BEGIN:VCALENDAR VERSION:2.0 PRODID:-//connpass.com//Connpass//EN CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:connpass-MLSE夏合宿2024（オンライン開催） X-WR-CALNAME:connpass-MLSE夏合宿2024（オンライン開催） X-WR-TIMEZONE:UTC BEGIN:VEVENT SUMMARY:MLSE夏合宿2024（オンライン開催） DTSTART:20240704T040000Z DTEND:20240706T033000Z DTSTAMP:20261028T160636Z CATEGORIES: CREATED:20240507T021540Z DESCRIPTION:# 第7回機械学習工学ワークショップ（MLSE夏合 宿2024）\n\n * 本年もオンライン開催です！\n * いくつ かのオンライン会議ツールの使用が必須となっていま すので、参加要件をよくお読みください。\n * 早期割 引チケットの締切は6月21日(金)です！お早めにお申し込 みください。発表者は、必ず6月21日(月)までに参加申し 込みしてください。\n * 通常申し込みは6月22日より可 能となりますが、金額が上がりますので早期チケット の申し込みをぜひお願いします。\n * 参加申込締切は 6 月28日（金） となります。締切までに申込をお願いし ます。\n\n## ワークショップ開催概要\n\n### 日程\n\n2024年 7月4日（木）13:00～7月6日（土）12:00\n\n## 参加募集\n\n以 下の要領で参加者を募集します。\n\n 1. 会期中を通じ て以下のツールが使用可能であること。\n * Zoom\n * Discord\n * Mural\n 2. 会期中、昼夜通じて合宿に参加 できること\n * バーチャルではありますが合宿です 。なるべく普段の業務や家庭から離れて合宿のセッシ ョンに集中できるようお取り計らいください。\n\n### 参 加費\n\n#### 早期割引 (6/21まで)\n\n * 一般（JSSST会員）: 2 \,200円\n * 一般（JSSST非会員）: 4\,400円\n * 学生（会員 ／非会員問わず）: 無料\n\n#### 通常申込み (6/22-6/28)\n\n * 一般（JSSST会員）: 3\,300円\n * 一般（JSSST非会員）: 5\,5 00円\n * 学生（会員／非会員問わず）: 無料\n\n#### ご注 意\n\n * 参加費は参加申し込み時にPaypalで支払いをお願 いします。 \n * 参加費は 消費税込み の価格です。 \n * 会計処理上の事情により、請求書の発行・領収書の分 割等には、対応はできません。\n\n## プログラム概要\n\n #### 1日目 (7月4日)\n\n時間 | メイン会場(ただしポスター はdiscordです) \n---|--- \n13:00-13:20 | ウェルカムセッショ ン \n13:20-13:30 | オープニング \n13:30-15:00 | 基調講演: 大 岩 寛（産業技術総合研究所） \n15:00-15:20 | スポンサー 講演1(株式会社Citadel AI様) \n15:30-17:00 | 研究発表 \n17:00- 18:00 | ポスターセッション１(discord) \n18:30-18:35 | スポン サーセッション(QAML株式会社) \n18:35-19:30 | 交流会 \n \n #### 2日目 (7月5日)\n\n時間 | メイン会場(ポスターはdiscord ) | サブ会場 \n---|---|--- \n9:00-10:30 | [01]機械学習の取組 状況や課題を語り合うワークショップ #1 | [T1]チュート リアル：深層学習のリペア技術の最新動向と実際 \n10:4 0-12:10 | [02]機械学習の取組状況や課題を語り合うワーク ショップ #2 | \n12:10-12:30 | スポンサー講演2(サントリー ホールディングス株式会社様) | \n13:30-15:00 | 基調講演: 鷲崎 弘宜（早稲田大） | \n15:10-16:40 | [G1]基盤モデル活 用のケーススタディと評価 | \n17:00-18:00 | ポスターセ ッション２(discord) | \n18:30-19:30 | ナイトセッション | \n \n※ 機械学習の取組状況や課題を語り合うワークシ ョップ #1 と #2\nは、同じ内容のワークショップを2度行 います、どちらか片方だけの参加も、2回連続して参加 することも可能です\n\n#### 3日目 (7月6日)\n\n時間 | メイ ン会場 \n---|--- \n9:00-10:30 | [S1]生成AI・LLMのAI倫理と機 械学習システムセキュリティ \n10:30-11:00 | クロージン グ \n \n※ プログラムは変更になる可能性があります 。