャ、試行錯誤からシームレスに本番適用に持っていくためのアーキテクチャ、など ◆ 備考: 討論会の議事メモを可能な限り公開していく予定です。 本企画セッション参加をご希望される皆様へ 本企画セッションではひとりひとりの積極的な参加により活発な議論を行うため、参加希望者が多数(30名以上目安)の場合には抽選等により人数制限を設けさせていただく場合があります。 参加をご希望される方は夏合宿の参加申込みフォームで「相談事」を記入ください。 【オーガナイザ】 有賀 康顕(Treasure Data) 土橋 昌(NTTデータ) KS5: 機械学習システムセーフティ・セキュリティ 機械学習システム セーフティ・セキュリティWGのイベントとして、以下の企画セッションを行います。 【論文発表】2020年7月3日(土) 9:00-10:30 吉岡信和, 矢嶋 純 森川 郁也,機械学習応用システムのためのセキュリティリスク分析手法 ReliableAI: Safety Verification of Black Box Type of AI Hideki Nomoto, Shota Iino and Yasutaka Michiura 【招待講演】2020年7月3日(土) 10:45-12:30 講演者:岡田 学 (株式会社TierIV) タイトル:自動運転サービスにおけるDevOps安全性論証の取り組み 自動運転の安全性について、楽しく議論しましょう。是非ご参加ください!! 【ランチセッション】 本企画セッションでは終了後にオンラインランチセッション(13:00-14:00) を開催します。 本企画セッションの講演は聴講希望者への一般公開を検討しております。詳細は本ページにて後日通知します。(都合により非公開となりました) 【オーガナイザ】 金子朋子(NII) 向山輝(NEC) 髙橋雄志(NaiSS) 野本秀樹(JAMSS) ウェルカムセッション 初日の午前中は皆さんにツールの利用と合宿の雰囲気に馴染んでいただくため、ウェルカムセッションを開催します。 以降のスムーズな参加を可能にするためにも、ぜひ参加をお願いします。 ナイトセッション 参加者間の交流を促し、新しいアイデアや研究活動のきっかけをつくるために、初日、二日目にナイトセッションを開催します。 ナイトセッションでは、ランダムなグループ分けでお互いを知るスピードデートターンテーブルの後、 初日は基調講演者の馬先生を囲むテーブル、二日目は故青山先生のMLSE講演およびパネルを視聴しながら故人を偲ぶテーブルのほか、ボトムアップな議論テーマごとに別れたBoF(Bird of Feather)テーブルに別れた交流会を実施します。 ボトムアップな議論テーマは、合宿を通して設置されたMuralボードにて随時受け付ける予定ですので、議論したいこと、仲間を集めたいテーマがあれば、ぜひボードに書き込んでください。 その他、朝食・昼食のセッションについても現在企画中です。 主催 日本ソフトウェア科学会 機械学習工学研究会 ワークショップ運営組織 実行委員 実行委員長 吉崎 亮介(キカガク) 副実行委員長 土肥 拓生(ライフマティックス) ローカル委員長 江澤 美保(クレスコ) プログラム委員長 原 聡(大阪大学) 副プログラム委員長 吉岡 信和(早稲田大学) 出版委員長 竹内 広宜(武蔵大学) プログラム委員 石川 冬樹(国立情報学研究所) 今井 健男(Idein) 鵜林 尚靖(九州大学) 先崎 佑弥(Idein) 徳本 晋(富士通研究所) 吉田 則裕(名古屋大学) 渡邉 孝文(Idein) スポンサー ゴールドスポンサー シルバースポンサー 株式会社マイクロアド 株式会社Citadel AI スポンサー募集 現在、以下のスポンサー枠を募集しています。 スポンサー料の支払いは、研究会の口座への振り込みを予定しています。 ご質問、ご連絡は mlse2021sws@googlegroups.com までお願いします。 ゴールドスポンサー:4万円 スポンサーセッション(質疑応答込み25分) 申込サイトにロゴを掲示いたします 2名にご参加いただけます シルバースポンサー: 2万円 申込サイトにロゴを掲示いたします 1名にご参加いただけます

4/15 (木)

Dccbab00dbec2b18e56c7cf19694a1ec LAPRAS
及川さんに色々ご質問する社内勉強会をせっかくなので公開します
概要 この勉強会とは 及川卓也さんが出された新著、「プロダクトマネジメントのすべて」について、 弊社内のメンバーが質問をもちより、直接著者である及川さんにお聞きする勉強会です。 社内勉強会として発足しましたが、 せっかくなので、外部公開いたします。 PdMのみならず、現場で活躍するエンジニアやエンジニアマネージャー、 スクラムマスターにも役立つ内容を目指します。 お気軽にぜひご視聴ください。 配信URL イベント参加をしてくださった方へ直接URLでお送りします 開始日時以降であれば、お好きなタイミングでご視聴できます (生配信ではなく、収録したものを限定公開します) 参加方法 視聴でのご参加の方 限定公開のYouTubeにて配信いたします。 申し込まれた方にはYouTubeのURLをお送りいたしますので、ご自宅などから、お好きなタイミングでご視聴ください。 タイムスケジュール (生配信ではなく、収録したものを限定公開します) 時間 内容 テーマ 00:00 ご挨拶 --- 00:05 1人めからのご質問 仮説検証時の基準KPIに最初のMVPで達成できなかった場合の判断について 00:20 2人めからのご質問 作り手とユーザを近くするためのユーザインタビューについて 00:35 3人めからのご質問 PdM複数人体制のときのCore, Why, Whatの分割について 00:50 4人めからのご質問 変則的にWhy,What,Howが動くときの仮説検証プロセスの進め方について 01:05 フリーディスカッション --- 01:20 終了 --- 登壇者 著者 名前 及川卓也 (@takoratta ) プロフィール 東京出身。早稲田大学理工学部卒。専門だった探査工学に必要だったことからコンピューターサイエンスを学ぶ。 卒業後は外資系コンピューター企業にて、研究開発業務に従事。現在で言うグループウェア製品の開発や日本語入力アーキテクチャ整備などを行う。その後、数回の転職を経験。OSの開発、ネットワークやセキュリティ技術の標準化などにも携わる。プロダクトマネジメントとエンジニアリングマネジメントという製品開発において軸となる2つの役職を経験。 2019年1月、テクノロジーにより企業や社会の変革を支援するTably株式会社を設立。 参加者① 名前 島田寛基(@hshimada_) プロフィール 2015年、京都大学で計算機科学の学士号を取得。人工知能を専攻。大学時代にはグーグル(日本法人)でインターンシップのほか、Incubate Fundにてさまざまなスタートアップ企業でのテック面での支援を経験。2016年、イギリスのエディンバラ大学(The University of Edinburgh)大学院で修士号「MSc in Artificial Intelligence」を取得。2016年、日本初のAIヘッドハンティングサービスを運営する株式会社scoutyを創業。後にLAPRAS株式会社に社名変更。 