片山 晋 (カタヤマ ススム)

KATAYAMA Susumu

写真a

所属

工学教育研究部 工学科情報通信工学プログラム担当

職名

助教

外部リンク

学位 【 表示 / 非表示

  • 博士(工学) ( 2000年3月   東京工業大学 )

  • 修士(工学) ( 1997年3月   東京大学 )

  • 学士(農学) ( 1995年3月   東京大学 )

研究分野 【 表示 / 非表示

  • 情報通信 / 知能情報学

  • 情報通信 / ソフトウェア

  • 情報通信 / 情報学基礎論

 

論文 【 表示 / 非表示

  • Computable Variants of AIXI which are More Powerful than AIXItl 査読あり

    Susumu Katayama

    Journal of Artificial General Intelligence   10 ( 1 )   1 - 23   2019年4月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)  

    DOI: 10.2478/jagi-2019-0001

  • Ideas for a reinforcement learning algorithm that learns programs 査読あり

    Susumu Katayama

    Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)   9782   354 - 362   2016年7月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(国際会議プロシーディングス)   出版者・発行元:Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)  

    © Springer International Publishing Switzerland 2016. Conventional reinforcement learning algorithms such as Q-learning are not good at learning complicated procedures or programs because they are not designed to do that. AIXI, which is a general framework for reinforcement learning, can learn programs as the environment model, but it is not computable. AIXI has a computable and computationally tractable approximation, MC-AIXI(FAC-CTW), but it models the environment not as programs but as a trie, and still has not resolved the trade-off between exploration and exploitation within a realistic amount of computation. This paper presents our research idea for realizing an efficient reinforcement learning algorithm that retains the property of modeling the environment as programs. It also models the policy as programs and has the ability to imitate other agents in the environment. The design policy of the algorithm has two points: (1) the ability to program is indispensable for human-level intelligence, and (2) a realistic solution to the exploration/exploitation trade-off is teaching via imitation.

    DOI: 10.1007/978-3-319-41649-6_36

    Scopus

  • Towards Human-Level Inductive Functional Programming 査読あり

    Susumu Katayama

    Artificial General Intelligence, 8th International Conference, AGI 2015, LNAI 9205   111 - 120   2015年7月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(国際会議プロシーディングス)  

    DOI: 10.1007/978-3-319-21365-1_12

  • An Analytical Inductive Functional Programming System that Avoids Unintended Programs 査読あり

    Susumu Katayama

    PEPM'12 Proceedings of the ACM SIGPLAN 2012 Workshop on Partial Evaluation and Program Manipulation   43 - 52   2012年1月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(国際会議プロシーディングス)  

    DOI: 10.1145/2103746.2103758

  • Efficient Exhaustive Generation of Functional Programs using Monte-Carlo Search with Iterative Deepening 査読あり

    Susumu Katayama

    PRICAI 2008: Trends in Artificial Intelligence, Lecture Notes in Artificial Intelligence, Springer Verlag   5351   199 - 211   2008年12月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(国際会議プロシーディングス)  

全件表示 >>

書籍等出版物 【 表示 / 非表示

  • Trends in Functional Programming Volume 6

    Edited by Marko van Eekelen( 担当: 共著 ,  範囲: Chapter 8 Systematic Search for Lambda Expressions, pp. 111-126)

    Intellect  2007年7月 

     詳細を見る

    記述言語:英語 著書種別:学術書

MISC 【 表示 / 非表示

  • The 8th Conference on Artificial General Intelligence, AGI-15 会議報告

    片山晋

    人工知能   30 ( 6 )   2015年12月

     詳細を見る

    記述言語:日本語   掲載種別:研究発表ペーパー・要旨(全国大会,その他学術会議)   出版者・発行元:人工知能学会  

講演・口頭発表等 【 表示 / 非表示

  • BK-ADAPT: Dynamic Background Knowledge for Automating Data Transformation 国際会議

    Lidia Contreras-Ochando, Cèsar Ferri, Jose Hernandez-Orallo, Fernando Martínez-Plumed, M. José Ramírez-Quintana, Susumu Katayama

    The European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases 

     詳細を見る

    開催年月日: 2019年9月16日 - 2019年9月20日

    記述言語:英語   会議種別:口頭発表(一般)  

    An enormous effort is usually devoted to data wrangling, the tedious process of cleaning, transforming and combining data, such that it is ready for modelling, visualisation or aggregation. Data transformation and formatting is one common task in data wrangling, which is performed by humans in two steps: (1) they recognise the specific domain of data (dates, phones, addresses, etc.) and (2) they apply conversions that are specific to that domain. However, the mechanisms to manipulate one specific domain can be unique and highly different from other domains. In this paper we present bka, a system that uses inductive programming (IP) with a dynamic background knowledge (BK) generated by a machine learning meta-model that selects the domain and/or the primitives from several descriptive features of the data wrangling problem. To show the performance of our method, we have created a web-based tool that allows users to provide a set of inputs and one or more examples of outputs, in such a way that the rest of examples are automatically transformed by the tool.

