KMDで「AIを研究したい」人がまず知っておきたい研究領域

院試専門オンライン予備校「志樹舎」が運営する「慶應義塾大学大学院の院試対策ガイド」をご覧いただき、ありがとうございます。今回のテーマは「KMDでAIを研究したい人が知っておきたい研究領域」です。

生成AIや機械学習などの技術が急速に発展する中、大学院でAIに関わる研究に取り組みたいと考える方も増えているのではないでしょうか。

慶應義塾大学大学院メディアデザイン研究科（KMD）は、テクノロジー、デザイン、メディア、社会との関係を横断的に考える研究環境として、AIに関心を持つ受験生にとっても検討対象の一つになります。

ただし、AIという言葉が含む研究領域は非常に幅広く、機械学習のアルゴリズムそのものを開発する研究と、AIを利用して人間の認知や行動を理解する研究、AIを活用した新しいサービスを設計する研究では、必要となる知識や研究方法が異なります。

KMD公式サイトの教員紹介を見る際にも、「AI」という言葉が専門分野に含まれているかどうかだけで判断するのではなく、機械学習、データ分析、人間とコンピュータの関係、サービスデザインなど、AIと接点を持つ専門分野を確認することが重要です。

この記事では、KMDでAIに関連する研究を考える際に注目したい教員の専門分野と、研究テーマを具体化するための考え方を整理します。

KMDでAIを研究するとはどういうことか

AI研究というと、機械学習モデルの開発や、大量のデータを使った予測技術の研究を思い浮かべる方もいるでしょう。

もちろん、こうした技術的な研究はAI分野の重要な領域です。しかし、AIを研究する方法はそれだけではありません。

例えば、AIを利用して人間の行動を分析する研究、AIによる情報提示が人間の意思決定にどのような影響を与えるのかを検証する研究、AIを組み込んだ新しいサービスやインターフェースを開発する研究なども考えられます。

KMDへの進学を検討する場合には、AIそのものの性能向上を目指すのか、AIを利用して人間や社会の課題を研究するのかを整理することが重要です。

自分がどちらの方向性に関心を持っているかによって、注目すべき教員や研究環境も変わります。

Kai Kunze氏：応用機械学習・ウェアラブルコンピューティング

カイ・クンツェ（Kai Kunze）氏は、ウェアラブルコンピューティング、応用機械学習、ヒューマンコンピュータインタラクション、知覚認知コンピューティングなどを専門分野とする教員です。

ウェアラブルコンピューティングとは、身体に装着する機器やセンサーなどを通じて、コンピュータを日常生活の中で利用する技術や研究領域です。

例えば、スマートグラスや身体に装着するセンサーを利用して、人間の動きや視線、周囲の環境などに関する情報を取得することが考えられます。

こうしたデータを機械学習によって分析することで、人間の行動や認知の特徴を理解したり、利用者の状況に応じた情報提示を行ったりする研究につなげることができます。

AIを単独のソフトウェアとして研究するのではなく、人間の身体や日常生活と結びつけて研究したい方にとって、関連性の高い専門分野といえるでしょう。

ウェアラブルAIでは何を研究できる？

ウェアラブルAIに関心がある場合には、「人間のどのような状態を理解したいのか」という視点から研究テーマを考えることができます。

例えば、視線や身体の動きなどのデータを利用して、利用者がどのような行動をしているのかを推定する研究が考えられます。

また、利用者の状況に応じて情報を提示する仕組みを設計し、その仕組みが作業や学習にどのような影響を与えるのかを検証することもできます。

重要なのは、「スマートグラスにAIを搭載したい」という技術的な発想だけで終わらせないことです。

例えば、「視線情報を利用した情報提示は、利用者の作業効率にどのような影響を与えるのか」といった研究上の問いへ発展させることで、研究目的が明確になります。

AIと人間の認知を組み合わせる研究

AIを利用して人間の認知を理解するという方向もあります。

人間は、視覚や聴覚などを通じて情報を受け取り、それを理解し、判断しながら行動しています。しかし、どのような情報に注意を向けるのか、どのような条件で判断が変化するのかについては、さまざまな研究上の問いがあります。