しようと思っているご質問(仮) 4.7.1, 4.7.2仮説検証とMVPに関しての質問 仮説検証の基準としてKPI数値をおくことが多いと思います(例:「この機能はユーザーの転職のpainを解決して面談がとれる」という仮説検証のため、このMVPで面談獲得率が15%以上なら仮説を検証とみなす 等)。 その時、最初のMVPでそこまでたどり着かなかったときに、そもそもその領域自体に筋がない(からピボットしたほうがいい)のか、それともオペレーションやプロダクトの磨き込みが足りなかったから低かったのか(だからもうちょっと頑張るべき)は、どう判断しますか? 実際は後者の判断になりがちで、撤退基準を設定するのが非常に難しいと思えます。 仮説や検証基準の設定方法が間違っているのでしょうか? 参加者② 名前 興梠 敬典(@rocky_manobi) プロフィール 株式会社LAPRAS執行役員CTO。 豊田高専を卒業後、ソフトウェアエンジニアとして多様な開発案件に従事。複数の新規事業立ち上げに携わる。2015年より株式会社Nextremer高知AIラボの代表として事業や組織の立ち上げを主導。地域コミュニティや行政とも協力関係を構築し、地方でも先端技術に触れられる場作りに貢献。2019年8月にLAPRASに入社。CTOとしてチームや開発のマネジメントに携わるほか、数社の開発組織づくりのサポートなどを行っている。 しようと思っているご質問(仮) 6.3.1 ペインとゲインを仮説検証するユーザインタビュー 「このようなユーザインタビューにはプロダクトチームは参加すべき」などその通りだと思うのですが、Whyを検証しているこの段階にエンジニアが絡んでいくにはどのような体制や運用を敷くと良いかをお聞きしたいです。 具体的には「エンジニアチーム/スクラムチームがHowの検討や実装にフォーカスしているときに別の機能や施策におけるWhy-Whatの検証が進められ、実装が終わった後はエンジニアチームは次のHowに再び取り組む」のような動きになりがちだと感じました。特にリリース後はシステムの運用やBugFix、問い合わせ対応などの「現在」に目線を置いたタスクが多く発生するので、この力学は大きくなるのではと思います。 分業によるコンテキストスイッチの減少などのメリットもありつつも、作り手とユーザとの距離は近い方が良いと考えており、良い塩梅はないものでしょうか。 現在は背景の共有に力を入れることや、PdMの仕事を共有して信頼関係を作る~などは取り組んでいます ※現在は 1プロダクト, 1スクラムチーム, 複数PdMという構造です。 参加者③ 名前 高濱隆輔(@r_takahama) プロフィール LAPRAS株式会社のプロダクトマネージャー。 京都大学工学部情報学科を卒業後、京都大学大学院情報学研究科にて修士号を取得。新卒で株式会社リクルートライフスタイルにデータサイエンティストとして入社。2017年にLAPRAS株式会社(旧名・株式会社scouty)に入社。大学・大学院・LAPRASでの研究は、それぞれ機械学習や人工知能の最も権威ある国際会議である IJCAI, AAAI, ICML に採択される。現在はLAPRAS株式会社でプロダクトマネージャーとしてプロダクト開発に携わるほか、他数社で人事制度に関するコンサルティングやプロダクト開発の顧問業を行っている。 しようと思っているご質問(仮) 5.1 Product の Core について PdM複数人体制のとき、 Core, Why, What はどのように分割すべきですか?それとも分割すべきではないですか? 1プロダクトでPdM2人とかだと分け方が難しいなと思ってます。 参加者④ 名前 鈴木亮太(@nunuki_) プロフィール NECで機械学習・信号処理の研究を行った後、2018年に機械学習エンジニアとしてLAPRASにジョイン。主著論文がAI分野のトップ会議ICML 2019にて採択される。その後、R&Dの経験を活かしてより多くの価値をユーザーに届けるべく、プロダクトマネージャーに転向。プロダクト戦略、特許戦略、企画推進、データ分析などを中心に、プロダクト全般の統括を行っている。理学修士(物性物理学)。 しようと思っているご質問(仮) 7.4.2 プロダクトの仮説検証プロセスについて Why, What, How は1セットでこの順番で決めていくのが理想だと思いますが、実際には状況に柔軟に対応するために次のようなことが必要になることがあると思います。 ・1つのWhy に対して複数のWhat の検証を同時または立て続けに進める ・ソリューション仮説(What)の検証結果を受けて Why に変更を加える こういった変則的な動きをしたときに、プロセスの可視化や管理、ドキュメンテーションやコミュニケーションが非常に難しくなりますが、これをうまくやる方法はありますか? それとも、そもそもプロセスを標準化してなるべくこのようなことが起こらないようにすべきですか? 主催 エンジニアの「得意」を瞬時に分析。LAPRAS https://lapras.com/ LAPRASは、エンジニアのブログやSNSを分析して自動でポートフォリオを生成し、 最適なキャリアの選択肢にマッチングするキャリアマッチングプラットフォームです。 LAPRASを通じて、エンジニアはSNSの活動などから算出された自分の技術力スコアを確認したり、 スカウトや求人マッチングエンジンを通じて自分に興味を持っている企業とつながったりすることができます。 LAPRASは、転職者であるエンジニアのCX(Candidate Experience)を重視した「マッチングの質」にこだわり、 全てのユーザーの長期的な幸せに貢献します。

2/18 (木)

D341800d43eb5aa8b546cf24a9d676e5 機械学習 名古屋
論文等紹介LT大会その35
機械学習 名古屋 研究会 注意 COVID-19対策にしばらくオンラインイベントとします。 「参加者への情報」に記載したURLから参加してください。「参加者への情報」はイベントに申し込んだ人のみ見ることができます。 概要 機械学習に関する論文・技術ブログを読み、情報共有のLTをする勉強会です。 【発表者・事前に】 論文・技術ブログのまとめ作成(研究会の GitHub リポジトリにプルリク) 【当日】 発表・質疑応答・不明点の解明 対象 機械学習を業務・趣味で用いている人 チュートリアルや基本的な技術書をある程度読み終え、次のステップへ進みたい人 機械学習を使ったサービスのネタを探している人 目的 急速な進歩を続ける機械学習の分野で活躍するには、最新技術の情報収集が重要です。多人数で情報収集・共有をすれば効率的です。この勉強会で、 知識のアップデート 論文を読む習慣付け 発展的・実践的な知見の獲得 をしましょう。 時間割 合計2時間のLT会を行います。発表者数で割った時間が一人あたりの持ち時間です。 一人あたり、発表5分、質疑応答5分を想定しています。 会場 このイベントはリモートで行います。「参加者への情報」に記載したURLにアクセスしてください。その際、ニックネームをconnpassユーザー名にしていただけると助かります。「参加者への情報」はイベントに申し込んだ人のみ見ることができます。 参加方法 枠 事前準備 当日 備考 リモート発表枠 論文・技術ブログをまとめる(「発表方法」を参照) 「参加者への情報」のURLからリモート参加してください。 読む論文が決まらない場合も現地発表枠で申し込んでください リモート一般枠 「参加者への情報」のURLからリモート参加してください。 