Research

AI システムが人類の意図と価値観に整合した行動を取るための、訓練手法・評価・理論を研究する。

ニューラルネットワーク内部の表現と回路を可視化・解釈する。「ブラックボックス」を「ガラス箱」にする。

AI 普及が労働市場・教育・民主主義・グローバルサウスへ与える影響を、政策チームと共に評価する。

モデルの危険な能力 (生物 / サイバー / 自律性) を独立評価し、リリース判断の科学的根拠を作る。