例えば、センサーから取得した情報を分析し、人間の注意や行動の特徴を推定する研究が考えられます。

また、AIによって利用者の状態を推定し、それに応じて情報の提示方法を変えるインターフェースを設計することも考えられます。

このような研究では、機械学習だけでなく、認知心理学やHCIなどの知識も関係します。

AIの予測精度を高めることだけでなく、その技術が人間の体験や行動にどのような影響を与えるのかまで考えることが重要です。

Chihiro Sato准教授：データ分析・ベイジアンネットワーク

Chihiro Sato准教授は、サービスデザイン、購買行動、公共空間デザイン、経済地理学などに加え、ベイジアンネットワークを専門分野の一つとして挙げています。

ベイジアンネットワークとは、複数の変数の間にある確率的な関係を表現し、不確実な状況での推論などに利用できる統計的なモデルです。

例えば、消費者が商品を購入する際には、価格、商品の特徴、過去の経験、周囲からの評価など、複数の要因が関係している可能性があります。

こうした複数の要因の関係をデータから分析し、人間の意思決定を理解することは、AIやデータ分析と接点を持つ研究テーマになります。

また、サービスデザインや公共空間の研究では、人々がどのようにサービスや空間を利用するのかを理解することが重要です。

データ分析を利用して人間の行動や意思決定を理解し、その結果をサービスや空間の設計へ生かしたい方にとって、参考になる専門分野です。

ベイジアンネットワークとAIの関係

AIというと、近年は生成AIやディープラーニングが注目されることが多くなっています。しかし、AIに関係する技術には、さまざまな統計的・計算的手法があります。

ベイジアンネットワークは、不確実な情報を扱いながら推論するための方法の一つです。

例えば、あるサービスの利用者について、年齢、利用目的、利用頻度、満足度などの情報が得られた場合、それらの変数の関係を分析することが考えられます。

このような研究では、単にデータを集めるだけでなく、どのような要因の関係を明らかにしたいのかを整理することが重要です。

また、統計モデルから得られた関係を、そのまま因果関係として解釈できるとは限りません。研究目的に応じて、分析結果を慎重に検討する必要があります。

AIと購買行動・消費者心理を研究する

AIやデータ分析を消費者行動の研究に応用する方向も考えられます。

例えば、消費者が商品を選ぶ際に、価格や口コミ、商品の表示方法などがどのように関係しているのかを分析する研究です。

また、ECサイトなどでは、利用者に応じて商品を推薦する仕組みが利用されています。こうした推薦が利用者の意思決定にどのような影響を与えるのかも研究上の問いになります。

「AIを使って商品を推薦したい」という開発上の目的から一歩進み、「推薦の提示方法によって消費者の選択行動はどのように変化するのか」と考えることで、研究テーマを具体化できます。

このような方向では、機械学習だけでなく、消費者行動、心理学、サービスデザインなどの知識も関係します。

AIとサービスデザインを組み合わせる

AIを活用したサービスを研究する場合には、技術の性能だけでなく、利用者がそのサービスをどのように体験するのかを考える必要があります。

例えば、AIを利用した学習支援サービスでは、正しい回答を提示できることだけが重要なのではありません。利用者がどのように学習を進めるのか、AIからのフィードバックをどのように受け止めるのかも重要な問題になります。

また、健康管理サービスでは、AIによる情報提供が利用者の健康行動にどのような影響を与えるのかを検証することも考えられます。

このような研究では、「AIで何ができるか」だけでなく、「AIによって利用者の体験や行動がどう変化するのか」を明らかにすることが重要です。

AIとHCIの接点を考える

HCI（ヒューマンコンピュータインタラクション）は、人間とコンピュータの関係を研究する領域です。

AIがさまざまなサービスへ組み込まれるようになると、人間がAIとどのように関わるのかという問題も重要になります。

例えば、AIによる回答を人はどの程度信頼するのか、AIが提案した内容を人はどのような条件で採用するのか、AIが誤った回答をした場合に利用者はどのように反応するのかといった問いが考えられます。

また、AIを利用したインターフェースでは、利用者がどのように指示を出し、どのように結果を確認するのかという設計も重要です。

このような研究では、AIの技術的な仕組みを理解することに加え、人間の認知や行動、インターフェースの設計について考える必要があります。

生成AIと新しいユーザー体験

近年、生成AIの普及によって、文章、画像、音声などを生成する技術が身近になっています。

こうした技術を利用することで、従来とは異なるユーザー体験を設計することが可能になっています。

例えば、利用者と対話しながら情報を提示するサービスや、利用者の希望に応じてコンテンツを生成する仕組みなどが考えられます。

ただし、生成AIを利用すること自体が研究目的になるわけではありません。

「生成AIによる対話は利用者の意思決定にどのような影響を与えるのか」「AIによるフィードバックは学習者の行動をどのように変化させるのか」といった問いへ具体化することが重要です。

