• トップ
  • 教育内容
  • 教員紹介
  • 資格
  • 進路
  • 入試
  • JABEE
  • CITものづくり

教員紹介

小原 和博 教授 博士(工学)

小原 和博 教授 博士(工学)

略歴

東京大学工学部卒業

東京大学大学院工学系研究科修士課程修了

東京大学博士(工学)

NTT研究所勤務(その間、イリノイ大学コンピュータサイエンス科客員助教授)

2002年4月より、千葉工業大学工学部勤務

趣味・特技

趣味は旅行、映画、音楽、スポーツ(最近はもっぱら観戦)です。

研究分野

知能情報学,社会情報学,創造情報学

人工知能を用いて、社会に役立つ新サービスを創造することを目標に、研究を進めています。具体的な応用例は、テーマパークの混雑緩和、商品購入の意思決定支援、自己組織化特許マップの作成、災害時の避難シミュレーション、台風被害の規模予測、商店の売上予測と立地判定などです。例えば、東京ディズニーシーを参考にして、人工テーマパークをコンピュータ内に実現し、混雑情報と優先搭乗パスをもった入場者の行動を観察し、分析します。

主な担当科目

人工知能

人工知能とは、コンピュータを用いて、人間の知的な情報処理機能(学習、推論、認識、意思決定など)を実現することを目標とする研究分野です。具体的には、ニューラルネットワーク、遺伝的アルゴリズム、機械学習、マルチエージェントなどについて学びます。私の研究室で取り組んでいる研究も紹介します。パソコンを使ったシミュレーションも実演します。

デジタル回路基礎

本講義では、デジタル回路の基本動作を理解し、簡単なデジタル回路を設計できるようになることを目的としている。前半では、組み合せ回路の構成、動作、設計法を理解する。具体的には、AND、OR、NOT、NAND、NORの基本ゲートと、加法標準形設計法、カルノー図による回路の簡単化、ALU、デコーダ、データセレクタ、コンパレータ、パリティチェッカなどの組み合せ回路について理解する。後半では、順序回路の構成、動作、設計法を理解する。具体的には、ROM、RAM、SRラッチ、Dラッチ、D-FF、JK-FFなどの記憶回路と、同期カウンタ、非同期カウンタについて理解する。

デジタル回路応用

本講義では、デジタル回路基礎に引き続き、デジタル回路の基本動作を理解し、簡単なデジタル回路を設計できるようになることを目的としている。前半では、デジタルデバイスの構成と動作を理解する。具体的にはTTLの静特性と動特性、CMOSデバイスの構成と動作、特殊な素子(オープンコレクタ、ワイヤードOR、3ステート出力、シュミットトリガ入力)について理解する。後半では、色々なデジタル回路の応用を理解する。具体的には、積分回路、シーケンス制御への応用などについて理解する。

ひとこと

よく遊び、よく学び。遊ぶだけでなく、 若いうちに大いに勉強して基礎学力をつけておくといいと思います。 両立してください。

研究概要

人工知能を用いて、社会に役立つ新サービスを創造することを目標に、研究を進めています。具体的な応用例は、テーマパークの混雑緩和、商品購入の意思決定支援、自己組織化特許マップの作成、災害時の避難シミュレーション、台風被害の規模予測、商店の売上予測と立地判定などです。

使用する技術はマシンラーニング、マルチエージェント、データマイニング、テキストマイニングです。カタカナばかりですね。世界を視野に入れて研究しています。千葉工大に来てから取り組んだ研究が、最近出版された欧米の専門書に収録されています。千葉工大の研究が英語で世界に向けて発信されるのはとてもよいことですね。

卒業研究のテーマは主に人工知能に関するもので、従来の卒業研究を説明した後、各自の希望を取ってテーマを決定します。大学院生だけでなく卒研生(4年生)にも一人ずつの席とパソコンを用意します。

ゼミナールでは、人工知能に関する基礎的・専門的知識を深めることを目的として、最近の卒業研究を理解し、関連する技術文献を翻訳します。具体的には、10人程度の少人数クラスで、人工知能に関する英文マニュアルを対象に、reading, writingなどを行います。

研究室の様子

自己組織化特許マップで学生奨励賞を受賞

自己組織化特許マップで学生奨励賞を受賞

2011年3月3日に、小原研の大学院生(加藤拓巳君)が情報処理学会第73回全国大会で学生奨励賞を受賞しました。小原研の受賞は第70回の土井添淳一君に続き2度目です。今回受賞した加藤君の講演題目は「自己組織化マップによる企業別特許マップの作成」です。

自己組織化マップ(SOM)はニューラルネットワークの一種で、多次元の入力データを学習して2次元マップを出力します。類似のデータが近くに配置されるのが特徴です。「情報家電」と「立体映像」に関する特許を対象にして、テキストマイニング(単語頻度解析と係り受け解析)により特徴ベクトルを作成し、それをSOMに入力して特許マップを作成しました。

SOMへの入力データ(行列)として、企業名を行、技術用語を列とした場合と、新たに、技術用語を行とし、企業名を列とした場合も調べました。これにより、技術用語をラベルとした企業別特許マップを作成できます(図)。このマップを用いて、研究テーマを決定したり、企業の技術開発戦略や企業活動の方向を策定したりする事例を示しました。この講演内容と質疑応答の態度が高く評価され、受賞にいたりました。

