11:00〜12:00

特別講演（同時通訳あり）

膨大な量のリレーション結合を計算する
Computing an Enormous Join of Relations

Facebook の20億人のユーザーそれぞれについて、彼らの「友達の友達の友達」は何人になるかを求める問題について考えてみましょう。この問題に興味を持った1つの理由は、「インフルエンサー（世間に与える影響力が大きい人）」を見つけるためです。
この問題を解決するには、最初に、データベース リレーションで結合 (join) する方法とそれを並列して効率的に実行する方法を学習する必要があります。そこで、並列結合を実装するための方法としてMap Reduceについて説明し、さらに、Map Reduceを使用して単一のステップで3つのリレーションを結合する方法について説明します。ただし、私たちの問題はまだ解決されたわけではありません。
AがBの「友達の友達の友達」の場合、通常、AからBへの多くの異なる経路に沿って、2人の友人のペアが多数存在します。Aに対してBを何度もカウントしてしまうのを避けるために、実際には大きすぎて格納できないような、いくつかの非常に大きなセットの和 (union) を取る必要があります。そのために、「Flajolet-Martinアルゴリズム」という驚くようなトリックを使用して、それらのセットを計算すらせず、大きなセットの和を推定します。
これらの考えを総合すると、今日の大規模なコンピュータ設備にとってさえも当初は大きすぎると思われていた問題に対する解決策が得られます。

Let's think about the problem of finding, for each of the 2 billion Facebook users, how many friends of friends of friends they have. One reason we might want to do this is to find "influencers" -- those whose opinions often get shared to a lot of people. To solve this problem, we shall first learn how to take the join of database relations, and how to do so efficiently, in parallel. We'll talk about MapReduce as a way to implement parallel joins, and how to use MapReduce to take the join of three relations in a single step. But our problem is still not solved. If A is a friend of a friend of a friend of B, there are usually many pairs of two friends along the many different paths from A to B. To avoid counting B many times for A, we need to take unions of some very large sets -- sets that are actually too large to store. We are therefore led to use a surprising trick, the "Flajolet-Martin algorithm," to estimate the sizes of unions of big sets without ever computing those sets. When we put all these ideas together, we get a solution to a problem that initially appeared too large for even today's massive computing facilities.

ジェフリー・D・ウルマン

講演資料をダウンロードする（PDF）

13:00〜13:30

ご挨拶・NII活動報告

国立情報学研究所（NII）オープンハウス開催にあたり、ご挨拶ならびに本研究所の取り組みをご紹介します。

喜連川 優

13:30〜14:15

これまでのSOMPOグループにおけるデジタル（トランスフォーメーション）戦略、そして経済同友会の今後についてお話しします。

櫻田 謙悟

16:10〜16:50

「AIの法律分野への応用：現状と将来の課題」

AIがさまざまな分野で応用され始めています。法律分野においても様々な試みがなされています。本講演では、AIの法律分野への応用の国内外の現状、問題点および、将来へ向けての課題についてお話します。

佐藤 健

国立情報学研究所 システム設計数理国際研究センターでは、Society 5.0 の大きな柱となる物理情報システム（自動車、ロボット、生産システムなど）の品質保証手法のための取り組みを行っています。私達の取り組みにおいては特に、自動検証・テスト技術を（トイモデルを超えた）大規模・複雑な産業界の実システムへ応用することを目指しています。
この目的のために私達は、従来からの物理情報システム研究の一大テーマである「ソフトウェア科学と制御理論の融合」からさらに飛躍し、以下の3点に重点的に取り組んでいます。

1. ソフトウェア工学分野の経験論的手法との融合
2. 機械学習・人工知能分野の統計的手法との融合
3. 上記の学術分野を包括する数学的基盤の発展

本セッションでは、私達の上記の取り組みをご紹介します。特に、形式検証や効率的テスト手法、実行時モニタリング、機械学習を用いた自動検査などの要素技術と、その応用シナリオについてお話しします。
上記の研究活動は、国立研究開発法人 科学技術振興機構の戦略的創造研究推進事業ERATOのプロジェクトの一つである「ERATO 蓮尾メタ数理システムデザインプロジェクト（ERATO MMSD）」の活動として推進しています。

趣旨説明・産学連携活動事例の紹介
越前 功 （NII副所長／情報社会相関研究系 教授）

ERATO MMSD プロジェクト紹介： 高信頼物理情報システムのための包括的研究
蓮尾 一郎（ERATO MMSD研究統括／NIIアーキテクチャ科学研究系 准教授）
講演資料PDF

AI時代のテスト技術
石川 冬樹（ERATO MMSD ”Formal Methods and Intelligence” グループリーダー／NIIアーキテクチャ科学研究系 准教授）
講演資料PDF

軽量なプログラム検証のための要素技術
末永 幸平（ERATO MMSD “Heterogeneous Formal Methods” グループ 京都サイトリーダー／京都大学大学院情報学研究科准教授／NII客員准教授）
講演資料PDF

＜産官学連携セミナーとは＞
NIIは情報学分野の研究と情報基盤事業に取り組んでおり、社会が抱える課題を解決する実践的な研究開発の推進を目指しています。そのためには産官学の連携が不可欠であり、一層の連携強化のため、NIIが有する多様な研究者の研究成果あるいは取組み課題の産・官へ向けた継続的な発信を行っています。
本セミナーは情報学最前線（市民講座）で講演した研究者や、企業等と活発に連携している研究者が、産学連携の視点から研究領域の動向と自らの研究概要や連携の成果等をプレゼンし、企業等の皆さまとNII研究者との交流の契機をもたらすプログラムです。

＜関連リンク＞
ERATO 蓮尾メタ数理システムデザインプロジェクト
NIIが提案する産官学連携活動

越前功

蓮尾 一郎

石川 冬樹

末永 幸平

ポスター展示会場では、NIIの研究を、A～Fのキーワードに分類し、ポスターを展示しています。コアタイムには、それぞれのポスター前に説明員が常駐します。研究に関する質問などがあればコアタイムにお越しください。

セッション、ワークショップ、プレゼンテーションをオープンに開催します。それ以外の時間帯は休憩スペース、商談スペースとしてご利用いただけます。