生成AIを利用した研究では、回答の正確性や利用者の信頼、個人情報の扱いなどについても検討する必要があります。

AIとコンテンツ制作を研究する

AIをコンテンツ制作に応用する方向も考えられます。

例えば、生成AIを利用して映像や音楽、ゲームなどのコンテンツを制作する場合、従来の制作方法と比べてどのような違いが生まれるのかという問いがあります。

また、人間とAIが共同でコンテンツを制作する場合、創作者の役割や制作プロセスがどのように変化するのかも研究テーマになります。

このような研究では、技術を利用して作品を作ることだけでなく、その制作方法や体験をどのように評価するのかが重要です。

AIによる制作支援が創作者の発想や表現にどのような影響を与えるのかという視点から、研究を考えることもできるでしょう。

AIと身体・感覚の関係を研究する

AIとウェアラブル技術を組み合わせることで、人間の身体や感覚に関わる研究へ発展させることも考えられます。

例えば、身体の動きや視線などのデータを分析し、利用者の状況に応じて情報を提示する仕組みです。

また、VR・XRなどの技術と組み合わせることで、利用者の行動に応じて仮想空間の表現を変化させる研究も考えられます。

このような研究では、AIの予測結果を人間へどのように提示するのか、その提示によって利用者の体験がどのように変化するのかが重要になります。

AIを身体や感覚の拡張に利用したい場合には、機械学習だけでなく、HCIや身体情報学などの関連分野も確認するとよいでしょう。

AIを研究するなら技術開発と応用研究を区別する

KMDを志望する前に整理しておきたいのが、AIの基礎技術そのものを研究したいのか、AIを利用して具体的な課題を研究したいのかという違いです。

例えば、機械学習モデルの新しいアルゴリズムを開発したい場合には、数学、統計、情報科学などの専門的な知識が重要になります。

一方、AIを利用して人間の行動を理解したい場合には、機械学習に加えて心理学や認知科学などの知識が必要になることがあります。

AIを活用したサービスを研究したい場合には、サービスデザインやHCIなどとの接点も考えられます。

どちらが優れているということではなく、自分が研究したい問いに応じて、必要な専門分野や研究環境が変わるということです。

KMDと理工学研究科をどう比較する？

AIに関心がある場合には、KMDだけでなく、理工学研究科などの研究環境も比較対象になります。

例えば、AIモデルの計算方法や学習アルゴリズム、情報処理技術そのものを深く研究したい場合には、理工学系の研究環境が適している可能性があります。

一方、AIを利用して人間の認知や行動を理解したい場合や、新しいサービス、インターフェース、コンテンツなどを研究したい場合には、KMDの教員の専門分野と接点が見つかる可能性があります。

ただし、研究科名だけで判断することはおすすめできません。実際にどのような研究が行われているのかは、教員や研究プロジェクトによって異なります。

自分の研究テーマに近い教員を複数の研究科から探し、研究内容や研究方法を比較してみるとよいでしょう。

AI研究ではデータの種類を具体化する

AI関連の研究計画書を書く際には、どのようなデータを扱うのかを考えることが重要です。

例えば、人間の行動を分析する場合には、センサーデータ、視線データ、アンケート結果、サービスの利用履歴など、さまざまなデータが考えられます。

ただし、研究に利用したいデータが実際に取得できるとは限りません。個人情報や研究倫理への配慮が必要になる場合もあります。

また、データを取得できたとしても、そのデータから何を明らかにしたいのかが不明確では、研究計画として十分ではありません。

「どのような対象者から、どのようなデータを取得し、何を分析するのか」という流れで考えることで、研究の実現可能性を検討しやすくなります。

研究計画書ではAIを使う目的を明確にする

AIに関する研究計画書では、「AIを活用したい」「生成AIを利用したサービスを開発したい」といった表現だけでは、研究内容が十分に伝わらない場合があります。

例えば、「生成AIを利用した教育サービスを研究したい」というテーマであれば、どのような学習者を対象にするのか、どのような学習上の課題を解決したいのか、AIによって何が変化すると考えているのかを具体化する必要があります。

