こんにちは．人工知能研究所 発見数理PJの高木です．富士通研究所では「AIを用いた知識発見」に関する研究開発を行っています．このたび，デューク大学のInterpretable Machine Learning Lab （解釈可能機械学習研究室）との共同研究成果である「決定木の羅生門集合構築技術」が機械学習の主要な国際会議であるNeurIPS2022に採択されたので，その内容を紹介します．
対象論文
こんにちは、人工知能研究所AI品質プロジェクトの金月です。富士通研究所では、AIの品質向上に向けた研究を行っています。深層学習モデルの精度低下を正解データなしで修復する研究成果が、IEEE ICIP2022にて採択されたのでその概要をご紹介します。
Multi-Step Test-Time Adaptation with Entropy Minimization and Pseudo-Labeling
Hiroaki Kingetsu; Kenichi Kobayashi; Yoshihiro Okawa; Yasuto Yokota; Katsuhito Nakazawa
富士通研究所の川村です。この度、2023年1月4日から8日にハワイで開催されるInternational Conference on Automatic Face and Gesture Recognition 2023 (FG2023) において行動認識・行動予測・トラッキングなどに関するワークショップを開催することになりました！
行動認識や行動予測、トラッキングからそれらを含めたアプリケーションまで、人の行動に関して幅広く論文を募集しています。 ハワイという魅力的な場所での学会でもありますので、ぜひご興味がありそうな方への周知やご自身の論文のご投稿をご検討いただければと思います。（締め切り2022年9月12日）
続きを読む
こんにちは．人工知能研究所 自律学習PJの竹森です．富士通研究所では「自律的に学習可能なAI技術」に関する研究開発を行っています．このたび，我々の研究成果である「ロバスト性を考慮したベイズ最適化」に関する研究論文が，機械学習の主要な国際会議であるICML2022に採択されたので，その内容を紹介します．
対象論文
こんにちは。人工知能研究所 自律学習PJの小橋です。
これまで我々のPJ(プロジェクト)では、折をみてブログで研究ネタを発信してきましたが、「そもそも富士通のAI研究って何してるの？自律学習PJって何なの？」という話しはしてきませんでした。せっかくなので、（二ヶ月近く過ぎちゃいましたが）2022年度も始まったことですし、そのあたりを少し紹介してみようと思います。
で、もし我々の活動に興味が湧けば、最後に書いてあるMeety(カジュアル面談)や採用ページからのコンタクトをお待ちしております！！
こんにちは．人工知能研究所 自律学習PJの浦です．富士通研究所では「自律的に学習可能なAI技術」に関する研究開発を行っています．このたび，我々の研究成果であるAutoML技術であるSapientMLの研究論文が，ソフトウェア工学の主要な国際会議であるICSE2022に採択されたので，その内容を紹介します．
対象論文
こんにちは。人工知能研究所 AI品質プロジェクトの徳井翔梧です。富士通研究所では深層学習（DNN）モデル修正について、国立情報学研究所 NII と共同研究を行っています。今回は、DNNモデルのパラメータ（重み）を探索的に変更することでDNNモデルの誤判定を局所的に修正する技術に関する論文が、国際会議SANER 2022 に採択されたので、その概要を紹介します。
対象論文
- タイトル：NeuRecover: Regression-Controlled Repair of Deep Neural Networks with Training History
- 著者：Shogo Tokui, Susumu Tokumoto, Akihito Yoshii, Fuyuki Ishikawa, Takao Nakagawa, Kazuki Munakata, Shinji Kikuchi
- 発表会議：The 29th IEEE International Conference on Software Analysis, Evolution and Reengineering (SANER 2022)
- 論文リンク : https://arxiv.org/abs/2203.00191
こんにちは データ&セキュリティ研の加嶋です。 エンジニアから研究所に転職して 1 年ちょっと経ちました。転職とは言っても、社内の転属です。 前職は長く製品やサービスの開発職をやっていたのですが、 もっと最先端の技術に触れていたいと思って異動しました。
そして今は希望した通り、まだまだ普及しないような、 でも普及したら便利だろうなぁという技術を触って、 どうやったら面白く普及させられるだろうかな、と頭を悩ませています。
さて今回は、そうした経緯で仕事として触れるようになった技術のひとつ、 検証可能な資格情報 (Verifiable Credentials 略して VC) について、 実際に触りながら、どのように役立てればよいかを考えてみたいと思います。
検証可能な資格情報 (VC) とは、 身分証明書や卒業証明書などの紙やプラスチックの証明書と同じように、 個人が持っている属性を証明するものです。 ただし既存の証明書そのものではなく、 属性をデジタル化して、オンラインで検証できるようにしたものです。 さまざまなサービスで身分証明などが必要な時に、すぐ使えるようにと標準化されています。
続きを読む
この記事は FUJITSU Advent Calendar 2021 の14日目の記事です。
こんにちは。データ&セキュリティ研究所の江田智尊, 小久保博崇, 大堀龍一です。
