| 研究領域 | 人工知能と脳科学の対照と融合 |
|---|
| 研究課題/領域番号 |
19H04977
|
|---|
| 研究種目 |
新学術領域研究(研究領域提案型)
|
| 配分区分 | 補助金 |
|---|
| 審査区分 |
複合領域
|
|---|
| 研究機関 | 筑波大学 |
|---|
研究代表者 |
井澤 淳 筑波大学, システム情報系, 准教授 (20582349)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
11,440千円 (直接経費: 8,800千円、間接経費: 2,640千円)
2020年度: 5,590千円 (直接経費: 4,300千円、間接経費: 1,290千円)
2019年度: 5,850千円 (直接経費: 4,500千円、間接経費: 1,350千円)
|
|---|
| キーワード | 運動学習 / 計算論的運動制御 / 計算論的神経科学 / 強化学習 / メタ学習 / 運動制御 |
|---|
| 研究開始時の研究の概要 |
メタ学習機構に着目し，運動学習における強化学習と順モデル学習の相互作用の脳内基盤を，計算論に基づいた運動学習実験と脳機能イメージングを用いて明らかにする．具体的には、以下の点を明らかにする．
1: 運動学習スピードのメタ学習における報酬の役割を計算論と行動実験により明らかにする．
2: 運動学習スピードのメタ学習に関わる脳内責任部位をfMRI実験により特定する．
3: 報酬による運動学習に関わる探索ノイズパラメータ調整に関わる脳内ネットワークをfMRI実験により特定する．
|
| 研究実績の概要 |
近年の人工知能研究では，新しい環境やタスクに直面しても素早い学習を可能にするための「メタ学習（学習のための学習）」の開発が注目を集めている．これら論文の序論では，ヒトの持つ高いメタ学習能力を模倣することによって人工知能のメタ学習を実現する研究戦略が記されているが，実際にはメタ学習の脳内基盤は十分には明らかになっていない．特に，運動学習においては，環境の統計的性質や情動が学習スピードを向上させる現象が報告されている．しかし，これら現象を統一的に説明する運動学習における「メタ学習」の計算原理と脳内基盤は全く明らかになっていない．
本研究の目的はヒトが環境やタスクに応じて適応的に学習パラメータ（学習スピードや探索ノイズ）を調整する脳内メカニズムを，人工知能分野で開発が進んでいるメタ学習機構との対照を通じて，数理モデルの構築，行動実験、脳機能イメージングから多角的に解明することを目的とする．．本研究では，記憶の更新量に応じて報酬を制御する新しい運動メタ学習実験パラダイムを開発し，行動データと脳機能イメージングデータの解析や計算論的モデルとの比較を通じて，脳における運動メタ学習機構の統一的な理解を行う．
これまでの研究で、誤差情報の観測の有無によって、運動学習スピードが変化するような条件を発見した。このようなメタ学習に加えて、環境の変動性がどのように運動学習のスピードに影響を与えるのかに関する計算論的モデルを提案した。
報酬駆動型の運動学習中の脳機能イメージングデータを用いて、DCM解析を行い、運動学習に関わる脳部位間の機能的結合を明らかにした。さらに、動物実験へつなげるために、マウス用のロボットマニピュランダムを開発した。
|
| 現在までの達成度 (段落) |
令和2年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和2年度が最終年度であるため、記入しない。
|
