当研究室は，対話や観測を通じて相手の認識・知識の状態を把握し，適切な情報提供を試みる高度な推論機能を持つ人工知能システムに焦点を当てています．そうしたシステムを実現するためには，大量の情報からパターンを発見する機械学習，点と点の情報を繋ぎ合わせることで新たな帰結や真理を見出す論理推論，情報と現実を結びつけるIoT・DX，といった技術を新旧問わず適切に組み合わせ，活用する必要があります.

ヒトの知能の発現をコンピュータという鏡の上に写し取る

人工知能に関する研究といえば様々な形態のものがありますが，基本的にはヒトの知能の発現をコンピュータという鏡の上に写し取ることです．ヒトの知能の発現，といえば皆さんが日頃行っている様々な心身の振る舞いや，言語・非言語的なコミュニケーションといったものが挙げられます．これらをどのようにして捉え，どのようなカタチでコンピュータに写し取ればよいでしょうか？
　私は，ヒトが持つ「学習」のメカニズムを様々な角度から「有向グラフ」というデータ構造に基づいて捉えることが鍵ではないかと考えています． 例えば，大量の情報からパターンを認識するといった側面の学習の仕組みは，確率・統計・線形代数に基づく数学的な技術をうまく用いれば，コンピュータ上で実行可能なシステムとして構成できる事が知られています．また，日常的な会話などで生じ得る，ごく限られた情報同士を組み合わせて新たな帰結を導いたり，モノゴトの真理を推し量るといった側面の学習の仕組みは，集合論・論理・代数に基づく論理学的な技術をうまく用いれば，同様にコンピュータ上に再現することができます．
　これらは，統計的推論に基づく学習・論理的推論に基づく学習といったヒトが持つ異なる知能の側面を異なる手段でコンピュータ上に写し取る事を意味していますが，いずれの場合でも「有向グラフ」が計算基盤となるデータ構造として活用されています．もちろん，グラフに与えられる意味や計算の意味は目的に応じて異なりますが，共通している事は「グラフ」≒「ヒトが持つ知識の状態」であり，「新たな情報をグラフに与えると，グラフのカタチが変わる」≒「学習」となる点です．そのため，一見異なるこれら2つの学習の仕組みは，本来はコインの裏表の様に不可分な関係であり，将来的には両者を統一的に扱えるシステムを構成することができるのではないかと考えています．

人工知能とは，我々が日常的に行っている様々なタスクを究極的に自動化し，それらを集約した情報システムとも捉えることが出来ます．どの様な目的であれ，ひとつひとつのタスクを自動化し，実行可能なシステムとして世の中の役に立てることそれ自体に価値があり，これからますます必要となってくる技術であると考えられます．
しかし，どの様なシステムであっても，それをつくりあげたヒトが持つ意思と実力が反映され，有用なものにも，(意図せず)有害なものにもなり得ます．この道を志す方は，幅広い技術と現実への対応能力が求められ，苦労も多いかもしれません．様々な理由で，良いシステムをつくることそれ自体が難しいこともあります．ですが，できればそうした苦労を乗り越える基礎を大学で身に着け，その経験から得た知見を「思いやり」として貴方が将来携わるシステムに少しでも反映できるようになれば，きっと良いものになるのではないかと私は信じています．