応用脳科学アカデミーアドバンスコース「脳とAI」第1回(銅谷先生・寺前先生・合原先生
タイトル「人工知能は脳から何を学べば良いのか」
講師紹介
銅谷 賢治(どうや けんじ)先生
-
【現職】
-
沖縄科学技術大学院大学 神経計算ユニット 教授
【経歴】
- 1961年東京生まれ.東京大学卒,博士(工学).東大工学部助手から1991年にサンディエゴに移りソーク研究所などで脳科学を学ぶ.1994年から京都のATR研究所にて自ら行動を学習するロボットの開発と,脳の学習のしくみの研究を行う.2004年に沖縄に渡り沖縄科学技術大学院大学 (OIST) 先行研究代表研究者、2011年OIST開学とともに神経計算ユニット教授,副学長に就任.2008年Neural Networks誌共同編集長.2011年「予測と意思決定」、2016年「人工知能と脳科学」新学術領域代表.2007年学術振興会賞,塚原仲晃賞,2012年文部科学大臣表彰科学技術賞,2018年国際神経回路学会Donald O. Hebb賞,2019年日本神経回路学会学術賞,アジア太平洋神経回路学会卓越業績賞受賞.2019年Ironman Taiwan年代別2位入賞.
-
【研究概要】
強化学習アルゴリズムの開発とその脳内機構の解明をめざし、自律学習進化ロボット、大農基底核による強化学習、セロトニンによる神経修飾、脳内シミュレーションの神経回路機構などの研究に取り組んでいる。
-
【主な業績】
- Taniguchi T, Yamakawa H, Nagai T, Doya K, Sakagami M, Suzuki M, Nakamura T, Taniguchi A (2021). Whole brain Probabilistic Generative Model toward Realizing Cognitive Architecture for Developmental Robots. arXiv preprint arXiv:2103.08183.
- 高橋英彦, 山下祐一, 銅谷賢治 (2020). AIと脳神経科学―精神神経疾患へのデータ駆動と理論駆動のアプローチ. Clinical Neuroscience, 38, 1358-1363.
- 銅谷賢治, 松尾豊 (2019). 人工知能と脳科学の現在とこれから. Brain and Nerve, 71, 649-655.
- Doya K, Taniguchi T (2019). Toward evolutionary and developmental intelligence. Current Opinion in Behavioral Sciences, 29, 91-96.
- Miyazaki K, Miyazaki KW, Yamanaka A, Tokuda T, Tanaka KF, Doya K (2018). Reward probability and timing uncertainty alter the effect of dorsal raphe serotonin neurons on patience. Nature Communications, 9:2048.
- Tokuda T, Yoshimoto J, Shimizu Y, Okada G, Takamura M, Okamoto Y, Yamawaki S, Doya K (2018). Identification of depression subtypes and relevant brain regions using a data-driven approach. Scientific Reports, 8, 14082.
- Fermin AS, Yoshida T, Yoshimoto J, Ito M, Tanaka SC, Doya K (2016). Model-based action planning involves cortico-cerebellar and basal ganglia networks. Scientific Reports, 6, 31378.
- Funamizu A, Kuhn B, Doya K (2016). Neural substrate of dynamic Bayesian inference in the cerebral cortex. Nature Neuroscience, 19, 1682-1689.
- Ito M, Doya K (2015). Distinct neural representation in the dorsolateral, dorsomedial, and ventral parts of the striatum during fixed- and free-choice tasks. Journal of Neuroscience, 35, 3499-3514.
- Elfwing S, Doya K (2014). Emergence of polymorphic mating strategies in robot colonies. PLoS One, 9(4), e93622
- Samejima K, Ueda K, Doya K, Kimura M (2005). Representation of action-specific reward values in the striatum. Science, 301, 1337-1340.
- Doya K (2002). Metalearning and neuromodulation. Neural Networks, 15, 495-506.
- Doya K (1999). What are the computations of the cerebellum, the basal ganglia, and the cerebral cortex. Neural Networks, 12, 961-974.
