近年来，高龄司机交通事故的新闻频频见诸报端。虽然政府鼓励老年人主动交还驾照，但对居住在乡村或行动不便的老年人而言，缺乏代步工具将使生活面临巨大困难。在这一背景下，“MaaS（Mobility as a Service）”的概念引起了广泛关注。MaaS将电车、公交车、出租车、租车和共享单车等多种交通工具的路线查询、预订和支付服务无缝整合。特别是作为从电车站到家的“最后一公里”的解决方案，公交设施的维护与方便性的提升至关重要。那么，我们如何将这些信息有效传递给不擅长使用智能手机的老年人？为此，我们采访了铃木秀和准教授。
充分利用IoT与ICT技术建设智能公交站
近年来，MaaS在日本引起广泛讨论和关注。目前，电车和公交的支付、预订由不同运营商独立处理，用户不得不使用不同的应用程序。引入MaaS后，用户可以通过一个平台完成跨多家运营商的换乘查询、支付和预订，大大提升便捷性。然而，由于各公司在创建时刻表和位置信息时采用不同格式，统一这些服务面临很大挑战，特别是很多公交运营企业，信息化往往不到位。
为此，日本自2016年起开始推广全球标准的公交信息格式“GTFS”。目前，全国的私营公交运营公司、地方政府和大学研究人员正在合作推进日本版GTFS（GTFS-JP）的数据整合。我也参与了这一项目，与爱知县的地方政府合作，共同推进数据整合工作。
与过去相比，如今通过Google Maps等工具查询公交路线和换乘信息变得更加便捷，这要归功于GTFS-JP数据的整合以及将数据导入Google的系统之中。实时信息也已上线，用户可以查看公交延误时间及下一趟换乘线路的时间。
目前，公交运营公司正在构建公交定位系统以监控运营状况。在主要公交总站，显示屏上会显示下一趟公交的到达时间和延误信息，但大多数公交站仅显示有时刻表。针对这一情况，我的研究室正与运营社区公交“Kururin Bus”的日进市合作，充分利用物联网（IoT）和信息通信技术（ICT）开发智能公交站。
对于位于乡村或郊区的公交站，电源电路的安装是一大难题。为解决这一问题，我们研发了使用能耗极低的电子纸显示屏的公交站牌，仅以太阳能作为供电来源。显示屏不仅可以显示公交的运行信息，还可以发布来自政府的公告和灾害信息，因此不仅能作为公交站牌，还能作为社区的信息发布点。尽管智能手机已经普及，但许多老年人仍不擅长使用。我希望通过推广这样的智能公交站牌，特别是在灾害发生时，能使信息被实时获取。
通过研究感受与社会的连接
在日进市开展的公交项目始于我与理工学部社会基盘设计学科的松本幸正教授之间的交流，到今天已经长达十年了。系统是学生们亲自开发的，所以他们在这一过程中深切体会到自己的研究与社会的直接联系。
我的专业领域是计算机网络和普适计算技术，并一直热衷于运用这些技术解决日常问题。以智能公交站为首的公交定位系统的开发正是基于物联网技术的实际运用。社会中存在许多可以通过ICT技术解决的难题，把握这些需求将带来重要的创新。保持对生活中技术应用可能性的敏锐度，与其他领域的人员协作，整合知识和技术共同创新，对时代的发展至关重要。我希望学生们不仅关注信息工程领域，还能对其他领域和外部世界保持兴趣，积极投身各类活动。
【采访日期】2021年4月14日
如果说电视和电话是让我们触及远方事物的技术，那么虚拟现实（VR）则是一种让我们体验并不存在的虚拟空间的技术。通常，用户通过类似护目镜的头戴式显示器与虚拟空间连接，主要通过视觉和听觉来感受这一虚拟世界。然而，近年来，随着4D影院的兴起，体验不仅限于图像和声音，还加入了动作、气味、风和水等元素，进一步增强了沉浸感。瑞典的爱立信公司发布了一份研究报告，预计到2030年，将实现与视觉、听觉、味觉、嗅觉和触觉联动的技术。柳田康幸教授接受了采访，为我们讲解让虚拟世界更具现实感的新VR技术。
控制气味，营造身临其境的“氛围”
1968年，美国的伊万·萨瑟兰开发了世界上首台头戴式显示器，自此，全球各大研究机构纷纷开始研究虚拟现实（VR）技术。如今，能够提供视听体验的VR技术已经实现产业化。展望未来，除了硬件的发展，软件和内容的重要性也将愈加突出。
此外，关于VR的研究，早已扩展到两种感官体验：一是力反馈，使我们能够感知重量和压力；二是触觉反馈，让我们的皮肤感受到物体表面“光滑”或“粗糙”的质感。