発表方法 論文・技術ブログを開催日時までに読んで、マークダウン形式で簡単にまとめ、研究会の GitHub リポジトリにプルリクエストを出してください。不明な場合などは代行します。その場合、管理者宛にまとめた.mdファイルを送付してください。 論文・技術ブログのまとめ方について 次は、まとめの章立ての例です。このような内容をまとめてください。 章 内容 どんなもの? 手法の概要 先行研究と比べて何がすごい? 新規性について 技術や手法の肝は? 手法のポイント どうやって有効だと検証した? 評価指標など 議論はある? 論文の研究で出た予想や残った課題など 次に読むべき論文 関連する論文 論文まとめテンプレートを用意しています↓ 論文まとめテンプレート テンプレートなどを利用して、マークダウン形式(.md ファイル)でまとめを作成してください。 提出方法 提出は、研究会の GitHub リポジトリ へのプルリクエストで行います。 {研究会日付}_reportsディレクトリ内に、発表と紐づくようなパス(論文タイトル、発表者名など)でまとめを配置してください。例えば、第1回論文まとめディレクトリを参考にしてください。 GitHub を使えないなどの場合は、当日までに論文をまとめた .md ファイルを管理者宛に送付(もしくは共有URLを提示)いただければ、プルリク代行いたします。 FAQ どうまとめたらいいか分からない まとめの章立ての例や、論文まとめテンプレートは、 落合陽一氏の論文まとめ方(あるスライドの65ページ目) を参考に作成したものです。 考え方やコツは、これまでのまとめ(例えば、第1回論文まとめディレクトリ)や、以下に挙げる参考サイトなどを参考にしてください。 参考 高速で論文がバリバリ読める落合先生のフォーマットがいい感じだったのでメモ - 書架とラフレンツェ パワポ版の落合先生流論文要旨のテンプレートを作ったので配布する - 一人ぼっちのライフハック生活 GitHub の使い方(プルリクエストのやり方)が分からない プルリクエストには GitHub のアカウントが必要です。プルリクエストの方法は次の記事が参考になります。 【GitHub】Pull Requestの手順 GitHubでFork/cloneしたリポジトリを本家リポジトリに追従する 最新論文でないですが大丈夫ですか 会の趣旨から大きく離れていなければ大丈夫です。 画像を入れたい 外部サイトに画像を置く以外にも、20xxxxxx_reports/{発表との対応が分かるディレクトリ名}/xx.pngのようなパスに画像を置く方法をおすすめします。 差分 第28回より URLの通知方法を新機能の「参加者への情報」へ変更した。 第25回より COVID-19対策にリモートのみとした。 第24回より リモート枠をリモート発表枠とリモート一般枠に分けた(発表者人数把握のため)。 第14回より アンケートを無くした。 現地発表者は読む論文が決まっていなくても最初から現地発表枠で申し込む方式に変更した。 第13回より 論文以外にも技術ブログも可とした。 発表しなくても可とした。ただし、枠は発表者優先。 リモート参加を可とした。

10/10 (土)

0ce9c83f0c923192c8c801dba88bb677 コンピュータビジョン勉強会@関東
PRMU共催「人に関わる認識・理解」論文読み会
目的: 第四回 全日本コンピュータビジョン勉強会は、パターン認識・メディア理解研究会(PRMU)との共催で開催されます。 PRMU 10月開催プログラム そこで、今回は10月のPRMUのテーマである「人に関わる認識・理解」に合わせた論文読み会をしたいと思います。 例えば 人物検出/追跡 顔認識関係 姿勢推定 行動認識 医療画像認識 Human Computer Interaction など人が関わる論文であればなんでもOKです。 ぜひ、この機会に読みたい論文や紹介したい論文についてご発表下さい。 PRMU研究会: PRMU研究会は10/9(金)~10/10(土)の二日間にわたり「人に関わる認識・理解」というテーマでオンラインで開催されます。 なお、10/9(金)のPRMUはオンライン参加登録(有料)が必要です。 10/10(土)のPRMUは無料でご参加いただけます。 https://www.ieice.org/ken/user/index.php?cmd=participation&tgs_regid=ab79bf57fa486d9895b9ff5890f67acce83ef9a6809b39804fbce87126b68d8e PRMU研究会の技術研究報告の年間予約者は、事前に電子データをダウンロードするか、当日インターネットに接続して各自ダウンロードして下さい。 年間予約者でない方も、下記から「オンライン参加登録」することにより、技術研究報告の電子データをダウンロード(有料)できます。 https://www.ieice.org/ken/user/index.php?cmd=participation&tgs_regid=ab79bf57fa486d9895b9ff5890f67acce83ef9a6809b39804fbce87126b68d8e&lang=#download 「参加費のお支払いについて」の案内に従って,参加費(オンライン決済)をしてください. 発表者: 今回参加申込みは ・「発表枠」 ・「参加枠」 発表者の方で発表の内容が決まりましたら、メーリングリストでご連絡いただくか、@kantocv、@nagoyacv、@kansaicvまでご連絡ください。 発表順は後ほどこちらでお知らせします。 時間 発表者 論文タイトル 13:00 - 13:30 Opening+各勉強会の紹介 13:30 - 14:00 takmin Weekly Supervised Person Re-Identification 14:00 - 14:30 akihiro_fujii Evolving Losses for Unsupervised Video Representation Learning 14:30 - 15:00 休憩 15:00 - 15:30 alfred_plpl MOTS: Multi-Object Tracking and Segmentation 15:30 - 16:00 Katsutoshi_Shiraki Spatial Temporal Attention Graphによる関節の重要度と関係性を考慮した動作認識 16:00 - 16:30 休憩 16:30 - 17:00 nk116 Inference Stage Optimization for Cross-scenario 3D Human Pose Estimation (NeurIPS 2020) 17:00 - 17:30 godel マンナビについて、ground truthになったVSLAM(仮) 配信: 配信は発表はZoomを使用します。Youtube Liveでも配信を行う予定です。(PRMUと同じ環境を使用します。) 各々アプリのダウンロード等準備をお願い致します。 配信URLは、前日(10/9)の夕方にconnpassのメッセージ機能でお知らせしますので各々確認をお願い致します。 質疑応答 質疑応答はSlackにて行う予定です。 参加URLは前日(10/9)の夕方にconnpassのメッセージ機能でZoomのURLと一緒にお送りしますので、必ずご確認をお願い致します。 勉強会のサイト: コンピュータビジョン勉強会@関東 http://sites.google.com/site/cvsaisentan/ 名古屋CV・PRML勉強会 https://nagoyacv.connpass.com/ 関西CV・PRML勉強会 https://sites.google.com/site/kansaicvprml/ 諸連絡: リアルタイムでの情報発信は以下のTwitterアカウントを使用いたしますのでフォローお願い致します。 コンピュータビジョン勉強会@関東 http://twitter.com/kantocv 名古屋CV・PRML勉強会 http://twitter.com/nagoyacv 関西CV・PRML勉強会 https://twitter.com/kansaicv