開催概要
- 講義内容
-
今日の人工知能は、パターン認識やゲームなど特定の課題では人間を超える性能を実現していますが、総合的に見ると人間や脳には遠く及ばない面がいくつもあります。特徴的なのは、1) 約20ワットと言われる低エネルギー消費で高度な知能を実現していること。2) 少ない数の経験/データから効率よく学習ができること。3) 自らの欲求と関心に応じて社会の中で自律的に行動できること、です。
これらを実現している脳のしくみは、すぐに人工知能に応用できるような形でわかっているわけではありません。しかし動物の行動学習や人間の知能発達のしくみが本当に理解できれば、それを人工知能として実装することは十分可能なはずです。逆に言えば、脳から類推した仕組みで設計した人工知能が人間と同じような行動や知能を獲得することができれば、私たちは脳の仕組みを本当に理解したと言えるでしょう。
この講演では、このような脳や知能のしくみの解明と、その人工知能としての実現を同時並行的にめざす研究を紹介したいと思います。その中から、皆さんもこういう研究や探索をしてみたいと思うようなきっかけが見つかることを期待しています。
- 日時
- 2021年8月24日(火)13:00~17:30(12:40より受付開始)
※銅谷先生の講義は、13:00~14:10です。
- 場所
- オンライン開催
- お問い合わせ先
- 本アカデミーに関するご質問等は、応用脳科学コンソーシアム事務局ホームページの ▶ お問い合わせフォームより、お問い合わせください。
タイトル「揺らぎを活かす脳の計算学習理論」
講師紹介
寺前 順之介(てらまえ じゅんのすけ)先生
-
【現職】
- 京都大学 大学院情報学研究科 先端数理科学専攻 非線形物理学講座 准教授
【経歴】
- 1998年 京都大学理学部卒業
- 2003年 京都大学理学研究科博士課程修了 理学博士
- 2003年 – 2005年 玉川大学学術研究所 研究員
- 2005年 – 2008年 独立行政法人理化学研究所 脳回路機能理論研究チーム 研究員
- 2008年 – 2010年 独立行政法人理化学研究所 脳回路機能理論研究チーム 基礎科学特別研究員
- 2009年 – 2013年 科学技術振興機構さきがけ研究員(兼任)
- 2010年 – 2012年 独立行政法人理化学研究所 脳回路機能理論研究チーム 副チームリーダー
- 2012年 – 2018年 大阪大学 情報科学研究科 准教授
- 2018年 – 京都大学 情報学研究科 准教授
-
【研究概要】
数理的観点から脳の計算原理を探求する研究を行っている。特に大脳皮質の確率的な自発活動の生成メカニズムやダイナミクスと機能に着目することで、既存の機械学習や人工知能の限界を超える、自発性や確率性を活かす脳型計算機の構築と学習理論の解明を目指している。
-
【主な業績】
- "Optimal spike-based communication in excitable networks with strong-sparse and weak-dense links", J Teramae, Y Tsubo, T Fukai, Scientific reports 2 (1), 1-6
- "Local cortical circuit model inferred from power-law distributed neuronal avalanches", J Teramae, T Fukai, Journal of computational neuroscience 22 (3), 301-312
- "Stochastic phase reduction for a general class of noisy limit cycle oscillators", J Teramae, H Nakao, GB Ermentrout, Physical review letters 102 (19), 194102
論文
- 「数理のクロスロード(第13回)脳と知能の数理:理論神経科学の最前線(1)神経細胞の数学」, 寺前 順之介, 数学セミナー 58(1) 70 - 73 2019年1月
- 「数理のクロスロード(第14回)脳と知能の数理:理論神経科学の最前線(2)神経細胞ネットワークの数学」, 寺前 順之介, 数学セミナー 58(2) 72 - 75 2019年2月
- 「数理のクロスロード(第15回)脳と知能の数理:理論神経科学の最前線(3)ニューラルネットワークの構造と機能」, 寺前 順之介, 数学セミナー 58(3) 56 - 59 2019年3月
解説・総説
開催概要
- 講義内容
- 脳は約千億のニューロンがそれぞれ数千のシナプスを介して互いに結合し合う巨大なネットワークである。興味深いことに脳内では、ニューロンの活動とシナプスの変化との両方が、自発性に、しかもランダムに動作することが分かっている。例えばこのニューロンの自発活動だけで、脳の消費エネルギーの8割以上が使用されているという概算もある。なぜ脳は膨大なエネルギーを消費してまでこのようなランダムな活動を持続しているのだろうか?なぜ高い精度と信頼性を持つ生物の情報処理が、このようなランダムな基盤の上に実現され得るのだろうか?この講義ではこのランダムな自発活動を軸に、ランダムさを利用する脳の計算原理と学習メカニズムに関する最新の研究成果を紹介する。
- 日時
- 2021年8月24日(火)13:00~17:30(12:40より受付開始)
※寺前先生の講義は、14:20~15:30です。
- 場所
- オンライン開催
- お問い合わせ先
- 本アカデミーに関するご質問等は、応用脳科学コンソーシアム事務局ホームページの ▶ お問い合わせフォームより、お問い合わせください。
タイトル「複雑系数理モデル学とニューロインテリジェンス」
講師紹介
合原 一幸(あいはら かずゆき)先生
-
【現職】
- 東京大学 特別教授/名誉教授
【経歴】
- 1977年 東京大学工学部電気工学科卒業.
