2015 Fiscal Year Research-status Report
認知粒度からみた自閉症とコミュニケーション：脳が他者を理解するメカニズムを探る
| Project/Area Number |
15K04078
|
|---|
| Research Institution | Miyagi University |
|---|
Principal Investigator |
小嶋 秀樹 宮城大学, 事業構想学部, 教授 (70358894)
|
|---|
| Project Period (FY) |
2015-04-01 – 2019-03-31
|
| Keywords | 自閉症モデル / 認知スタイル / コミュニケーション能力 |
|---|
| Outline of Annual Research Achievements |
本研究は，自閉症・コミュニケーション・言語や文化の成り立ちを「認知粒度」の観点から統一的なモデル化を試みるものである．この目標のため，平成27年度では，皮質にみられるミニカラム構造の解剖学的な粒度について文献調査等を進め，また，概念やカテゴリの分節化プロセスや自閉症者の認知スタイル（知覚・理解における特徴）との対応づけについてサーベイと理論的な考察を深めた．学会等においてその中間成果を報告し，当該分野の研究者との意見交換を行った．これと並行して，定型発達者・自閉症者を対象とした認知粒度に関する心理実験の準備として，情報提示デバイス（ロボット等）の準備を進めた．
ミニカラムに関する考察では，自閉症者がミクロ（微視）的な認知スタイルをもつことの理由として，Casanova らの報告するミニカラム数が多いことよりも，むしろ各ミニカラムの出力細胞が小さいためにミニカラム間の水平接続が短くなる傾向をもつことが重要であると考えた．概念学習する人工ニューラルネットにおけるユニット間の接続距離を制限した場合に，学習される概念（カテゴリ）の大きさがどのように変化するのかを調べることができる．このような見通しを立て，コンピュータシミュレーション等の準備を進めた．
これら理論面の考察と並行して，心理実験の準備として，認知粒度の異なるロボット動作やアニメーション動作を生成するための技術的な準備を進めた．マクロ的（志向的）あるいはミクロ的（因果的）に予測・理解できるようなロボット動作や図形の動きについて検討し，それを生成するプログラムの試作等を行った．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究は４年の研究期間を想定している．27年度は，ミニカラムと自閉症の関係を中心としたサーベイ研究を行った，28年度は，ミニカラムにおける情報表現について検討を進め，29年度は，情報表現モデルに基づく心理実験および「認知粒度モデル」の精緻化を行う．そして 30年度は，この「認知粒度モデル」を，他者の心を想像する能力とその由来や，言語・文化の成り立ちまで含めた統一的なモデルに拡張する．
初年度である 27年度は，ミニカラムと認知スタイルの関係について網羅的なサーベイを行い，概念やカテゴリの分節化プロセスについて，また自閉症者の認知スタイルとの連関について検討することができた．加えて，日本発達心理学会，日本特殊教育学会，人間・環境学会等において，本研究の予備的な成果を報告することができ，関連する研究者との議論をとおして，本研究のもつ可能性・射程を見通すことができ，有意義であった．また，ミニカラムによる情報表現について，さまざまな知見を集めることができ，28年度以降の研究をスムーズに推進するための準備が整った．
|
| Strategy for Future Research Activity |
今後は，つぎの２点に注力して本研究を推進していきたい．第１に，ミニカラム間の水平接続が短くなる傾向を仮定したとき，どのような概念（カテゴリ）が形成されるのかについて，人工ニューラルネットによる機械学習（とくに Deep Learning 等における特徴空間の自己最適化）と絡めてモデル化を進めていく．従来の機械学習では，すべてのユニット（本研究におけるミニカラムに該当）は他のすべてののユニットと平等に接続可能であることが多い．ここに空間的な制約（水平接続の距離的な制約）を加えることで，機械学習にどのような影響がもたらされるのかを理論化およびシミュレーション実験し，とくに概念の大きさに対する影響を解明していきたい．第2に，概念の大きさの変化が，その質的（機能的）な違いにどのように関係するのかを明らかにする．ミクロ的（因果的・物理的）な予測や理解に使える概念，あるいはマクロ的（志向的・社会的）な予測や理解に使える概念の成り立ちが，ユニット間接続距離の分布によって説明できることを実証していく．Deep Learning に代表される機械学習は「万能」かもしれないが，むしろ一定の制約を共有することで，意図や感情をベースとしたコミュニケーションが創発するのではないか．その可能性を明らかにしていきたい．
|
