機械学習の信頼性を高める理論・方法論の探究

近年、AI・機械学習技術は目覚ましい速度で発展し、私たちの日常生活から医療診断などの重要な社会的意思決定にまで深く溶け込む存在となりつつあります。しかし同時に、この状況は、AIが即妙巧緻にもたらす出力に対して、「それは本当に正確なのか」「どの程度信用してよいのか」といった問いに、私たちがこれまで以上に繊細な注意を払う必要があることを意味しています。AIと人類との安全な共生社会を築く上では、このような「信頼性」が適切に担保されることが、不可欠な要素の一つだと言えるでしょう。
では、その信頼性を保証するためには、どのような条件が満たされるべきなのでしょうか？ 私はこの問いに対する答えを、ベイズ推論・学習理論・ロバスト学習をキーワードに据え、「汎化」「頑健性」「不確実性評価」の観点から探究しています。さらに、こうした探究から得られた知見を諸科学分野に応用し、信頼性に裏付けられた知識発展と意思決定のプロセスの確立を目指しています。