  • Automated Data Transformation with Inductive Programming and Dynamic Background Knowledge 国際会議

    Lidia Contreras-Ochando, Cèsar Ferri, Jose Hernandez-Orallo, Fernando Martínez-Plumed, M. José Ramírez-Quintana, Susumu Katayama

    The European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases 

     詳細を見る

    開催年月日: 2019年9月16日 - 2019年9月20日

    記述言語:英語   会議種別:口頭発表(一般)  

    Data quality is essential for database integration, machine learning and data science in general. Despite the increasing number of tools for data preparation, the most tedious tasks of data wrangling -and feature manipulation in particular- still resist automation partly because the problem strongly depends on domain information. For instance, if the strings "17th of August of 2017" and "2017-08-17" are to be formatted into "08/17/2017" to be properly recognised by a data analytics tool, humans usually process this in two steps: (1) they recognise that this is about dates and (2) they apply conversions that are specific to the date domain. However, the mechanisms to manipulate dates are very different from those to manipulate addresses. This requires huge amounts of background knowledge, which usually becomes a bottleneck as the diversity of domains and formats increases. In this paper we help alleviate this problem by using inductive programming (IP) with a dynamic background knowledge (BK) fuelled by a machine learning meta-model that selects the domain, the primitives (or both) from several descriptive features of the data wrangling problem. We illustrate these new alternatives for the automation of data format transformation, which we evaluate on an integrated benchmark and code for data wrangling, which we share publicly for the community.

  • General AI Challenge に参加して 招待あり

    片山晋

    第9回 人工知能学会 汎用人工知能研究会(SIG-AGI)   (国立情報学研究所)  人工知能学会

     詳細を見る

    開催年月日: 2018年8月30日

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:国立情報学研究所  

    The speaker is developing AGI agents based on the assumption that mature AGI can be achieved by the combination of ``the most general AI apart from the efficiency'' for generality and ``incremental learning'' for learning to specialize for efficiency. He applied his AGI agent to Round 1 of General AI Challenge held in 2017, and received the joint 2nd place of the qualitative prize. In this talk, he will explain how to implement the AGI agent, the devices and difficulties when applying it to the Challenge Round 1, and some thought on the General A I Challenge series.

  • MagicHaskeller-based incrementally learning agent 招待あり 国際会議

    Susumu Katayama

    Approaches and Applications of Inductive Programming  (Schloss Dagstuhl)  Leibniz Center for Informatics

     詳細を見る

    開催年月日: 2017年9月17日 - 2017年9月20日

    記述言語:英語   会議種別:口頭発表(一般)  

    開催地:Schloss Dagstuhl  

  • Domain specific induction for data wrangling automation (Demo) 国際会議

    Lidia Contreras-Ochando, Cèsar Ferri, José Hernández-Orallo, Fernando Martínez-Plumed, M. J. Ramírez-Quintana, Susumu Katayama

    Automatic Machine Learning Workshop  (Sydney, Australia) 

     詳細を見る

    開催年月日: 2017年8月10日

    記述言語:英語   会議種別:ポスター発表  

    開催地:Sydney, Australia  

全件表示 >>

Works(作品等) 【 表示 / 非表示

  • MagicHaskeller on the Web

    Susumu Katayama

    2012年5月23日

     詳細を見る

    作品分類:ソフトウェア  

  • MagicHaskeller, Analytical Synthesis Modules

    Susumu Katayama

    2011年4月8日

     詳細を見る

    作品分類:ソフトウェア  

  • MagicHaskeller, Open Source Edition

    Susumu Katayama

    2009年7月14日

     詳細を見る

    作品分類:ソフトウェア  

  • MagicHaskeller, Library Edition

    Susumu Katayama

    2006年5月

     詳細を見る

    作品分類:ソフトウェア  

  • MagicHaskeller

    Susumu Katayama

    2005年12月

     詳細を見る

    作品分類:ソフトウェア  

    系統的探索に基づいた帰納関数プログラミングシステム

受賞 【 表示 / 非表示

  • Qualitative prize: joint 2nd place of the 1st Round of General AI Challenge

    2017年10月   GoodAI  

    Susumu Katayama

     詳細を見る

    受賞区分:国内外の国際的学術賞  受賞国:チェコ共和国

科研費(文科省・学振)獲得実績 【 表示 / 非表示

  • 系統的探索による帰納関数プログラミングの実用化

    2009年04月 - 2012年03月

    科学研究費補助金 

     詳細を見る

    担当区分:研究代表者 

    系統的網羅探索による帰納関数プログラミングアルゴリズムを開発し,実用化する

その他競争的資金獲得実績 【 表示 / 非表示

  • MagicHaskeller on the Web: Automated Programming as a Service

    2013年09月

    海外  ACM SIGPLAN PAC Grant 

     詳細を見る

    担当区分:研究代表者  資金種別:競争的資金

    This research demonstrates a Web-based automatic programming tool, named MagicHaskeller on the Web, which can help developers programming in Ha This tool is based on the MagicHaskeller system which has been out for several years.
    However, this work is not only yet another medium of its deployment, but it substantially improves the speed and offhandedness
    by running it continuously as a shared service on a remote server machine.
    In addition, a new user interface helping programmers to understand synthesized expressions has been devised.
    The resulting system is especially helpful for beginner Haskell programmers to quickly write pure functions.

 

授業 【 表示 / 非表示

  • プログラミング演習5

     詳細を見る

    科目区分:専門教育科目 

  • プログラミング演習1

     詳細を見る

    科目区分:専門教育科目 

  • プログラム言語論

     詳細を見る

    科目区分:専門教育科目 

  • 工学マネジメントワーク(G)

     詳細を見る

    科目区分:大学院科目(修士) 

  • 専門教育入門セミナーT(7)

     詳細を見る

    科目区分:共通教育科目 

全件表示 >>