Learning based on Self-Organization: Pioneering a New Foundation for AI

2023 Fiscal Year Final Research Report

• Project/Area Number: 22K19814
• Research Category: Grant-in-Aid for Challenging Research (Exploratory)
• Allocation Type: Multi-year Fund
• Review Section: Medium-sized Section 61:Human informatics and related fields
• Research Institution: Kyushu University
• Principal Investigator: Vargas Danilo 九州大学, システム情報科学研究院, 准教授 (00795536)
• Project Period (FY): 2022-06-30 – 2024-03-31
• Keywords: ロバスト人工知能 / 適応性が高い人工知能 / 新しい人工知能のパラダイム

Outline of Final Research Achievements

In this research, we advanced a novel machine learning paradigm based on dynamical equations without optimization. Its high-dimensional, adaptive, and robust results highlight its potential for next-gen AI. Key achievements include enhancing SyncMap's stability, leading to Symmetrical SyncMap published in Physica D, and addressing high dimensionality with Magnum, published in Neurocomputing.

Additional explorations integrated Reservoir Computing (RC) into SyncMap, with a review paper accepted by IEEE Access and a new RC method proof of concept. Furthermore, we established a foundation for image recognition and classification with SyncMap, showing promising, data-efficient results. These accomplishments not only signify significant progress but also open multiple new research avenues.

Free Research Field

ロバスト人工知能

Academic Significance and Societal Importance of the Research Achievements

社会的重要性に関連して、このロバストで適応的なパラダイムは、ディープラーニングにおけるロバスト性の欠如に取り組むために作られた。この研究努力は、自律走行や医療など、信頼ができる方法を必要とするクリティカルなアプリケーションに特に有益である。
学的意義とは、有名な学術誌に掲載された論文の質の高さと、これまでにないロバストで適応力のある新世代のAIの開発である。したがって、この研究は研究の新たな可能性を開くものであり、おそらく力学方程式に基づくロバストで適応的なAIという新たな科学分野を創造し、それに伴う強い社会的インパクトをもたらすものであろう。