東京大学システム創成学科

Cコース（PSI）知能社会システム

未来社会に貢献する知のプロフェッショナル

Cコース（PSI）知能社会システムではどんなことが学べますか？

本コースは、人間社会に関心を持ちながら、俯瞰的視座から社会課題を認識し（Holistic Perspective）、科学的根拠に基づいた問題解決を創案し（Science-based design）、責任を持って社会実装する（Accountable Implementation）ための教育/研究/実践の場を提供します。カリキュラムは、力学、設計・生産学、統計、最適化といった工学の基礎科目に加え、機械学習などの情報科学を体系的、効率的に学習できるように工夫されており、さらに、経済学、社会システム工学、技術マネジメント、ビジネス入門、社会システムと産業、といった社会科学系の講義もバランスよく用意されています。

エグゼクティブ・エンジニアの養成

エグゼクティブ・エンジニアとは、理系でもあり文系でもある技術系の経営/政策エリートを意味し、従来の工学体系が大切にしてきたモノ作りの重要性を認識し、その可能性と発展性を広い視野から探求することがでるエンジニアです。これが、本コースの教育が目指す人材像です。

多彩なトピックのプロジェクト演習

従来の工学技術に基づくプロジェクトに加えて、社会システムにおける諸問題を扱うプロジェクトも多数用意されています。これらを通じて、モノ作りにおける技術的視点から社会課題までを俯瞰的に認識する力と、それらに対処できる高い問題解決能力を身に着けることができます。

国際プロジェクト

海外の大学、研究機関、企業などを訪問・見学し、議論する機会を設けているのが特徴で、学生自身が主体的に企画・運営を行います。本プロジェクトを通じて、国際的な視野を広げることができます。お知らせページの「国際プロジェクト」実施報告にて、2019年度の訪問先・見学先をご覧いただけます。

こんな研究も…

不確かさを捉える数理

合田隆准教授

自然現象にせよ経済活動にせよ、決定的な将来予測ができない事象は山ほどあります。それらの不確実性を如何に定量評価し、意思決定の合理化やシステムの最適化に結び付けられるかに興味があります。不確実性定量評価については、古典的なモンテカルロ法にとって代わるアプローチとして準モンテカルロ法やマルチレベルモンテカルロ法に着目し、理論的側面から具体的なアルゴリズムの構成、工学的応用まで幅広く研究を進めています。更に、何らかの追加情報・データの取得によって不確実性が減らせるとして、それによる意思決定の合理化の度合いを定量的に評価し、追加情報・データの費用対効果を事前に測るという研究にも取り組んでいます。

不確かさを捉える数理

太陽系探査には科学に加え宇宙資源という視点が重要になる

宮本英昭教授

私たちは、はやぶさ２小惑星探査機や火星衛星サンプルリターン計画(MMX)などの太陽系探査計画に参加し、小惑星や火星、衛星に関する研究を進めています。特に固体天体の表面状態を理解すべく、地質学、物質科学、粉体工学的な検討も含めた研究を行っていますが、これは天体の起源や進化を知るという純粋理学的な側面のみならず、将来の宇宙資源開発に向けた基礎研究という位置付けがあります。現在民間も含め太陽系探査の動きが極めて活発しています。将来人類が地球外天体へと進出するための基礎となる研究に、一緒に挑戦してみませんか？

太陽系探査には科学に加え宇宙資源という視点が重要になる

デジタルツイン　－モノの新たな表現方法－

村山英晶教授

モノをより安全に、より効率よく利用するために、現在と将来の状態を精確に把握・予測することが求められます。海では大型船舶や洋上風力発電システム、海洋開発プラットフォーム、空では航空機や宇宙機器、陸では橋梁やパイプラインといったインフラストラクチャーなど、高い安全性と効率性が求められるところで、センシング・シミュレーション技術を駆使して対象物の状態を再現・予測できるレプリカ、すなわちデジタルツインの研究開発を行っています。デジタルツインによってこれまで見えていなかったことが分かるようになれば、事故や非効率な運用を防止できるだけでなく、より難易度が高い水準で、自動化、無人化、大型化、極限環境での開発などが可能となり、人類のさらなる挑戦を駆動できると考えています。

デジタルツイン　－モノの新たな表現方法－

深層生成モデルによる世界モデルの構築

松尾豊教授

近年、人工知能が注目されているが、なかでも深層学習（ディープラーニング）と呼ばれる技術は、従来難しかった「深い」構造をもつモデルを活用することを可能にし、画像認識や言語処理などさまざまな領域で大きな成果を挙げている。我々は、深層学習のさらなる進展の鍵を握るのが、データの生成過程をモデル化する深層生成モデルであると考えている。なかでも、現実世界の構造や現象をデータから学習しモデル化する「世界モデル」の技術が重要であり、この技術の研究開発に取り組んでいる。同時に、農業や建設、食品といった、具体的な応用分野における活用も強く推進している。さまざまな産業分野における機械やロボットと深層学習の融合を目指し、新しい人工物のあり方を体系化することを目指している。

深層生成モデルによる世界モデルの構築

大規模な人間の移動データから人間関係を分析

坂田一郎教授

日常的な人間のインタラクションの理解は都市や制度の設計に重要であるが、偏りの少ない大規模な人間関係のデータの取得は難しい。本研究では大都市圏の3年間の1000万人の鉄道乗降記録より人間関係を推測する手法を提案した。同時同駅の乗降を繰り返す人のペアには友人も通勤客も含まれてしまう。しかし、複数の駅の組み合わせで同時同駅の乗降をするペアの移動には特異的な時空間的な収束が観察されたため、それらを人間関係が強く推測されるペアとして抽出した。抽出したペアの分析により、高齢の男性同士が女性同士に比べて一緒に移動する同年代の友人が少ないなどの社会学的な知見が得られた。さらに、人間関係を持つ人との移動を観察することで、その非日常性やイベントの際などに時空間的に収束することが明らかになった。

大規模な人間の移動データから人間関係を分析