加藤真大

研究

重点テーマ

AI・LLMと意思決定
検索した資料と明示的な計算に分析の根拠を置き、LLM の出力を根拠までさかのぼれる意思決定につなげる方法を研究しています。中心は経済分析を生成する枠組み AI Economist Agent です。
AIのためのナレッジ基盤
文書、データ、アルゴリズムを AI が参照して再利用できる形に整える方針を AI-Ready と呼び、その設計を研究しています。アルゴリズムの書き方が LLM の実装精度に与える影響を実験で測りました。
適応的実験計画
実験の途中経過を割当と対象の選択に反映し、少ない標本で処置効果を精度よく推定する実験設計を扱います。中心は ICML 2024 口頭発表の Active Adaptive Experimental Design です。
因果推論
施策の効果を相関ではなく因果として推定し、誰に施策を当てるかという方策の学習へつなげます。オフ方策評価や外的妥当性もここに含まれます。
異常検知
異常の実例がほとんど無い状況でも、通常データとの分布の違いから異常を見つける方法を研究しています。監査サンプリングへの応用も進めています。
弱教師あり学習
正例と未ラベルデータから学習する PU 学習を中心に、ラベルが部分的に欠けたデータからの分類と処置効果推定を扱います。潜在顧客の特定が代表的な応用です。
ポートフォリオ最適化
収益予測の外れ方まで考慮に入れて投資配分を決める方法を扱います。コンフォーマル予測による予測区間や、複数モデルの予測統合を使います。
金融工学
金融時系列データの解析、平均分散を制御する強化学習、統計的保証つきの監査サンプリングなど、金融実務に近い応用を扱います。

専門テーマ

上の8テーマを支える方法論です。

密度比推定
二つの分布の比を、それぞれの密度を推定せずに直接求める方法です。異常検知、共変量シフトへの適応、因果推論の重み付けの基礎になります。
Generalized Riesz Regression
因果効果の推定に必要な補正項を Bregman ダイバージェンスの最小化で推定する枠組みです。ソフトウェア genriesz として公開しています。
最適腕識別
限られた試行回数のもとで最良の選択肢を見つける問題です。標本の配分方法と、達成できる精度の理論的な限界を明らかにします。
ノンパラメトリック操作変数法
内生性がある状況で、関数形を仮定せずに因果関係を推定する方法です。有限標本で保証のある予測区間の構成も扱います。

査読活動

学術誌では Econometrica、Journal of Machine Learning Research、Management Science、Transactions on Machine Learning Research など、国際会議では International Conference on Machine Learning（ICML）、Neural Information Processing Systems（NeurIPS）、International Conference on Learning Representations（ICLR）などの査読を務めています。

講義・勉強会資料

学会・ワークショップでの発表資料

  • Recent Findings on Density-Ratio Approaches in Machine Learning
    Workshop on Functional Inference and Machine Intelligence（FIMI）、2022年3月。
  • 平均処置効果の推定のための適応的実験計画
    慶應計量経済学ワークショップ、2020年10月。 スライド

自著論文に関する発表資料は、論文ページの該当項目に掲載しています。

関連リンク