4/20 (月)

68591b8804fe1f3e3caa271cce3347f1 全脳アーキテクチャ勉強会
汎用AIと共生インタラクション
第30回 全脳アーキテクチャ勉強会[オンライン] (現状に鑑み、当法人では、オンラインでの勉強会を進めてゆく所存です) テーマ:汎用AIと共生インタラクション 開催趣旨:我々の日常生活圏にて我々と共生し,我々をサポートすることが汎用AIの活躍が期待される主たる用途の一つである.ここで重要となるのが,人とAIとの間に発生するインタラクションである.インタラクションに関する研究は常にAI研究のメインストリームの一つであり長い歴史を持つ.そして,「人間と情報環境の共生インタラクション基盤技術の創出と展開」と題して,人間・機械・情報環境からなる共生社会におけるインタラクションに関する理解を深め,人間同士から環境全体まで多様な形態でのインタラクションを高度に支援する情報基盤技術の創出と展開を目指す研究テーマが現在,JST CRESTとしても実施中である.そこで,今回の勉強会は,人と共生するAIの実現に向けた取り組みにおいて,インタラクションという切り口から研究を2件紹介するとともに,共生AIを実現する上での汎用AIの必要性についてパネル討論を行う. 勉強会開催詳細 日 時:2020年04月20日(月) 18:00~21:00 会 場:オンライン Zoomウェビナー 定 員:400名 主 催:NPO法人 全脳アーキテクチャ・イニシアティブ 運 営:WBA勉強会実行委員会 申し込みから参加までの流れについては、下記を参照ください。 参加枠/参加費について 今後とも、当勉強会を末永く続けてゆくために、主要な支出である講師謝金・配信運営費等の必要経費について、学生以外の参加者に分担していただく方針とさせていただきます。参加をご検討の皆様には何卒ご理解いただけますと幸いでです。 一般参加枠: 先着順になります。お支払いいただいた代金は、今回の講師謝金および配信運営費に充当させていただきます。 学生参加枠: 学生のみが応募できる、無料の先着順枠です。 懇親会枠: 案内開始いたしました。 こちらから申し込みください。 https://wba-meetup.connpass.com/event/173189/ Zoomミーティングでオンラインで実行いたします。 勉強会参加者の方が申し込めます。 どうぞよろしくお願いいたします。 講演スケジュール 時間 内容 講演者 17:55 開場 18:00 開会の挨拶 山川 宏(全脳アーキテクチャ・イニシアティブ) 18:05 趣旨説明 栗原 聡(慶應義塾大学) 18:20 開催ご挨拶 間瀬 健二(名古屋大学) 18:30 Brain-Computer interfaceによる脳とAIのインタラクション 栁澤 琢史(大阪大学) 19:15 休憩(10分) 19:25 ヒューマンエージェントインタラクション:AIとHCIの葛藤 今井 倫太(慶應義塾大学) 20:10 ディスカッション 栗原聡(モデレーター)、間瀬 健二、栁澤 琢史、今井 倫太、山川 宏 20:50 Closing Remark 藤井 烈尚 (実行委員長) 21:00 終了 21:15 懇親会 オンライン Brain-Computer interfaceによる脳とAIのインタラクション 講演者:栁澤 琢史(大阪大学 高等共創研究院 教授) 概要: 脳信号から様々な知覚認知内容や運動状態などをAIによって推定する脳情報解読技術(Neural Decoding)によって、脳とコンピュータを直接つなぐBrain-Computer Interface(BCI)が実現した。また、脳表脳波を用いたneural decodingにより、人の言語や気分を推定できることが報告されている。さらに、体内埋め込み型脳信号計測技術が実用化され、脳の電気刺激と組み合わされることで、AIが推定した脳情報に応じて脳活動を制御するBrain-chipが、失った脳機能の補填や機能拡張として期待されている。しかし、BCIを介した脳とAIのインタラクションによる脳への影響は明らかではない。本講演では、BCIの現状とAIとのインタラクションについて議論する。 ヒューマンエージェントインタラクション:AIとHCIの葛藤 講演者:今井 倫太(慶應義塾大学理工学部 教授) 概要: 他者の行動・環境の変化を予測し生存力を高めるために知的能力を身につけてきたのが生物という観点に立つと、他者や環境とのインタラクションを成り立たせている原理・仕組みを考えることは知能研究において重要な位置を占めることが分かる。本講演では、人とインタラクションするエージェント(ロボットやCGキャラクタ)を通して、インタラクションを扱う知的情報処理システムについて考える。特に、人と機械の間のインタラクションを改善する目的で始まった人工知能研究とヒューマンコンピュータインタラクション研究が独自に発展し袂を分かつようになった中で、再度お互いに連携しあう可能性について考える。 申し込みから参加までの流れ 一般参加枠の方 Connpass から申し込み、PayPalでお支払いをお願いします。 開催前日および当日、Connpass から Zoom への登録情報(URL)のお知らせが届きます。 開催当日16時までに Zoom の登録URLにアクセスし、登録を行ってください。この際、 名前は実名でなくてもかまいません。質問などある方はわかりやすい名前が有利です。 メールアドレスは、PayPal お支払いの際に用いたメールアドレスをご使用ください。 登録承認後、Host WBAI (noreply@zoom.us) から Zoom Webinar アクセス用のリンクを含むメールが送られてきます。 Zoom アプリの準備がまだの方はお使いの端末にインストールしておいてください。 開演時間(18時)になったら上記リンクをクリックし、Webinar にアクセスしてください。 学生参加枠の方 Connpass から申し込みをお願いします。 開催前日および当日、Connpass から Zoom への登録情報(URL)のお知らせが届きます。 開催当日16時までに Zoom の登録URLにアクセスし、登録を行ってください。この際、 First Name:Connpassのユーザー名、Last Name:学校名を入力ください。 登録用のメールアドレスには、通学中の学校のドメインのアドレスをご使用ください。 (事情があって学校ドメインのアドレスが使えない場合、Connpass 経由で連絡ください。) 