知能ソフトウェア工学研究室

知能ソフトウェア工学研究室は、ソフトウェア工学(SE)と人工知能(AI)の融合によって、より信頼性(安全性)の高いソフトウェアシステムとAIシステムを構築することを目指しています。具体的には、3つの方向性で研究を行っています。

  • 人工知能のためのソフトウェア工学:人工知能(深層学習)システムにおける欠陥(バグ)やAdversarial Exampleを深く理解し、人工知能(深層学習)システムの信頼性と安全性を保証する方法(理解、解析、テスト、デバッグ、検証)を探求しています。
  • ソフトウェア構成の自動化:人工知能(深層学習)を用いて、プログラムコートの自動生成、プログラムバグの自動修復などの方法を研究しています。
  • 開発環境の知能化:知能ソフトウェア開発支援環境(IDE)を構築しています。

教員


趙 建軍


教授


Office: ウエスト2号館751室
Phone: +81-92-802-3625
Email: zhao [at] ait [dot] kyushu-u [dot] ac [dot] jp
Address: 〒819-0395福岡市西区元岡744番地


馮 尭鍇


助教


Office: ウエスト2号館713室
Email: fengyk [at] ait [dot] kyushu-u [dot] ac [dot] jp
Address: 〒819-0395福岡市西区元岡744番地


学生


杜 晋博


博士後期課程 (上海交通大学)



胡 強


修士課程



梶原 大悟


学部4年生



李 文韬


修士課程



中村 友海


修士課程



芮 瑞


修士課程



孫 吉元


博士後期課程



王 思源


修士課程



文 海辰


修士課程



謝 超



修士課程



于 冰


博士後期課程



Alumni


Robust Deep Learning Systems


Deep learning (DL) has achieved great success in many application domains. However, how to ensure the reliability and security of DL system remains an open problem. For example, an attacker could add adversarial perturbations often imperceptible to human eyes to an image to cause a deep neural network (DNN) to misclassify perturbed images. Traditional software represents its logic as control flows crafted by human knowledge, while a DNN characterizes its behaviors by the weights of neuron edges and the nonlinear activation functions (determined by the training data). Therefore, detecting erroneous behaviors in DNNs is different from those of traditional software in nature, which necessitates effective analysis, testing and verification approaches. We plan to take a multi-pronged approach to explore deeper understanding of defects (bugs) and adversarial examples in DL systems, and methods to guarantee the reliability and security of DL systems.


Deep Learning for Software Engineering


Deep learning can provide new capabilities and approaches for addressing software engineering problems. In this project, we will explore different software engineering activities where deep learning provides promising solutions, including software testing and debugging, program analysis and verification, software mining and analytics.


Programming with Big Code


Just like huge amounts of data on the web enabled Big Data applications, now large repositories of programs (e.g. open source code on GitHub) enable a new class of applications that leverage these repositories of "Big Code". Using Big Code means to automatically learn from existing code in order to solve software engineering tasks such as predicting software bugs, predicting program behavior, or automatically generating new code.



研究業績

連絡先


〒819-0395
福岡県福岡市西区元岡744番地
九州大学大学院システム情報科学研究院
ウエスト2号館713室

Room 713, West Bldg 2, 744 Motooka, Nishi-ku, Fukuoka 819-0395, Japan
Graduate School of Information Science and Electrical Engineering
Kyushu University
E-Mail: zhao [at] ait [dot] kyushu-u [dot] ac [dot] jp