Decision making model based on hierarchical networks and its applications to brain machine interface

2018 Fiscal Year Final Research Report

• Project/Area Number: 16H02873
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Single-year Grants
• Section: 一般
• Research Field: Soft computing
• Research Institution: Kyoto University
• Principal Investigator: Ishii Shin 京都大学, 情報学研究科, 教授 (90294280)
• Project Period (FY): 2016-04-01 – 2019-03-31
• Keywords: 脳型人工知能 / ブレイン・マシン・インターフェース / 順逆強化学習 / 模倣学習 / ソフトコンピューティング

Outline of Final Research Achievements

By applying hierarchical inverse reinforcement learning techniques to worm and human behavioral data, we found worms (C. elegans) has two kinds of adaptation strategies, exploration and exploitation, enabling adaptation to dynamic environments, and human has hierarchical decision makers to make appropriate decisions in uncertain environments. By performing decoding studies based on human EEG and fMRI data, we found saliency features of movies can be decoded from human EEG, and moreover, DTI-based transformation is effective in subject-transfer decoding of visual attentions.

Free Research Field

人間情報学

Academic Significance and Societal Importance of the Research Achievements

動物や人間の環境適応能力の同定は、自然科学のみならず、人間と共存する機械（人工知能）の開発（工学）において重要である。本研究では、動物の見まね学習を数理モデル化した「順逆強化学習」のアルゴリズムを導出し、それを、動物および人間の行動データに適用することに成功した。また、モデルを用いたデコーディング法を開発し、視覚注意課題に適用した。その成果は、脳と機械を直接つなぐブレイン・マシン・インターフェースの開発につながる。