人間は合理的判断による最適選択をできるわけではない、知覚入力がそもそも制限されており、さらにその中で強い認知バイアスを受けていることは周知のとおりです。そんな中で、いかに集合体としての人の集まりを構成する個人の学習が適切な環境と報酬系により協調学習を創発させるかの研究に始まり、モバイル通信端末勃興期においては個人の位置情報と行動履歴のデータからのモデル構築や、災害時等における資源の偏在をエージェントモデルによって個々のプレイヤの効用を総体として最大化する資源再配分アルゴリズムなどについて研究していました。民間に来てからは、セキュリティ（サイバーセキュリティ以外の防犯・警備）の様々なレイヤにおけるサービスを企画しています。位置情報をトリガーとする見守りサービス、ライフリズムモニタリングに基づく見守りサービス、どれも、「安全・安心」を軸に関わる家族というプレイヤーが個別の効用関数を持って利己的に行動する条件の中で、サービスとして機能するためには「こうでなくてはいけない組み合わせ」がありますが、これを見つけるために、認知科学・心理学をバックグラウンドとしたインターフェース・セキュリティを高める行動へのインセンティブ設計や、ユーザ観察・フィールドワークを行ってきました。研究時代は人工知能も認知科学も社会実装のフェーズになるとからきし弱い、というイメージがありましたが、サービスというフィールドに出てしまえば、そこは全てが理論的な知見を活かすことが可能なエキサイティングな実験場です。昨今の深層学習ブームなどをブームとしてではなく、技術的な背景知識から関連の文脈・文献を読み直しつつ（そしてそれが自分が研究者として受けたカリキュラムと質的に連続していることを確認しつつ）フォローしてきましたが、よろず今のAIブームは「自動化」に偏っている、という印象があります。セキュリティのサービス実装・運営という仕事を通じ、より大きな公共性のある利害空間の中に交わる複数の「他者」同士が最適に意思決定をするための「支援」や、個人の脳にこびりついているバイアスと競合せずにより大きな視点の意思決定をするための「支援」をするAI的ソリューションは、流行りの深層学習のシステム実装だけでは不可能ではないか、という考えています。そうした新しい「人類をサポートする機械」はどのようにしたら生まれるか、どんなレイヤであれその場に関与していこうとしています。