登録承認後、Host WBAI (noreply@zoom.us) から Zoom Webinar アクセス用のリンクを含むメールが送られてきます。 Zoom アプリの準備がまだの方はお使いの端末にインストールしておいてください。 開演時間(18時)になったら上記リンクをクリックし、Webinar にアクセスしてください。 Zoomパーフェクトマニュアル 今後色々なところでオンラインイベントが行われるようになると思います。 参考にしていただければ幸いです。 https://zoomy.info/zoom_perfect_manual/ 運営スタッフ プログラム委員長:栗原 聡 実行委員長:藤井 烈尚 司会:山川 宏 Zoomウェビナー担当:門前 一馬、横田 浩紀、生島 高裕、荒川 直哉 connpass:生島 高裕、孫 暁白 SNS告知:荒川 直哉 全脳アーキテクチャ勉強会オーガナイザー ◎ 産業技術総合研究所 人工知能研究センター 一杉裕志 1990年東京工業大学大学院情報科学専攻修士課程修了。1993年東京大学大学院情報科学専攻博士課程修了。博士(理学)。同年電子技術総合研究所(2001年より産業技術総合研究所)入所。プログラミング言語、ソフトウエア工学の研究に従事。2005年より計算論的神経科学の研究に従事。 「全脳アーキテクチャ解明に向けて」 ◎ 全脳アーキテクチャ・イニシアティブ 山川宏 1987年3月東京理科大学理学部卒業。1992年東京大学で神経回路による強化学習モデル研究で工学博士取得。同年(株)富士通研究所入社後、概念学習、認知アーキテクチャ、教育ゲーム、将棋プロジェクト等の研究に従事。フレーム問題(人工知能分野では最大の基本問題)を脳の計算機能を参考とした機械学習により解決することを目指している。 ◎ 東京大学 教授 松尾豊 1997年東京大学工学部卒業。2002年東京大学大学院工学系研究科博士課程修了。博士(工学)。産総研、スタンフォード大学等を経て、2007年から東京大学勤務。深層学習を中心とする人工知能の研究に従事。産学連携やスタートアップの育成などにも取り組む。 http://ymatsuo.com/japanese/ 全脳アーキテクチャ・イニシアティブ創設賛助会員 全脳アーキテクチャ・イニシアティブでは、賛助会員を募集しております。賛助会員に登録いただきますと、当サイトに貴団体ロゴとホームページへのリンク掲載や、各種イベントの優先参加など、さまざまな特典がございます。詳しくは、こちらをご覧ください。 これまでに開催された勉強会の内容 第29回 全脳アーキテクチャ勉強会 テーマ:脳と創造性 ひらめきは準備された心にやってくる ー認知科学における創造性研究ー | 三輪 和久(名古屋大学) 創造性における多角的なアプローチ ー認知・身体・他者ー | 清水 大地(東京大学) 第28回 全脳アーキテクチャ勉強会 テーマ:社会性の認知モデル ナイーブな欲求に基づくインタラクションの始まりとデザイン | 竹内 勇剛(静岡大学) 社会性の認知脳メカニズム | 嶋田 総太郎(明治大学) 「心の理論」の計算論的モデリング | 中橋 亮(ソニー・インタラクティブエンタテインメント) 第27回 全脳アーキテクチャ勉強会 テーマ:確率的グラフィカルモデルと脳 動的ボルツマンマシンとPommerman | 恐神 貴行(IBM 東京基礎研究所) 確率的グラフィカルモデルと離散構造処理 | 石畠 正和(NTT コミュニケーション科学基礎研究所) 第26回 全脳アーキテクチャ勉強会 テーマ:自由エネルギー原理 正解のない問題の解決: 実用的知能と行動選択の心理学 | 熊田 孝恒(京都大学) 感情と感情障害のしくみ -自由エネルギー原理の観点からとらえ直す- | 乾 敏郎(追手門学院大学) 第25回 全脳アーキテクチャ勉強会 テーマ:計算論的精神医学 エンジニアのための計算論的精神医学 | 浅川 伸一(東京女子大学) 計算論的精神医学:脳の計算理論に基づく精神障害の病態理解 | 山下 祐一(国立精神・神経医療研究センター) 第24回 全脳アーキテクチャ勉強会 トップダウン制約からの強化学習と社会学習 | 高橋 達二(東京電機大学) 仮説生成に向けた等価性構造抽出 | 佐藤 聖也(東京電機大学) 現代人工知能によって何が変わるのだろうか | 前田 英作(東京電機大学) アブダクションは具体的に研究しうる〜遮蔽補完の計算論〜 | 坂本 一寛(東北医科薬科大学) 第23回 全脳アーキテクチャ勉強会&第4回WBAハッカソン説明会 テーマ:脳における強化学習 強化学習 もう一つの源流:分類子システム | 荒井 幸代(千葉大学) 脳における強化学習| 太田宏之先生(防衛医大) 第22回 全脳アーキテクチャ勉強会 テーマ:自律性と汎用性 創発インタラクションの意義:機能分化に対する変分原理と数理モデル | 津田 一郎(中部大学創発学術院) デザインされた行動から自律発達的な行動へ:インテリジェンスダイナミクスに関して | 藤田 雅博(ソニー株式会社) 勉強会概要と発表資料 第21回 全脳アーキテクチャ勉強会 テーマ:「推論」 【脳科学】前頭葉での推論 | 坂上雅道(玉川大学) 【認知科学】人の推論過程 | 服部雅史(立命館大) 【人工知能】ベイジアンネット | 植野真臣(電気通信大学) 勉強会概要と発表資料 第20回 全脳アーキテクチャ勉強会 ~ 海馬における文脈表現 海馬とエピソード記憶 ―脳は物語をいかに表現するか?― 全脳における海馬の計算論 第20回 全脳アーキテクチャ勉強会 ~ 海馬における文脈表現 まとめ (togetter) 第19回 全脳アーキテクチャ勉強会 ~ 脳・人工知能とアナログ計算・量子計算 アナログ計算機と計算可能性 量子アニーリングのこれまでとこれから 第19回 全脳アーキテクチャ勉強会 ~ 脳・人工知能とアナログ計算・量子計算〜 まとめ (togetter) 第18回 全脳アーキテクチャ勉強会 ~ 全脳規模計算 全脳シミュレーション 時間領域アナログ方式で脳の演算効率に迫る 第18回 全脳アーキテクチャ勉強会 ~ 全脳規模計算 ~ まとめ (togetter) 第17回 全脳アーキテクチャ勉強会 ~ 失語症と発達性ディスレクシア ~ 失語症と発達性ディスレクシア 脳内神経繊維連絡と失語症 発達性ディスレクシア - 生物学的原因から対応まで 第16回 全脳アーキテクチャ勉強会 ~ 人工知能は意味をどう獲得するのか ~ ヒト大脳皮質における意味情報表現 画像キャプションの自動生成 第15回 全脳アーキテクチャ勉強会 ~ 知能における進化・発達・学習 ~ ヒトの知性の進化 発達する知能 -ことばの学習を可能にする能力― 勉強会概要と発表資料 第14回 全脳アーキテクチャ勉強会 ~ 深層学習を越える新皮質計算モデル ~ 大脳新皮質のマスターアルゴリズムの候補としての Hierarchical Temporal Memory (HTM) 理論 サル高次視覚野における物体像の表現とそのダイナミクス 勉強会概要と発表資料 第13回 全脳アーキテクチャ勉強会 ~ コネクトームと人工知能 ~ コネクトームの活用とその近未来 脳全体の機能に迫る 勉強会概要と発表資料 第12回 全脳アーキテクチャ勉強会 ~ 脳の学習アーキテクチャー ~ 脳の学習アーキテクチャ パネルディスカッション「神経科学と全脳アーキテクチャ」 勉強会概要と発表資料 第11回 