photo
    (最終更新日:2024-08-25 00:22:07)
  ハヤシ ヨウイチ   Hayashi Yoichi
  林 陽一
   所属   明治大学  理工学部
   職種   専任教授
■ 著書・論文
1. 2024/03 論文  Why do tree ensemble approximators not outperform the Re-cursive-Rule eXtraction algorithm? Machine Learning & Knowledge Extraction 6 (共著) 
2. 2024/02 論文  Explainable Artificial Intelligence (XAI) 2.0: A Manifesto of Open Challenges and Interdisciplinary Research Directions Information Fusion 106(102301),pp.1-22 (共著)  Link
3. 2024/01 論文  Prospects for Revolutionary and Popular AI Technology Following the Launch of ChatGPT in 2023 Electronics 13(290) (単著) 
4. 2023/07 論文  Meet the editors: Interview with Dr. Yoichi Hayashi—Section Editor-in-Chief of Section “Artificial Intelligence” in Electronics Electronics  (単著)  Link
5. 2022/10 論文  Emerging Trends in Deep Learning for Credit Scoring: A Review Electronics 11(19),pp.3181 (単著)  Link
全件表示(235件)
■ 学歴
1. 1981/04~1984/03 東京理科大学 理工学研究科 経営工学 博士課程修了 工学博士
2. 1981/03
(学位取得)
東京理科大学 工学修士
3. 1979/04~1981/03 東京理科大学大学院理工学研究科経営工学専攻 理工学研究科 経営工学専攻 修士課程修了
4. 1975/04~1979/03 東京理科大学工学部経営工学科 工学部 経営工学科 卒業
■ 職歴
1. 2001/04~2002/01 カンタベリー大学(ニュージーランド) 理学部コンピュータサイエンス学科 客員教授
2. 1996/10 明治大学 理工学部情報科学科 教授
3. 1994/04~1996/09 明治大学 理工学部情報科学科 准教授
4. 1990/04~1994/03 茨城大学 工学部情報工学科 助教授
5. 1990/04~1991/01 米国アラバマ州立大学バーミングハム校 計算機・情報科学科 客員教授
全件表示(10件)
■ 学内役職・委員
1. 2004/10/01~2006/09/30 明治大学 理工学部情報科学科長
■ 教育上の業績
●教育内容・方法の工夫(授業評価等を含む)
1. 2008/04/01~2014/03/31 FD委員会委員
●その他教育活動上特記すべき事項
1. 2024/04/01~2026/03/31 ホワイトボックスAI実現を目指す情報科学教育・研究の明治ルネッサンス・プロジェクト・リーダー(継続分)
2. 2020/08~2024/03/31 ホワイトボックスAI実現を目指す情報科学教育・研究の明治ルネッサンス・プロジェクト・リーダー Link
3. 2004/10~2006/09 情報科学科長
4. 2002/04~2004/09 研究委員会委員
全件表示(10件)
■ 主要学科目
人工知能と知識処理1、人工知能と知識処理2、ビッグデータ工学特論、計算知能特論、コンピュータサイエンス実習A
■ 所属学会
1. 1986~ IEEE
2. 1986 ∟ Member
3. 2000 ∟ Senior Member
4. 2023 ∟ Life Senior Member
5. INNS(国際神経回路学会)
全件表示(7件)
■ 職務上の実績
●その他職務上特記すべき事項
1. 2020/08~2026/03 ホワイトボックスAI実現を目指す情報科学教育・研究の明治ルネッサンスプロジェクト・リーダー Link
■ researchmap研究者コード
1000316880
■ 資格・免許
1. 1977/01/20 第2級アマチュア無線技師(AAAI00653-2)
■ 社会における活動
1. 2024/04~ Associate Editor: Applied Artificial Intelligence (IF: 2.9) Link
2. 2018/04~2019/03 European Research Council (ERC), Reviewer Link
3. 2020/04~2021/03 Swiss National Science Foundation (SNSF) Reviewer
4. 2020~2021/03 National Sciences and Engineering Research Council of Canada, Reviewer
5. 2019/10~ Informatics in Medicine Unlocked (Senior Editor)
全件表示(30件)
■ 研究課題・受託研究・科研費
1. 2024/04~2027/03  XGBoostのブラックボックス性に対するルールベース・アプローチに関する研究 基盤研究(C) (キーワード:XGBoost、ルール抽出、ルールベース、ツリーアンサンブル、ホワイトボックス)
2. 2021/04~2024/03  人工知能のルール抽出技術による心臓外科手術後肺合併症リスク予測のアルゴリズム開発 基盤研究(C) 
3. 2018/04~2021/03  ディープラーニングから得た特徴抽出画像のルール表現・透明化に関する研究 基盤研究(C) (キーワード:ディープラーニング、ルール表現、透明化、特徴抽出)
4. 2014~2017  ビッグデータからの超高精度ルール抽出アルゴリズムの開発と広域応用 国際共同研究 (キーワード:データマイニング、ニューラルネットーワーク、マーケティング)
5. 2007/08~2009/03  ビッグデータからの超高精度ルール抽出アルゴリズムの開発と広域応用 国際共同研究 
全件表示(10件)
■ ホームページ
   http://www.cs.meiji.ac.jp
■ メールアドレス
  kyoin_mail
■ 受賞学術賞
1. 2023/10 Stanford University World's Top 2% Scientists in Artificial Intelligence for 2021-2023 (Stanford University)
2. 1999/04 International Fuzzy Systems Society Best papers from the Fuzzy Sets and Systems Vol. 100 memorial issue (On the Equivalence of Neural Nets and Fuzzy Expert Systems)
3. セコム科学技術振興財団研究助成受賞
4. 倉田記念日立記念科学技術財団研究助成受賞
5. 実吉奨学会研究助成受賞
全件表示(10件)
■ 現在の専門分野
人工知能, 説明できるディープラーニング, 生成AI, AIファイナンス, クレジットスコアリング, メディカルAI (キーワード:人工知能、説明できるディープラーニング、生成AI、説明できるAI、メディカルAI)  Link
■ 取得特許
1. United States Patent 「FUZZY BACKWARD REASONING SYSTEM AND EXPERT SYSTEM UTILIZING THE SAME」(Patent Number 5,263,123)
■ 科研費研究者番号
20189666
■ 担当経験のある科目・講演等
1. 人工知能と知識処理1(明治大学理工学部情報科学科)
2. 人工知能と知識処理2(明治大学理工学部情報科学科)
3. ビッグデータ工学特論(明治大学大学院理工学研究科情報科学専攻)
4. 計算知能特論(明治大学大学院理工学研究科情報科学専攻)
5. コンピュータサイエンス実習A(明治大学理工学部情報科学科)
全件表示(10件)
■ プロフィール
新しいデジタル社会の実現を目指すデータサイエンス・AIの革新技術

