ລິເຄນ ສູນສືບຄະແນນສໍາລັບສະຖານທີ່ບັນລຸກສະໄໝນິດ (RIKEN Center for Advanced Intelligence Project)

ກອບການວິໄຈພາຍໃນ RIKEN AIP

RIKEN Center for Advanced Intelligence Project (AIP) ດໍາເນີນງານຜ່ານກຸ່ມວິໄຈຫຼັກ 3 ກຸ່ມ ໂດຍແຕ່ລະກຸ່ມຈັບຈຸດມຸ່ງໝາຍທີ່ແຕກຕ່າງກັນໃນການພັດທະນາ AI. ກຸ່ມວິໄຈເຕັກໂນໂລຍີທົ່ວໄປ ສຸມໃສ່ອັລກໍຣິທຶມພື້ນຖານ ລວມທັງ machine learning, deep learning, ແລະ optimization. ກຸ່ມວິໄຈເຕັກໂນໂລຍີຕາມເປົ້າໝາຍ ນໍາໃຊ້ວິທີເຫຼົ່ານີ້ໄປກັບບັນຫາໃນໂລກຈິງ ໃນດ້ານສຸຂະພາບ, ວັດສະດຸສາດ, ແລະຄວາມທົນທານຕໍ່ໄພພິບັດ.

ກຸ່ມວິໄຈ Artificial Intelligence in Society ສຶກສາຜົນກະທົບດ້ານຈັນຍາບັນ, ກົດໝາຍ, ແລະສັງຄົມຂອງການນໍາໃຊ້ AI. ໂຄງສ້າງນີ້ສະທ້ອນເຖິງການຖະນຸຖອມຢ່າງຈົງໃຈ ລະຫວ່າງການສ້າງນະວັດທີ່ເຊິ່ງທາງທິດສະດີ ແລະການນໍາໃຊ້ຢ່າງປະຕິບັດ ເພື່ອໃຫ້ວິໄຈສອດຄ່ອງກັບຄວາມຕ້ອງການຂອງສັງຄົມ.

ແຜນລິເລີ່ມວິໄຈສໍາຄັນ ແລະທີມງານ

ສູນມີທີມງານສະເພາະທາງດ້ານ 14 ທີມ ທີ່ຮັບຜິດຊອບບັນຫາທາງດ້ານເຕັກນິກ ແລະການນໍາໃຊ້ຢ່າງເຈາະຈົງ. ທີມ Imperfect Information Learning ນໍາໂດຍຜູ້ອໍານວຍການ Masashi Sugiyama ພັດທະນາວິທີການຈັດການຂໍ້ມູນທີ່ບໍ່ຄົບຖ້ວນ ຫຼືມີສຽງລົບກວນ. ທີມ Tensor Learning ສຶກສາການຕອບແທນຂໍ້ມູນຫຼາຍມິຕິ ໃນຂະນະທີ່ທີມ Causal Inference ສືບສວນຄວາມສໍາພັນເຫດ-ຜົນໃນລະບົບທີ່ສັບຊ້ອນ.

ໂຄງການທີ່ນໍາໃຊ້ສະແດງຂອບເຂດການເຂົ້າຮ່ວມຂ້າມສາຂາຂອງສູນ. ການຮ່ວມມືລ່າສຸດກັບຊຸມຊົນ Tado ມີການຈັດຄ່າຍປະກອບເພງດ້ວຍ AI ເພື່ອສ້າງເພງຂອງໂຮງຮຽນ ໂດຍປະສົມດົນຕີແລະ machine learning. ອີກທີມໜຶ່ງໄດ້ພັດທະນາໂມເດວ medical vision-language ຂະໜາດ 14.2 ຕື້ ପາຣາເມັດ ທີ່ປັບໃຫ້ເໝາະກັບບັນບົດບໍລິບົດດ້ານການແພດຂອງຍີ່ປຸ່ນ ໂດຍແກ້ໄຂຄວາມທ້າທາຍທີ່ສະເພາະກັບພາສາໃນ AI ດ້ານການແພດ.

• ທີມ Deep Learning Theory: ພັດທະນາສະຖາປັດຕະຍະຂອງ neural network
• ທີມ Succinct Information Processing: ການບີບອັດແລະການຄົ້ນຄືນຂໍ້ມູນຢ່າງມີປະສິດທິພາບ
• ທີມ Sequential Decision Making: ອັລກໍຣິທຶມສໍາລັບສະພາບແວດລ້ອມທີ່ປ່ຽນແປງ
• ທີມ Uncertainty Quantification: ການປະເມີນຄວາມສ່ຽງໃນການຄາດຄະເນຂອງ AI

ໂຄງລ່າງພື້ນຖານ ແລະການຮ່ວມມື

RIKEN AIP ຮັກສາໂຄງລ່າງຄອມພິວເຕີ້ທີ່ອຸທິດໃຫ້ເອີ້ນວ່າ RAIDEN (RIKEN AIp Deep learning ENvironment) ເພື່ອຮອງຮັບການທົດລອງຂະໜາດໃຫຍ່. ລະບົບນີ້ຊ່ວຍໃຫ້ການຝຶກຮູບແບບມີປະສິດທິພາບສູງ ລວມທັງ medical AI ຂະໜາດ 14.2 ຕື້ ପາຣາເມັດຂອງສູນ. ຮາດແວນີ້ເສີມກັບເຄືອຂ່າຍການຮ່ວມມືຂອງສູນ ເຊັ່ນ AIP Network Lab ແລະ AI Japan R&D Network.

