2018 Fiscal Year Annual Research Report
脳情報動態に学んだ非同期並列情報処理アーキテクチャの提案と実証
| Project Area | Brain information dynamics underlying multi-area interconnectivity and parallel processing |
|---|
| Project/Area Number |
17H06315
|
|---|
| Research Institution | Institute of Physical and Chemical Research |
|---|
Principal Investigator |
高橋 恒一 国立研究開発法人理化学研究所, 生命機能科学研究センター, チームリーダー (20514508)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山川 宏 東京大学, 大学院医学系研究科(医学部), 客員研究員 (00417495)
|
|---|
| Project Period (FY) |
2017-06-30 – 2022-03-31
|
| Keywords | 脳型人工知能 / 新皮質マスターアルゴリズム |
|---|
| Outline of Annual Research Achievements |
本研究では、脳の領野間結合様式と時空間的に階層的な情報動態にヒントを得た、新たな非同期並列型の情報処理アーキテクチャを提案、実装、実証することを目的としている。具体的には、次の各項目について研究を進めている； a）脳の高次機能の計算モデルを実装し評価するための、神経科学知見の調査とその整理、特に新皮質マスターアルゴリズムフレームワーク(Cortical Master Algorithm Framework, MAF）の検討、b) MAFに基づいた計算モデルの実装と評価、c) 脳型AI基盤ソフトウエアBriCAをMAFに対応させるためのアーキテクチャ記述方法および実行方法の開発、d) 脳型AI が学習するための仮想の3 次元空間空間内のロボットの動作のシミュレータの開発。このうち、(a)と(d)は山川（東大）が、(c)は高橋（理研）が担当し、(b)に関しては高橋と山川が合同で取り組んでいる。(b)においては、具体的には(1)階層化Variational Recurrent Neural Network (HVRNN)モデル、および(2)Fristonの自由エネルギー原理に基づいたモデルの開発あるいは検討を行った。これまでに、(a)新皮質マスターアルゴリズムフレームワークのたたき台の整備および既存アルゴリズムの対応状況の調査を完了し、(b)HVRNNの実装を行い、実験と評価を行ったほか、自由エネルギー原理に対応した新規モデルの検討を行った。(c)BriCAおよび脳型アーキテクチャ記述言語処理系の開発を行ったほか、(d)環境シミュレータとそのサンプル環境およびサンプルエージェントの作成を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2018年度は、a)に関しては1) 脳の大局的ネットワークと「意識的」意思決定の関連調査、2) 評価方法についての調査、3) 大脳諸領域の機能調査を行い全体像を把握した。b）に関しては2017年度に試作した階層化HVRNNに対し実験と評価を行った。簡単な動画像の認識課題において、潜在変数においてスパース性の高いDisentangle された表現が得られ、潜在変数の予測により、表現の各階層間での表現するファクターの分離が可能であることを示した。また眼球運動課題において視覚時系列情報から運動パラメータのデコードができることを示した。VRNNにより新皮質の局所回路を外部からみた挙動としては、MAFにおける単純状態保持およびプッシュダウンオートマトン機能を除いて再現できたが、新皮質としては内部構造が複雑すぎるため、生物学的妥当性を向上には限界が見えてきた。自由エネルギー原理ベースモデルに関しては、まず変分オートエンコーダを応用したモデルを高次元の入出力に対応させようとしたが、この方法では状態の観測と、生成モデルが分離されてしまい、自由エネルギー原理のコンセプトから離れることが判明した。そこで、非負値行列因子分解など既存の確率モデルをベースにモデルを作成し直し、モデルの改善を行っている。c)BriCA基盤ソフトウエアの開発では(a)(b)の進捗に対応するためのコードベースのアップデートを行った。d)に関しては仮想3 次元空間上でロボットモデルを読み込み、頭部カメラ位 置からのカラー画像および深度画像の取得・車輪による移動・他のオブジェクトとの衝突判 定を容易に可能にするためのソフトウェアライブラリを開発し、これを使って、深層強化学習を行うサンプル環境とサンプルエージェン トを作成した。
|
| Strategy for Future Research Activity |
今後の研究の推進方策として、2019年度においては以下を中心に進める予定である。a）神経科学知見の調査とその整理としては、高次の意思決定に関わる、前頭葉、基底核などを中心にフォーカスし、開発者が実装するための仕様書や、評価指標としてより具体化を進める。b）MAFに基づいた計算モデル開発に関しては、課題となっている新皮質の局所回路内部の神経科学的妥当性を高めるために、樹状突起において誤差表現を行う既存研究であるDendritic Backpropagationをベースとし、MAFの中の重要な機能要件である時系列予測機能を追加したモデルの構築を開始しており既存の神経科学実験で得られた結果との照らし合わせを進めていく予定である。また、自由エネルギー原理モデルに関してもMAFとの照合に基づいた機能検討を進める。c) (b)で開発するDendric BPモデルをBriCA上で非同期並列実装するための調整および必要な機能拡張を行う。d) シミュレータ開発ではリーチングタスクなどを想定し、エージェントロボットの手を動かすようにするための追加開発を行う。
|
