系统可信性研究室

About关于研究室

捕捉AI系统的不确定性，使其高度可靠。

系统可信性研究室研究如何捕捉AI系统中的错误、故障和性能劣化等不确定因素，从而实现更可靠、更高效的AI系统。
该研究室使用概率模型对可靠性和性能进行定量评估，并在权衡各项质量指标的同时，致力于设计的优化。
研究对象包括使用机器学习的系统、使用UAV（无人机）的系统，以及长时间持续运行的软件等。
在研究室的网站上，该研究室以“可信AI系统研究室（DAIS）”的名称进行介绍。

Research研究课题

该研究室捕捉AI系统的不确定行为，对系统的可靠性和可用性进行定量分析，以实现成本最优的设计为目标。同时也研究高可靠AI系统和UAV系统的质量设计，以及基于大语言模型的高可靠软件自动开发等。

※示意图

AI系统的高可靠化↗

在自动驾驶汽车这类使用机器学习的系统中，错误的输出可能导致事故。该研究室应用N版本编程的思想，探讨通过多样化的机器学习模型和数据来提高可靠性的系统构成。

※示意图

基于LLM的高可靠软件自动开发↗

利用大语言模型（LLM）进行程序开发和调试的技术正受到关注。该研究室探讨如何提高LLM生成的代码和修正方案（补丁）的可靠性。

※示意图

雾计算的性能与可靠性分析↗

雾计算的构成和行为可以灵活变化，但另一方面，有时难以保证性能和可用性方面的质量。该研究室用随机奖励网（Stochastic Reward Net）建模，以对性能和可用性进行定量分析并优化设计为目标。

※示意图

软件劣化分析与预防性维护↗

在长时间运行的软件中，有时会出现性能和可靠性随时间劣化的软件老化现象。通过对运行状态数据进行统计分析来预测趋势和故障，就可以为软件抗衰等预防性维护制定计划。

Voices学长学姐的评价

评价基于在读（或曾在读）学生的个人经历，不代表研究室官方观点。评价的有无或数量不代表对研究室的评价。

对于接受采访的学生，无论内容如何，我们可能会赠送谢礼（价值1,000日元的礼品）。