近年、私達の脳の特性をヒントに提案されたディープラーニング（深層学習）など、ニューラルネットワークに基づく機械学習が、画像処理やゲームなどの分野で著しい成功を見せています。ところが実は、そこでヒントにされた脳の特性とは、もう半世紀も前に発見された脳の特性、具体的には大脳皮質視覚野の神経細胞の特性、でしかありません。
その後、現在までの半世紀、特にこの１０年ほどの間に、私達の脳に関する知見は急速に増大しました。しかしそれら最新の脳の知見のほぼ全てが、現在のニューラルネットワークには取り入れられていないのです。
半世紀前の視覚野の知見がディープラーニングを生んだように、現在の神経科学の最新の知見は、ディープラーニングを超える新たな人工知能を生むはずです。
ところが、もっとも重要と思われる脳の特性の多くは、簡単には現在のニューラルネットワークには適用できません。脳と、現在のニューラルネットワークの間には、根本的な違いがあり、両者は大きく異なる動作原理で動いているように見えるのです。
この違いは重要なはずです。この違いを解明しギャップを埋めることは、新しい機械学習を生み出す突破口になるはずです。そこで私たちは、実際の脳の様々な特性に着目し、それらと整合する新しい機械学習アルゴリズムやネットワーク構造を開発する研究を進めています。例えば、最新の研究では、脳のような多数のフィードバック構造を持つネットワークで、分散的に学習を実現するアルゴリズムを発見することに成功しています。
 寺前 順之介 |
|
|
|