第5回全脳アーキテクチャシンポジウム
第5回全脳アーキテクチャシンポジウム
■ 日時:2020/10/19 13:00ー17:00
■ 感想
→ 全脳参照アーキテクチャの2階層システム
記号システム+パターンシステムに分ける件
→ ニューロシステムに合わせたシステム構造をUMLで表現
Uniform Circuit, Circuit + connection
→ 意味には、脳内の自己報酬システムの存在が重要という話は
非常に腑に落ちた
■ 開催・資料
- Web 開催:
→ Web開催: Zoom Webinar
(メモ)
13:40
● 進化したWBAアプローチの現在
山川宏(WBAI)
概要:当法人では、ハッカソンなどの経験を通じて
全脳アーキテクチャの開発方法論を開拓してきた。
現在は、脳のメゾスコピックレベルのアーキテクチャについての
解剖学的構造・生理学的現象・計算機能の仮説に関する
神経科学的知見の要約した全脳参照アーキテクチャという
データ(BIF形式)の蓄積を進めている。
今後は、それを起点として、ソフトウエアの生物学的妥当性を評価しつつ、
機械学習のモジュールを開発し、
それを統合することで、
全脳アーキテクチャ・アプローチからのシステム開発を進めようとしている。
・全脳参照アーキテクチャWBRA
・2つの知能
→ AI歴史
→ 記号AI(大人の知能)、機械学習AI(子供の知能)
→
→ システム1:状況に応じて知識を利用する → 機械学習AI
→ 常識 → 知識のレパートリー
システム2:知識を流動的に組合わせて利用する → 記号AI
→ 創造 → 汎用性のための創造
-> システム1とシステム2の統合
→ 一般的なソフト開発論に合わない
→ 脳から学ぶAI → 未知のタスクに対応可能
・全脳アーキテクチャ
→ 脳の何を注目すべきか?
→ 脳型知能の粒度 → メゾスコクッピレベルの脳アーキテクチャ
→ Uniform Circuit:ディン系科学:均一なニューロ・グルーブ
・全脳参照アーキテクチャ
→ コンポネント図(UML2.0)
→ 脳全体のメゾスコクッピレベルのアーキテクチャ
→ 機能仮説(
・WNRAが駆動する脳型ソフトウェアの開発
→ 生物学的妥当性の評価
→ GPS基準 → General, Plausble, Simple
→ 認定制、簡潔さ、機能的一貫性
・WBRA
→ Brain Infomation Flow(BIF)形式
→ Uniform Circuit, Circuit + connection
15:05
● 汎用知能が持つべき性質とその評価方法
市瀬龍太郎(国立情報学研究所)
概要:人間レベルの汎用知能を構築するためには,
汎用知能の性質の理解が欠かせない.
本発表では,特化型人工知能と汎用人工知能の議論を通して,
汎用人工知能が持つべき性質を明らかにするとともに,
工学的に実現するために,
その評価をどのようにすればいいのかについての議論を行う
・汎用人工知能
→ さまざまなs記るを習得しうる知能
→ Nallow AI(特化型人工知能)
→ 異なるドメイン、高度な頒価納涼、自己問題解決能力
・人間の知能
→ 環境の刺激 → 環境の知覚、環境に動作
→ 人間をエージェントとしてモデル化(エージェントモデル)
→ センサ → 認知アーキテクチャ → アクチュエータ
→ 目標指向型好奇心エージェント
→ 好奇心(スキルが不足する場合の報酬を付加)
→ 認知アーキテクチャ → 汎用性の評価手法?
→ 知能 → 環境に影響を及ぼす機能
→ タスクベースアプローチ
→ 複雑なタスクの設定と到達度の評価
→ 現実世界を反映したさまざまな能力を評価
→ 汎用性の網羅度がタスク依存
→ 能力ベースアプローチ
→ 汎用知能に膣ような能力を設定 → 能力のカバー率
→ 前操作器
→ 人間の知能印紙 → CHC モデル
→ 言語による知能レベル
15:30
● 現在のAIの到達点と残された課題
松尾豊(東京大学)
概要:本講演では、
深層学習を中心とする近年のAI技術の進化が、
知能の仕組みを解き明かすという目的において
どのような意義をもつのかを述べる。
そして人間の知能の全体像に関する仮説について説明する。
いくつかの新しい概念の上に全体像を整合的に説明できると考えており、
そうした概念について説明したあと、
今後進めるべき研究についても述べる。
・人工知能 → シンボルの世界、パターンの世界
→ 2階建アプローチ
→ 世界モデル → 未来をシミュレーション
→ モデルフリー強化学習から
→ 言語処理 BART → GPT-3(意味の理解が無い)
→ 抽象的な言語タスク 動物OS
→ メンタルキャンバス
→ アルゴリズム蒸発 → 階層的プランニング(行動のチャンク化)
→ アルゴリズムの関数近似 → 結果を教師データに使う
→ 言語各週の多様性 −>アルゴリズムの多様性
→ Neural Agent Model → 自己レポートタスク
15:55
● 脳とAIの接点から何を学びうるのか
銅谷賢治(OIST)
概要:MRIや2光子顕微鏡、
単一細胞RNA-seqなどの実験技術の進歩により、
超高次元の脳データから科学的知見や臨床マーカーを得る上で、
統計的機械学習などのAI技術の活用は今や不可欠のものとなりつつある。
一方で、脳科学の知見を次世代のAI開発にどう活かすことができるだろうか?
本講演では、エネルギー効率、データ効率、自律性と社会性に着目し、
その脳での原理の解明と次世代AIへの活用の可能性を議論する。
・強化学習
・人工知能が脳から学ぶこと
→ エネルギ効率、データ効率、自律性と社会性
・データ効率
→ モデルベース教科学習:PILCO
→ 脳内シミュレーション
→ 行動による身体や環境の状態変化の予測モデル
→ 認知行動機構
16:20
● パネル討論「(仮)今のAIに足りないもの」
モデレータ:高橋恒一(理研) パネリスト:銅谷賢治、松尾豊、市瀬龍太郎
・人工知能の評価
→ テスト項目の決定 → 問題に特化されて評価されてしまう
→ ロバストな知能 → 知能は機能(モノでは無い)
・学習は計算の簡略化
・言語の重要性
→ 世界モデルの構築 → 言語で入出力の生成
→ 言語による現実の抽象化
以上