自由対話の生成は、近年の深層学習技術の向上によりある程度実現されてきた。しかし、現実世界に関する知識と整合した対話を生成することは未だ難しいテーマである．

成果：

2022年度
ChatGPT などの生成言語モデルの技術をベースにした研究の方向性について検討した．

2021年度
現実世界対話のモデルを改良した．

小型の走行車両（UMV）に対して，対話的に指示する研究．外界の認識や位置の学習を深層強化学習により実現することで，UMVの柔軟で頑健な利用が可能になる．

成果：

2022年度
深層強化学習により、ディジタルツインズの研究を意識して，あるシミュレーション環境で強化学習した結果を別のマップに適用するとき効果を高めるための条件を調査した。

自動走行車は、道路や周囲の車に合わせて走行するだけではなく、様々な交通法規や交通マナーに従って走行しなければならない。本研究は、交通に関係した知識を集約した知識ベースを構築することを目的に、2011年度から研究を継続している。

成果：

2022年度
交通教則をオントロジー型の知識に変換する方法について検討した。

文書に自然言語で書かれている情報を構造化するために，文に言及されているエンティティとその関係の抽出が注目されている。ニューラルネットワークを用いて、文に書かれているエンティティと関係を抽出する手法について研究している．

成果：

2022年度
薬物・薬物間の相互作用抽出，薬物・タンパク質間の相互作用抽出の研究を継続し、薬物知識グラフを提案するとともに、薬物とDBとのリンキングや遠距離教師データの利用に関する研究を進めた。

近年、深層学習（Deep Learning）により画像処理や音声認識の性能が飛躍的に向上している。本研究では、深層学習を自然言語処理に応用し、その効果を検証してきた．

成果：

2022年度
そのひとつとして、関係抽出と知識グラフを統合した関係抽出の集大成を行った．また，日本語電子カルテに対する深層用語抽出の研究も進めた．

機械加工・型設計・CAEにAIを適用する先駆的研究。現在は，機械加工の熟練者が経験に基づいて様々なパラメータを決定している．これを知識ベース化することにより，熟練者のノウハウを継承することが可能になる．2022年度は，ラプラス領域における深層学習を利用した時系列データに関する予測の研究を進めた．

成果：

2022年度
ラプラス空間における深層学習を利用した時系列データに対する予測の研究を進めた。

様々な分野の知識をノードと関係で表した知識グラフが盛んに開発・利用されている。本研究では、様々なデータ型や種類のノードを含むマルチモーダルな情報やトリプルを超えた複数の関係に焦点を当て、従来の単一種類のノードを用いたトリプル上での表現学習を超えた新しい表現学習手法について研究を進めている。

成果：

2023年度
知識グラフ内の1対多の関係を明示的に考慮し、学習を行う手法を提案した。

2022年度
薬物を対象に、薬物の説明文、構造、関係するタンパク質などを考慮した知識グラフを対象に、表現学習を行い、知識グラフの欠損部分を補完する手法を考案した。

2017年度
書誌情報を対象として、タイトルや概要などのテキストと、著者・出版年などを考慮した知識グラフを構築し、それぞれの要素における表現学習を行い、得られた表現間の距離を測ることでソフトな検索を行う、書士検索システムを提案した。