- 1982年 同大学大学院工学系研究科電子工学専攻博士課程修了.工学博士.
- 1982年 日本学術振興会奨励研究員(東京大学工学部計数工学科)
- 1983年 東京電機大学工学部電子工学科 助手.
- 1986年 東京電機大学工学部電子工学科 専任講師.
- 1988年 東京電機大学工学部電子工学科 助教授.
- 1993年 東京大学工学部計数工学科 助教授.
- 1995年 東京大学大学院工学系研究科計数工学専攻 助教授.
- 1998年 東京大学大学院工学系研究科計数工学専攻 教授.
- 1999年 東京大学大学院新領域創成科学研究科複雑理工学専攻 教授.
- 2003年 東京大学生産技術研究所 教授.
- 2020年 東京大学 特別教授.
- 2020年 東京大学 名誉教授.
この間,JST ERATO合原複雑数理モデルプロジェクト 研究総括,内閣府/JSPS FIRST 最先端数理モデルプロジェクト 中心研究者,東京大学最先端数理モデル連携研究センターセンター長等を務めるとともに,現在,東京大学国際高等研究所ニューロインテリジェンス国際研究機構副機構長,内閣府/JST ムーンショット型研究開発事業 プロジェクトマネージャー,理化学研究所革新知能統合研究センター特別顧問,科学技術振興機構研究開発戦略センター特任フェロー,同未来社会創造事業テーママネージャー等を兼務している.
-
【研究概要】
複雑系数理モデリングのための理論構築およびその広範な科学技術分野への応用に関する研究を、主として数理工学とカオス工学の観点から行って来ている。特に、複雑系の数理モデリングと解析のために、(1) 複雑系制御理論、(2) 複雑ネットワーク理論、および (3) 非線形データ解析とデータ駆動モデリングの3つの柱からなる理論的プラットフォームを構築した。現在、ニューロインテリジェンスの実現を目指して、脳に関する神経科学・臨床研究と次世代AIを、脳の複雑ダイナミクスの数理モデリングとデータ解析によって橋渡しする研究に従事している。
-
【主な業績】
- P. Chen, et al., "Autoreservoir Computing for Multistep Ahead Prediction based on the Spatiotemporal Information Transformation," Nature Communications, Vol.11, Article No.4568, pp.1-15 (2020).
- S. Leng, et al., "Partial Cross Mapping Eliminates Indirect Causal Influences," Nature Communications, Vol.11, Article No.2632, pp.1-9 (2020).
- K. Koizumi, et al., "Identifying Pre-disease Signals Before Metabolic Syndrome in Mice by Dynamical Network Biomarkers," Scientific Reports, Vol.9, Article No.8767, pp.1-11 (2019).
- 合原一幸 編著:「人工知能はこうして創られる」,ウェッジ (2017).
- H. Ma, et al., "Randomly Distributed Embedding Making Short-term High-dimensional Data Predictable," Proceedings of the National Academy of Sciences of the United States of America, Vol.115, No.43, pp.E9994-E10002 (2018).
- T. Inagaki, et al., "A Coherent Ising Machine for 2000-node Optimization Problems," Science, Vol.354, No.6312, pp.603-606 (2016).
- P.L. McMahon, et al.: "A Fully-programmable 100-spin Coherent Ising Machine with All-to-all Connections," Science, Vol.354, No.6312, pp.614-617 (2016).
- 合原一幸 編著:「暮らしを変える驚きの数理工学」,ウェッジ (2015).
- K. Aihara: "Chaos Engineering and its Application to Parallel Distributed Processing with Chaotic Neural Networks," Proceedings of the IEEE, Vol.90, No.5, pp.919-930 (2002).
- L. Chen and K. Aihara: "Chaotic Simulated Annealing by a Neural Network Model with Transient Chaos," Neural Networks, Vol.8, No.6, pp.915-930 (1995).
- K. Aihara, T. Takabe, and M. Toyoda: "Chaotic Neural Networks," Physics Letters A, Vol.144, No.6/7, pp.333-340 (1990).
開催概要
- 講義内容
- 本講義では、複雑系制御理論、複雑ネットワーク理論、非線形データ解析理論、データ駆動モデリング等の複雑系数理モデル学の基礎理論とその応用に関して概説するとともに、ニューラルネットワーク理論やニューロモルフィックハードウェアなどのニューロインテリジェンス(neurointelligence)への応用可能性について議論する。
- 日時
- 2021年8月24日(火)13:00~17:30(12:40より受付開始)
※合原先生の講義は、15:40~16:50です。
- 場所
- オンライン開催
- お問い合わせ先
- 本アカデミーに関するご質問等は、応用脳科学コンソーシアム事務局ホームページの ▶ お問い合わせフォームより、お問い合わせください。