機械学習システムの社会実装を促進する上で、次に述べる二つの問題点がある。
第１の問題点は、機械学習に必要な多くの最適化アルゴリズムにおいて、パラメータの推定精度に関して理論的な保証が存在せず、不正確な値が推定される可能性があることである。重大なリスクを伴う社会の重要分野において、機械学習の利用を促進するためには、パラメータ推定の質を担保する必要がある。
第２の問題点は、深層学習に代表される高度な機械学習手法において、入力情報から出力結果を生成する過程がブラックボックス化されており、それらの関係を誰も理解できないことである。このことにより、機械学習システムの利用者が出力結果に対して納得感や安心感を得ることができず、それが機械学習システムの社会実装を妨げる大きな要因となりうる。

本研究では、これらの問題点を解決する次世代の最適化技法を開発し、多くの人が簡単に利用できる機械学習ライブラリを実装し、世界標準の技術とすることを目指す。