東京大学大学院 情報学環・学際情報学府 The University of Tokyo III / GSII

教員 Faculty

教授

田中 久美子

Professor

TANAKA-ISHII, Kumiko

LAB WEBSITE

Kumiko Tanaka-Ishii Group
http://www.cl.rcast.u-tokyo.ac.jp

  • 先端表現情報学コース

研究テーマ

  • 記号系を数理的に探求する:言語、金融、コミュニケーション
区分:
学内兼担・授業担当教員
所属:
先端科学技術研究センター
  • Emerging design and informatics course

Research Theme

  • Mathematical Exploration of Dynamics underlying Symbolic Systems : Language, Financial Markets, and Communication
Position: 
Affiliated Faculty
Department: 
Research Center for Advanced Science and Technology
略歴

東京大学先端科学技術研究センター教授。東京大学大学院工学系研究科情報工学専攻博士課程修了、博士(工学)。工業技術院電子技術総合研究所、東京大学大学院情報学環講師を経て、東京大学大学院情報理工学系研究科准教授、九州大学システム情報科学研究院教授を経て、2016年より現職。

主要業績

詳細な業績は田中研究室のHPをご覧ください。

Biography

She received her Ph.D. from the University of Tokyo. She worked for the Electrotechnical Laboratory for three years before becoming a faculty member of the University of Tokyo in 2000. She was a professor of Kyushu University during 2012-2016 and then moved to the current working place.


言語、金融、コミュニケーションは「記号」の系で、さまざまな社会活動は記号を媒介として行われます。 大規模な社会的な記号系には、いくつかの普遍的な共通の数理的性質があることが知られています。本研究室ではビッグデータを検証することを通して、この性質を正確に捉える試みを行い、得られた基礎的な理解に基づいて、社会実装につながる工学応用を模索しています。

研究テーマ

(1) 記号系のダイナミクスの複雑系科学

記号系には、異なる種類の系をまたがって、共通の統計物理学的な経験則が成り立つことが知られています。研究室では大規模な実データに基づき、系を特徴付ける数理構造を探求しています。

(2) 記号系と深層学習・機械学習手法

記号系に関する数理的理解を元に、深層学習・機械学習が適切な処理を行いうるのか、その可能性と限界を吟味し、学習方法の改良の方向性を探ります。また、現行の学習の技法を基礎として、半教師有り・教師無し学習の手法を模索しています。

(3) ビッグデータを利用した言語・金融・コミュニケーションの数理

多種多様の大規模なデータを用いて、言語や金融といった社会的な記号系がどのような性質を持つかを、統計、情報理論、ネットワーク科学の観点から探ります。個別分野に絞った研究に加え、分野横断的なアプローチをとることで、共通する現象の中に本質を捉える試みを行っています。たとえば、報道やブログを利用した金融予測や、大規模な情報伝搬シミュレーションなどを試みています。

(4) 情報記号論

記号やコミュニケーションの系において、計算や数式では記述が難しい本質について、主として記号論の方法論を用いて考察しています。

Social activities such as communication and financial market interactions are inherently symbolic. We explore the universal properties underlying real symbolic dynamics through mathematical models derived by computing with big data obtained from large-scale resources. Using these models, we explore new ways of engineering to aid human social activities.

Research Theme

(1) Analysis of real symbolic dynamics by applying complex systems theory

Common physical scaling properties are known to hold across various symbolic dynamics. Using real, large-scale data, we study these properties and construct a mathematical model that explains them.

(2) Symbolic systems and deep learning/machine learning methods

We discuss the potential and limitations of deep learning and other machine learning techniques with respect to the nature of symbolic dynamics, and we study directions for improvement. Moreover, we explore unsupervised and semi-supervised methods for state-of-the-art learning techniques.

(3) Mathematical informatics of language, financial markets, and communication

We study universal properties underlying language, finance, and communication, through computing with various kinds of large-scale data, and we apply our understanding of those properties to engineering. In addition to domain-specific themes, we also explore multi-disciplinary targets. For example, we study financial market analysis by using blogs and other information sources, and we simulate information spread on a large-scale communication network.

(4) Computational Semiotics

By using semiotic methodology, we philosophically investigate symbolic systems, especially aspects that are difficult to describe only through computational or mathematical means.