2020 Fiscal Year Annual Research Report
| Project/Area Number |
19H04180
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
石井 信 京都大学, 情報学研究科, 教授 (90294280)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| 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 Annual Research Achievements |
〇被験者転移型デコーディングからみる個性と転移学習の神経基盤
機能的ネットワークに基づく脳活動エンコーディングモデルを構築、公開された脳波(EEG)データに適用することで、トライアル間および被験者間で共通する神経基盤について定量的評価を行った(Liang, et al., IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2020)。また、深層型の転移学習法を用いて作成した静止画刺激セットを用いた画像観視課題により、被験者15名分の機能的核磁気共鳴図(fMRI)を計測した。眼球運動との関連を調べた結果を論文として投稿した(Fujimoto, et al., submitted)。さらに、階層化された不確実環境における意思決定課題を設定し、被験者3名分のイメージング実験を完了、および行動を再現し得る人工知能モデルの構築を進めた。
〇転移学習の人工知能への応用
不完全情報ゲームに対する転移学習－強化学習のハイブリッド法の開発を継続実施した。また、深層型の敵対生成学習に基づく転移学習の定式化を行い、簡単な制御問題を用いた評価実験を進めた。さらに、敵対事例学習によるロバスト強化学習を定式化し、離散型最適決定課題をおいて従来よりも高い頑健性が得られることを示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本課題は、新型コロナ感染症に関連して実験施設が使用できなかったことにより、令和2年度から令和3年度への計画延長を行っているが、3か月間の延長により、計画は達成されている。その間にも、実験施設を必要としない人工知能パートに関する研究が進展し、今後、いくつかの論文として業績化できるものと見込んでいる。これらを総合して、「おおむね順調に進展している」と判定した。
|
| Strategy for Future Research Activity |
fMRIベース静止画観視課題を継続実施し、そのデコード解析に基づき被験者の個性に依存する因子（プライア因子）に関する神経基盤の抽出を図る。また、階層化された不確実環境における意思決定課題における解析を継続実施し、ヒトと人工知能の類似点と相違点について知見を得る。さらに、相手エージェントとの協調競合課題の設定を進める。
敵対事例学習に基づくロバスト強化学習法の開発をさらに進めるとともに、ロボットシミュレータによるマルチタスク転移課題に適用し、シミュレータにおいて、多様な状況での適切な歩容が実現可能であることを示す。
|
Research Products
(2 results)
