BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:[理研AIP 成果報告イベント] 数理研究からAI産 業を変革する X-WR-CALNAME:[理研AIP 成果報告イベント] 数理研究からAI産 業を変革する X-WR-TIMEZONE:Asia/Tokyo BEGIN:VTIMEZONE TZID:Asia/Tokyo BEGIN:STANDARD DTSTART:19700101T000000 TZOFFSETFROM:+0900 TZOFFSETTO:+0900 TZNAME:JST END:STANDARD END:VTIMEZONE BEGIN:VEVENT UID:983770@techplay.jp SUMMARY:[理研AIP 成果報告イベント] 数理研究からAI産業を 変革する DTSTART;TZID=Asia/Tokyo:20250828T130000 DTEND;TZID=Asia/Tokyo:20250828T170500 DTSTAMP:20260506T234530Z CREATED:20250711T140143Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/98377 0?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n理化学研究 所 革新知能統合研究センター（AIP）は2025年度に、10年 間のAIPプロジェクト最終年を迎えます。\n本イベント では、AIPプロジェクトの成果とともに「数理研究からA I産業を変革する」研究成果を発表するイベントを開催 します。\n\nAIPセンターの数理系研究チーム「逐次的意 思決定チーム」「高次元構造理論チーム」「因果推論 チーム」の研究員による発表に加え、AI産業で活躍す る企業の研究者（サイバーエージェント、SONY、富士通 研究所）による発表も行い、産学連携を強化しながら 、最先端のAI研究や技術の社会実装への可能性を探り ます。\n\n8/28\n 13:00 - 13:05 オープニング（5分）\n 13:05 - 13:35 講演① 前田高志ニコラス (学習院大学 計算機セン ター・理研AIP)\n 13:35 - 14:05 講演② 鈴木 浩史 (富士通株 式会社 人工知能研究所)\n 14:05 - 14:35 コーヒーブレーク （30分）\n 14:35 - 15:05 講演③ 磯部伸（理研AIP）\n 15:05 - 15:35 講演④ 瀧田雄太（SONY AI）\n 15:35 - 16:05 コーヒーブ レーク（30分）\n 16:05 - 16:35 講演⑤ 土屋平（東京大学 ・理研AIP）\n 16:35 - 17:05 講演⑥ 阿部拳之・蟻生開人（ サイバーエージェント）\n\n現地参加・情報交換会はこ ちらのGoogleフォームで受付します (締め切り 7/30正午)\n https://forms.gle/YMApW371S4Gh4ZsR9\n最大40名\n\n現地: 日本橋AIP センター オープンスペース\n- アクセス: https://www.riken. jp/access/tokyo-map/\n- 現地参加者に前日までに入館証をお 送りします。\n情報交換会: 現地にて17:30-19:30 軽食あり \n\n講演者・講演タイトルと概要\n\n前田高志ニコラス\n 学習院大学 計算機センター\n理化学研究所 客員研究員 \n\nタイトル: 密度比の単調性にもとづく連続・離散変 数間の因果探索\n概要: 本発表では、連続変数と離散変 数のペアのデータから因果関係を推定する新しい手法 を紹介します。従来の因果探索手法では、二変数の混 合データからの因果関係の識別性能に限界がありまし た。本研究では、連続変数が原因で離散変数が結果で ある場合に、条件付き密度比が単調な関数になるとい う性質を示し、この単調性の有無をもとに因果方向を 判定する方法を提案します。提案手法は、強い分布仮 定やスケール調整を必要とせず、密度比推定と統計的 検定により因果方向を決定する点が特徴です。本研究 は、混合型データに対する柔軟で理論的に裏付けられ た因果探索手法の一つとして、理論面のみならず実務 面でも有用な可能性があります。\n\n鈴木 浩史\n富士通 株式会社　人工知能研究所\nタイトル: 意思決定支援の 革新に向けた大規模・異種データからの因果探索\n概 要：富士通では、データ項目間の因果関係に基づき、 副作用を考慮した効果的なアクシ\nョンを提示する「 因果意思決定支援技術」を開発しています。本発表で は、因果意思決定支援技術の概要と活用事例、またそ の基盤となる二つの因果探索技術 LayeredLiNGAM と I-CAM-UV を紹介します。LayeredLiNGAM は、ゲノムデータのような 多数の項目を持つデータにおいて、ポピュラーな因果 探索技術 DirectLiNGAM と比べて数倍から数十倍ほど高速 であり、従来よりも円滑な意思決定に貢献します。I-CA M-UV は、複数のアンケート結果のような、変数セット が異なるデータを統合した因果探索を実現し、従来技 術では発見できなかった因果関係を明らかにすること で、より効果的なアクションの提示に貢献します。\n\n 講演者：磯部伸（理研AIP）\nタイトル：動的最適輸送 理論に基づくフローマッチングの改良\n概要：フロー マッチングは、ベクトル場と呼ばれるデータの流れを 記述する関数により確率分布を連続変形しデータ生成 を実現する枠組みである。この流れの数理的基盤とな る動的最適輸送理論は多彩な発展を遂げている。本講 演では、これらの数理的成果を踏まえフローマッチン グを改良する試みを紹介する。\n\n講演者：瀧田雄太（ SONY AI）\nタイトル：Deep Generative Modeling as Foundational Techn ology for Foundation Models\n概要：The Music Foundation Model Team at Sony AI is dedicated to developing the building blocks of foundation mode ls\, including deep generative modeling and representation learning. Our focus is on creating fundamental models and algorithms for generative mod eling that are effective\, theoretically sound\, and as modality-agnostic as possible. In this presentation\, we will introduce our recent work in deep generative modeling aligned with this goal\, covering a wide range of models such as Diffusion\, VAE\, and GAN.\n\n講演者：土屋平（ 東京大学／理研AIP）\nタイトル：ゲーム理論とオンラ イン凸最適化の接点：戦略的逸脱を伴うゲームの学習 ダイナミクス\n概要：本講演では，繰り返しゲームに おける均衡解の学習とオンライン凸最適化におけるリ グレット最小化の関係を紹介する．さらに，繰り返し ゲームにおいて，各プレイヤーの戦略的な逸脱や観測 への汚染に対して頑健に動作する学習ダイナミクスに 関する講演者らの研究 "Corrupted Learning Dynamics in Games (COL T 2025)" を紹介する．\n\n講演者：阿部拳之・蟻生開人（ サイバーエージェント）\nタイトル：Web業界における オンライン学習\n概要：リアルタイム性が求められるWe b業界において、オンライン学習アルゴリズムは重要な 役割を果たしています。本発表では、サイバーエージ ェントでの取り組みを例に、Web業界におけるオンライ ン学習の研究とその応用について紹介します． LOCATION:オンライン URL:https://techplay.jp/event/983770?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR