人間AI協働機構研究チーム

機械学習機構研究チームでは、機械学習技術の機構的な側面に焦点を当て、実世界で人と協調し、容易に構築・運用できるAI技術の確立を目指して、人間と協調して相互に成長するAIフレームワークや少量データで効率的に学習する仕組み、基盤モデルやネットワーク構造に関する研究などを実施しています。医療・ヘルスケア分野や社会インフラメンテナンス分野での検査支援技術を主たる対象としつつ、現実的な社会課題の解決へ向けた取り組みの中から学術的に重要かつ普遍的な研究テーマを抽出し、その実現を目指しながら研究成果の社会実装との両立を目指しています。

🏴チームの主な研究テーマ

画像認識技術による医療診断支援

近年、人工知能（AI）技術は深層学習の発展に伴い飛躍的な進化を遂げ、いくつかの医療用AI技術が実用化され、実臨床現場で使われ始めています。しかし、応用が進んでいる分野は、AIを学習するためのデータとそのラベルを多く集められる分野に偏っており、検査数の少ない診療科や患者数の少ない希少症例などでのAI応用は進んでいません。本来、AI活用による診断支援は、医師が少ない診療領域や判断の難しい症例などにこそ必要で、医師の負担を減らし、経験や知識の不足を補う支援ツールとして活用されるべきです。そこで、私たちは、検査数や対象の症例数などに左右されることなく導入可能なAI技術の確立を目指し、少量データでAIを構築する画像基盤モデルの研究開発に取り組んでいます。


インフラメンテナンスにおける異常検知技術

社会インフラや産業インフラの点検や調査では、打音試験や近接目視、触診などが一次検査として広く行われ、異常が発見された場合には、その後の経過観察や精密な機器による二次検査に進みます。ここで重要なのは一次検査で異常を見落とさないことなのですが、検査員の経験や感覚に依存していることや、熟練検査員の数は高齢化に伴い減少していくことなどの問題点があります。そこで私たちは、コンクリート構造物の打音検査や、水道管、回転機械などの異常振動の検査のIT化に取り組んでいます。検査員の五感に頼らず、機械学習に基づく解析技術により検査結果を定量化することで、異常の見落としにつながる検査品質のバラツキやミスを防止します。