BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:【100席増枠!】第14回全脳アーキテクチャ勉強 会 ～深層学習を越える新皮質計算モデル〜 X-WR-CALNAME:【100席増枠!】第14回全脳アーキテクチャ勉強 会 ～深層学習を越える新皮質計算モデル〜 X-WR-TIMEZONE:Asia/Tokyo BEGIN:VTIMEZONE TZID:Asia/Tokyo BEGIN:STANDARD DTSTART:19700101T000000 TZOFFSETFROM:+0900 TZOFFSETTO:+0900 TZNAME:JST END:STANDARD END:VTIMEZONE BEGIN:VEVENT UID:587190@techplay.jp SUMMARY:【100席増枠!】第14回全脳アーキテクチャ勉強会 ～ 深層学習を越える新皮質計算モデル〜 DTSTART;TZID=Asia/Tokyo:20160518T181000 DTEND;TZID=Asia/Tokyo:20160518T210000 DTSTAMP:20260403T213520Z CREATED:20160425T000030Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/58719 0?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n第14回全脳 アーキテクチャ勉強会 (＊学生別枠を設けました )\n\n 全脳アーキテクチャ・アプローチでは，脳における多 様な学習能力に対する理解にもとづいた汎用人工知能 の構築を目指しています．\nこのアプローチが可能に なった背景には，脳の大脳新皮質に対応づけうる深層 学習が5年ほど前から急速に発展を遂げたことがありま す．一方で近年は神経科学の発展も著しく，これらの 知見を活かすことで現状の深層学習を超えた情報処理 が行える可能性も有ります．そこで今回は「(仮)深層 学習を越える新皮質計算モデル」をテーマとして勉強 会を企画しました．\n物理学者の松田卓也先生からは ，工学的な人工ニューラルネットワークよりも詳細な 神経科学知見を取り入れ，最近になって研究成果の発 表が続いた， ジェフ・ホーキンスらによるHierarchical Te mporal Memoryについてご紹介いただきます．さらに理研BSI の谷藤学先生からは神経科学の観点から，視覚情報処 理の最新知見の紹介や，それらを踏まえた情報処理の 計算モデルに関わる研究成果などにつき，ご講演いた だきます．また最後には演者を交えたパネルディスカ ッションも予定しております．\n\n勉強会開催詳細\n\n\n 日　時：2016年5月18日(火) 18:10～21:00 (17:40開場)\n場　所 ：パナソニック株式会社パナソニックセンター東京１ 階ホール\n〒135-0063 東京都江東区有明3丁目5番1号\nhttp:/ /www.panasonic.com/jp/corporate/center/tokyo/access.html\n(株式会社 パナソニック様のご厚意による会場ご提供)\n定　員：3 30名（定員に達し次第締め切らせて頂きます）\n参加費 ：無料\n申込方法：本イベントに参加登録のうえ，当 日会場受付にてお名前・ご所属等の記入をお願い致し ます。\n主　催：NPO法人全脳アーキテクチャ・イニシ アティブ\n協　賛：パナソニック株式会社\n後　援：株 式会社ドワンゴ　\n同日、第1回全脳アーキテクチャシ ンポジウムも開催しています。よろしければご参加下 さい。https://wba-meetup.doorkeeper.jp/events/43497\n\n\nレポータ ーを募集しています\n\nNPO法人WBAIのウェブページに掲 載する本勉強会の報告書作成にご協力いただくレポー ターを5月15日まで募集しております。（分量は１講演 あたり１ページ程度であり，ドワンゴ人工知能研究所 所長山川宏氏と共著となります）。\n参考としてこれ までのレポートはドワンゴ人工知能研究所のテクニカ ル・レポートとして発行しております。\n\n満席の場合 でも勉強会の協力参加者として出席できますので、ご 協力をいただける方は本ページのお問い合わせよりご 連絡ください。