2021 Fiscal Year Final Research Report

Understanding Neural Computation for Double Articulation Analysis Bridging Sensory-motor Information and Natural Language in Human Brain

Planned Research

PDF

Project Area	Correspondence and Fusion of Artificial Intelligence and Brain Science
Project/Area Number	16H06569
Research Category	Grant-in-Aid for Scientific Research on Innovative Areas (Research in a proposed research area)
Allocation Type	Single-year Grants
Review Section	Complex systems
Research Institution	Ritsumeikan University
Principal Investigator	Taniguchi Tadahiro 立命館大学, 情報理工学部, 教授 (80512251)
Co-Investigator(Kenkyū-buntansha)	久保孝富奈良先端科学技術大学院大学, 先端科学技術研究科, 准教授 (20631550) 松香敏彦千葉大学, 大学院人文科学研究院, 教授 (30466693) 田口亮名古屋工業大学, 工学(系)研究科(研究院), 准教授 (70508415) 岩橋直人岡山県立大学, 情報工学部, 教授 (90394999) 小林一郎お茶の水女子大学, 基幹研究院, 教授 (60281440)
Project Period (FY)	2016-06-30 – 2021-03-31
Keywords	ソフトコンピューティング / 知能ロボティクス / 人工知能 / 脳・神経 / 認知科学
Outline of Final Research Achievements	This study aimed to (1) develop a computational theory of an internal model that represents the computational processes of double-articulation analysis and dynamic category formation in the human brain, (2) clarify the computational processes of them in a human brain, and (3) create robots that achieve autonomous language acquisition and motor learning by accelerating joint research within the innovative research area. We established a method of simultaneous learning of Bayesian double-articulation analysis and object and place categories. A segmentation method of human actions and a relative place concept formation method were also developed. We also proposed an idea called the whole-brain probabilistic generative model for understanding and constructing an entire-brain cognitive system combining generative models.
Free Research Field	創発システム
Academic Significance and Societal Importance of the Research Achievements	音声や視覚等の観測だけから言語獲得を行う人間の認知発達を支える二重分節解析の脳内機構の計算論モデルに関して研究を行った．ロボット自らが動的に形成した物体や場所のカテゴリ情報を用いて音素や語彙の獲得を行う確率的生成モデルを明らかにした．またその脳内基盤に関して脳内の情報経路と確率的生成モデルの生成と推論の関係を対応付ける仮説を明らかにした。また共同研究に基づき脳に学び全脳の認知システムを確率的生成モデルで表現する全脳確率的生成モデルのアプローチを具体化した。これは実世界で活動する知能を創造するために脳と人工知能の対照と融合を進めるこれからの研究活動の基盤となる。