自然言語処理は、機械学習やビッグデータの恩恵を受けて急速に発展しており、特に大規模言語モデルは、言語生成、質問応答、文章要約、機械翻訳など様々な下流タスクで高い性能を叩き出している。しかしながら、大規模言語モデルには、その高い性能の代償として、解釈性、頑健性、効率性など様々な問題が存在する。そこで、本講演では、それらの問題を解決する方法の一つとして、人間らしい言語処理モデルの開発を概観する。具体的には、認知科学において、人間は所謂ホワイトボックスであり解釈することができる（解釈性）、人間は未知の環境へ頑健に汎化することができる（頑健性）、人間は少量のデータから効率的に学習することができる（効率性）という知見が示唆されていることから、言語処理モデルを人間らしくすることで、大規模言語モデルの問題を解決できることを示す。

社会における人工知能（AI）の利活用が期待される現代において、人間とAIの信頼の構築やAIの信頼相当性の向上は重要な課題と言えます。近年、AI は言語や画像などのマルチモーダルデータの処理が可能となり、その性能が飛躍的に向上していますが、AIの予測精度には限界があり、その信頼相当性には課題が残ります。本講演では、私たちの住む都市や地域から得られる多様なデータを扱い、日々の意思決定に活用するAIである都市基盤モデルの研究、そして都市基盤モデルを用いた参加型のAIプラットフォームについて紹介します。

LLM・VLM に代表される基盤モデルは、言語や画像、音声、深度などの多様な入出力を扱うことが可能でありすでにロボットの認識・動作計画・制御などの様々な領域に応用が広がっている。本講演ではまず、実ロボットへの適用という観点から多様な入出力を持つ基盤モデルを分類し、その特徴を整理する。次に、ロボットの認識・動作計画・制御のそれぞれについてどのような形で基盤モデルを適用することができるのか、世界中の研究例、そして我々の事例を紹介する。加えてロボットの行動まで同時に扱うことが可能な、ロボット基盤モデルについても触れたい。

プランクトンは海洋生態系の基盤を担い、物質循環や水産資源を支える重要な存在です。近年の地球温暖化や海洋環境の変動は、養殖産業を含む沿岸生態系に甚大な影響を及ぼしており、その長期的な変化を捉えるモニタリングと予測が求められています。我々は、未知種を多く含む海洋プランクトン群集を対象に、メタゲノム・エピゲノム情報の取得、画像ベースの形態解析、物理環境データを統合し、海水中の生物情報を網羅的に解析するプラットフォーム「PlanDyO」の構築を進めています。本講演では、三陸沿岸での定点観測から得られたデータをもとに、プランクトンの量と状態のダイナミクスの初期成果を紹介し、将来的な気候変動にともなう沿岸生態系の変化を予測する展望について議論します。

近年、自然言語やプログラミング言語、あるいはDNA配列といった複雑な構造を持つ文字列の解析の必要性から、データから文脈自由言語を効率的に学習するための理論的枠組みが構築されてきた。しかし、従来の理論は比較的小さな文字集合上の言語を想定しており、プログラムの実行履歴など、無限に近い文字集合上の列を扱うことができなかった。本講演では、従来の有限アルファベット仮定を超え、実数など無限に近い記号集合を扱う文脈自由言語を対象とした学習理論に関する最近の成果を紹介する。

AIおよびデータサイエンスの応用は、膨大な計算能力を必要とするため、高いエネルギー消費が発生する。一方、FPGA（フィールド・プログラマブル・ゲート・アレイ）アクセラレータ設計は、特定のアプリケーションに特化した専用ハードウェアの実現を可能にする。さらに、FPGAには高速ネットワークポートが搭載されており、複数FPGAを光ファイバーで接続することで、大規模なカスタムスーパーコンピュータを設計できる。FPGAを用いて処理に特化した最適なハードウェアを設計することにより、電力効率の向上が可能になり、特にビッグデータ応用やAI処理の性能向上において重要である。

This presentation introduces a transformable garment production system using mobile robots to transport clothing parts and enable highly personalized and sustainable manufacturing. To manage flexible layouts and varied workflows, we propose Layout SLAM for localizing robots, workers, and workstations dynamically. We also present a VR-based management system integrated with a digital twin. This allows factory managers to intuitively grasp and intervene in the production process by visualizing real-time status, task schedules, and even haptic feedback data.

本研究は「空間エージェント網（Spatial Agents Web）」の概念を提唱する。ヘテロジニアスな多数のフィジカルエージェント、大規模AIエージェント、ヒューマンエージェント等が協力し、物理的および情報的な困難性を解消することによって、困難空間に隠された情報を検索し、困難空間内で必要な救助等の災害対応活動を可能にする。
ここで取り組む対象課題は、被災した建物やインフラ、プラント等の産業設備、廃炉、除染等において、災害への対応（救助）などにおける困難を克服することである。本研究が提案する「空間エージェント網」によって、困難で実施不可能な作業を可能にし、リスクを低下させて安全性を高め、効率化・迅速化・省力化に寄与することを目指す。
具体的には、移動のフィジカルな困難を解決することを目的とした「エージェントの狭隘空間極限作業」、センシング・作業の自律知能の困難を緩和することを目的とした「サイバーフィジカルエージェントの遠隔自律知能」、通信と信頼性の困難の解決を目指す「エージェント間コミュニケーション」、人間との共同作業の困難を解決する「ヒューマンエージェントとの共同のための知覚チャネル」の４つのテーマの研究教育に取り組む。それによって、困難環境の理解や作業を可能にする。その成果を元に、競争力強化、技術波及、標準化、国際協力、人材育成、理解増進等の活動を進めることにより、福島復興に寄与する。