森岡 博史（もりおか ひろし）は、日本の情報科学者。機械学習、表現学習、独立成分分析、因果推論、脳情報解析などを専門とする。滋賀大学データサイエンス学部准教授。
非線形独立成分分析（nonlinear ICA）の識別可能性、自己教師あり学習、因果表現学習などを研究し、NeurIPS、ICML、AISTATSなどの機械学習分野の国際会議で研究成果を発表している。
来歴 2009年、東京工業大学工学部制御システム工学科を卒業。2011年、同大学大学院総合理工学研究科知能システム科学専攻修士課程を修了した。東京工業大学在籍時には、移動ロボットのSLAM（自己位置推定と環境地図作成）やナビゲーションに関する研究を行った。
その後、京都大学大学院情報学研究科システム科学専攻に進学し、脳活動計測やブレイン・マシン・インタフェース（BMI）に関する研究に従事した。博士課程在籍中の2013年から2015年まで日本学術振興会特別研究員（DC2）。2015年、博士論文「Analysis Methods toward Brain-Machine Interfaces in Real Environments」により京都大学から博士（情報学）の学位を取得した。
博士号取得後は、2015年から2016年にかけてヘルシンキ大学コンピュータ科学科の博士研究員を務めた。ヘルシンキ大学では、独立成分分析研究で知られるアーポ・ヒュヴァリネンらと共同研究を行い、非線形独立成分分析と表現学習の研究を進めた。
2016年3月より、国際電気通信基礎技術研究所（ATR）の連携研究員を務める。
2016年から2019年まで日本学術振興会特別研究員（PD）。この間、ユニヴァーシティ・カレッジ・ロンドン（UCL）のGatsby Computational Neuroscience Unitに客員研究員として在籍した。
2019年、理化学研究所革新知能統合研究センター（AIP）特別研究員。のち同センター研究員となり、非線形表現学習、時系列解析、因果探索、脳情報解析などの研究に従事した。
2025年4月、滋賀大学データサイエンス学部准教授に就任。同大学データサイエンス・AIイノベーション研究推進センターの「先端因果推論特別研究チーム」にも所属する。同年6月から大阪大学大学院情報科学研究科特任准教授を兼務している。
研究 機械学習、表現学習、独立成分分析、因果推論、脳情報解析などを研究分野とする。特に、観測データの背後に存在する潜在変数やその構造をデータから推定する手法について、非線形独立成分分析、自己教師あり学習、因果表現学習などの観点から研究している。
京都大学大学院在籍時には、ブレイン・マシン・インタフェース（BMI）や脳活動計測データの解析に取り組み、脳波（EEG）や近赤外分光法（NIRS）などから人間の状態を推定する方法を研究した。また、複数の被験者から得られた脳活動データを利用して、被験者間で共通する特徴表現を学習する手法などを研究した。
博士号取得後は、ヘルシンキ大学などでアーポ・ヒュヴァリネンと共同研究を行い、非線形独立成分分析の識別可能性に関する研究を進めた。2016年には、時系列データの非定常性を利用して潜在成分を推定する「Time-Contrastive Learning」を用いた非線形独立成分分析の手法を発表した。一般の非線形混合モデルでは元の潜在変数を一意に復元することが困難であるのに対し、データの時間的構造などの付加的情報を利用することで潜在表現を識別可能にする条件を検討した。
その後は、非線形独立成分分析で扱ってきた潜在表現の推定と因果探索を組み合わせた「因果表現学習」（causal representation learning）の研究を行っている。2023年には、マルチモーダルデータの背後に存在する潜在変数と、それらの間の因果関係を同時に推定するConnectivity-Contrastive Learningを発表した。2024年には、観測変数のグループ構造を利用して潜在的な因果表現を識別するGrouped Causal Representation Learningに関する研究をInternational Conference on Machine Learning（ICML）で発表した。
脳情報解析への応用も継続しており、非線形独立成分分析を機能的磁気共鳴画像法（fMRI）のデータに適用し、安静時や課題遂行時の脳活動および行動特性に関連する時間構造を分析する研究などを行っている。
また、研究対象を脳情報から大規模な複雑系へ拡張している。科学技術振興機構（JST）の「さきがけ」では、表現学習を用いて大規模複雑系の潜在的な状態やダイナミクスをデータから推定し、予測や制御につなげる研究に取り組んでいる。さらに、JSTの次世代AI人材育成プログラム（BOOST）では「因果表現学習による世界モデルの創出」を研究課題とし、観測データの背後にある時空間的・階層的な因果構造を学習する手法の研究を進めている。
受賞
2011年 - IEEE Robotics and Automation Society Japan Chapter Young Award 2013年 - 国際電気通信基礎技術研究所（ATR）表彰 優秀研究賞 2015年 - 10th AEARU Workshop on Computer Science and Web Technology Best Poster Award
脚注
外部リンク