革新知能統合研究センター

井手 剛（IBMワトソン研究所）

Abstract
ブロックチェーン技術に基づく暗号通貨の成功以降、分散的かつ非中央集権的なトランザクションの管理の手法は情報技術の最近の大きな話題のひとつになっている。分散環境での機械学習は長い研究の歴史を持っているが、非中央集権アーキテクチャの観点で、アルゴリズムを見直してみるのは興味深い。
この講演では、我々の最近の研究から、非中央集権的なマルチタスク密度推定の枠組みを紹介する [1]。マルチタスク学習はある意味で、知識の共有を通しよりよいモデルを作ることを目的としている。一方、分散環境では常にデータのプライバシー保護の問題が問題になる。両者の矛盾を、どのように非中央集権的な仕組みの中で解決できるか、というのが問題である。我々は、指数分布族の混合モデルの推定問題を、マルチエージェントの合意問題としてとらえることで、非中央集権的なマルチタスク学習が可能であることを示す。プライバシー保障の手法、代数的グラフ理論と合意問題との興味深い関連なども指摘する。
[1] Ide et al., Efficient Protocol for Collaborative Dictionary Learning in Decentralized Networks, IJCAI 19.

Bio
Dr. Tsuyoshi ide (“Ide-san”) is a Senior Technical Staff Member with IBM T. J. Watson Research Center, New York, USA. He received his Ph.D. from the University of Tokyo in condensed matter physics in 2000. Since around 2003, he has been working on data mining and machine learning research through a variety of real-world applications. Currently, he is part of the Trusted AI group in IBM Research. His recent research interests include anomaly detection, tensors, and collaborative learning. For more detail, see his website: http://ide-research.net/