然而，尽管取得了这些进展，我们仍无法真正体验到身临其境的“氛围”，还停留在如同穿着宇航服体验虚拟世界。因此，我认为气味在营造沉浸感方面至关重要，因此开始了对嗅觉VR的研究。
气味研究的难点在于，目前仍无法有效合成各种气味。在视觉方面，人类有三种感知红、蓝、黄光的视锥细胞，通过调整光波长的平衡可以再现任何颜色。
然而，在嗅觉方面，据称人类有大约400种嗅觉受体，每种受体能够对多种气味分子产生反应。这种复杂性使得目前制造出“能够生成任意气味”的设备还十分困难。不过，随着嗅觉感知机制研究的快速推进，未来可能会找到一种高效的气味编码方法，从而实现能够广泛应用的气味模拟技术。
作为一名“虚拟现实专家”，我的研究并不集中于气味合成，而是致力于研究“如何在时间和空间上精确控制气味”。气味的呈现方式有很多种，比如将气味发生器附加到头戴式显示器上，这是一种传统方法；也可以像主题公园中的一些设施那样，在播放视频时释放气味，并通过气味生成装置和大型换气扇将气味快速激活。
与此不同，我的研究方向是如何高效地将最少量的气味精准传送到鼻尖。我希望实现一种无需佩戴设备且不依赖大型设施的气味传递方式，能够在短时间内仅在局部区域释放气味。为实现这一目标，我考虑使用“空气炮”技术。空气炮以前多用于理科实验室，很多人可能见过用空气炮以极高速度射出空气团的情景。我正在研究是否可以利用这一技术，在室内精准传递气味至某个特定的人那里。
突破时间与空间的限制，提供不同世界的体验
我认为，VR与气味的结合拥有多种应用场景。例如，它可以作为一种广告手段。试想一下，鳗鱼饭店散发的诱人烟雾本身就是一种广告，通过烧烤的香味吸引路过的人们进入餐馆。未来，我们或许可以为每个路人定制类似的体验。在购物中心的走道上，传感器可以识别路人的属性，并悄无声息地为他们提供相应的气味，这样的应用已经不再遥远。
目前，目前我也在尝试将气味生成装置添加到智能手机上。尽管这项技术尚不能泛应用，但随着经验的积累和技术的推进，它的应用迟早会被攻克。
将VR扩展到五种感官是我研究的一个重要目标。我希望在研究中探讨“视觉”、“听觉”、“触觉”、“嗅觉”和“味觉”之间的相互作用。作为城市居民，我们越来越多地依赖电子媒体获取信息，亲身体验的机会越来越少。虽然VR本质上也是一种电子媒体，但我的目标是研发出一种不受时间和空间限制的多感官体验技术，而不仅仅局限于视听感官的传递。
【采访日期】2021年4月14日
在拥有大量商品的购物网站、视频流媒体服务和音乐流媒体平台上，用户使用得越多，系统推荐的商品或内容似乎越符合个人口味。那么，这究竟是如何实现的呢？这些“推荐系统”通过分析大量数据，基于用户的选择，找出相关性，从而推荐符合用户兴趣的商品或内容。这是一种什么样的技术？亀谷由隆准教授为我们详细解答了这一问题。
基于音乐评论推荐符合喜好的歌曲
如今，推荐系统几乎随处可见，不仅用于音乐推荐，还能为书籍、服装、房地产甚至朋友关系提供个性化建议。其运作原理相对简单，通过分析用户的购买记录、已购商品的特征以及年龄、性别等信息，利用机器学习技术预测用户可能对哪些商品感兴趣。
在这一预测过程中，常用的两种方法是“基于物品的协同过滤”和“基于用户的协同过滤”。基于物品的协同过滤通过数据库匹配出与用户当前浏览商品相似的商品，并进行推荐。据悉，全球领先的电商公司也在广泛使用这一技术。
相较之下，基于用户的协同过滤则通过数据库找到具有相似购买记录或属性的用户，并推荐这些用户购买过的商品。尽管这两种推荐系统的原理相对简单，但它们需要处理大量的信息。
在我的研究室中，我们利用这些方法构建了音乐推荐系统。我们使用音乐出版商提供的CD数据库中的乐曲评论作为判断依据。如今，像YouTube这样的平台让人们可以轻松欣赏音乐，但在我学生时代，我会在唱片店逐一阅读POP（Point of Purchase, 即售点广告）评论，想象专辑的内容，再决定是否购买。这段经历启发了我，或许可以通过推荐评论和评论文本来推荐合适的歌曲。
在这个系统中，用户可以输入自己喜欢的歌曲，系统将参考包含约5万首歌曲信息的数据库中的评论，寻找使用相同词汇描述或印象相似的歌曲。用户还可以选择优先推荐歌词或音乐，系统则根据歌词的内容与氛围，或旋律的印象与节奏，推荐相似的歌曲。目前，系统只能推荐几首歌曲，但未来我们希望能够生成播放列表，通过讲述有意义的故事推荐多首歌曲，为用户带来更丰富的音乐体验。
