DML研究会（2017.3.7）@岡山大学

1. MSCS2017
モデルベースト制御における
機械学習とダイナミクスの融合調査研究会
（DML研究会）の目指すところ
慶應義塾大学
理工学部 物理情報工学科
足立 修一
http://arx.appi.keio.ac.jp/
岡山大学 津島キャンパス 一般教育棟3階
2017年 3月 7日（火） 9:00 ～ 9:20

2. DML 研究会（Dynamical Machine Learning）
2
HP : http://dml.sice-ctrl.jp/

3. DML 研究会
 主 査：足立修一（慶大）
 副主査：加嶋健司（京大）
 幹 事：丸田一郎（京大），堀 豊（慶大）
 委 員：46名（2017.3.1現在）
うち，企業技術者14名，博士学生3名，女性研究者4名
中堅・若手研究者が中心
 活動期間：2017.1.1～2018.12.31（2年間）
 数か月に1回，活動予定
 年間予算：10万円
3
DML.sice-ctrl.jp

4. DML 研究会委員（計50名）
 赤阪大介（マスワークス）
 飯野 穣（東芝）
 池田卓矢（京大）
 石川将人（阪大）
 石崎孝幸（東工大）
 井上正樹（慶大）
 大須賀公一（阪大）
 奥 宏史（大工大）
 加納 学（京大）
 川口貴弘（慶大）
 岸田昌子（情報学研）
 喜住祐紀（Honda）
 小西克巳（工学院大）
 小林俊介（新日鐵住金）
 澤田孝信（日産）
 神保智彦（豊田中研）
 杉本謙二（NAIST）
4
 薄 良彦（府立大）
 鈴木雅康（宇大）
 高橋正樹（慶大）
 武田朗子（統数研）
 田中英明（デンソー）
 田中秀幸（広大）
 田辺弘子（東大）
 中須賀真一（東大）
 仲田勇人（トヨタ）
 永原正章（北九州市立大）
 成岡 優（JAXA）
 野中健一郎（都市大）
 平田光男（宇大）
 福永修一（産業技術高専）
 藤井正和（IHI）
 藤本悠介（京大）
 藤原幸広（Honda）
 松波 勲（北九州市立大）
 松原崇充（NAIST）
 南 裕樹（阪大）
 矢入健久（東大）
 安井裕司（Honda）
 山崎直子（東大）
 山科亮太（リコー）
 山中 理（東芝）
 我妻広明（九工大）
 和田孝之（阪大）
 成瀬 康（NICT）
 江藤 力（NECデータサイ
エンス研究所）
 堀 豊 （慶大）
 丸田一郎（京大）
 加嶋健司（京大）
 足立修一 （慶大）
さまざまな分野から melting pot

5. DML 研究会の担当分野（設置趣意書）
 いわゆるビッグデータを背景とした機械学習理論は，人
工知能研究者のグループで精力的に研究されているが，
その主流はデータオリエンティッドな方法論である
 一方，われわれ制御のコミュニティでは，モデルベース
ト制御の枠組みで，対象となるシステムが従う物理的な
法則（これをダイナミクスと呼ぶ）を数理モデルで表現
し，そのモデルと対象から得られるデータの両方を用い
たアプローチをとる
 その典型的な例がカルマンフィルタであり，時系列やシ
ステムのダイナミクスを状態空間モデルで表現し，さら
に観測データを活用することによって，対象の状態推定
（フィルタリング）を行う
5

6. DML 研究会の担当分野
 機械学習理論が物理化学的な対象に対して，より効果的
に機能するためには，このようなダイナミクスを考慮し
た機械学習理論の研究が，理論と産業応用の両面から強
く望まれている。DML 研究会ではこれを主な担当分野
として活動する。
 制御の分野で対象のデータを利用する方法として，シス
テム同定理論が1960年代から研究されている。このシ
ステム同定理論と機械学習理論の類似点と相違点を調べ
ることによって，制御分野で機械学習理論を活用するた
めの方法論を検討していくことも DML 研究会の担当分
野である。
6

7. DML研究会の（本当の）ねらい
 SICEを活性化したい！
 義務感で学会活動をしていても疲れるだけ
 自発的に参加したくなるような学会
 元気が出るワクワクする研究テーマ
 理論から実用化まで，幅広い人が興味をもつテーマ
 学会に人が集まるかどうかは，魅力的な研究テーマが
るかどうかにかかっている
 残念ながら，1990年代のH∞制御以来，制御理論で抜
群の集客力のある研究テーマは見当たらない
7
研究は楽しくなければ！

8. DML研究会の（本当の）ねらい
 SICE若手会員のネットワーキング
 大学関係の若手研究者に，企業の人とネットワークを
構成してほしい
 企業の技術者／研究者にも，SICEの優秀な若手研究
者を知ってほしい
8
仮想世界ではなく，
現実世界で！

9. AIが流行っている理由は？（私見）
9
 ビッグデータの活用 ･･･ 宝の持ち腐れは嫌
 計算機能力の向上
 非理科系（物理や工学以外）の人が直感的に受け入れや
すい概念 ⇒ 期待感
 非理科系の分野でAIの活用がすすむ
⇒ 理工系はこれから
 たくさん勉強して暗記（データ）しておけば，試験でい
い点はとれそうだが頭（ダイナミクス）を使ってもっと
かっこよくいい点とりたいな! by adachi