人工知能研究室および講義で注力しているのはデータサイエンスおよびAIの説明可能性である。現実社会の活動はデータサイエンス・AIの技術を求めている。ニーズは分けると4個に分かれる。一つ目は画像(非構造:構造をもたない多数の画素)の識別を高い精度で行う。二つ目は画像であっても医用画像のようにユーザー側が医師・医療従事者であり画像についての一定の知識をもつ。三個目は一般的にはデータサイエンスの主力技術であるディープラーニング(深層学習)が効果的でない構造化データ(金融機関など用いられる表形式のデータ)である。この3.は筆者の研究室で研究を鋭意進めている。一般に、非構造化データの急増が注目され全体の70%と言わるが残りの30%に対してディープラーニング技術が適用が遅れておりデータサイエンス・AIの波及効果が限定されている。最後に4個目としてChatGPTに代表される生成AIの社会への応用が今後の日本のデータサイエンス・AIの普及と新たな社会基盤の構築に影響を与える。現状のChatGPTは問題点を抱えるが最も大きい事は得られた答をどの様に導いたかを説明出来ない点にある。4.についても研究室で波及効果の大きい高信頼性生成AIの研究を進めている。

https://www.meiji-sdgs.jp/articles/efforts/2314/
■ 産学官連携(研究方針)
生成AIおよびディープラーニングの最大の欠点の一つであるブラックボックス化の透明化技術をコアに構築するホワイトボックスAIの実現する研究を推進しています。応用例を述べると、一般に画像をルールで説明できてもルールの数が非常に多い場合およびルールのIF部の条件数が多い場合は簡潔で分かりやすく説明ができているとは言えません。

本研究室では、この様な課題を解消する説明できるAI(XAI)の技術を30年に渡って研究しており、多くの技術が実用に供せるレベルに確立しております。例えば、産業用画像、医用画像、金融データ、時系列データが対象です。

1. 産業用画像(広い範囲)
2. 医用画像(放射線画像、病理画像、X線画像、超音波画像、マンモグラフィー画像)
3. 生成AI
4 金融データ(クレジットスコアリングデータ、 クレジットカード不正利用オンライン検出、 Peer-to-Peer(P2P)ソーシャルレンディング, E-コマース一般)
5. デジタルマーケティングの分類結果の解釈性向上技術
6. 血液生化学検査データの解釈性の高い診断・判定
7. 経済・金融・株式の時系列データ予測


研究成果は与えられたデータに対して統計的な仮定を置かずに入力データと出力クラス(ラベル)の間にどの様な(数学的な非線形の)関係があるかをIf—Then形式の簡潔なルールで表現できるため画像に限らず様々な産業応用が可能です。例えば、(a)自動運転車の走行特性の向上、(b)化学プラント・発電プラントにおける複雑な異常検出規則の導出による安全操業の実現、(c)ネットユーザーから得られるダイナミックなデータを解析しタイムリーに効果的にセグメントを絞ったマーケティング戦略など他業種・多用途に対して応用が可能です。

現在、ディープラーニングが不可欠ではない対象に対しても分類・識別を長時間の学習を要するディープラーニングで行っています。ディープラーニングは高い精度を達成できる一方で説明能力について十分な研究が行われていません。人工知能研究室が開発したディープラーニングによる学習結果をルール表現で説明する方式は入力と出力が与えられる全てのディープラーニングに対して適用できるので高い汎用性があります。結果的に様々なブラックボックス性をもつデータ解析を短時間で行えるだけでなく、ルール表現を用いて学習されている内容の理解を大幅に向上できます。データは必ずしも画像である必要はありません。独自技術によりデータベース内に格納された構造化データなどの対してもディープラーニングは適用出来ます。

 研究成果に係わる委託研究、共同研究、コンサルティングなどをご検討戴ける企業の方はメール(hayashiy(AT)cs.meiji.ac.jp)でコンタクトして戴ければと思います。相談内容に関する秘密は厳守致します。
■ 共同研究希望テーマ
1. 生成AIのホワイトボックス化に関する研究
2. White-box AIを用いた自動運転車の安全横行の確立するシステム Link
3. ディープラーニングを用いた説明できる高精度クレジットスコアリング分類器に関する共同研究 Link
4. ディープラーニングによるクレジットカードの不正利用を説明できるオンライン検知に関する共同研究 Link
5. 診断結果が説明できる次世代メディカルAIに関する共同研究