対面
2026/06/27 ～ 07/18　 毎土曜日 10：30～12：00(初回のみ12：10)

私たちの「こころ」や「からだ」、そして 「ふるまい」を読み取るコンピュータ技術が、今、急速に進化しています。 この公開講座では、日常生活の中で人と テクノロジーがどう関わり合い、より安心で 豊かな暮らしを支えていくのかを、最新の 研究を通じて紹介します。脳や感情の理解から、偽情報への対策まで、ちょっと先の 未来をのぞいてみませんか？

講座申し込み

第１回　2026/06/27（土）AIとIoTによる人間行動理解と ウェルビーイング支援技術

理工学部　情報テクノロジー学科　教授
ロペズ　ギヨーム［LOPEZ, Guillaume］

日常生活において、ある人を取り巻く環境とその人が行っている行動によって、適切なインタラクション（支援、対話、情報提示等）の仕方を調整するように、知的な情報システムにも同じような対応を期待したいです。
近年、センサーやスマートデバイス（IoT）が日常生活に浸透し、私たちの行動・生体情報・環境データを継続的に読み取ることが可能になりました。これらのデータをAIが解析することで、ストレス状態の推定、生活リズムの可視化、行動変容の支援など、人の心身の状態に寄り添う新しい技術が生まれています。
本講義では、行動センシングの基礎原理、AIによる状態推定の方法および状態の質評価方法、個人差に配慮したデータ活用の考え方を解説し、実際の研究事例を通して、テクノロジーがどのように安心で豊かな暮らしを支えるのかを展望します。少し先の未来の「人とコンピュータの関係」を一緒に考えていきます。

第2回　2026/07/04（土）こころ・からだを動かす「人間らしさ」を 取り入れたモノのデザイン

理工学部　情報テクノロジー学科　助教
大津　耕陽［OTSU　Kouyou］

私たちは毎日、椅子や机、ぬいぐるみなど、さまざまな人工物に囲まれて暮らしています。これまでそうしたモノは、ただそこにある存在でしたが、高性能・小型なコンピュータによって「知能化」し、ユーザに合わせてふるまっていくことが期待されています。しかし、モノが単に賢くなるだけでは、人に自然に寄り添うことはできません。これからのモノのデザインには、効率性だけでなく「人間らしさ」をどう取り入れるかがますます重要になると考えています。
本講義では、心が動く、体が反応する、誰かとのつながりを感じる、といった体験に注目しながら、人とコンピュータの関わりに関する最新研究を紹介します。あわせて、そうした人間らしさを支える感覚の一つとして「ぬくもり」にも注目し、コンピュータが人工物や空間に入り込み、ぬくもりを感じられる環境を形づくっていくあり方を、「NukumoReality」という視点から捉え、これからの知能化したモノの可能性を考えます。

第3回　2026/07/11（土）脳情報を可視化する — 認知機能変化の理解と予測へ

理工学部　情報テクノロジー学科　助教
チャクラボルティ　シュデシナ［CHAKRABORTY　Sudesna］

MRIをはじめとする計測技術の発展により、脳の働きを「データ」として捉えることが可能になってきました。本講義では、脳データの収集・整理・可視化を通じて、認知機能の変化を理解するための基本的な考え方をわかりやすく解説します。「データから何が言えて、何が言えないのか」という考え方を中心に、研究で使われる基本的な流れをお話しします。あわせて、生命科学のデータを扱うときに大切な注意点（ばらつき、品質、個人情報など）にも触れます。

第4回　2026/07/18（土）本当に人か？ — 人工合成された顔や動作を見破る

理工学部　情報テクノロジー学科　教授
鷲見　和彦［SUMI　Kazuhiko］

生成AIを用いて、実存する人物に別人の姿・言動・仕草を模倣した実在しない画像や映像を作成するディープフェイク技術は、深層生成モデルの近年の進歩により急速に発展した。これらの技術はエンターテインメント、デジタルヒューマンの創出、コンテンツ制作において大きな可能性を示しているが、プライバシー侵害、虚偽情報、社会的操作といった重大なリスクも伴う。生成モデルの継続的な進化は視覚的な忠実度を向上させただけでなく、ディープフェイク作成ツールの普及も促進し、専門家でなくても簡単にディープフェイクを作成・拡散することを可能にした。これに対抗するディープフェイク検出は重要な研究領域として台頭している。検出手法は生物学的信号解析、アーティファクトベースのフォレンジック、学習ベースの分類、マルチモーダル融合など幅広い技術が用いられる。着実な改善にもかかわらず、未知の操作技術や次世代生成モデルに対する頑健性の確保は依然として大きな課題である。検出のための自己教師付き学習モデルや教師なし学習モデルの多様性の拡大は有望な解決策となるだろう。本論文は、ディープフェイク生成と検出の現状に関して、分野全体の概観を提供する。技術的基盤、代表的な手法、最近の進展をまとめている。