通信事業者における仮想化ネットワークの将来について
昨今，世界各国にて第5世代セルラネットワーク（5G）のサービスが開始されている．Beyond 5Gの実現に向けて無線アクセスネットワーク（RAN : Radio Access Network）からコアネットワークまでの完全仮想化の流れが加速している．本稿では，仮想化ネットワークの優位性や5Gシステムにおける取組みと実装，オープン化の動向とBeyond 5Gへ向けた展望について説明する．
低マイクロ波帯に適した心拍検出法
本稿では，低マイクロ波帯におけるバイタルサイン計測に適した擬似逆正接復調法について解説する．擬似逆正接復調法は，体表面変位幅が波長に比べて微小であっても，高精度なバイタルサインの検出を可能とする．特に，呼吸高調波を抑圧することで心拍成分への干渉を回避できるため，心拍数の検出精度を高められる．屋内環境におけるMIMO（Multiple-Input Multiple-Output）レーダを用いた実験結果から，複数人心拍数を同時に検出できることを明らかにする．
高齢者見守りシステムのためのマイクロ波生体センシング
高齢者見守りシステムとしてマイクロ波を用いた生体センシングの需要が高まっている．本稿では，複数局協調型MIMO（Multiple-Input Multiple-Output）レーダを用いた多人数生体位置の計測法について説明する．測定範囲内の人数が増加するに伴い，アンテナから遠方の対象は近い対象にブロッキングされて死角となる．そこで，複数の送受信局を用いることで対象を複数方向から観測することができ，後方対象のブロッキングを解消し，位置推定精度の向上が期待できる．本稿では，複数局の協調法について説明し，実験により1～8名の場合の位置推定精度の評価結果を示す．
ますます身近になる最新ミリ波センシング技術を紹介
超高齢化社会を迎え，日頃から自身や家族の心拍や血圧などの生体信号を測定し，体調を把握することが望まれる．一般に測定機器の装着や操作は少なからず負担を強いるもので，特に忙しい人や高齢者には時間的拘束や測定にストレスを感じる人も少なくない．そこで日常生活を拘束することなく，日々の生体信号をさりげなく測定する技術の必要性が指摘されている．本稿では，ミリ波センサが有する高周波と広帯域性，低プライバシー侵害性等に着目して心拍変動や連続血圧などの生体信号をストレスフリーで測定する技術や応用例を紹介する．
深層学習は科学や社会をどのように変えていくか？
ディジタル計算に基づく情報技術は総体として，過去70年にわたって社会に大きなインパクトを与えてきた．情報技術約70年の歴史の中で，多くの革新的技術が開発されてきたが，深層学習ほど社会の多面において変化をもたらしているものはないだろう．本稿では特に，科学と社会に対する含意について議論する．
深層学習の推薦アルゴリズムでの利用とその有効性について
推薦システムにおける嗜好予測には各種の機械学習手法が次々と適用されてきたが，深層学習も例外ではない．しかしながら，近年の検証実験では，深層学習による予測精度の向上を支持する結果は得られなかった．そこで，少なくとも既存手法と同程度の性能をこの検証実験で示したNeuMF とMult-VAE を取り上げ，深層学習でも予測精度が向上しない理由についても考察する．その後，推薦結果の説明や提示などにといった推薦の周辺部分に，深層学習を用いた画像・自然言語処理技術が活用されている例を紹介する．
実世界で多様に活躍するAIロボット実現を目指して
本稿では，深層学習技術がロボティクスに与えた影響と今後の展望について概説する．まず動作生成手法について，認識システム，深層強化学習に触れた上で，予測誤差を逐次的に最小化しつつ動作生成を行う深層予測学習のフレームについて紹介する．また実世界と統合した言語学習という視点から，記号接地問題を背景とした運動言語の統合モデルについて，その効果と問題を解説する．最後に今後の展望として，内閣府ムーンショット目標3におけるAIRECプロジェクトのコンセプトを紹介する．
コンピュータの「声」は，ディープラーニングで驚くほど自然に！
テキスト音声合成では，音声波形を自動で切り貼りして所望するテキストに対応する音声を合成する，波形接続型音声合成が主流であった．一方，条件付生成モデルを用いてテキストと音声の関係を学習し，これから任意のテキストから音声を合成する生成モデル型音声合成は，声色を少量の音声で変換できる等の利点があるが，合成音の自然性に課題があった．過去約10年間に深層学習が生成モデル型に導入され，性能が飛躍的に向上した結果，高い自然性を保ちつつ柔軟に話者性や韻律を制御できるようになった．本稿では，深層生成モデルの導入がテキスト音声合成に与えた影響について考察する．
深層学習により，自然な画像・音声が容易に生成・変換可能に
画像や音声などのメディア情報は人と人，人と機械のコミュニケーションにおいて必要不可欠なものであるが，イメージどおりのものが簡単に得られないことがある．その解決手段として，近年，深層生成モデルを用いた生成・変換技術が注目を集めている．本稿では，まず，深層生成モデルのれい明期から主要な研究対象である画像生成を題材に，深層生成モデルの変遷について解説する．次に，深層生成モデルの特徴である幅広い応用可能性を示す一例として，音声変換への応用について紹介する．最後に，深層生成モデルの今後について展望する．
ニュースサービスでの見出し生成・コメントランキング導入事例
本稿では，深層学習技術の進展によって言語処理システムの研究開発がどのように変化したかについて，ニュースサービスにおける実例を基に所見を述べる．具体的には，ニュース見出しの候補生成やニュースコメントのランキングに対する深層学習導入事例を紹介し，実践的観点から深層学習の利点・欠点について議論する．