全脳アーキテクチャ勉強会 ~ Deep Learning の中身に迫る ~ 深層学習の学習過程における相転移 Deep Neural Networks の力学的解析 SkymindのDeep Learning への取り組み 勉強会概要と発表資料 第10回 全脳アーキテクチャ勉強会 「全脳アーキテクチャのいま」~ 全脳アーキテクチャプロジェクトとそれをとりまく周辺の最新状況報告 ~ 全脳アーキテクチャの全体像 人工知能の難問と表現学習 全脳アーキテクチャと大脳皮質モデル BESOM の実用化研究の構想 全脳アーキテクチャを支えるプラットフォーム 人工知能・ロボット次世代技術開発 汎用人工知能に向けた認知アーキテクチャが解決するべき知識の課題 感情モデルと対人サービス 若手の会の活動報告 勉強会概要と発表資料 第9回 全脳アーキテクチャ勉強会 ~ 実世界に接地する言語と記号 ~ 脳内視覚情報処理における物体表現の理解を目指して ~ Deep neural network の利用とブレイン・マシン・インタフェースへの応用 ~ 記号創発ロボティクス ~内部視点から見る記号系組織化への構成論的アプローチ~ 脳科学から見た言語の計算原理 勉強会概要と発表資料 第8回 全脳アーキテクチャ勉強会 時系列データ ~ 脳と機械学習技術は時間をどう扱うのか ~ 脳における時間順序判断の確率論的最適化 順序とタイミングの神経回路モデル 深層学習によるロボットの感覚運動ダイナミクスの学習 勉強会概要と発表資料 第7回 全脳アーキテクチャ勉強会 感情 ~ 我々の行動を支配する価値の理解にむけて ~ 感情の進化 ~ サルとイヌに見られる感情機能 ~ 情動の神経基盤 ~ 負情動という生物にとっての価値はどのように作られるか? ~ 感情の工学モデルについて ~ 音声感情認識及び情動の脳生理信号分析システムに関する研究 ~ 勉強会概要と発表資料 第6回 全脳アーキテクチャ勉強会 統合アーキテクチャー ~ 神経科学分野と AI 分野の研究蓄積の活用に向けて ~ 分散と集中:全脳ネットワーク分析が示唆する統合アーキテクチャ 脳の計算アーキテクチャ:汎用性を可能にする全体構造 認知機能実現のための認知アーキテクチャ 勉強会概要と発表資料 第5回 全脳アーキテクチャ勉強会 ~ 意思決定 深いゴール探索と深い強化学習の技術をヒントにして、前頭前野の機構の解明を目指す ~ Deep Learning とベイジアンネットと強化学習を組み合わせた機構による、 前頭前野周辺の計算論的モデルの構想 BDI ― モデル、アーキテクチャ、論理 ― 強化学習から見た意思決定の階層 勉強会概要と発表資料 第4回 全脳アーキテクチャ勉強会 ~ 機械学習と神経科学の融合の先に目指す超知能 ~ 全脳アーキテクチャ主旨説明 AI の未解決問題と Deep Learning 脳の主要な器官の機能とモデル 脳をガイドとして超脳知能に至る最速の道筋を探る 自然な知覚を支える脳情報表現の定量理解 脳型コンピュータの可能性 勉強会概要と発表資料 第3回 全脳アーキテクチャ勉強会 ~ 海馬:脳の自己位置推定と地図作成のアルゴリズム ~ 「SLAM の現状と鼠の海馬を模倣した RatSLAM」 「海馬神経回路の機能ダイナミクス」 「人工知能 (AI) 観点から想定する海馬回路の機能仮説」 勉強会概要と発表資料 第2回 全脳アーキテクチャ勉強会 ~ 大脳皮質と Deep Learning ~ 「大脳皮質と Deep Learning」 「視覚皮質の計算論的モデル ~ 形状知覚における図地分離と階層性 ~」 「Deep Learning 技術の今」 WBA の実現に向けて: 大脳新皮質モデルの視点から 勉強会概要と発表資料 第1回 全脳アーキテクチャ勉強会 ~ 機械学習と神経科学の融合の先に目指す超知能 ~ 勉強会開催の主旨説明 AI の未解決問題と Deep Learning 脳の主要な器官の機能とモデル 脳を参考として人レベル AI を目指す最速の道筋 勉強会概要と発表資料 全脳アーキテクチャ勉強会の開始背景(2013年12月) 人間の脳全体構造における知的情報処理をカバーできる全脳型 AI アーキテクチャを工学的に実現できれば、人間レベル、さらにそれ以上の人工知能が実現可能になります。これは人類社会に対して、莫大な富と利益をもたらすことが予見されます。例えば、検索や広告、自動翻訳や対話技術、自動運転やロボット、そして金融や経済、政治や社会など、幅広い分野に大きな影響を与えるでしょう。 私達は、この目的のためには、神経科学や認知科学等の知見を参考としながら、機能的に分化した脳の各器官をできるだけ単純な機械学習器として解釈し、それら機械学習器を統合したアーキテクチャを構築することが近道であると考えています。 従来において、こうした試みは容易ではないと考えられてきましたが、状況は変わりつつあります。すでに、神経科学分野での知見の蓄積と、計算機速度の向上を背景に、様々な粒度により脳全体の情報処理を再現/理解しようとする動きが欧米を中心に本格化しています。 また Deep Learning などの機械学習技術のブレークスルー、大脳皮質ベイジアンネット仮説などの計算論的神経科学の進展、クラウドなどの計算機環境が充実してきています。 こうした背景を踏まえるならば、全脳型 AI アーキテクチャの開発は世界的に早々に激化してくる可能性さえあります。 そこで私達は、2020年台前半までに最速で本技術を実現できるロードマップを意識しながら、この研究の裾野を広げていく必要があると考えています。 そしてこのためには、情報処理技術だけでなく、ある程度のレベルにおいて神経科学等の関連分野の知見を幅広く理解しながら、情熱をもってこの研究に挑む多くの研究者やエンジニアの参入が必要と考えています。

7/19 (金)

8da4201ff38f1319f91ffd8744b1462c 全脳アーキテクチャ勉強会
確率的グラフィカルモデルと脳
第27回 全脳アーキテクチャ勉強会 テーマ:確率的グラフィカルモデルと脳 開催趣旨:脳は確率推論をする情報処理装置であり、予測符号化モデルのように一種の確率的グラフィカルモデルを用いた大脳皮質の計算論的モデルがいくつも提案されてきている。また、汎用人工知能の実現に向けた重要な課題の1つに確率推論と記号推論の統合があるが、確率的グラフィカルモデルはそのカギになり得る技術でもある。今回の勉強会ではボルツマンマシンやベイジアンネットの専門家をお呼びして、確率的グラフィカルモデルの高機能化・大規模化につながる様々な技術について理解を深めるとともに、今後解決すべき課題について議論する。 勉強会開催詳細 日 時:2019年7月19日(金) 18:00~20:20 会 場:東京大学医学部教育研究棟14階 鉄門記念講堂 東京都文京区本郷 7-3-1(医学部教育研究棟 / 交通案内) 定 員:200名 主 催:NPO法人 全脳アーキテクチャ・イニシアティブ 協 賛:文部科学省新学術領域「脳情報動態」 参加枠について 無料の参加枠: 抽選になります。募集締切になりましたら Connpass よりメールでの通知があります。 もし抽選に漏れた場合でも、キャンセルによる繰り上げで参加できる場合があります。 一般枠は応募多数になることが予想されます。確実に参加されたい場合は、有料枠や運営ボランティアによる参加を推奨します。 運営ボランティアになりますと、勉強会の記録用動画も見られますのでオススメです。 