既存の「FaRSeT」の柔軟で迅速なテスト手法に加え、「どの機能／どの品質特性」を優先的に探索的テストを実施すればよいかを、機械学習（AI）を取り入ることによってその探索根拠や優先度を明確に示せるようになりました。
当手法は、長崎県立大学 喜多義弘准教授との共同研究として、「ソフトウェア品質シンポジウム2020」にて発表を行いました。なお、本手法は将来役に立つ可能性を秘めている優秀なものに送られる「SQiP Best Paper Future Award」を受賞しております。
また、本手法は海外のオンラインジャーナルにも採択されています（Journal of Robotics, Networking and Artificial Life）。

• SQiP2020投稿論文「探索的テストを対象とする機械学習(SOM) を利用した進行中プロジェクトにおける探索箇所推測手法 「FaRSeT --# / ファルセットシャープ」の提案：喜多 義弘（長崎県立大学）、上田 和樹（日本ナレッジ㈱）、櫻井 清敬（日本ナレッジ㈱）」
  https://www.juse.jp/sqip/library/shousai/?id=481

• Journal of Robotics, Networking and Artificial Life：「A Proposal of a Software Defect Predication System “FaRSeT-#” for Exploratory Testing）」：TYoshihiro Kita, Kazuki Ueda, Kiyotaka Sakurai
  https://alife-robotics.org/lp9-2-3.html

• SQiP Best Paper Future Award受賞についてのプレスリリースhttps://prtimes.jp/main/html/rd/p/000000023.000027520.html

• FaRSeTサービスサイト