研究課題/領域番号 |
19H04180
|
研究種目 |
基盤研究(B)
|
配分区分 | 補助金 |
応募区分 | 一般 |
審査区分 |
小区分61040:ソフトコンピューティング関連
|
研究機関 | 京都大学 |
研究代表者 |
石井 信 京都大学, 情報学研究科, 教授 (90294280)
|
研究期間 (年度) |
2019-04-01 – 2022-03-31
|
研究課題ステータス |
完了 (2022年度)
|
配分額 *注記 |
17,290千円 (直接経費: 13,300千円、間接経費: 3,990千円)
2021年度: 4,940千円 (直接経費: 3,800千円、間接経費: 1,140千円)
2020年度: 5,200千円 (直接経費: 4,000千円、間接経費: 1,200千円)
2019年度: 7,150千円 (直接経費: 5,500千円、間接経費: 1,650千円)
|
キーワード | 脳型人工知能 / ブレイン・マシン・インターフェース / 模倣学習 / 強化学習 / ベイズ推定 / 意思決定 / 順逆強化学習 / 敵対事例学習 / ソフトコンピューティング |
研究開始時の研究の概要 |
脳は、個体間で共通するハードウェアとしての機能単位が階層的に存在し、その使い方の違いが個性に対応するという第一の仮説の下、機能単位の転移法を導出し、被験者転移型ブレイン・マシン・インターフェースおよび個人認証技術につなげる。また、複数の機能単位の一部が環境に適応し残りの部分は再利用可能という効果的な学習能力が、ダイナミックな環境への素早い適応と安定性を同時に実現するという第二の仮説の下、マルチタスク環境の自律的学習を可能とするアルゴリズムを導出する。二つの機能単位の関連を機能的脳イメージングにより調べると共に、効果的な学習法としての工学的評価を行う。
|
研究成果の概要 |
静止画観視課題を用いてトップダウン注意とボトムアップ注意に関わるfMRI神経基盤を明らかにすることに成功、論文化した(Fujimoto, et al., 2023)。これを発展させた、被験者のプライア因子に関する神経基盤を探る研究については、ベイズ型の画像認識モデルを構築し、個人ごとの行動の再現に成功した。階層的意思決定課題に対する階層ベイズ型のモデルを構築、階層的な不確実性の解消に関わる神経基盤を明らかにした。 敵対事例学習に中枢パターン生成器強化学習を組み合わせた新しい学習法を開発、4脚のロボットシミュレータによる歩容生成課題に適用、多様な状況での適切な歩容が実現可能であることを示した。
|
研究成果の学術的意義や社会的意義 |
覚醒脳におけるトップダウン注意の関与を実験的に調べた研究は少なく、本研究の成果は学術的意義がある。以下のように新聞報道(オンライン版)された。 https://www.nikkei.com/article/DGXZQOUC132QF0T11C22A0000000/ また、敵対事例学習に中枢パターン生成器強化学習を組み合わせた新しい学習法は、ロボットのみならず、自動車などの人工物の制御にも利用可能と期待される。この成果は制御系で最大級の国際会議IFAC 2023の招待セッションにて発表される。
|