将大数据分析应用于医疗领域
数据分析可以广泛应用于多个领域。例如，一些学生利用统计方法分析体育数据，另一些学生则通过“聚类分析”方法，从大量数据中识别相似的数据群体，以分析购物区访客的行为，帮助促进商业街区的活跃度。
目前，我正在研究将大数据分析中的模式发现技术应用于医疗领域。近年来，由于多个医疗机构和科室开具的药物种类繁多，从而导致副作用的多重用药（Polypharmacy）问题引起了广泛关注。这种副作用的症状有时会被误认为是新的病症，导致进一步开具药物，这种情况被称为“处方级联”。某些药物组合可能会引发低血压，从而导致头晕、跌倒，甚至长期卧床。
为解决这一问题，我们与国立长寿医疗研究中心合作，分析过往病例数据，试图找出可能导致低血压的药物组合模式。通过让药剂师重新审查处方，我们希望能预防多重用药现象，并推动药物的合理使用。
【采访日期】2021年2月13日
自2010年代以来，人工智能（AI）技术飞速发展，现已渗透到我们日常生活的各个领域。如今，AI不仅预装在家用电器和智能手机中，甚至在近几年被用于自动驾驶技术。然而，AI真的足够安全吗？2023年，对话式AI和聊天机器人的快速崛起引发了广泛关注，其威胁不仅局限于取代现有的工作岗位，甚至可能对人类生命构成潜在威胁。如何应对AI带来的风险，已成为全球关注的焦点课题。为此，我们专访了知名人工智能专家吉川雅弥教授，就“AI与安全”这一紧迫议题进行了深入探讨。
AI相关的四大安全挑战
在讨论人工智能与安全问题时，目前有四大关键挑战。首先是“欺骗AI”现象。例如，自动驾驶汽车依赖安装的摄像头识别路标并做出反应。当车辆遇到“停车”标志时，它会自动停下。然而，如果对标志的部分细节进行微小的修改，这些改变在人类眼中可能无关紧要，但足以使自动驾驶系统无法正确识别，从而导致潜在的交通事故，例如与迎面而来的车辆发生碰撞。
其次，自动驾驶汽车依赖“测距传感器”来计算车距。该传感器通过发射激光并根据光线返回的时间来测量距离。但如果外部干扰者发出虚假脉冲，改变光线的传播路径，就可以篡改传感器的测量结果，进而影响车辆的决策。这种通过操控外部数据干扰AI判断的行为，已经成为AI系统安全面临的重大挑战之一。
第二个问题是如何保护AI免受旁路攻击的威胁。旁路攻击利用物理信息，例如电力消耗、电磁辐射和处理时间等，推测出AI系统内部的数据和加密密钥。通过持续监测AI在决策过程中的电力消耗和电磁辐射，攻击者有可能推测出其内部信息。这种攻击方式可能导致AI的内部机密信息被窃取，甚至遭到非法复制。为了防止此类信息泄露，必须采取措施，切断AI内部数据与外部物理信息之间的关联。
第三个问题是如何保护AI的训练数据。据研究表明，攻击者可以通过分析AI的输出结果，推测出其训练数据的来源。这在医疗领域尤为令人担忧，AI常常处理患者病历等高度敏感的隐私信息。如果这些数据被推测或泄露，可能导致个人隐私被侵犯。因此，确保AI的输出不会暴露其训练数据成为关键的安全防护措施。
最后，第四个问题是防止AI的训练数据遭到污染。攻击者可能通过“投毒攻击”篡改AI的训练数据，导致AI在实际应用中做出错误的判断。近年来，已有大量此类攻击事件被报道，说明这种威胁在现实中正在不断增加。
保护AI免受恶意攻击者的威胁
未来，人工智能（AI）将广泛应用于各个领域，并与多种技术进行跨领域融合，呈现出“AI×〇〇×□□”的多样化发展趋势。作为硬件安全领域的专家，我目前专注于通过“AI×安全”“AI×安全×硬件”等创新组合，研究如何保护AI系统免受恶意攻击。这一领域虽刚刚起步，但随着AI在现实社会中的广泛应用，确保其安全性无疑将成为未来发展的关键。
随着越来越多的工作交由AI完成，“AI是否值得信任”这一问题变得愈发重要。特别是用于自动驾驶和面部识别等与人身安全密切相关的AI技术，任何系统漏洞或错误都可能引发社会恐慌。此外，黑客可能在毫无察觉的情况下，窃取AI系统中的宝贵信息，进一步加剧了这一威胁。
攻击者可以利用各种信息，从不同角度瞄准系统的薄弱环节发起攻击。只要恶意行为者存在，安全问题就不可能彻底消除。因此，确保AI的安全性是一项持久的挑战。为了应对这一挑战，我们高校的责任是未雨绸缪，提前规划未来5至10年的安全策略，推动相关研究和技术的发展，以保障AI的安全性和社会信任度。
【采访日期】2021年1月22日
