内発的動機付けと社会性の統合による自然強化学習の実現

• 研究課題/領域番号: 20H04259
• 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: 東京電機大学
• 研究代表者: 高橋 達二 東京電機大学, 理工学部, 准教授 (00514514)
• 研究分担者: 甲野 佑 東京電機大学, 理工学部, 講師 (10870313) ; 玉造 晃弘 東京電機大学, 理工学部, 研究員 (10876361) ; 太田 宏之 防衛医科大学校(医学教育部医学科進学課程及び専門課程、動物実験施設、共同利用研究施設、病院並びに防衛, 薬理学, 講師 (20535190) ; 浦上 大輔 日本大学, 生産工学部, 准教授 (40458196) ; 大用 庫智 関西学院大学, 総合政策学部, 講師 (60755685)
• 研究期間 (年度): 2020-04-01 – 2023-03-31
• 研究課題ステータス: 交付 (2021年度)
• 配分額: 17,810千円 (直接経費: 13,700千円、間接経費: 4,110千円); 2021年度: 5,200千円 (直接経費: 4,000千円、間接経費: 1,200千円); 2020年度: 7,410千円 (直接経費: 5,700千円、間接経費: 1,710千円)
• キーワード: 強化学習 / 満足化 / 採餌行動 / 社会学習 / 行動経済学 / 限定合理性

研究開始時の研究の概要

囲碁やビデオゲームなどで人間を上回る性能を見せている「人工強化学習」に対して、人間や動物の社会性や動機付け、環境の探索方法を組み込んだ「自然強化学習」を提案する。人工強化学習では、無数の致命的な失敗(＝死)なしには学習が行えず、大量の個体集合で解決を図る。他方人間や多くの動物は、他個体の学習状況を観察して自らの内発的・外発的動機付けを調整し、結果、無駄な死も避ける。社会性を組み込んだ高効率な「自然強化学習」の理論とモデルを構築し、それを動物や人間の実験で検証するとともに、工学的な応用も実現する。