\n\n## プログラム内容\n\n### 基調講演\n\n【タイトル】\ n\n機械学習品質マネジメントと国際ルール形成\n\n【概 要】\n\nAIの信頼性は、国際的にも大きな政策的議論の 対象となっており、欧州の法制化を始め、様々なルー ル形成が行われている。\n\n本講演では、国内・海外の ルール形成動向について、法制度や標準化の動向、ま たそのための議論の状況や産総研の取り組みなどにつ いて紹介する。\n\n【講演者】 \n\n大岩 寛（産業技術総 合研究所） \n\n東京大学 大学院情報理工学系研究科コ ンピュータ科学専攻修了、博士（情報理工学）。\n\n2005 年に産業技術総合研究所に入所、情報セキュリティ研 究センター、情報技術研究部門等を経て、2021年4月より デジタルアーキテクチャ研究センター副研究センター 長。デジタルアーキテクチャやシステム・ネットワー クセキュリティなどの研究に従事。2018年からAI品質マ ネジメントに関するNEDOプロジェクトリーダーを務め、I SO/IEC\nJTC1/SC42 JWG4で国際エキスパートとしてAI機能安全 の標準化にも貢献している。\n\n### 基調講演\n\n【タイ トル】\n\n次世代AI時代のトレンドと高信頼AIソフトウェ アシステム開発に向けたフレームワーク＆パターン\n\n 【概要】\n\n本講演では最初に広く、講演者が2025年会長 に就任するIEEE Computer Societyによる最新の技術展望Technolo gy\nPredictionに基づき、生成AIを含む汎用・次世代AI、デ ジタルトランスフォーメーション、サステナビリティ からなるメガトレンドを含む主要な技術展望を紹介す る。そうしたトレンドを踏まえてAIソフトウェアシステ ムの高信頼化に向けた実践的なエンジニアリング基盤 として、講演者自身の研究成果を交えて、体系的枠組 みとしてのフレームワーク、抽象的な概念と具体的な ツール・事例のギャップを埋めるエンジニアリングパ ターン（機械学習デザインパターン、機械学習セキュ リティ論証パターン、LLMプロンプトエンジニアリング パターンなど）、ならびに、それらの関係や扱いにつ いて解説し、研究や実践の将来を展望する。\n\n【講演 者】 \n\n鷲崎 弘宜（早稲田大学） \n\n2003年早稲田大学 大学院博士後期課程修了、博士（情報科学）。現在、 早稲田大学研究推進部副部長、早稲田大学グローバル ソフトウェアエンジニアリング研究所所長・教授、国 立情報学研究所客員教授、株式会社システム情報\n顧問 、株式会社エクスモーション 社外取締役、人間環境大 学\n顧問。ソフトウェア工学、機械学習工学、情報教育 ほかの研究、教育、社会展開に従事。IoT・AI・DXリカレ ント教育プログラム\nスマートエスイー事業責任者、情 報処理学会ソフトウェア工学研究会主査、ISO/IEC/JTC1 SC7/ WG20 Convenor、IEEE Computer\nSociety 2025 Presidentほか歴任。\n\n## # 研究発表\n\n論文集はMLSE研究会Webサイトの「発行文献 」ページに掲載しています。\n\n#### [カテゴリ1] 発表20 分以内とポスター発表\n\n * [発表1] Hiroshi Maruyama. 動的 最適化の挑戦\n\n#### [カテゴリ2] 発表7分以内とポスター 発表\n\n * [発表2] 高岡 陽太\, 小川 司\, 寺田 英雄. Knitfa b: 完全なリネージ管理と自動ワークフローを実現する M LOps ツールの開発\n * [発表3] Yuxin Liang\, Masashi Egi. Cohort S hapley法を用いた教師データ・正解値に含まれるバイア スの校正手法の提案\n * [発表4] 草場 力\, 高重 聡一\, 石川 達将. 機械学習ソフトウェア開発におけるコンポ ーネント設計と組合せ開発方式の検討\n * [発表5] 中野 幹生\, 竹内 広宜\, 駒谷 和範. ビジネスー対話システム アライメントに基づく対話システムの評価項目の列挙\n * [発表6] 高重 聡一\, 石川 達将\, 草場 力. LLMを活用し たデータ分析実験コードのシステム化方式の検証\n * [ 発表7] Shigeru Kotabe. 光ディスアグリゲーテッドコンピュ ーティング技術の提案\n * [発表8] Takumu Nakamura\, Kazuyuki A sada\, Kentaro Kikuchi\, Keisuke Nakano. 機械学習におけるアーキ テクチャ構成とその学習手法の圏論的構造化\n * [発表9 ] 秋川 元宏. クラスを遺伝型・発現型に用いた遺伝的プ ログラミング手法の開発\n * [発表10] Masato Nakai. オッズ 比一致による識別モデルの確率調整\n * [発表11] 横井 一輝. LLMを用いたCOBOLからJavaへの自動コード翻訳とリフ ァクタリングに対する調査\n\n### 企画セッション\n\n以 下の4つの企画セッションを予定しています。