ボランティアの詳細情報、お申込みはこちら 講師謝金枠: 先着順のため、枠に空きがある場合はお申し込み頂いた時点で参加が確定します。また、前方に講師謝金枠の席をご用意致します。 お支払い頂いた謝礼は、今回の講師謝礼金に充当させて頂きます。 懇親会枠: こちらは、勉強会と懇親会(情報交換会)の双方に参加できる枠です。 先着順のため、枠に空きがある場合はお申し込み頂いた時点で参加が確定します。 懇親会は登壇者の参加率が高く、多くの参加者が直接意見交換されています。 また「興味はあるけど解らないことばかり」といった方も歓迎です。 講演スケジュール 時間 内容 講演者 17:30 開場 18:00 開会の挨拶 尾藤 晴彦(東京大学) 18:02 会場説明 一杉 裕志(産業技術総合研究所 人工知能研究センター) 18:10 開催趣旨説明:大規模グラフィカルモデルのブレークスルーを目指す 一杉 裕志(産業技術総合研究所 人工知能研究センター) 18:25 動的ボルツマンマシンとPommerman 恐神 貴行(IBM 東京基礎研究所) 19:05 休憩(10分) 19:15 確率的グラフィカルモデルと離散構造処理 石畠 正和(NTT コミュニケーション科学基礎研究所) 19:55 ディスカッション 20:15 Closing Remark 山川 宏(全脳アーキテクチャ・イニシアティブ) 20:20 終了 20:40 懇親会 棲鳳閣 動的ボルツマンマシンとPommerman 講演者:恐神 貴行(IBM 東京基礎研究所) 概要:ボルツマンマシン等の従来の人工ニューラルネットワークはヘブ則に基づいて学習するが、近年の生物実験においてはヘブ則をより精緻にするスパイク時間依存可塑性(STDP)が神経細胞の学習則として確認されている。本講演では、STDPに対する理論的な基礎付けを与えるために、各時点に対応する層をもつボルツマンマシンを考え、層数無限の極限として動的ボルツマンマシンを導出する。特に、所与の時系列データの尤度最大化という目的関数から導出される動的ボルツマンマシンの学習則が、STDPの特徴を有することを示す。また、NeurIPS 2018 Pommermanコンペティションで1位と3位に入賞したエージェントに使われた、悲観的シナリオに基づくリアルタイム木探索技術についても紹介する。 確率的グラフィカルモデルと離散構造処理 講演者:石畠 正和(NTT コミュニケーション科学基礎研究所) 概要:人工知能・機械学習において、興味のある対象はしばしば確率モデルとして記述される。確率的グラフィカルモデルとは、確率モデルをグラフ構造により表現する手法であり、グラフの特性を生かした効率的な推論・学習アルゴリズムを提供するだけでなく、対象の確率モデルの直感的な理解にも貢献する。確率的グラフィカルモデルの1つであるBayesian Network (BN)は、同時分布を有向非巡回グラフにより表現する。このBN上の確率計算・学習には、一般には指数的な計算が必要である。本講演では、これらのBN上の指数的な計算が離散構造処理技術を用いることで、経験的に効率的に行えることを紹介する。 運営スタッフ プログラム委員長:一杉 裕志 実行委員長:藤井 烈尚 司会:一杉 裕志 懇親会幹事:生島 高裕 当日会場準備:長田 恭治、横田 浩紀 写真撮影:門前 一馬 動画撮影:門前 一馬 connpass:藤井 烈尚 SNS告知:荒川 直哉 会場マイク担当等:横田 浩紀 備品:荒川 直哉 全脳アーキテクチャ勉強会オーガナイザー ◎ 産業技術総合研究所 人工知能研究センター 一杉裕志 1990年東京工業大学大学院情報科学専攻修士課程修了。1993年東京大学大学院情報科学専攻博士課程修了。博士(理学)。同年電子技術総合研究所(2001年より産業技術総合研究所)入所。プログラミング言語、ソフトウエア工学の研究に従事。2005年より計算論的神経科学の研究に従事。 「全脳アーキテクチャ解明に向けて」 ◎ 全脳アーキテクチャ・イニシアティブ 山川宏 1987年3月東京理科大学理学部卒業。1992年東京大学で神経回路による強化学習モデル研究で工学博士取得。同年(株)富士通研究所入社後、概念学習、認知アーキテクチャ、教育ゲーム、将棋プロジェクト等の研究に従事。フレーム問題(人工知能分野では最大の基本問題)を脳の計算機能を参考とした機械学習により解決することを目指している。 ◎ 東京大学 教授 松尾豊 1997年東京大学工学部卒業。2002年東京大学大学院工学系研究科博士課程修了。博士(工学)。産総研、スタンフォード大学等を経て、2007年から東京大学勤務。深層学習を中心とする人工知能の研究に従事。産学連携やスタートアップの育成などにも取り組む。 http://ymatsuo.com/japanese/ 全脳アーキテクチャ・イニシアティブ創設賛助会員 全脳アーキテクチャ・イニシアティブでは、賛助会員を募集しております。賛助会員に登録いただきますと、当サイトに貴団体ロゴとホームページへのリンク掲載や、各種イベントの優先参加など、さまざまな特典がございます。詳しくは、こちらをご覧ください。 これまでに開催された勉強会の内容 第26回 全脳アーキテクチャ勉強会 テーマ:自由エネルギー原理 正解のない問題の解決: 実用的知能と行動選択の心理学 | 熊田 孝恒(京都大学) 感情と感情障害のしくみ -自由エネルギー原理の観点からとらえ直す- | 乾 敏郎(追手門学院大学) 第25回 全脳アーキテクチャ勉強会 テーマ:計算論的精神医学 エンジニアのための計算論的精神医学 | 浅川 伸一(東京女子大学) 計算論的精神医学:脳の計算理論に基づく精神障害の病態理解 | 山下 祐一(国立精神・神経医療研究センター) 第24回 全脳アーキテクチャ勉強会 トップダウン制約からの強化学習と社会学習 | 高橋 達二(東京電機大学) 仮説生成に向けた等価性構造抽出 | 佐藤 聖也(東京電機大学) 現代人工知能によって何が変わるのだろうか | 前田 英作(東京電機大学) アブダクションは具体的に研究しうる〜遮蔽補完の計算論〜 | 坂本 一寛(東北医科薬科大学) 第23回 全脳アーキテクチャ勉強会&第4回WBAハッカソン説明会 テーマ:脳における強化学習 強化学習 もう一つの源流:分類子システム | 荒井 幸代(千葉大学) 脳における強化学習| 太田宏之先生(防衛医大) 第22回 全脳アーキテクチャ勉強会 テーマ:自律性と汎用性 創発インタラクションの意義:機能分化に対する変分原理と数理モデル | 津田 一郎(中部大学創発学術院) デザインされた行動から自律発達的な行動へ:インテリジェンスダイナミクスに関して | 藤田 雅博(ソニー株式会社) 勉強会概要と発表資料 第21回 全脳アーキテクチャ勉強会 テーマ:「推論」 【脳科学】前頭葉での推論 | 坂上雅道(玉川大学) 【認知科学】人の推論過程 | 服部雅史(立命館大) 【人工知能】ベイジアンネット | 植野真臣(電気通信大学) 勉強会概要と発表資料 第20回 全脳アーキテクチャ勉強会 ~ 海馬における文脈表現 海馬とエピソード記憶 ―脳は物語をいかに表現するか?