Deloitte Analytics R&D(研究開発)の取り組み ブックマークが追加されました
ナレッジ
Deloitte Analytics R&D(研究開発)の取り組み
AIに関連した先端技術の研究開発を行う
Deloitte Analytics R&Dチームはデジタルトランスフォーメーションの根幹となるAI/Analytics/データ活用に関連する新技術を研究するチームであり、アカデミアで発表される新手法の調査、独自のアルゴリズムの開発・サービスへの実装、クライアントへのサービス提供まで幅広く活動しています。R&Dチームで実用化された新技術は、デロイト トーマツ グループが提供するアドバイザリー・コンサルティングサービスや、会計監査のデジタルトランスフォーメーション活動であるAudit Innovationで活用されています。
人とAIが協調する社会の実現を目指して
Deloitte Analyticsが掲げるAIの社会実装ビジョン「The Age of With」(人とAIが協調する社会)では、人とAIが協調して人々の生活やビジネスを円滑にしていく未来を目指しています。AIの性能を高め、AIが人と交代できる作業の範囲を拡大することも重要ですが、私たちはAIと人がコラボレーションする新しいあり方を提案することの方が社会やビジネスに与えるインパクトは大きいと考えています。R&Dチームは最先端のテクノロジーを追い求めるだけでなく、デロイト トーマツグループの様々な専門家と議論しながら人とテクノロジーがどのように協調していくべきかをデザインしていきます。
関連サイト:The Age of With
5つの研究領域

R&DチームはNLP(Natural Language Processing), Neurotechnology, Data Trust, AI Governance, Fundamentalの5つの領域を研究しています。NLPはAIが人の言語を理解することを可能にします。Neurotechnologyは人とAIの新しいコミュニケーション方法を提供します。Data TrustはAIが人の理解に利用できるデータを増やします。AI Governanceは人とAIが協調するための信頼関係を構築します。FundamentalはAIの基本性能を向上させてより高度な思考を可能にします。R&Dチームは、これらの5つの領域を相互に結合させることが、人とAIが協調する社会「The Age of With」の実現に必要であると考えています。
各研究領域については、以下のページで紹介しています。
NLP (Natural Language Processing) - 自然言語処理を活用する研究開発
文書の特性に合わせた自然言語処理モデルを開発するとともに、人とモデルとの連携を簡易に実施するための仕組みを開発し、非構造化データである文書データを構造化します。これにより、AIが人の生み出す多様な表現を理解することを可能にし、人とAIが協調する社会「The Age of With」の実現に貢献します。
Neurotechnology - ニューロテクノロジーによる研究開発
脳神経科学分野において発展した技術(ニューロテクノロジー)により人の行動や脳の活動をデータ化することで人間理解を深化させ、人と人、人とAIの新しい“コミュニケーション”の形を提供します。これにより、人とAIが協調する社会「The Age of With」の実現に貢献し、人と社会が直面する様々な課題を解決することを目指します。
Data Trust - 機密情報を明かさないデータ流通の研究開発
フェデレーテッド・ラーニング、秘密計算、匿名加工、ゼロ知識証明、ブロックチェーンなどの先進的技術を用い、機密情報を明かさずデータを活用する技術を実用化し、データ流通の安全性を確保します。組織の壁によって断片化された情報を整理・共有・知識化することで、AIがより多くの情報をもとにより個々人の状況に適した判断を行うことが可能にして、人とAIが協調する社会「The Age of With」の実現に貢献します。
AI Governance - 信頼できるAI実用化のための研究開発
AI Governanceは、「クライアントのAI利活用を阻害する課題を攻めと守りの両面で解決し続けること」を目的とし、AIや機械学習技術を業務で円滑に機能させるための手法と、AIシステムの障害、誤作動や誤った使用のリスクを最小限に低減するフレームワークを研究しています。AIを人の社会に溶け込ませるとともに、社会の中核に組み込まれるAIを人が信頼できるようにすることで、人とAIが協調する社会「The Age of With」の実現に貢献します。
Fundamental - 強化学習・機械学習アルゴリズムの研究開発
Fundamentalは、AIの適用範囲の拡大を目的として、強化学習や機械学習における変数選択・モデル選択のアルゴリズムなど、機械学習の核となる技術を開発しています。AIに普遍的に利用される基礎的な技術の性能を向上させることでAIの適用範囲を広げ、AIを人に近づけることで、人とAIが協調する社会「The Age of With」の実現に貢献します。
