JST CREST
因果探索プロジェクト
JST CREST [信頼されるAIシステム] 信頼されるAIシステムを支える基盤技術
プロジェクト名: 信頼されるAIシステムを実現するための因果探索基盤技術の確立と応用
研究代表者: 清水昌平
2022年度-2027年度
プロジェクト名: 信頼されるAIシステムを実現するための因果探索基盤技術の確立と応用
研究代表者: 清水昌平
2022年度-2027年度
AIの信頼性を評価・向上させる方法として因果推論のアイデアがよく用いられています。ただ、そのために必要な因果グラフを、背景知識が足りず用意できないことが多いです。そこで本研究では、データから因果グラフを推測する因果探索の方法論研究とそれを用いて環境学・予防医学・臨床医学・政策科学の4領域で因果推論を用いた説明性・公平性の解析に取り組みます。
生態毒性評価に関する因果分析 (林岳彦・国立環境学研究所)
予防介入に関する因果分析 (福間真悟・京都大学)
不眠障害に関する因果分析 (井上佳・サスメド株式会社)
若手研究者支援に関する因果分析 (小柴等・文部科学省 科学技術・学術政策研究所)
そのための因果探索の方法論に関する研究・開発 (清水昌平・滋賀大学)
JST CREST Trusted quality AI systems
Causal discovery and its applications for reliable AI
Research Director: SHIMIZU Shohei
2022-2027
Statistical causal inference using causal graphs is essential in improving the explainability, fairness, and performance needed for reliable AI. To perform statistical causal inference, a causal graph needs to be drawn by the analyst, but it often is the case that insufficient domain knowledge is available for this purpose. Then, a causal structure search methodology that uses data to infer a causal graph, i.e., causal discovery, is useful. Thus, we develop methods for causal discovery to infer causal graphs from data and use them to analyze explainability and fairness in the four areas of policy science, environmental studies, preventive medicine, and clinical medicine.
