リスク解析戦略研究センターシンポジウム2026

―― AI時代の課題解決のための計算数理技術 ――

ニューラルネットは基本的に大規模データでの学習が前提となっている。本講演では、様々な実応用の現場で現れる限られたデータでの ニューラルネットの学習に対する一連の成果として、テスト誤差（汎化誤差）を推定する情報量規準 (Okuno and Yano, JCGS2023)、 急な変動を抑えたロバスト推定 (Okuno and Yagishita, arXiv:2308.02293v4; tentatively accepted) および 代数的な解の列挙 (Fukasaku, Kabata, and Okuno, arXiv:2508.17783) などを総合して解説する。

アブストラクトは後日掲載予定です

化学物質の安全性評価では、規制要件として多様な動物実験が義務づけられてきたが、動物福祉への配慮やコスト・時間の制約を背景に、動物実験に依存しない代替法への転換が国際的に加速している。 本発表では、この課題に対して計算数理が果たす役割を二つの観点から紹介する。第一に、代替試験法の妥当性確認と国際標準化に向けた取り組みとして、 OECDガイダンス文章とISOの統計的測定精度評価規格との関係を整理するとともに、質的データへの拡張に関する研究を紹介する。 第二に、化学構造や既存の毒性試験結果から対象物質の毒性を推定するインシリコ手法に着目する。 この手法の実用化には網羅的な毒性試験データの整備が不可欠であることから、農薬および工業用化学物質を対象とした大規模毒性試験データベースを構築し、 それを活用したデータ駆動型毒性予測手法の開発について述べる。

可塑性の高い非線形モデルに大量のデータを流し込むことで、経験則や暗黙知に依存するタスクを数理的に扱えるようになり、その一つの成り行きとして生成AIが出現し、 ビジネス界ではその活用を模索しています。
生成AIは結局データに潜むバイアスを固定化して人間をスポイルするだけの存在になるのか、あるいは人間社会を相対化、客観化して提示することで 発展的な社会変革を促すツールになるのか、「計算数理技術」と「人間」をつなぐ視点から考えてみたいと思います。

本講演では、我々が開発している数理最適化と人工知能の融合手法(MOAI)を用いて実務的な最適化問題を解決するためのシステムを紹介する。 AGI4OPTは、Agent スキルを用いて自然言語での最適化問題の入力を、AMPLモデル・コードとwebアプリに自動変換する。 Agentic IBP (Integrated Business Planning)は、サプライチェーンにおける様々な（配送、スケジューリング、ネットワーク設計、在庫などの最適化や時系列予測の） アナリティクス・ツールを組み込んだAgentスキル群である。Agentスキルは、各企業用にカスタマイズされ、自己改善し、進化するように設計されている。