総務省委託研究「安全なデータ連携による最適化 AI 技術の研究開発」の取組の一環として、データの機密性・プライバシーを確保したまま AI モデルを協調的に高度化する「AI モデル共創」をテーマとしたハッカソンを開催します。本ハッカソンでは、本委託研究が提唱する「AI モデル共創」（データそのものを外部に共有することなく複数主体が連携して AI モデルの性能向上を図る開発手法）について、模擬的な共創環境を用いて体験していただき本手法に対する理解を深めていただくとともに、実運用を想定した技術検証および知見の蓄積を行うことを目的として実施します。
本ハッカソンの実施内容や参加条件等の詳細については、以下に示す概要をご覧ください。
1. 開催趣旨
AIの利活用は拡大する一方、プライバシー情報や機密情報を含むデータの取扱いに対する懸念から、AI活用に慎重にならざるを得ない場面があります。クラウド型AIサービスでは、入力データをサービス事業者へ提供することが前提となる場合も多く、提供データの学習利用等が事業者の裁量に委ねられ得る点が課題となることがあります。
総務省委託研究「安全なデータ連携による最適化AI技術の研究開発」では、プライバシーデータや機密データ等を含む実空間データを分野横断的にAI学習へ活用するため、「AIモデル共創」という新たなAIモデル開発手法を提唱し、研究開発および社会実装を進めています。
本ハッカソンは、参加者の皆様にAIモデル共創を実践的に体験いただき、模擬的なAIモデル共創環境を用いたモデル開発に取り組んでいただくことを目的として開催します。
---------------------------------------------------------------------------------------------------------------------------
2. AIモデル共創とは？
AIモデル共創は、目的を共有する複数の参加者が、データを提供・共有することなく、一つのAIモデルを協調的に開発できる手法です。連合学習、AIモデルに対する攻撃検知技術、パーソナライズ技術等を活用し、プライバシーや機密性を確保しながらAIモデルの高度化を実現します。
本ハッカソンでは、参加者が担当ノード（車載AI環境を模した環境と、車両が日ごとに収集したデータ）に対して、データ選別や学習設定の工夫を行うプログラムを開発し、共通AIモデルの性能向上に寄与することを目指します。
---------------------------------------------------------------------------------------------------------------------------
3. 課題テーマ
本ハッカソンでは、自動車の運転中に発生する運転リスク（周囲の車両、歩行者、自転車等との接触リスク）を予測するAIモデルの開発を課題とします。
- 入力：ドライブレコーダーで撮影された動画像
-
出力：運転リスクの発生予測結果
主催者が用意するデータセットの母集団を対象に、参加者は主に以下を実施します。
- 学習・モデル評価に用いるデータのフィルタリング
- 学習時のハイパーパラメータの調整 等
※学習アルゴリズムそのものの変更は行わず、主催者が提供するベースプログラムを編集して開発します。
---------------------------------------------------------------------------------------------------------------------------
4. 開催形式
参加者は、各自の手元の環境にてプログラム開発を行います。
- ベースとなるプログラム、AIモデル、SDK、開発手順書、小規模データセット等は主催者側から提供します。
- 参加者は、提供されたベースプログラムを編集して開発を行います。
-
開発したプログラムは、主催者側が用意するGitリポジトリに随時 Push して提出します。
評価環境への直接アクセスは行いません。提出されたプログラムは、主催者側が評価環境に導入し実行します。参加者にフィードバックされる実行結果は、統計情報等の必要最小限の内容に限定されます。
開発期間は約1か月間を予定しています。期間中は、プログラムの改良に応じて何度でも最新のプログラムを提出することが可能です。評価環境は開発期間中も日次で稼働し、提出された最新プログラムに基づく評価結果を順次参加者へフィードバックします。
---------------------------------------------------------------------------------------------------------------------------
5. 評価・審査観点（予定）
- モデル性能の向上度
- データ選別・パラメータ調整の工夫
- 開発過程での創意工夫・再現性
- チームワーク・発表内容 など
---------------------------------------------------------------------------------------------------------------------------
6. 実施スケジュール（予定）
-
2026年2月6日：キックオフミーティング（オンライン）
o ハッカソン参加者対象
o ルール説明／開発ガイド等
o 当日の録画を後日共有予定 - 2026年2月初旬：キックオフ以降、開発期間開始
- 2026年2月末〜3月初旬：開発期間終了
- 2026年3月21日（土）・22日（日）：クロージングイベント
o 3/21：AAIML 2026内ワークショップで開催（中央大学 後楽園キャンパス）
・英語中心／研究発表中心
・各参加チーム代表者およびAAIML 2026登録参加者のみ出席可能
o 3/22：NICTイノベーションセンター（日本橋）にて対面＋オンラインのハイブリッド開催予定
・日本語中心／上位者表彰、技術紹介、将来展望の紹介等
・参加者以外の一般参加も可能
---------------------------------------------------------------------------------------------------------------------------
7. 募集概要
- 募集グループ数：最大20グループ
- 参加形態：個人参加／グループ参加
- グループ人数：1グループあたり10名以下
- 参加費：無料
---------------------------------------------------------------------------------------------------------------------------
8. 参加要件
本ハッカソンでは、AIモデル学習プログラムのチューニングを行っていただきます（学習アルゴリズムそのものの変更は行いません）。
参加にあたっては、以下の要件を満たす必要があります。
-
深層学習を用いたAIモデル開発に関する基礎知識
o 学習・評価の役割、precision／recall／accuracy／loss 等の理解 - Pythonによるプログラムの開発および読解が可能（shell script 等を含む）
- 開発用環境を用意できること
o Linux（Ubuntu 24.04 LTS 予定）
o CPU：4 core以上、メモリ：16GB以上、ストレージ：100GB以上（1ノード、仮想環境可）
o GPUは推奨（必須ではない）
o インターネットへのhttp／https通信が可能
o クラウド環境の利用も可（利用料は参加者負担） - Gitによるソースコード管理が可能
- 氏名、所属、連絡先等の個人情報提供に同意（グループ参加の場合はメンバー全員）
- 参加に関する覚書への合意が可能
- キックオフミーティングおよびクロージングイベントへの参加を強く推奨
---------------------------------------------------------------------------------------------------------------------------
9. 募集概要
- 募モデル性能向上への貢献度
- AI学習過程の信頼性評価への寄与度
- AI学習処理の効率
- プログラム実装のスピード
---------------------------------------------------------------------------------------------------------------------------
10. 応募方法
「お問い合わせフォーム」に下記の内容をご入力のうえ、送信してください。
- 「ハッカソン参加希望」の旨
- 参加メンバー名
- メールアドレス（全員分）
---------------------------------------------------------------------------------------------------------------------------
11. お問い合わせ
安全なデータ連携による最適化AI推進コンソーシアム 事務局
――――――――――――――――――――――――――――――――――――――