全脳アーキテクチャ勉強会第２回（山川）

パネリスト：酒井宏，得居誠也，一杉裕志，松尾豊 (進行：山川宏)

1 2014/1/30 第2回全脳アーキテクチャー勉強会

AIで未実現の知能は，大脳新皮質の表現学習に関連

理想的な知能

(計

算できない

)

D：人の新皮質が現状Deep Learning(DL)より優れている知能 α： DLと無関係に，AIが人レベルではない知的機能の集合

実現可能な知能

汎用性

創造性

直観

人工知能人の知能

α D

情報評価 (扁桃体)

強化学習 (大脳基底核)

制御理論 (小脳) 効率的な，

四則演算，論理推論

大量データからの検索

パターン認識

Deep Learning (DL)

2

Human-Level AI

2014/1/30 第2回全脳アーキテクチャー勉強会

AIで未実現の知能は，大脳新皮質の表現学習に関連

理想的な知能

(計

算できない

)

D：人の新皮質が現状Deep Learning(DL)より優れている知能 α： DLと無関係に，AIが人レベルではない知的機能の集合

実現可能な知能

汎用性

創造性

直観

人工知能人の知能

α D

情報評価 (扁桃体)

強化学習 (大脳基底核)

制御理論 (小脳) 効率的な，

四則演算，論理推論

大量データからの検索

パターン認識

Deep Learning (DL)

3

Human-Level AI

WBAは，最初に人を超えるAIを実現しうる有力な

アプローチ．


人工知能学会2014年5月号： 1. AGI概観： Ben Goertzel氏 2. ＡＧＩへの期待：松原仁氏 3. 2045年に何が起こるのか：松田卓也 4. ユニバーサルＡＩ(AIXI)解説：相澤先

生，小林先生 5. AGI-13の会議報告：荒川様・ジェプ

カ様 6. 輪読会の状況報告：山川・市瀬 7. ＡＧＩのロードマップ：篠田様訳


現状の情報技術で未解決／未解明の計算機能はどこに？創造性，汎用性，直観など

要素的技術のレベル ◦ 神経科学：局所神経回路 ◦ 情報技術：自己組織化マップ(SOM)，多層パーセプトロン(MLP），独立成分分析

統合アーキテクチャ技術のレベル ◦ 神経科学：領野間結合，大脳基底核／海馬などの連携 ◦ 情報技術：強化学習，Deep Learning, 認知アーキテクチャー,


• 梟に学ぶ静音パンタグラフ • ハスの葉に学ぶ超撥水 • パーセプトロン • 海馬のシータ位相歳差から情報

表現を学んだ．

•高齢者転倒原因解明 •触覚を用いて人を抱き上げるロボット •人の直観を活かす環境の構築

医療工学などをはじめとして多くの応用がある．生物に学ぶ

要素技術

① ② ③ ④

生物から離れた応用 [工学] (性能に価値あり)

生物に活かす応用(医療等) [理学] (知ることに価値あり)

生物に学ぶ総合技術

機能を機構に対応させやすい


AIにおける本質的な未解決問題(基本問題)は ◦ フレーム問題

◦ シンボルグラウンディング問題

いずれも表現獲得に係る．


1. 新皮質モデルの表現獲得能力

2. 脳制約はガイドたりうるか(足枷ではなく) なぜ脳を真似るのか？

3. WBAのベンチマークとロードマップ


Deep Learningはどのように成功したか ◦ 脳にガイドされた部分はあるのか，それは何か？

現状モデル(Deep Learning)の限界は何か？

限界はどのように突破されうるか？ ◦ さらに脳に学ぶ必要があるのだろうか？


そもそも脳から学ぶ工学的な価値は何か？

脳のガイドのもとに新たな要素技術は生み出せるか？

脳にガイドされた統合技術は可能なのか？ ◦ Deep Learningは脳に学んだ統合アーキテクチャの例か？

どこまで脳に似せておけば，脳がガイドとして機能すると期待できるか？

10

脳制約足枷論：工学にとって，脳を真似ることは単なる足枷でしかない．しかも脳科学を学ぶのは骨が折れる


汎用的なWBA技術の評価ベンチマークはどうあるべきか？

そして段階的に何を目標として進んでいくべきか？

ベンチマーク自体が汎用である必要があるか？ ◦ 汎用のベンチマーク： Robocup@Homeのような ◦ 特化したベンチマーク：特定の課題


Technology

全脳アーキテクチャ勉強会 第２回 （山川）

全脳アーキテクチャ勉強会第２回（山川）