主要な研究開発実績
SICM(逐次的情報量規準最小化法)
R&Dチームが開発したSICMアルゴリズムは、確率モデルの自由度を自動的に決定する為のアルゴリズムであり、モデル評価指標の一つである情報量規準を連続的に最小化する手法です。SICMの自由度を自動的に決定しつつ可読な予測モデルを構築するという手法は、Explainable AI(説明可能、解釈可能な人工知能技術)に対する技術的なアプローチの一つであり、分析結果の適用に判断根拠が必要とされる様々な場面で用いることができます。
解説記事:SICM(逐次的情報量規準最小化法)の適用事例と特徴
STAND(統計的異常検知手法)
R&Dチームが開発した機械学習技術であるSTAND(STatistical ANomaly Detector)は、時系列間の関係性の変化をスコア化するアルゴリズムであり、主に異常検知を目的として使用されます。STANDは何らかのルール(例えば科学的・工学的なルール)に従うシステムにおけるルールの変化(関係性の崩れ)を検知する手法であり、機械システム、経済活動、人体等に対して適用できます。
深層学習特許類似度マップ
深層学習モデル(self-attentive LSTMモデル)を利用した新規アプローチにより、大量の特許情報の分析を直感的かつ効率的に実施可能な手法です。本研究成果を活用することで、例えば企業の場合には、競合他社との差別化を図る事業戦略の策定や、自社の弱みを補完する買収・提携企業候補の選定のための技術的情報を効率的に創出することが可能となります。また、大学や研究機関の場合には、研究開発成果を事業化するためのパートナー企業の探索等にも活用することが可能です。
解説記事:深層学習特許類似度マップの適用事例と特徴
暗号資産取引分析プラットフォーム
ビッグデータ分析の知見とブロックチェーンの知見を融合し、暗号資産の取引データを取得・分析するためのシステム「暗号資産取引分析プラットフォーム」を開発しました。このシステムは企業が行った暗号資産取引の監査手続きに利用されています。
解説記事:暗号資産取引分析プラットフォーム開発事例
最近の活動・研究実績
<論文・会議発表>
- Improvement of intervention information detection for automated clinical literature screening during systematic review
Journal of Biomedical Informatics, DOI: 10.1016/j.jbi.2022.104185, 2022年
Tadashi Tsubota, Danushka Bollegala*, Yang Zhao, Yingzi Jin, Tomotake Kozu
*University of Liverpool
https://doi.org/10.1016/j.jbi.2022.104185(外部サイト)
- グループ単位の意思決定を可能にする予測付き最適化
第36回人工知能学会全国大会論文集 3D4-GS-10-02 2022年
小関 俊祐、広瀬 俊亮、西岡 到https://www.jstage.jst.go.jp/article/pjsai/JSAI2022/0/JSAI2022_3D4GS1002/_article/-char/ja/(外部サイト)
- Inverse Reinforcement Learning to Infer Multiple Intentions behind Decision-Making in a Bandit Task
Society for Neuroscience, 2021Kensuke Nakanishi, Shotaro Kotani, Shunsuke Hirose, Yuichi Yamashita*, Kentaro Katahira**, Shinsuke Suzuki***, Makoto Fukushima
*National Center of Neurology and Psychiatry
**Nagoya Univ.
***Univ. of Melbourne
https://www.abstractsonline.com/pp8/#!/10485/presentation/19834(外部サイト) - Characterizing Individual Difference in Decision-Making Strategy by Normative Solution from the Markov Decision Process for a Non-Stationary Bernoulli Bandit Task
Society for Neuroscience, 2021
Shotaro Kotani, Kensuke Nakanishi, Shunsuke Hirose, Yuichi Yamashita*, Kentaro Katahira**, Shinsuke Suzuki***, Makoto Fukushima