さらに、既存の研究では何が明らかになっているのか、自分の研究ではどのような点を新しく検討するのかを整理します。

そのうえで、システム開発、実験、アンケート、データ分析など、研究目的に合った方法を考えることが重要です。

AIを利用すること自体を目的にするのではなく、AIを利用して何を明らかにしたいのかを中心に研究計画を組み立てましょう。

研究プロジェクトと論文を確認する

KMDでAIに関連する研究を希望する場合には、教員のプロフィールだけでなく、研究プロジェクトや論文なども確認することをおすすめします。

教員の専門分野に「機械学習」や「データ分析」と記載されていても、実際にどのような対象を研究しているのかは、それだけでは分からない場合があります。

例えば、機械学習を人間の認知理解に利用しているのか、サービス利用者の行動分析に利用しているのかによって、研究内容は大きく異なります。

また、研究プロジェクトでは、複数の教員や学生が異なる専門性を持ち寄って研究を進めている場合もあります。

公式サイトの研究紹介や公開されている研究成果を確認し、自分の関心とどのような接点があるのかを整理してみましょう。

教員の所属と研究指導体制も確認する

教員を探す際には、研究テーマだけでなく、現在の所属や研究指導体制を確認することも重要です。

特に、兼任教員や特任教員などの場合には、研究科での教育活動への関わり方や、修士課程での研究指導を担当できるかどうかを確認する必要があります。

研究内容に強い関心を持ったとしても、その教員から希望する形で研究指導を受けられるとは限りません。

出願前には、公式サイトの最新の教員紹介や募集要項を確認し、必要に応じて研究科が案内する説明会や相談機会を活用するとよいでしょう。

AI研究に必要な基礎知識を整理する

AI関連の研究を考える場合には、研究テーマに応じて必要な基礎知識を整理しておくことが重要です。

機械学習の技術そのものを扱う場合には、プログラミング、数学、統計などの知識が必要になることがあります。

一方、人間の認知や行動を研究する場合には、心理学や認知科学、実験計画、データ分析などの知識も関係します。

サービスデザインやHCIに関心がある場合には、利用者の行動を観察する方法や、サービスを設計・評価する方法なども重要になります。

AIという分野名だけで学習内容を決めるのではなく、自分が取り組みたい研究に必要な知識から準備を進めていきましょう。

社会人経験をAI研究に生かす

社会人として働いてきた方の場合には、実務で経験した課題からAI関連の研究テーマを考えることもできます。

例えば、営業やマーケティングの仕事をしてきた方であれば、AIによる情報提示や推薦が消費者の意思決定にどのような影響を与えるのかという問いが考えられます。

教育関係の仕事をしてきた方であれば、生成AIによるフィードバックが学習者の行動にどのような影響を与えるのかを研究することも考えられます。

ITやサービス開発に携わってきた方であれば、AIを組み込んだインターフェースやユーザー体験などをテーマにすることもできるでしょう。

ただし、実務上の課題をそのまま研究テーマにするのではなく、先行研究を踏まえて、どのような問いを明らかにしたいのかを整理することが重要です。

KMDを志望する際に確認したいこと

KMDでAIに関連する研究を希望する場合には、自分の研究テーマと教員の専門分野との接点を具体的に確認することが重要です。

また、研究科のカリキュラムや研究プロジェクトを確認し、自分が必要とする知識や研究方法を学べる環境かどうかを検討しましょう。

入試制度については、出願資格、提出書類、英語に関する要件、研究計画の扱いなどを、必ず受験年度の募集要項で確認してください。

教員への事前連絡や研究指導体制についても、最新の公式情報を確認しておく必要があります。

「AIを研究できそうだから」という理由だけで進学先を決めるのではなく、自分がAIを使って何を明らかにしたいのか、その研究を進めるためにKMDのどのような環境が必要なのかを説明できるようにしておきましょう。

まとめ

慶應義塾大学大学院メディアデザイン研究科（KMD）でAIに関連する研究を考える場合には、AIという言葉だけでなく、機械学習、ウェアラブルコンピューティング、認知、HCI、データ分析、サービスデザインなど、関連する専門分野から研究テーマを探すことが重要です。

Kai Kunze氏の専門分野である応用機械学習やウェアラブルコンピューティングは、AIと人間の身体・認知の関係を考えるうえで参考になります。また、Chihiro Sato准教授の専門分野であるベイジアンネットワークやサービスデザインは、データを利用して人間の行動や意思決定を理解する研究と接点があります。

一方、AIの基礎理論やアルゴリズムそのものを深く研究したい場合には、理工学研究科などの研究環境も比較することが重要です。

自分がAIを利用して何を実現したいのか、どのようなデータを扱い、何を明らかにしたいのかを具体化したうえで、教員の研究内容や研究プロジェクトを確認していきましょう。

---

※本記事はご提供いただいたKMD公式サイトの教員情報をもとに作成しています。教員の所属・職位・専門分野・研究指導体制、研究プロジェクト、入試制度などは変更される場合があります。受験を検討している方は、必ず慶應義塾大学大学院メディアデザイン研究科の公式サイトおよび最新の入学試験要項をご確認ください。

志樹舎 では、大学院入試の各種対策に特化した専門性の高いサポートを行っています。
院試受験でお困りの方は、 無料相談 にお気軽にお申し込みください。

---

※この記事は専門家による監修のもと執筆されています。