AAMAS勉強会について

概要

20th International Conference on Autonomous Agents and Multiagent Systems (AAMAS2021)は、自律エージェントやマルチエージェントシステム分野におけるトップカンファレンスの一つです。 本イベントでは、Full Paperとして採択された論文の著者3名から、自身の論文の背景や内容についてわかりやすく共有することを目的とします。 日本語で最先端の研究についての内容を知ることができるまたとない機会ですので，是非お気軽にご参加ください！

採択された論文一覧については、こちらを御覧ください。

実施方法

ZOOMを使用します。各自インストールをお願いします。 URLは当日までに、connpassのメッセージ機能で登録者に事前にお送りいたします。 一つの発表時間は約40分です。

質疑応答は、sli.doを使用して行います。 使用方法は以下の通りです。

1. connpassのメッセージ機能でお知らせしたURLにアクセスしてください
2. 発表者に質問があれば、都度ここに書き込んでください（匿名可）。
3. 質問は他の方も閲覧可能です。自分も聞きたいという質問があれば「いいね」ができます。
4. 発表終了後時間が許す限り、発表者が「いいね」が多いものから優先して回答していきます。

参加される方への事前のお願い

• 事前に配布されるZOOM URLはイベント直前までにアクセスされますとエラーとなり、イベント中に参加ができなくなってしまうケースがございます。必ず 2021/5/27 19:00以降にアクセスくださいませ。

対象者

• 人工知能分野の研究者
• 人工知能分野に興味がある方
• 意思決定の自動化，支援を行いたい方

登壇者紹介

竹内 孝　京都大学 大学院情報学研究科 / 助教 @koh_t

"因果推論を用いた群衆移動の誘導における介入効果推定"（邦題）

"Grab the Reins of Crowds: Estimating the Effects of Crowd Movement Guidance Using Causal Inference"（英題）

スライド：Grab the Reins of Crowds: Estimating the Effects of Crowd Movement Guidance Using Causal Inference

群衆に対する移動誘導は，突発的な事故や道路遮断で生じる交通渋滞の解消や，災害時に混雑した建物などの危険箇所からの迅速な避難などの分野で注目を集める問題である．ある状況下において誘導はどのような群衆移動を起こすか？この質問に解答するシステムが実現されれば，誘導の意思決定における補助が可能になると考えられる．本研究では，群衆移動誘導におけるwhat-if問題を，少数かつ選択バイアスを持つデータから誘導における因果効果推定を行う問題として定式化する．さらにバイアスを補正した高精度な予測を行うために，空間データ解析と因果推論の分野で広く研究されている深層表現学習を用いた空間畳み込み反事実回帰(SC-CFR)を提案する．介入効果推定の性能評価には，すべての誘導を実行した場合の群衆移動データが必要であるが，そのようなデータは存在しない．そこで，高精度なマルチエージェントシミュレータを用いて，新国立劇場での避難シナリオにおける避難データを生成した．このデータを用いた実験によって，提案手法によって介入効果の推定誤差が既存法と比較して最大56%削減されたことを示す．

伊藤 克哉　株式会社Preferred Networks / エンジニア

"株価予測のためのアンサンブル・進化計算手法 : Trader-Company法"

"Trader-Company Method: A Metaheuristic for Interpretable Stock Price Prediction"（英題）

スライド：Trader-Company Method: A Metaheuristic for Interpretable Stock Price Prediction

近年、金融分野において、機械学習的手法を用いた定量的な金融予測手法の開発が実務的にも学術的にも盛んである。 しかし、機械学習を用いた定量的金融予測モデルの開発には三つの困難がある。まず、原理的に全てのモデルは短命でかつ、ほとんどチャンスレートの正解率しか達成できない。次に、取引戦略という特殊なルールを一般的な機械学習モデルが学習することは難しい。最後に、高い予測精度とモデルの解釈性を同時に達成することが難しい。これらの問題に対処するべく我々は、Trader-Company法という新しいメタヒューリスティクスを用いた予測アルゴリズムを提案する。Trader-Company法は、単純な予測アルゴリズムであるTraderとTraderを管理するCompanyからなる。提案手法は、短命で弱いモデルが大量に存在する実際の金融市場の特性を反映している。また取引戦略の枠組み内で最適化を行うため、最適な予測戦略を作成できる。そして個々のTraderは人間に理解に可能な戦略からなるので解釈可能である。我々は提案手法の有効性を、実際の株式市場のデータを用いた実験で確認する。

阿部 拳之 CyberAgent AI Lab / リサーチサイエンティスト @bakanaouji

"二人零和マルコフゲームにおけるオフ方策評価"（邦題）

"Off-Policy Exploitability-Evaluation in Two-Player Zero-Sum Markov Games"（英題）

スライド：Off-Policy Exploitability-Evaluation in Two-Player Zero-Sum Markov Games

医療や教育分野において，意思決定モデルの質を事前に評価することは極めて重要です．オフ方策評価（Off-Policy Evaluation; OPE）は過去の意思決定データを用いて，新しい意思決定モデルを事前評価する方法です．オフ方策評価に関する研究は近年盛んに行われていますが，多くの研究が意思決定を行う主体が一つしか存在しない「シングルエージェント環境」における評価に焦点を当てています．その一方で，複数の意思決定主体が存在する「マルチエージェント環境」での意思決定モデルの評価に関する研究はあまり行われていません．本研究では，複数の意思決定主体が存在する環境において，他の意思決定者の戦略に依存しないような意思決定モデルの事前評価を行うための方法を提案します．また，理論的解析や実験を通して，提案手法の有効性を確認します．

タイムテーブル

注意事項

• 画面撮影、録画、SNS等への資料内容の転載などはご遠慮ください。
• イベントの写真を撮らせて頂く場合がございます。
• 営業や採用目的の参加はご遠慮願います。
• 参加不可の場合は事前キャンセルをお願いします。
• その他当日お困りごとがあった際はTwitter（@mython__）へご連絡いただければと思います。