AIサイバーセキュリティプロジェクトでは機械学習システムのセキュリティや機械学習によるサイバー攻撃対策の研究開発を行っています。 先日、ネットワーク侵入検知システム (IDS) のアラートから隠れた脅威を発見するための技術を psykoda というOSSとして公開しました。
続きを読む
こんにちは．人工知能研究所 自律学習プロジェクトの佐々木智丈です．富士通研究所では「自律的に学習可能なAI」の実現を目指しており，この目標に向けてマサチューセッツ工科大学（MIT）およびCenter for Brains, Minds and Machines（CBMM）の研究者と2019年から共同研究を行っています．この共同研究のうち，Vanessa D'Amarioさん， Xavier Boixさんと行った研究の成果を現在開催中のNeurIPS 2021で発表するので，その概要を紹介します．
対象論文
- タイトル：How Modular Should Neural Module Networks Be for Systematic Generalization?
- 著者：Vanessa D'Amario, Tomotake Sasaki, Xavier Boix
- 発表会議：Thirty-fifth Conference on Neural Information Processing Systems (NeurIPS 2021)
- Link to Paper, Link to Presentation1, Link to Presentation2, Link to GitHub
I'm Tomotake Sasaki, a senior researcher at Autonomous Learning Project in Fujitsu Research. Fujitsu Research aims to create “AI that can learn autonomously”, and has been running a joint research program towards this goal with researchers at Massachusetts Institute of Technology (MIT) and Center for Brains, Minds and Machines (CBMM) since 2019. One of the results of this collaboration conducted with Dr. Vanessa D'Amario and Dr. Xavier Boix has been accepted at NeurIPS 2021. In this blog post, I would like to show its outline.
The paper introduced in this blog post
- Title: How Modular Should Neural Module Networks Be for Systematic Generalization?
- Authors: Vanessa D'Amario, Tomotake Sasaki, Xavier Boix
- Conference: Thirty-fifth Conference on Neural Information Processing Systems (NeurIPS 2021)
- Link to Paper, Link to Presentation1, Link to Presentation2, Link to GitHub
Hello. We are the five MLPerf HPC members from the ICT Systems Laboratory of Fujitsu Limited. In November 2021, at the international Supercomputing Conference (SC'21), the new supercomputer Fugaku, jointly developed by RIKEN and Fujitsu, held the number one spot in four different supercomputing rankings (TOP500, HPCG, HPL-AI, and Graph500), for the fourth consecutive term. At the same conference, we also won the number one spot in the MLPerfTM HPC benchmark, which is dedicated to the actual deep learning (DL) training process. In this blog, we discuss the challenges of training CosmoFlow, one of the applications of MLPerf HPC, using more than half of the entire Fugaku and becoming the best in the world.
こんにちは。富士通株式会社ICTシステム研究所のMLPerf HPC五人衆です。先週、国際学会SC’21 において、理化学研究所/富士通が共同で開発した新しいスーパーコンピュータ（スパコン）「富岳」がスパコンランキングで4期連続の4冠(TOP500, HPCG, HPL-AI, Graph500)を獲得しましたが、同会議で発表された、実際のディープラーニング(DL)学習処理に特化したMLPerfTM HPC ベンチマークにおいても世界一を獲得しました。 本ブログでは、このMLPerf HPCの一つのアプリケーションであるCosmoFlowの学習を「富岳」で大規模に行い世界一となった、その挑戦についてお話させてもらいます。
