NeurIPS2022にて「決定木の羅生門集合構築技術」について発表します

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

• タイトル： Exploring the Whole Rashomon Set of Sparse Decision Trees (Rui Xin, Chudi Zhong, Zhi Chen, Takuya Takagi, Margo Seltzer, Cynthia Rudin)
• 発表会議：Thirty-sixth Conference on Neural Information Processing Systems (NeurIPS 2022)
• 論文へのリンク

NeurIPS2022にて「最適化が困難な指標のためのコスト考慮型自己訓練学習手法」について発表します

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，インド理科大学院との共同研究で得られた「最適化が困難な指標のためのコスト考慮型自己訓練学習」に関する研究論文が，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

• タイトル： Cost-Sensitive Self-Training for Optimizing Non-Decomposable Metrics (Harsh Rangwani, Shrinivas Ramasubramanian, Sho Takemori, Kato Takashi, Yuhei Umeda, Venkatesh Babu Radhakrishnan)
• 発表会議：Thirty-sixth Conference on Neural Information Processing Systems (NeurIPS 2022)
• 論文へのリンク

精度低下した深層学習モデルを正解データなしで修復する研究成果をIEEE ICIP2022で発表しました

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。

• IEEE International Conference on Image Processing 2022 (ICIP2022)

Multi-Step Test-Time Adaptation with Entropy Minimization and Pseudo-Labeling
Hiroaki Kingetsu; Kenichi Kobayashi; Yoshihiro Okawa; Yasuto Yokota; Katsuhito Nakazawa

【発表募集/参加募集】FG2023 Workshop Behavioral Digital Twins for Smart Cities Workshopのご案内（2023/01/04~08）

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）

ICML2022にて「ロバスト性を考慮したベイズ最適化」について発表します

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

• タイトル：Distributionally-Aware Kernelized Bandit Problems for Risk Aversion
• 発表会議：Thirty-ninth International Conference on Machine Learning (ICML 2022)
• 論文へのリンク

人工知能研究所の自律学習PJについて

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！！

ICSE2022でコード生成型AutoML - SapientMLについて発表しました

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

• タイトル：SapientML: Synthesizing Machine Learning Pipelines by Learning from Human-Written Solutions
• 発表会議：44th International Conference on Software Engineering (ICSE 2022)
• プレプリント版の論文へのリンク

深層学習モデル修正技術に関する研究成果を SANER 2022 で発表します

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

検証可能な証明書(VC)を使ってみた

はじめに

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。

1. VC とは

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。

新しいデータセット（DAISO-10とCarsCG）を公開しました

こんにちは．人工知能研究所 自律学習PJの砂川です．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．AIアプリケーションの実問題への適用には，学習に使用したデータと適用時のデータの性質が異なることによって性能劣化が起こるという課題があります．こうしたデータの性質の変化を人工的に起こしたDAISO-10，CarsCGという2つのデータセットを作成し公開しました．

ネットワーク侵入検知システム向けOSSを公開しました

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。

系統的汎化（systematic generalization）に関する研究成果をNeurIPS 2021で発表します

English version

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

Our research result on systematic generalization presented at NeurIPS 2021

Japanese version

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

World's Largest Scale Deep Learning on Supercomputer Fugaku Achieved World's Highest Performance

Introduction

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.