【人工知能学会 合同研究会2021】 参加報告

・開催期間：2021/11/26（金）～27（土）

・開催形式：オンライン（Zoom）

・参加費用：無料

・参加者数：867

・発表件数：106

・招待講演数：22（※萌芽研究会セッションを含む）

・参加研究会数：16

・スポンサー数：11

• 第58回人工知能学会 AI チャレンジ研究会
• 第8回 人工知能学会市民共創知研究会「みらいらぼ2021 オンライン」
• 第118回 人工知能基本問題研究会
• コモンセンスと感情研究会
• 第42回 知識・技術・技能の伝承支援研究会
• 第55回セマンティックウェブとオントロジー研究会
• 第27回 人工知能学会インタラクティブ情報アクセスと可視化マイニング研究会
• 第19回 人工知能学会 汎用人工知能研究会
• 第6回人 工知能学会 計測インフォマティクス研究会
• 第124回 人工知能学会 知識ベースシステム研究会
• 第93回 先進的学習科学と工学研究会
• 第36回 ナチュラルコンピューティング研究会
• 第41回 人工知能学会 社会におけるAI研究会
• 第20回 データ指向構成マイニングとシミュレーション研究会
• 第11回 日本医療情報学会「医用人工知能研究会」・人工知能学会「医用人工知能研究会」(SIG-AIMED) 合同研究会
• 萌芽研究会

• この講演では、国内におけるAI Safety、Security関連の学会と研究開発の現状について紹介していた。
• 国内では、海外のAI Safety学会群に対応するものがないこと、AI Securityの研究が学術主導レベルであること、Safety（機能安全）の研究者とSecurity（サイバーセキュリティ）の研究者の交流がほとんど行われていないことを報告した。
• 海外では、自動車に対するサイバーセキュリティについて議論する会議が古くから存在し、近年では、AI Safety、Security関連のワークショップが盛り上がりを見せていることも述べた。
• このような状況で、企業から「自動運転に対するAIの利活用と安全性」、「サイバー攻撃に対する安全性」について知りたいという強い要求があるため、人工知能の安全性とセキュリティに関する研究協議会を立ち上げたとのこと。
• 世界的にセキュリティ意識が低いことが懸念されているため、このような研究が増加し、注目され始めていることを感じた。

• この研究では、Youtubeにおいてコメントが荒れている炎上動画を検出する分類器の作成を行っていた。
• 特徴量として、autonlp-japanese-sentiment-59363モデルを使用し、動画コメントの感情スコア（”positive”、”negative”2値の推定確率）を求めて検証を行っていた。
• 分類精度は約81%で、感情スコアのみならず、動画の再生数、コメント数、高評価数といった特徴量も含めて学習を行うことで、分類精度が上昇することを確認した。
• 感情スコアだけでも約72％の分類精度であることを述べていたので、2値の感情だけでなく、様々な感情を考慮して結果が変わるのかが気になるところ。

• URL：https://www.jstage.jst.go.jp/article/jsaikbs/124/0/124_17/_article/-char/ja/

• この研究では、従来人間が持ち合わせている直感的な判断機能を解明することを目的として、ブーバキキ効果といわれる研究をもとに、2つの実験を行っていた。最後に、実験結果から開発した雰囲気解析ツールの活用例を紹介していた。

• 1つ目の実験では、聴覚情報と触覚情報（手）に互換性があることが確認できたため、各種感覚情報には強い相関性があることが分かった。
• 2つ目の実験では、心理音響の観点から音の成分を分析し、人は高い音、低い音がなっている状態において尖った印象、丸い印象を持ちやすいという可能性を述べた。
• これらの結果をもとに開発した雰囲気解析ツールによって、場の雰囲気を音の観点から可視化することが可能になり、障害を超えたコミュニケーションの質を高めることに期待できるとのこと。
• 近年では、ビジネス会議用VRシステムが開発されたように、仮想空間上でのコミュニケーションが求められつつある。この点に注目し、心理学、心理音響の観点から研究を行っているため、他の講演ではなかなか聞けないような興味深い研究内容だと感じた。

• URL：https://uploads.strikinglycdn.com/files/fd18ab87-f368-4397-9007-1933af40120d/SIGNAC_2021_%E4%BA%88%E7%A8%BF%E9%9B%86.pdf

• この研究では、患者の長期的なブログの文章を用いて、うつ病の推定を行っていた。
• 文章に注目し、うつ病患者を推定する既存研究があるが、実際の診断方法（DSM-5）に基づいていないことを指摘していた。
• そこで、実際の診断方法に基づき、cl-tohoku/bert-base-japanese-whole-word-maskingモデル（日本語テキストで事前学習したBERTモデル）を使用し、9つのうつ症状を推定した。

• これらの結果を用いることで、約91％の精度でうつ病患者を推定することに成功している。
• 疑問点として、データセットのラベル付け作業（うつ病患者が書いた文章なのか）において、研究室のメンバーと友人間で行っているため、医療従事者の観点から見て正確に行えているのかが疑問に思えた。

• URL：https://drive.google.com/file/d/170kr_Occ91p4RfqGaKEkS8hI_KtfMzih/view