*National Center of Neurology and Psychiatry
**Nagoya Univ.
***Univ. of Melbourne
https://www.abstractsonline.com/pp8/#!/10485/presentation/19850(外部サイト)
- 推薦アルゴリズムのための履歴データに基づくオフライン評価用データセットの構築
電子情報通信学会 ソサエティ大会 2021年
中西研介、深澤信也、岸彩、宮村祐一、金英子、神津友武、田岸貴之*、大津正一*、福神耕平*
*朝日新聞社 - 情報量規準の連続最小化による線形回帰の変数選択
第35回人工知能学会全国大会論文集 1G4-GS-2c-04 2021年
広瀬 俊亮、神津 友武
https://www.jstage.jst.go.jp/article/pjsai/JSAI2021/0/JSAI2021_1G4GS2c04/_article/-char/ja/(外部サイト)
- 多層LSTMモデルによるトークンレベルでのPICO情報抽出
第35回人工知能学会全国大会論文集 1J3-GS-10e-05 2021年
坪田 匡史、神津 友武
https://www.jstage.jst.go.jp/article/pjsai/JSAI2021/0/JSAI2021_1J3GS10e05/_article/-char/ja/(外部サイト)
- 色、単語、形状の対応関係の分析とデザインにおけるその有用性の検討
第35回人工知能学会全国大会論文集 1J4-GS-9a-04 2021年
福島 誠1、北原 隆幸2、江下 就介2、福原 寛重2
(1. 有限責任監査法人トーマツ、2. ソニーデザインコンサルティング株式会社)
https://www.jstage.jst.go.jp/article/pjsai/JSAI2021/0/JSAI2021_1J4GS9a04/_article/-char/ja/(外部サイト)
- Anomaly Detection and Localization based on Double Kernelized Scoring and Matrix Kernels
arXiv preprint arXiv:2012.08100 2020年
Shunsuke Hirose, Tomotake Kozu and Yingzi Jin
https://arxiv.org/abs/2012.08100 (外部サイト)
- 深層学習を利用した特許請求項ベースの特許技術俯瞰マップ
第34回人工知能学会全国大会論文集 4Q3-GS-9-03 2020年
坪田 匡史、宮村 祐一、神津 友武
https://www.jstage.jst.go.jp/article/pjsai/JSAI2020/0/JSAI2020_4Q3GS903/_article/-char/ja/ (外部サイト) - CVAEを用いた理想状態推定
第34回人工知能学会全国大会論文集 2P5-GS-3-04 2020年
宮村 祐一、神津 友武
https://www.jstage.jst.go.jp/article/pjsai/JSAI2020/0/JSAI2020_4Q3GS903/_article/-char/ja/ (外部サイト) - 強化学習による時間依存巡回セールスマン問題
第34回人工知能学会全国大会論文集 2H4-GS-13-05 2020年
中西 研介, 宮村 祐一, 広瀬 俊亮, 神津 友武https://www.jstage.jst.go.jp/article/pjsai/JSAI2020/0/JSAI2020_2H4GS1305/_article/-char/ja/ (外部サイト) - 強化学習による時間枠付き巡回セールスマン問題
電子情報通信学会 総合大会 2020年
中西 研介, 宮村 祐一, 広瀬 俊亮, 神津 友武 - Hierarchical Relevance Determination based on Information Criterion Minimization
SN Computer Science vol.1, No.4 2020年
Shunsuke Hirose, Tomotake Kozu, Yingzi Jin and Yuichi Miyamura
https://link.springer.com/article/10.1007/s42979-020-00239-3(外部サイト)
<特許>
- 学習装置、学習方法、学習プログラム、及び請求項マップ作成装置(特許7055848)
出願日:2020年9月
登録日:2022年4月
発明者:坪田匡史,神津友武 - 時系列分析装置,時系列分析方法及び時系列分析プログラム(特願2017‐219805号)
出願日:2017年12月1日
発明者:張諾,神津友武 - 異常検出装置,異常検出方法及びネットワーク異常検出システム(特許 6193287)
出願日:2015年3月30日
登録日:2017年8月18日
発明者:広瀬俊亮、神津友武 - 分析方法,分析装置及び分析プログラム(特許6085888)
出願日:2014年8月28日
登録日:2017年2月10日
発明者:野守耕爾、神津友武
そのほかの研究論文・出版や執筆・講演の情報は以下のページをご覧ください
Deloitte Analyticsによる研究や論文発表
サービス内容等に関するお問い合わせは、下記のお問い合わせフォームにて受付いたします。お気軽にお問い合わせください。
その他の記事
Deloitte Analyticsの研究や論文発表
特許、研究開発、研究発表についてお知らせします
Deloitte Analyticsの記事執筆や講演
記事執筆、講演、その他活動についてお知らせします