コンピュータはどこまで賢くなれるのか？
機械学習の理論構築，アルゴリズム開発，実世界応用
情報通信技術の飛躍的な性能向上に伴い，これまで人間にしかできなかった知的な情報処理が，コンピュータによって実現できるようになりつつあります．杉山研究室では，「コンピュータはどこまで賢くなれるのか」をテーマに，人工知能分野の機械学習とよばれる知的データ処理技術に関する様々な研究課題に取り組んでいます．
- 学習理論の構築
汎化とは，学習していない未知の状況に対応できる能力であり，コンピュータが知的に振る舞うために不可欠です．本研究室では，主に確率論と統計学に基づいて，汎化能力獲得のメカニズムを理論的に探求しています．
- 学習アルゴリズムの開発
機械学習分野には，入出力が対になったデータから学習を行う教師付き学習，入力のみのデータから学習を行う教師なし学習，環境との相互作用を通して最適な行動規則の獲得を目指す強化学習など，様々な課題があります．本研究室では，理論的な裏付けを持ちつつ，実用性の高い機械学習アルゴリズムを開発しています．
- 機械学習技術の実世界応用
インターネットやセンサー技術の発達と普及に伴い，文書，音声，画像，動画，電子商取引，電力，医療，生命など，工学や基礎科学の様々な場面で膨大な量のデータが収集されるようになってきました．本研究室では国内外の企業や研究所と連携し，最先端の機械学習アルゴリズムを駆使して実世界の難問解決に挑戦しています．
地球規模で実世界を理解する知的情報処理
横矢研究室では，画像処理と機械学習を活用して視覚的情報の取得と理解の高度化に関する研究を行っています．特に，リモートセンシングデータから世界のデジタルツインを自動的に構築する基盤技術の開発に力を注いでいます．
- 画像逆問題
センシングと計算の融合により，ハードウェアだけでは得られない情報の取得が可能となるとともに，解像度やノイズなどのハードウェアの限界を克服することができます．機械学習・最適化・画像処理に基づき，不完全な観測データから元の信号を復元する数理モデルとアルゴリズムの開発に取り組んでいます．
- シーン理解
光学カメラやLiDARなど様々な種類のセンサデータを統合的に処理し，シーンの意味的情報と3次元情報をより詳細かつ正確に理解する手法を研究しています．また，限られた学習データから機械学習モデルを構築し，計算効率を向上させる方法を探求しています．
- リモートセンシング
世界のデジタルツインの自動構築を目指して，衛星や航空機に搭載されるセンサから得られるリモートセンシングデータを活用し，土地被覆や標高モデルなどの地図情報を自動抽出する知的情報処理の研究に取り組んでいます．
実用的で信頼性の高い機械学習技術の確立へ
石田研究室は2021年度にスタートし，現在は機械学習のアルゴリズムを開発するという基礎研究を進めています．未知なるデータに対する汎化性能を高める研究や，弱い教師情報しか与えられていない場合でも高精度に学習する手法の研究などに取り組んでいます．その他にも様々な観点から，より実用的で信頼性の高い機械学習技術の確立を目指しています．
- 弱教師あり学習に関する研究
通常の教師あり学習では事前にラベル付きデータを数多く収集する必要がありますが，正しいラベルを付与する際に多くのラベル付けコストがかかります．また，適切な教師情報を資金以外の制約により収集できないケースもあります．そこで，補ラベル学習や正信頼度学習など，様々な弱い教師情報からでも学習できるようにするための研究を進めています．
- 過適合や正則化技術に関する研究
少数のデータしか集まらない場合や，教師ラベルに雑音が加わるような状況では，過適合などにより高い予測性能を発揮することが難しくなります．そこで，様々な環境下でも精度の劣化を回避しながらロバストに学習するための研究を行っています．
- 機械学習モデルやデータの評価に関する研究
訓練した機械学習モデルにどれほどの改善余地が残されているのかを知ることは，実応用の際に重要です．限界性能を推定することができれば，訓練したモデルの性能と比較することで改善余地を把握することに役立ちます．また，限界性能は取り組んでいるタスクやデータセットの難易度としても活用できます．そこで，限界性能の推定をはじめ，モデルやデータセットを評価するための技術を開発しています．