― 全脳における海馬の計算論 第20回 全脳アーキテクチャ勉強会 ~ 海馬における文脈表現 まとめ (togetter) 第19回 全脳アーキテクチャ勉強会 ~ 脳・人工知能とアナログ計算・量子計算 アナログ計算機と計算可能性 量子アニーリングのこれまでとこれから 第19回 全脳アーキテクチャ勉強会 ~ 脳・人工知能とアナログ計算・量子計算〜 まとめ (togetter) 第18回 全脳アーキテクチャ勉強会 ~ 全脳規模計算 全脳シミュレーション 時間領域アナログ方式で脳の演算効率に迫る 第18回 全脳アーキテクチャ勉強会 ~ 全脳規模計算 ~ まとめ (togetter) 第17回 全脳アーキテクチャ勉強会 ~ 失語症と発達性ディスレクシア ~ 失語症と発達性ディスレクシア 脳内神経繊維連絡と失語症 発達性ディスレクシア - 生物学的原因から対応まで 第16回 全脳アーキテクチャ勉強会 ~ 人工知能は意味をどう獲得するのか ~ ヒト大脳皮質における意味情報表現 画像キャプションの自動生成 第15回 全脳アーキテクチャ勉強会 ~ 知能における進化・発達・学習 ~ ヒトの知性の進化 発達する知能 -ことばの学習を可能にする能力― 勉強会概要と発表資料 第14回 全脳アーキテクチャ勉強会 ~ 深層学習を越える新皮質計算モデル ~ 大脳新皮質のマスターアルゴリズムの候補としての Hierarchical Temporal Memory (HTM) 理論 サル高次視覚野における物体像の表現とそのダイナミクス 勉強会概要と発表資料 第13回 全脳アーキテクチャ勉強会 ~ コネクトームと人工知能 ~ コネクトームの活用とその近未来 脳全体の機能に迫る 勉強会概要と発表資料 第12回 全脳アーキテクチャ勉強会 ~ 脳の学習アーキテクチャー ~ 脳の学習アーキテクチャ パネルディスカッション「神経科学と全脳アーキテクチャ」 勉強会概要と発表資料 第11回 全脳アーキテクチャ勉強会 ~ Deep Learning の中身に迫る ~ 深層学習の学習過程における相転移 Deep Neural Networks の力学的解析 SkymindのDeep Learning への取り組み 勉強会概要と発表資料 第10回 全脳アーキテクチャ勉強会 「全脳アーキテクチャのいま」~ 全脳アーキテクチャプロジェクトとそれをとりまく周辺の最新状況報告 ~ 全脳アーキテクチャの全体像 人工知能の難問と表現学習 全脳アーキテクチャと大脳皮質モデル BESOM の実用化研究の構想 全脳アーキテクチャを支えるプラットフォーム 人工知能・ロボット次世代技術開発 汎用人工知能に向けた認知アーキテクチャが解決するべき知識の課題 感情モデルと対人サービス 若手の会の活動報告 勉強会概要と発表資料 第9回 全脳アーキテクチャ勉強会 ~ 実世界に接地する言語と記号 ~ 脳内視覚情報処理における物体表現の理解を目指して ~ Deep neural network の利用とブレイン・マシン・インタフェースへの応用 ~ 記号創発ロボティクス ~内部視点から見る記号系組織化への構成論的アプローチ~ 脳科学から見た言語の計算原理 勉強会概要と発表資料 第8回 全脳アーキテクチャ勉強会 時系列データ ~ 脳と機械学習技術は時間をどう扱うのか ~ 脳における時間順序判断の確率論的最適化 順序とタイミングの神経回路モデル 深層学習によるロボットの感覚運動ダイナミクスの学習 勉強会概要と発表資料 第7回 全脳アーキテクチャ勉強会 感情 ~ 我々の行動を支配する価値の理解にむけて ~ 感情の進化 ~ サルとイヌに見られる感情機能 ~ 情動の神経基盤 ~ 負情動という生物にとっての価値はどのように作られるか? ~ 感情の工学モデルについて ~ 音声感情認識及び情動の脳生理信号分析システムに関する研究 ~ 勉強会概要と発表資料 第6回 全脳アーキテクチャ勉強会 統合アーキテクチャー ~ 神経科学分野と AI 分野の研究蓄積の活用に向けて ~ 分散と集中:全脳ネットワーク分析が示唆する統合アーキテクチャ 脳の計算アーキテクチャ:汎用性を可能にする全体構造 認知機能実現のための認知アーキテクチャ 勉強会概要と発表資料 第5回 全脳アーキテクチャ勉強会 ~ 意思決定 深いゴール探索と深い強化学習の技術をヒントにして、前頭前野の機構の解明を目指す ~ Deep Learning とベイジアンネットと強化学習を組み合わせた機構による、 前頭前野周辺の計算論的モデルの構想 BDI ― モデル、アーキテクチャ、論理 ― 強化学習から見た意思決定の階層 勉強会概要と発表資料 第4回 全脳アーキテクチャ勉強会 ~ 機械学習と神経科学の融合の先に目指す超知能 ~ 全脳アーキテクチャ主旨説明 AI の未解決問題と Deep Learning 脳の主要な器官の機能とモデル 脳をガイドとして超脳知能に至る最速の道筋を探る 自然な知覚を支える脳情報表現の定量理解 脳型コンピュータの可能性 勉強会概要と発表資料 第3回 全脳アーキテクチャ勉強会 ~ 海馬:脳の自己位置推定と地図作成のアルゴリズム ~ 「SLAM の現状と鼠の海馬を模倣した RatSLAM」 「海馬神経回路の機能ダイナミクス」 「人工知能 (AI) 観点から想定する海馬回路の機能仮説」 勉強会概要と発表資料 第2回 全脳アーキテクチャ勉強会 ~ 大脳皮質と Deep Learning ~ 「大脳皮質と Deep Learning」 「視覚皮質の計算論的モデル ~ 形状知覚における図地分離と階層性 ~」 「Deep Learning 技術の今」 WBA の実現に向けて: 大脳新皮質モデルの視点から 勉強会概要と発表資料 第1回 全脳アーキテクチャ勉強会 ~ 機械学習と神経科学の融合の先に目指す超知能 ~ 勉強会開催の主旨説明 AI の未解決問題と Deep Learning 脳の主要な器官の機能とモデル 脳を参考として人レベル AI を目指す最速の道筋 勉強会概要と発表資料 全脳アーキテクチャ勉強会の開始背景(2013年12月) 人間の脳全体構造における知的情報処理をカバーできる全脳型 AI アーキテクチャを工学的に実現できれば、人間レベル、さらにそれ以上の人工知能が実現可能になります。これは人類社会に対して、莫大な富と利益をもたらすことが予見されます。例えば、検索や広告、自動翻訳や対話技術、自動運転やロボット、そして金融や経済、政治や社会など、幅広い分野に大きな影響を与えるでしょう。 私達は、この目的のためには、神経科学や認知科学等の知見を参考としながら、機能的に分化した脳の各器官をできるだけ単純な機械学習器として解釈し、それら機械学習器を統合したアーキテクチャを構築することが近道であると考えています。 従来において、こうした試みは容易ではないと考えられてきましたが、状況は変わりつつあります。すでに、神経科学分野での知見の蓄積と、計算機速度の向上を背景に、様々な粒度により脳全体の情報処理を再現/理解しようとする動きが欧米を中心に本格化しています。 また Deep Learning などの機械学習技術のブレークスルー、大脳皮質ベイジアンネット仮説などの計算論的神経科学の進展、クラウドなどの計算機環境が充実してきています。 こうした背景を踏まえるならば、全脳型 AI アーキテクチャの開発は世界的に早々に激化してくる可能性さえあります。 そこで私達は、2020年台前半までに最速で本技術を実現できるロードマップを意識しながら、この研究の裾野を広げていく必要があると考えています。 そしてこのためには、情報処理技術だけでなく、ある程度のレベルにおいて神経科学等の関連分野の知見を幅広く理解しながら、情熱をもってこの研究に挑む多くの研究者やエンジニアの参入が必要と考えています。