人工知能、機械学習の研究は近年急速に進展し、画像認識などの分野では既に人間を超える性能を示すものも現れています。本研究では、ディープラーニングや各種機械学習手法を応用し、人間の意思決定をサポートするシステムや実世界の様々な異常を検知するシステムの開発を行っています。具体的には、分析対象となるデータの性質や規模に応じて適切な学習アルゴリズムを構築する研究や、応用として、医用画像から病変を検知する方式や、自然災害発生時に人工衛星画像から被災地域を高速に検出する方式の研究などを行っています。ディープラーニングを含む機械学習によって高精度な検知を行うには、正常や異常のラベルが付された大量の教師データが通常必要ですが、本研究では、教師データなし、あるいは少数の教師データを効率よく活用する学習アルゴリズムの開発も行っており、あらゆる現場で使いやすい人工知能の実現を目指しています。

①データベースを作成します。②機械学習（図ではディープニューラルネットワークの学習）を行います。③新たなデータに対する予測や検知を行います。

現代社会はますます複雑化しており、チームワークが社会発展の重要な要素となっています。 そのため、効果的なチームワークを実現するための要因が、多くの先行研究で注目されています。本研究では、 効率的なチームワークを実現する要因を明らかにすることを目的としています。具体的には、大規模の集団行動データを利用して、 チームメンバーの個人的な特徴（例：年齢、性別、政治的所属等）とチームメンバー間のソーシャルネットワークを定量的に分析し、 集団行動の成果との関連性を調査します。実世界の生産経営活動データに基づいた研究結果は、産業界での組織管理、 チーム作り等のテーマにも貢献が期待できます。

オンラインコミュニティー上に異なる特徴を持つユーザーの間に、協力行動発生確率を可視化したもの。赤色であるほど、発生する確率が高い。