\n\n#### [O1\ ,O2]機械学習の取組状況や課題を語り合うワークショッ プ\n\n本セッションでは、各現場での機械学習に関する 取組状況や課題について、現状を明らかにし共有する ためのワークショップを実施します。\n\n・背景・課題\ n\nMLOps\nに関しては実例としてさまざまな取組が発表さ れている一方で、機械学習を用いる現場はさまざまな 事情を抱えており、課題を解決する指針が十分でない 現状があります。このため、機械学習オペレーションWG では、それぞれの現場に適用できる指針を明確にする ことを目指しています。\n\n・セッションの内容\n\n4名 程度のグループに分かれ、それぞれの現場での課題に ついて話し合い、内容を全体で共有します。議論した 内容は議事録としてまとめ、2023年時点での現状として 共有します。また、この結果をもとに\nMLOps に関する検 討を進めていきます。\n\n##### オーガナイザー\n\n * 杉 山阿聖（株式会社Citadel AI）\n * 久井裕貴（株式会社マ ネーフォワード）\n * 太田満久（Ubie 株式会社）\n\n#### [G1]基盤モデル活用のケーススタディと評価\n\n近年のAI 技術の発展に伴い、チャットAIをはじめとする高度なAI システムの開発が活発化しています。しかし、AIシステ ムは従来のソフトウェアとは異なる特性を持つため、 その開発・運用には新たなソフトウェア工学のアプロ ーチ（SE\nfor AI）が必要不可欠です。\n\n本セッションで は、AIシステム開発における最新のソフトウェア工学的 取り組みについて議論します。\n\nAIシステムの特性を 踏まえた開発手法や、説明可能性や公平性への対応な ど、SE for AIの具体的事例を取り上げます。\n\n本セッシ ョンを通じて、AIシステム開発の現場で直面する課題の 共有と、ソフトウェア工学コミュニティにおける問題 意識の醸成を目指します。\n\n##### オーガナイザー\n\n * 江澤美保（クレスコ）\n * 石川冬樹（国立情報学研究 所）\n\n#### [S1]生成AI・LLMのAI倫理と機械学習システムセ キュリティ\n\n生成AI・LLMは、様々なアプリケーション に組み込まれ、特にユーザとの自然なやりとりが行え ることから、これまで人が行っていたタスクを代わり こなしたり、さまざまな人間活動を支援するAIサービス が生まれつつある。一方、LLMが生成した回答にはハル シネーションなど事実と異なる内容が含まれていたり 、倫理的に受け入れがたい内容が含まれる可能性があ り、従来のAIサービス以上に、ユーザの混乱や人権を侵 害させるリスクを考慮する必要がある。\n\n本セッショ ンは、AI倫理・公平性WGと機械学習システムセキュリテ ィ\nWGの合同企画として、生成AI・LLMを活用したシステ ムを構築・提供する際に考慮すべき倫理的な法的側面 について講演したのち、その倫理的側面のセキュリテ ィリスク(故意に倫理的に問題がある振る舞いを引き起 こすリスク)について紹介する。具体的には、LLMシステ ム特有のセキュリティの脆弱性に関する技術の概要を 紹介し、AIシステム開発者側が訓練を行わずLLMを利用す るLLMシステムならではセキュリティリスクの分析のポ イントや従来の機械学習システムにおけるセキュリテ ィ分析との違いを紹介する。\n\n##### 招待講演\n\n【タイ トル】\n\n生成AIの法と倫理 \n\n【概要】\n\n本講演では 、対話型AIや画像生成AIといった生成AIに関する法と倫 理について、国内外の議論動向を概観し、一定の考察 を行う。まず、生成AIがどのような法的問題や倫理的問 題を発生させるのかを実際の事例なども踏まえて指摘 する。次に、生成AIを含むAI全般について国内外でどの ような法制度やガイドラインが整備されるようになっ ているのかについて説明する。ここでは、主に、EUの「 AI規制法」および日本の「AI事業者ガイドライン」を紹 介する。最後に、LLMに対するプロンプトインジェクシ ョン攻撃に関する法的課題というこれまでほとんど議 論されていない最新の問題について、一定の考察を試 みることにする。\n\n【講演者】\n\n村上 康二郎 (情報セ キュリティ大学院大学・教授) \n1994年慶應義塾大学法 学部法律学科卒業、1998年同大学院法学研究科修士課程 修了、2002年同博士課程単位取得退学、2009年情報セキュ リティ大学院大学博士課程修了。博士（情報学）、修 士（法学）。東京工科大学専任講師、同准教授、同教 授を経て、2022年4月に情報セキュリティ大学院大学教授 に着任。\nこれまで、慶應義塾大学湘南藤沢キャンパス 非常勤講師、経済産業省・総務省などの政府関係委員 会の委員長・委員、情報ネットワーク法学会理事など を歴任。現在は、ISO/IEC\nJTC1 SC27/WG5委員などを務める。