理論神経科学・非平衡系数理グループ
寺前 順之介（准教授）
ものを見る、声を聞き分ける、手を動かすなど、私達が日々、ほとんど無意識に行う動作の多くは、私達の脳が行っている高度な情報処理の帰結です。脳は約千億もの神経細胞（ニューロン）が、シナプスと呼ばれる結合部位で繋がり合う超巨大ネットワークで、このネットワーク上でのニューロン同士の情報伝達の総体が私達の「思考」や「判断」の実体であり、その情報伝達が引き起こすシナプスネットワークの変化が私達の「記憶」や「学習」の実体です。
近年急速に発展しつつある深層学習などの人工知能も、生物の脳を参考に提案された「ニューラルネットワーク」を用いて実現されています。しかし大きな成功を収めつつある深層学習でも、その動作の柔軟性や多様性、あるいは学習や推論に必要なエネルギーや計算量など多くの面において、まだ私達人間を含む生物の脳には及ばず、人工ニューラルネットワークによる機械学習と生物の脳の学習メカニズムの間には大きな溝があると考えられています。
現在、実験技術と、そこで得られたデータを解析する計算技術や機械学習技術の大幅な技術革新により、これまで実際に測定することが不可能だった脳の中のニューロン活動やシナプス変化を大規模かつ詳細に測定することが可能になり始めました。その結果、脳が現在の深層学習などと比べて、極めて柔軟でダイナミックに動作し、さらに確率性を巧妙に利用するシステムであることがわかってきました。つまり、脳の動作原理を解明するには、「動的で確率的な情報処理」を数理的に解明する情報科学が重要なのです。
しかし脳のような極めて大規模で確率的システムがどのような特性を持ち、どのような学習や情報処理を可能にするのかの理解はまだ発展途上であり、ダイナミックで確率的な情報処理を理解し、記述し、人工的に作り出すための数理的手法は未解明です。
この問題を解決し、脳の情報処理と学習原理を理解すること、さらに、深層学習など最新の人工知能を超える、真に脳型の人工知能と学習アルゴリズムをつくりだすことが私達の研究の目標です。
そこでは、非線形性、確率性、揺らぎ、自発性、時間発展、高次元の情報表現などが鍵になると期待されます。それらを扱う新しい数理科学を構築し、脳科学、数理科学、物理学、機械学習、人工知能などへと展開することを目指した研究を行っています。
詳しくは、私個人のページや以下の研究紹介をご覧下さい。