| 研究領域 | 時間生成学―時を生み出すこころの仕組み |
|---|
| 研究課題/領域番号 |
19H05306
|
|---|
| 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 | 東京大学 |
|---|
研究代表者 |
池上 高志 東京大学, 大学院総合文化研究科, 教授 (10211715)
|
|---|
| 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 |
6,110千円 (直接経費: 4,700千円、間接経費: 1,410千円)
2020年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
2019年度: 2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
|
|---|
| キーワード | 深層学習 / 主観的時間 / GAN / 認知地図 / 内部表象 / 脳のモデル / インスタレーション / place cell / Mind Time / Libet / ニューラルネットワーク |
|---|
| 研究開始時の研究の概要 |
多様で多重に入力を受け付ける人工システムの中でどのようなシステム固有の時間から発生しうるか、その定量化とともに、発生する時間を構成論的に解明することを目的とする。特に、ここでは結合したビデオフィードバック・システムを実際に構築し、そのシステムが生成する時間構造を解析する。
|
| 研究実績の概要 |
時間生成学の前期の公募研究で、以下のような結果と考察を得ることができた。
A.主観時間の収縮のひとつの可能なメカニズムの提案。深層学習のモデルを用いて、仮想的な地図の中を動き回るロボットを用いて、実際の脳にみられるような「認知地図」を自己組織化させ、その地図の上につくられる「主観時間」について考察した。そこで深層学習のアーキテクチャーを3種類試すことにより、時間の潜在空間への埋め込まれ方の違いについて報告した。潜在空間における時間の空間化（時間の変化を風景の変化とみなしたときの時間の経過）という新しいアイディアを得ることができた。
次に深層学習ではあるが、再帰的な結合のあるニューラルネットワーク(RNN)を用いて、同様のことを調べた。学習過程における認知地図の変化を調べ、認知地図の圧縮が生じそれが分岐される地点と, 単に圧縮される地点の二種類が生まれることを見出した。 分岐していくのは、学習における注意がその地点に形成されていくことと関連していると考えられる. 学習初期から安定して圧縮が生じている, すなわち注意が形成されている地点は、認知地図形成におけるランドマークとなっていると解釈できる.
B.主観時間の収縮のデモとして、MTMを開発中（これは後期の新学術に持ち越された）。人の実効的なフレームレートは30-60 fps (frame reate per second)と言われているが、ここでは240fpsを用いて、被験者が高fps、低fpsの違いを知覚できるか、を調査した。またこの過渡的成果として、入力映像のフレームレートを変更する仕組みを組み込んだシステムを設計した。また、フレームの順番をランダムに入れ替えて、それが知覚される限界を解析した。
|
| 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。
|
