下図の左側に示すように，コンピュータ単体からネットワークへ，さらにクラウドコンピューティング，IoT（Internet of Things）や第４次産業革命など，ビッグデータの急速な蓄積に伴い，それらの解析・モデル化・最適化，並びにそこから有益な情報・知識を抽出して活用するための人工知能技術が今，正に求められています．

　学術的なニーズだけでなく，産業界・社会からのニーズも極めて高く，これまではAIとは無関係と思われていた分野でもAIが必要不可欠になりつつあります．特に企業にとって，今後，AIをどのように活用するかは死活問題です．

　このような産業界・社会からの高いニーズと期待を受けて，本学で初めての人工知能の研究拠点として，当拠点が発足しました．

　現在，他大学や国・企業の研究機関でもAIのセンターや部署が出来ていますが，それらと本学の人工知能研究拠点の違いは次の通りです．

1. 独自性の高い人工知能技術：　進化的機械学習，先端的強化学習など独自の手法を多数蓄積しています．
2. 多くの分野からなる文理融合の協力体制：　情報系・機械系・社会科学系など多くの分野の教員から構成されています．
3. 現在の人工知能の問題点の解決に重点：　次項「研究内容・方法」で示す課題の解決を目指しています．
4. 地の利を活かした国内外の支援体制：　都心に近い先進都市ヨコハマ・国際性豊かなYNUならではの国内外の組織とのコラボを尊重．

　人工知能のアプローチの発展の様子を次図に示します．

　これまで，人工知能は，比較的単純なロジックで動作するプログラムをベースにしていた第１世代に続き，人のエキスパートの知識をコンピュータに組み込むことを目指した第２世代，さらにはその知識をコンピュータ／ロボット自らに学習させる機械学習を中心にした第３世代へと発展してきました．

　統計的機械学習の中でも，現在，巷でブームとなっている Deep Learning（深層学習）は，処理対象の認識に有効な特徴量を自動生成して高精度な認識を達成することができる一方で，次のような課題があり，産業界で利用する際の障害となっています．

1. 認識プロセスがブラックボックスになる：　人にとって理解しづらいものができるため納得・信頼して利用することができない．
2. 大量のデータがないと信頼性が高い処理が作れない：　少ないデータで学習した場合は本質的ではない処理が作られる．
3. 自動獲得したプロセスの精度保証の問題：　未知のデータに対してどの程度の精度を保証してくれるのかがわからない．
4. パラメータが多くて学習には職人芸が必要：　オートチューニングツールは今のところまだ存在していない．
5. 機械学習の信頼性の評価基準がない：　3.にも関係するが，認識器の評価はベンチマーク問題で行うしかないのか？
6. その他．

　これらはいずれもすぐに解決することが難しいテーマですが，当拠点のメンバーは，既かなり以前からこれらの問題を強く意識して独自の研究を進めてきており，解決法を多数蓄積しています．そして，さらに図に示すように第４〜第６世代の人工知能の開発を目指しています．

　当拠点の人工知能やその産学連携に対する考え方や研究拠点メンバーの研究や共同研究などのコラボレーションにご興味がおありの方は，ぜひコンタクトして頂ければ幸いです．１〜２回程度でしたら拠点長あるいは拠点メンバーが無償でご相談に乗ります．どうぞよろしくお願い致します．