生物学的に妥当なリカレントニューラルネットワークを用いた最適状態表現の学習

Publicly Offered Research

Project Area	Multicellular neurobiocomputing: Understanding and advancing towards biological supremacy
Project/Area Number	25H02594
Research Category	Grant-in-Aid for Transformative Research Areas (A)
Allocation Type	Single-year Grants
Review Section	Transformative Research Areas, Section (IV)
Research Institution	The University of Tokyo
Principal Investigator	森田賢治東京大学, 大学院教育学研究科(教育学部), 准教授 (60446531)
Project Period (FY)	2025-04-01 – 2027-03-31
Project Status	Granted (Fiscal Year 2025)
Budget Amount *help	¥5,330,000 (Direct Cost: ¥4,100,000、Indirect Cost: ¥1,230,000) Fiscal Year 2025: ¥2,990,000 (Direct Cost: ¥2,300,000、Indirect Cost: ¥690,000)
Keywords	再帰的ネットワーク / 状態表現 / 強化学習 / 生物学的制約
Outline of Research at the Start	生物は、感覚情報から、目標に照らして適切な特徴量を抽出して「状態」を表現し、それを用いて価値を最大化する行動を学習する。現行のAIでは、誤差逆伝播法と呼ばれる学習法が広く用いられているが、難点も多い。その一つの解決策として、本研究は、神経科学で明らかになってきた生物の学習機構を参照しつつ、工学的実装も考え得るような優れた学習法を探求し、その動作原理を明らかにしていくことを目指す。