卒業記念パーティにて

卒業記念パーティにて

卒業記念パーティでの記念写真です。社会に出るひと、大学院に進学するひとなど、それぞれの道は異なりますが、どの道へ進んだとしても「地道な努力を続けること」が重要です。がんばってください。卒業生との再会が楽しみです。

大学院生の学会発表

大学院生の学会発表

2010年3月に開催された情報処理学会全国大会で小原研の大学院生5名が研究発表を行いました。発表練習の成果があらわれ、みな上手に発表しました。今年は東京大学で開催されました。来年は東京工業大学で開催されます。小原研では修士課程1年の3月に情報処理学会で研究発表することを目標に研究指導します。

小原研究室にて

小原研究室にて

小原研究室の集合写真です。私と大学院生7名(前で座っているひと)と卒研生13名(後ろで立っているひと)の合計21名です。各自の目標に向かってがんばりましょう。

人工テーマパーク

人工テーマパーク

皆さんは東京ディズニーシーに行ったことがありますか? とても楽しいところで、いつも多くの入場者で混雑していますね。我々は、コンピュータを用いて、テーマパークの混雑を緩和する方法について研究しています。いつでもどこでも情報にアクセスできる「ユビキタス情報環境」において、市民間の譲り合いを動的に実現するサービスを「群ユーザ支援」とよび、具体例として「テーマパーク問題」や「カーナビゲーション問題」があります。テーマパーク問題とは、複数のアトラクションからなるテーマパークに多くの人々が訪れるときに、入場者の好みを考慮しつつもパーク全体の混雑度を減少させる方法を研究する問題です。我々は、実際規模のテーマパークをコンピュータ内に実現し、入場者の携帯端末に全アトラクションの混雑情報(行列人数)を知らせる場合と,人気アトラクションの優先搭乗パスを発券する場合について混雑緩和の効果を検討しました。具体的には、ディズニーシーを参考としたアトラクション数23個のテーマパークモデルを作成し、アトラクションには、人気度を予め設定して、人気アトラクションを設置することにしました。また、ディズニーシーでは「ファストパス」を発券させることによって混雑を緩和させていることから、このファストパスを参考にした優先搭乗パスを発券させ、その効果について比較検討しました。

我々が作成した人工テーマパークを図に示します。全アトラクションを東ディズニーシー(2004年時点)と同様に配置し、人気アトラクションも同様に設置しました。図では、それぞれの点が入場者を表しています。混雑情報を所持していない入場者は青色の点に,混雑情報を所持している入場者は赤色の点になっています。混雑情報を所持しない入場者が優先パスを取得した場合には黄色の点に、混雑情報を所持した入場者が優先パスを取得した場合には黒色の点に変わります。また、満足して帰宅しようとする入場者は緑色の点になります。図上にある数字は各アトラクションが存在する場所を表し、数字は行列人数を示しています。例えば、図で行列人数が「100」と「96」で示されているアトラクションは、ディズニーシーの人気アトラクションである「センター・オブ・ジ・アース」と「インディ・ジョーンズ・アドベンチャー:クリスタルスカルの魔宮」に対応しています。

私の「人工知能」という講義で実演しています。入場者の行動をリアルタイムに観察できます。お楽しみに! 詳細を知りたい場合は研究論文を参考にしてください。電気学会論文誌C(電子・情報・システム部門誌)2007年3月号に掲載されています。それでは講義でお会いしましょう。

パソコンの自己組織化マップ

パソコンの自己組織化マップ

2008年3月に、私の研究室の大学院生(土井添淳一君)が情報処理学会第70回全国大会で学生奨励賞を受賞しました。受賞した土井添君の講演題目は「自己組織化マップによる商品の分類と可視化」です。自己組織化マップはニューラルネットワークの一種で、多次元の入力データを学習して2次元のマップを出力します。例として、ノートパソコンの2004年夏モデル(日本国内販売の8社119機種)を対象に、CPUスピード、ハードディスクドライブ容量,メモリ容量、重量、バッテリー時間、価格、光学ドライブの種類、フロッピーディスクドライブの有無、ディスプレイサイズを入力して、2次元のマップを出力した結果を図に示します。図中の文字はパソコンの製品番号です。5つの集まり(クラスタ)に分かれています。クラスタ1には比較的高機能、クラスタ2には比較的低機能&安価、クラスタ3には高機能&高価、クラスタ4にはモバイル(可搬性の高い)、クラスタ5には小型のパソコンが分類されています。このようなマップがパソコンショップに掲示されていると便利だと思いませんか。似たような特徴を持っているパソコンが近くに配置されますので、マップを見て色々と比較できます。

土井添君の講演では、自己組織化マップを用いて商品を分類する場合と、他の方法(階層クラスタ分析、非階層クラスタ分析)により分類する場合を比較しました。ノートパソコン、デジカメ、乗用車という3つの商品を例に取って比較した結果、可視化能力(見てわかりやすい)だけでなく、分類能力(正しく分類できる)に関しても自己組織化マップのほうが優れていることを示しました。講演内容と質疑応答の態度が高く評価され、受賞にいたりました。

さて、私の「人工知能」という講義で、自己組織化マップによりパソコンの分類マップが作成される様子を実演します。お楽しみに!

このページのトップに戻る