ການເຂົ້າຮ່ວມລະດັບສາກົນກໍາລັງເປັນຈຸດສຸມທີ່ເພີ່ມຂຶ້ນ. ໃນເດືອນມີນາ 2026 ຜູ້ກໍານົດນະໂຍບາຍ AI ຈາກ 7 ປະເທດ Global South ໄດ້ເຂົ້າຢ້ຽມຊົມສູນເພື່ອສົນທະນາເລື່ອງກອບການກໍາກັບດູແລ ແລະການໂອນຍ້າຍເຕັກໂນໂລຍີ. ສູນຍັງເປັນເຈົ້າພາບຈັດງານ AIP Symposium ປະຈໍາປີ ໂດຍສະບັບປີ 2025 ກໍານົດໄວ້ໃນເດືອນມີນາ 2026 ແລະຈະມີການນໍາສະເໜີອອນໄລນ໌ກ່ຽວກັບວິໄຈທີ່ກໍາລັງເກີດຂຶ້ນ.

ການພັດທະນາກໍາລັງຄົນຄຽງຄູ່ກັບວຽກວິໄຈທາງເຕັກນິກ. ສູນຈັດຄ່າຍຮ້ອນສໍາລັບນັກສຶກສາຍິງລະດັບປະລິນຍາຕີ ໃນສາຂາວິຊາຄະນິດສາດ ແລະວິທະຍາສາດຂໍ້ມູນ ເພື່ອຂະຫຍາຍຄວາມຫຼາກຫຼາຍຂອງກໍາລັງຄົນດ້ານ AI. ໂຄງການນັກວິທະຍາສາດທີ່ໄປຢ້ຽມຢາມ ເຊັ່ນໂຄງການທີ່ໄດ້ຮັບຮູ້ Kento Kawaharazuka ດ້ວຍ FUNAI Information Technology Award ຊ່ວຍສ້າງການແລກປ່ຽນຄວາມຮູ້ຂ້າມສະຖາບັນ.

ການນໍາພາ ແລະປັດຊະຍາການວິໄຈ

ຜູ້ອໍານວຍການ Masashi Sugiyama ຊຶ່ງເປັນອາຈານຢູ່ມະຫາວິທະຍາໄລ Tokyo ເປັນຜູ້ຄຸມຄອງທິດທາງຍຸດທະສາດຂອງສູນ. ເສັ້ນທາງອາຊີບຂອງລາວຄອບຄຸມວຽກພື້ນຖານໃນ machine learning ພາຍໃຕ້ non-stationarity ແລະ density-ratio paradigm ຊຶ່ງໄດ້ຮັບລາງວັນຈາກ Information Processing Society of Japan ແລະກະຊວງສຶກສາ. ວິໄຈຂອງ Sugiyama ເນັ້ນຄວາມເຂັ້ມງວດທາງທິດສະດີພ້ອມກັບການນໍາໃຊ້ຢ່າງມີປະໂຫຍດ ເຊິ່ງເປັນຫຼັກການທີ່ສະທ້ອນຢູ່ໃນໂຄງການຂອງສູນ.

ຮອງຜູ້ອໍານວຍການ Naonori Ueda ນໍາເອົາປະສົບການຈາກ NTT Communication Science Laboratories ບ່ອນທີ່ລາວເປັນຜູ້ນໍາເລີ່ມວຽກດ້ານ machine learning ແລະ data science. ພື້ນຖານຂອງລາວໃນການຮັບຮູບແບບ ແລະ computer vision ຊ່ວຍກໍານົດວິທີການຂອງສູນໃນການຂົວຂ້າມລະຫວ່າງວິໄຈທາງວິຊາການ ແລະຄວາມຕ້ອງການຂອງອຸດສາຫະກໍາ.

ນະໂຍບາຍຄວາມປອດໄພຂອງສູນ ຢືນຢັນຄວາມມຸ່ງໝັ້ນຕໍ່ການຈັດການຂໍ້ມູນຢ່າງຮັບຜິດຊອບ. ບັນທຶກການເຂົ້າເຖິງ ຖືກນໍາໃຊ້ພຽງແຕ່ເພື່ອຈັດການເຊີບເວີ ແລະສະຖິຕິຜູ້ເຂົ້າຊົມ ໂດຍບໍ່ມີການລະບຸຕົວຕົນຂອງບຸກຄົນ. ສິ່ງນີ້ສອດຄ່ອງກັບຈຸດສຸມທີ່ກວ້າງກວ່າຂອງການພັດທະນາ AI ຢ່າງມີຈັນຍາບັນ ເຊິ່ງການສ້າງນະວັດທາງເຕັກນິກຖືກປັບສົມດຸນດ້ວຍການພິຈາລະນາດ້ານສັງຄົມ.