講演会のご案内

講師：Dr Kentaro Hoffman （University of Washington 研究員）

　　日時：令和７年５月２０日（火）１６：３０～１７：３０

　　場所： 名城大学（天白キャンパス）共通講義棟東 E４０１室

　　題目：モデルとはどこまで入れ替え可能なのか？: 統計的推論に用いる大規模予測

                   モデルの再学習の意思決定理論的アプローチ

　　要旨：　近年、人工知能（AI）や機械学習（ML）を用いた大規模予測モデルは、

　　　　　　さまざまな産業や科学分野で広く利用されるようになっています。

　　　　　　AIやMLモデルの大規模な学習には数万〜数十万ドル（あるいはそれ以上）

　　　　　　の費用がかかる場合があり、学習後もモデルを最新の状態に保つためには

　　　　　　多大なリソースが必要です。

　　　　　　本研究では、AI/MLモデルの出力を部分的に利用して統計的推測を行う際、

　　　　　　モデルを再学習（refit）すべきかどうかを判断するための意思決定理論的

　　　　　　枠組みを提案します。

　　　　　　本手法では、ポートフォリオ最適化理論に着想を得て、モデルの再調整

　　　　　　（recalibration）と再学習（refitting）を2つの「投資対象」とみなし、

　　　　　　その選択を意思決定問題として定式化します。前者は、既存のモデルを

　　　　　　用いた迅速かつ低コストな対応ですが、サンプリングの不確実性やモデル

　　　　　　ドリフトへの脆弱性を伴います。一方、後者は高コストながら、モデル

　　　　　　ドリフトの影響を取り除く利点があります（ただし、サンプリングに起因

　　　　　　する統計的な不確実性は残ります）。

　　　　　　本研究は、統計的妥当性を保ちながら、これら2つの選択肢のバランスを

　　　　　　とるための枠組みを提示します。最後に、電力使用量データおよび

　　　　　　インフルエンザ流行の予測データを用いたシミュレーションによって、

　　　　　　本枠組みの有効性を評価します。