乳幼児の認知発達はどのような神経基盤に支えられているのか．乳幼児が獲得する社会性やそこに内在する個性の発現機序は，まだ未解明な部分が多い．本講演では，脳の統一原理を認知発達原理へと拡張させた，「身体性予測情報処理」理論に基づく計算論的研究を紹介する．講演者は，感覚信号と予測信号の誤差，つまり予測誤差を最小化する過程が認知発達を導くと提案してきた．身体性予測情報処理に基づく神経回路モデルを用いて，学習をとおした予測機能の獲得とその変調が，描画行動や利他的行動の発達とその多様性を生じることを示した．本結果に基づいて，自閉スペクトラム症などの発達障害者の理解と支援を目指す取り組みについても紹介する．

講師

長井 志江 先生
東京大学ニューロインテリジェンス国際研究機構 特任教授

講義：オンデマンド配信

お問い合せ先

本講義に関するご質問等は、「各種お問い合わせフォーム」より、お問い合わせください。

講師紹介

長井 志江（ながい ゆきえ）先生

現職

• 東京大学ニューロインテリジェンス国際研究機構 特任教授

経歴

• 2004年　博士（工学）取得，大阪大学
• 2004年-2006年　情報通信研究機構けいはんな情報通信融合研究センター 専攻研究員
• 2006年-2009年　ビーレフェルト大学テクノロジー学科/認知ロボティクス研究所 ポスドク研究員
• 2009年-2017年　大阪大学大学院工学研究科 特任准教授
• 2017年-2019年　情報通信研究機構脳情報通信融合研究センター 主任研究員
• 2019年-現在　　東京大学ニューロインテリジェンス国際研究機構 特任教授

研究概要

構成的アプローチから人間の社会的認知機能の発達原理を探る，認知発達ロボティクス研究に従事．自他認知や模倣，他者の意図・情動推定，利他的行動などの認知機能が，環境との相互作用を通した感覚・運動信号の予測学習に基づき発達するという仮説を提唱し，計算論的神経回路モデルの設計とそれを実装したロボットの実験によって評価．さらに，自閉スペクトラム症（ASD）などの発達障害者のための自己理解支援システムを開発．ASD視覚体験シミュレータは発達障害者の未知の世界を解明するものとして高い注目を集める．Analytics Insight “World’s 50 Most Renowned Women in Robotics”（2020），IEEE IROS “35 Women in Robotics Engineering and Science”（2022），Forbes JAPAN “Women In Tech 30″（2024）などに選出．2016年よりCREST「認知ミラーリング」，2021年よりCREST「認知フィーリング」の研究代表者．

主な業績

原著論文

• M. Tsujita, M. Homma, S. Kumagaya, and Y. Nagai, “Comprehensive intervention for reducing stigma of autism spectrum disorders: Incorporating the experience of simulated autistic perception and social contact,” PLoS ONE, 18(8):e0288586, 2023.
• A. Philippsen, S. Tsuji, and Y. Nagai, “Quantifying developmental and individual differences in spontaneous drawing completion among children,” Frontiers in Psychology, 13:783446, 2022.
• A. Philippsen, S. Tsuji, and Y. Nagai, “Simulating Developmental and Individual Differences of Drawing Behavior in Children Using a Predictive Coding Model,” Frontiers in Neurorobotics, 16:856184, 2022.
• M. Y. Seker, A. Ahmetoglu, Y. Nagai, M. Asada, E. Oztop, and E. Ugur, “Imitation and mirror systems in robots through Deep Modality Blending Networks,” Neural Networks, 146:22-35, 2022.
• K. Friston, R. J. Moran, Y. Nagai, T. Taniguchi, H. Gomi, and J. Tenenbaum, “World model learning and inference,” Neural Networks, 144:573-590, 2021.
• T. Horii and Y. Nagai, “Active Inference Through Energy Minimization in Multimodal Affective Human–Robot Interaction,” Frontiers in Robotics and AI, 8:684401, 2021.
• P. Lanillos, D. Oliva, A. Philippsen, Y. Yamashita, Y. Nagai, and G. Cheng, “A review on neural network models of schizophrenia and autism spectrum disorder,” Neural Networks, 122:338-363, 2020.
• Y. Nagai, “Predictive learning: its key role in early cognitive development,” Philosophical Transactions of the Royal Society B: Biological Sciences, 374(1771):20180030, 2019.
• J. Baraglia, M. Cakmak, Y. Nagai, R. P. N. Rao, and M. Asada, “Efficient human-robot collaboration: When should a robot take initiative?,” The International Journal of Robotics Research, 36(5-7):563-579, 2017.

書籍

• 長井志江, “認知発達ロボティクス−構成的アプローチによる認知発達の理解と設計,” 記号創発システム論：来るべきAI共生社会の「意味」理解にむけて, 谷口忠大（編）, 新曜社, 2024.
• 長井志江, “発達障害を⾒える化するAI,” AIから読み解く社会 – 権力化する最新技術, 東京大学B’AIグローバル・フォーラム, 板津木綿子, 久野愛（編）, 東京大学出版会, 2023.
• Y. Nagai, “Social Cognition,” Cognitive Robotics, A. Cangelosi and M. Asada (Eds.), MIT Press, 2022.
• Y. Nagai, “Predictive Coding for Cognitive Development,” Encyclopedia of Robotics, M. H. Ang, O. Khatib, and B. Siciliano (Eds.), Springer, 2021.