| 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 |
16H06562
|
|---|
| 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 |
松尾 豊 東京大学, 大学院工学系研究科(工学部), 教授 (30358014)
|
|---|
| 研究分担者 |
PRENDINGER HELMU 国立情報学研究所, コンテンツ科学研究系, 教授 (40390596)
中山 浩太郎 東京大学, 大学院工学系研究科(工学部), 学術支援専門職員 (00512097)
|
|---|
| 研究期間 (年度) |
2016-06-30 – 2021-03-31
|
| キーワード | 深層学習 / 深層生成モデル |
|---|
| 研究成果の概要 |
深層学習と記号処理の融合に関して、深層強化学習の手法を構築すると共に環境や相互作用のモデルを獲得する世界モデルの研究を行った。研究の前半では、アイディアが先に論文化されることが相次ぎ深層学習領域のスピードの速さに苦しんだが、中間審査の指摘を踏まえ、後半では研究テーマを修正し、ICLRやICMLなどのトップ国際会議での多くの論文成果につなげることができた。具体的には、マルチモーダルな深層生成モデル、あるいは世界モデルを活用するためのデプロイ効率的な強化学習の手法などである。また、最終年度には大脳皮質の自己教師あり学習の新しいモデルを提案する等、脳科学と人工知能の融合の面でも大きな進展があった。
|
| 自由記述の分野 |
人工知能
|
| 研究成果の学術的意義や社会的意義 |
世界モデルの研究は、現在の深層学習を記号処理と融合する際に基盤となるものである。そのための手法を多面的に研究し、例えば、マルチモーダルな深層生成モデルでは、複数のモーダルが与えられたときに、一部のモーダルで欠損があったときにどのように復元するかという問題を扱った。深層強化学習の分野では、モデルに基づく手法とモデルフリーな手法があるが、この両者の良いとこ取りをするデプロイ効率な手法を提案した。世界モデルの技術は、意味理解を可能とする人工知能につながり、また人工知能と脳科学の融合の土台となる可能性が高く、学術的な意義は大きい。また、今後ロボット等への活用につながれば社会的な意義も大きい。
|
