关闭

人工智能和数据分析将难以看到的信息与可靠的知识联系起来

人工智能和数据分析往往关注频繁出现的数据。另一方面,我们相信罕见和未被观察到的事件也包含可以带来新知识的线索。我正在研究统计方法,仔细评估和利用经常被忽视的信息,考虑到不确定性,而不是简单地丢弃它。特别是,我们提出了一种“保守估计方法”,保守地估计出现频率越低的统计数据,并将其应用于自然语言处理和大规模数据分析。此外,我们正在致力于减少计算时间和内存使用的实现,并专注于开发可以投入实际使用的方法。此外,我们还致力于词汇学习支持、讲座支持和学习分析等教育技术研究,利用我们迄今为止在研究中培养的观点,“根据证据的强度来处理微弱的线索,而不是高估它们。”我们将用证据来处理难以看到的信息,并为提高人工智能的透明度和可靠性做出贡献。

信息工程学院|助理教授

菊池正人(菊池正人)

菊池正人

4 人人享有优质教育
9 让我们为产业和技术创新奠定基础

关键字

自然语言处理
数据工程
机器学习
统计估算
教育技术

领域/项目

研究类别

信息科学、信息工程
应用信息学
人类信息学
教育学

研究主题

  • 软可靠性:基于频率不确定性的保守可靠性计算方法
  • CEFR-Annotated WordNet:用于学习英语的语义数据库,带有基于法学硕士的综合能力指南
  • 利用薄弱线索和经常被忽视的信息的学习支持/讲座支持系统

留言

人工智能通常被认为是一种从大量数据中生成答案的技术,但实际上,重要的是如何处理很少发生的事件和尚未充分观察到的信息。我正在进行的研究不会轻易丢弃那些难以看到的线索,而是根据不确定性对其进行评估,并将它们与可靠的知识联系起来。 “不要高估弱证据,根据证据的强度来对待”的重要观点也与词汇学习支持和讲座支持等教育技术研究有关。我不仅想把人工智能当作一种方便的工具,更想思考为什么会这样,并将其发展成为任何人都可以安心使用的技术。