10. DML研究会の活動予定（2017年）
 第0回 2016年11月10日 北九州
 設立準備委員会
 第1回 2017年1月30日 慶大
 矢入先生の講演
 全体討論
 第2回 2017年3月7日 岡山大，OS
 第3回 2017年5, 6月頃 京大（予定）
 第4回 2017年9月 東京（予定）
 第5回 2017年11月18日（土） 慶大
 3つの班の成果発表会
10

11. DML第1回研究会＠慶大（1/30）
 13:00～ DML研究会の立ち上げについて（足立）
 13:10～ 講演：機械学習とシステム同定 ～ 動的システ
ム学習の過去と現在 ～ 矢入健久（東大 航空宇宙）
⇒ Youtube（慶應チャンネル 足立研セミナー）
 15:00～ 研究会の進め方
 17:00～ 懇親会
11
講演会には100名近くの聴講者

12. DML第2回研究会＠岡山大学
 モデルベースト制御における機械学習とダイナミクスの
融合調査研究会（DML研究会）の目指すところ
足立修一（慶大）
 データでみる機械学習と制御理論の類似点と相違点
丸田一郎（京大）
 因果関係を理解するためのデータ駆動手法とモデル駆動
アプローチ
石川将人（阪大）
 省エネルギーのための自動制御と人工知能
永原正章（北九州市立大）
 デンソーにおける制御設計への取り組みと今後の課題
田中英明（デンソー）
12

13. 3つの研究班
50名の大所帯なので，3つの班に分かれて活動
 A班（足立・丸田）
 教師あり学習
 同定・モデリング
 B班（小西・堀）
 教師なし学習
 特徴量抽出
 C班（加嶋・丸田）
 強化学習
13

14. 2年後：DML研究会の出口
 委員同士の交流から共同研究へ
 大学間，大学と企業，…
 科研費「新学術領域研究（研究領域提案型）」
･･･ 新たな研究領域を設定して異分野連携や共同研究，
人材育成等を図る大規模なグループ研究をサポート
 新たな展開
 ･･･ ･･･ ･･･
14

15. 物理とデータ
 機械学習
 データから，対象システムを理解するためのヒントを
見つける ⇒ データから法則性（物理）を発見する
 社会システムなど，物理が明確でない対象
 ビッグデータ
 複雑な実システムのモデリング
 対象から観測されるデータと，対象が従う物理法則
（ダイナミクス）の両者を活用することによって，合
理的な対象のモデルを構築する
15

16. 第一原理モデリングとシステム同定
物理帝国主義（?） ⇒ 機械学習（AI）
16
第一原理
モデリング
システム同定
 情報（データ），統計，
 実験データ
 事後解析（モノがないと
モデリングできない）
パイロットプラント（たとえば風洞試験）
 物理，化学，…
 数値解析，スパコン
 事前解析（モノを作る前
にモデリング）
バランスが重要！
Black-box modelingWhite-box modeling
Gray-box modeling

17. データと物理のバランス
17
物理 データ
 物理モデリング
 機械学習
 システム同定
 カルマンフィルタ
 物理的な洞察（ダイナミ
クス）のもとで，データ
を活用することが重要！
 制御や動力学的なセンス
工学分野でAIを活用するときに最も重要なポイント

18. バランスをとること
18
 Trade-off をはかること
⇒ 制御屋さんの得意分野
 AI，特に機械学習はSICEでも研究すべきテーマ

19. 機械学習とシステム同定の類似点
19
 対象
 機械学習：大規模システム，ネットワーク
 非線形，相関関係
 システム同定（制御）：動的システム
 線形，因果関係
 モデル選択
たとえば，…

20. IBIS2016＠京都（2016.11）に参加して
 最初は50名程度で始まったワークショップ，19回目の
大会は500名の参加者
 ネクタイをしない研究者や技術者が中心で，とにかく若
い！ 博士学生，ポスドク，助教クラスが中心
 その一方で，80歳の甘利先生が特別講演
 さまざまな分野（物理，工学，マーケティング，…）
 研究の出口となる企業（リクルート，博報堂，…）も多
数参加しているので，熱い！
20

21. 機械学習の研究課題
 説明可能性，性能保証
 深層学習のモデル：ブラックボックス（分散表現，多
層，非線形）である
 性能保証をどのように達成するのか？ ホワイトボッ
クス的なテストができるか？
 Non i.i.d.（independent and identically distributed）なデ
ータに対して，汎化能力をどのように達成するか？
21
岡野原大輔氏（Preferred Networks 副社長）
の講演より

22. 機械学習の研究課題
 物理モデルの学習
 人や動物は，経験（データ）から物理世界のシミュレ
ータを作る
 データから物理モデルを学習し，それを利用したうえ
で，認識・制御をしたい
 シミュレーション ⇒ データ同化
 制御 ⇒ システム同定
 強化学習 ⇒ 遷移確率
22

23. まとめ
 SICE制御部門に新たに立ち上げたDML研究会に
ついて簡単に紹介した
 本研究会にご興味のある方は，足立，あるいは
DML研究会の加嶋副主査，丸田・堀幹事にご連
絡ください。お待ちしています。
23