\ n\n##### オーガナイザー\n\n * 吉岡信和（QAML株式会社/早 稲田大学）\n\n#### [T1]チュートリアル：深層学習のリペ ア技術の最新動向と実際\n\nDNNはさまざまなAIシステム で活用されており、自動運転などの高い安全性を必要 とするAIシステムにとっても重要なコンポーネントとな ります。その安全性を担保する際には、近くの歩行者 が認識できないなど、一部の状況で性能が悪くリスク が大きくなる場合にDNNを修正(リペア)して対応しなけれ ばならないことがあります。その場合、転移学習など 従来の対応方法では、一部の状況で性能改善が、他の 状況での性能悪化など別の問題を発生させてしまう可 能性が高く、システム全体のリスクを軽減できないこ とがあります。深層学習のリペア技術は、その問題に 対処するために、特定の状況でのリペアが、他の状況 の性能劣化に繋がらないように不都合に強く影響して いる深層学習のパラメータのみを修正します。本チュ ートリアルでは、深層学習のリペア技術の概要を解説 し、最新の技術動向を紹介します。さらに、我々がJST 未来社会創造事業のeAIプロジェクトの一貫として公開 しているオープンソースソフトウェアのDNNリペアツー ル(\nhttps://github.com/jst-qaml/eAI-Repair-Toolkit\n)を用いたデモ ンストレーションを通じて、リペアの実際を示します 。\n\n##### 講師陣\n\n石川冬樹（国立情報学研究所・准教 授） \n\n前澤悠太（株式会社Udzuki・代表取締役） \n略 歴：東京大学大学院情報理工学系研究科コンピュータ 科学専攻にて修士・博士課程修了．\n博士（情報理工学 ）．株式会社Udzukiを創業し，現在，代表取締役．ソフ トウェアテスト・デバッグに関する自動化に興味を持 つ．\n\n本発表は4月17日に行われたICSE 2024の以下のTechnic al Briefingsの内容を含み、分かりやすく日本語で解説し ます。\n\nTechnical Briefing on Deep Neural Network\nRepair:https://con f.researchr.org/details/icse-2024/icse-2024-technical-\nbriefings/6/Techni cal-Briefing-on-Deep-Neural-Network-Repair\n\n予稿集: https://dl.acm.or g/doi/10.1145/3639478.3643063\n\nツールコミュニティサイト: htt ps://qaml.jp/\n\n##### オーガナイザー\n\n * 吉岡信和（QAML株 式会社/早稲田大学）\n\n## 表彰\n\n優れたポスター発表 に対して「最優秀発表賞」を授与し、副賞として賞金50 00円を進呈します。合宿の参加者全員による投票により 決定します。また、最優秀発表賞受賞者はJSSST大会での 発表に招待します。\n\n以下の通り表彰を行いました\n\n 最優秀発表賞\n\n[発表3] Yuxin Liang\, Masashi Egi. Cohort Shapley 法を用いた教師データ・正解値に含まれるバイアスの 校正手法の提案\n\n学生優秀発表賞\n\n[発表8] Takumu Nakamur a\, Kazuyuki Asada\, Kentaro Kikuchi\, Keisuke Nakano.\n機械学習にお けるアーキテクチャ構成とその学習手法の圏論的構造 化\n\n## 主催\n\n日本ソフトウェア科学会 機械学習工学 研究会\n\n## ワークショップ運営組織\n\n### 実行委員\n\n * 実行委員長\n * 山田 敦 (日本IBM)\n * 副実行委員長\n * 杉山 阿聖 (Citadel AI)\n * プログラム委員長\n * 末 永 幸平 (京都大学)\n * 副プログラム委員長\n * 徳本 晋 (富士通)\n * ローカル委員長\n * 久連石 圭 (東芝)\n * 副ローカル委員長\n * 江澤 美保 (クレスコ)\n * 会 計委員長\n * 竹内 広宜（武蔵大学）\n\n### プログラム 委員\n\n * 吉岡 信和 （QAML株式会社/早稲田大学）\n * 竹内 広宜 （武蔵大学）\n * 今井 健男 （ぼのたけ/国立 情報学研究所）\n * 原 聡 （電気通信大学）\n * 石川 冬樹 （国立情報学研究所）\n\n### スポンサー\n\n### ゴー ルドスポンサー\n\n株式会社Citadel AI \n\nサントリーホー ルディングス株式会社 \n\n### シルバースポンサー\n\nQAM L株式会社 \n\n### スポンサー募集\n\n詳細はスポンサー 募集資料をご覧ください。 \nご質問、ご連絡は mlse2024s ws@googlegroups.com までお願いします。\n\nhttps://mlxse.connpass. com/event/318384/ LOCATION:オンライン (オンライン) URL:https://mlxse.connpass.com/event/318384/ END:VEVENT END:VCALENDAR