\n\nネット配信について\n\n下記URLから ニコニコ動画にて生放送します。事前に「タイムシフ ト予約」をしておくと、講演から１週間閲覧可能にな ります。\nhttp://live.nicovideo.jp/gate/lv262776740\n※配信環境 によって放送が途切れる場合がございます。予めご了 承ください。\n※谷藤学（理研BSI）様の生放送は行い ませんので予めご了承ください。\n\n会場の利用注意\n\ n\n自動車での来場はご遠慮下さい。\n会議室内に飲み 物を持ち込むことができます(販売はしておりません) 。\n会議室内での食事は禁止となっています。\n\n\n講 演スケジュール\n\n司会進行：坂井美帆\n\n18:10 - 18:15「 パナソニック株式会社様よりご挨拶」\n\n18:15 - 18:30「 オープニング」(ドワンゴ人工知能研究所 山川宏氏)　 　　\n\n18:30 - 19:20「大脳新皮質のマスターアルゴリズ ムの候補としてのHierarchical Temporal Memory (HTM)理論」松田 卓也（NPO法人 あいんしゅたいん）\n\n汎用人工知能の 基本アルゴリズムとしては大脳新皮質をリバースエン ジニアリングするのが近道であろう。ジェフ・ホーキ ンスによれば脳は常に一瞬先を予測しているという。 ここでは新皮質のマスターアルゴリズムの候補として ホーキンスの提案するHierarchical Temporal Memory (HTM)理論を 解説する。HTM理論の最大の特長は時間の重視である。 その意味でHTM は隠れマルコフモデルを始めとするダイ ナミックベイジアンモデルとの親和性が強い。まずHTM 理論の歴史を述べ、第一世代のゼータ1アルゴリズム、 第二世代のCortical Learning Algorithm (CLA)、最新のGen3アルゴ リズムについて解説し、CLAと神経科学の関係を述べる 。CLAのニューロンはANNとは異なり、3種類の樹状突起を もち、多数のシナプスを備えている。新皮質の6層構造 との関係も述べる。さらに最近明らかになってきたHTM の数学的基礎について述べる。\n\n19:20 - 19:35 休憩\n\n19: 35 - 19:40 WBAI創設賛助会員のプレゼンテーション\n\n19:40 - 20:30 「サル高次視覚野における物体像の表現とその ダイナミクス」 谷藤学（理研BSI）\n\n私たちが目にす る物体像には視点、向き、自然な形状の変化などによ って様々な「見え」がある。同じ人物の正面の顔と側 面の顔のように、同じ物体でも画像としては全く異な る場合すらある。それにも関わらず、私たちが不変的 に物体を認識することができるのは、脳の「物体表現 空間」の中で、同じ物体像であれば近いところに、違 う物体像は離れて表現されているからだと考えるのは 自然であろう。この空間を構成する各軸は、高次視覚 野の細胞が物体像から検出している図形特徴である。 その図形特徴を決めることが、不変的な物体認識に本 質的である。講演の前半では、この図形特徴を決める 試みについて紹介したい。\n\nさて、福島邦彦のネオコ グニトロンに起源をもつDeep Convolutional Neural Network (DCNN) は、物体像のカテゴリ弁別に優れたネットワークとし て着目されている（Krizhevsky\, et al.\, 2012）。DCNNの物体 表現層の特性は、脳の「物体表現空間」に対応するの かもしれない。実際、DCNNの物体表現層の応答特性とサ ル高次視覚野の細胞の物体像に対する応答特性との間 には高い相関があるという報告もある（Yamins\, et al.\, 2 014）。しかし、このような見かけの類似性からDCNNは脳 のよいモデルになっていると考えてよいのだろうか？ 現在のDCNNは自然画像の持つ統計的な性質に基づくスタ ティックなパターン分類である。これに対して、ヒト の物体認識は目的に応じてダイナミックに変化するプ ロセスであるように思われる。たとえば、ヒトの物体 認識には空間的な注意は重要な役割を果たしている。 私たちは、注意をあちこちに向けることで様々な物体 が混在する自然画像の中で目標となる物体を探索する 。また、注意を向けている場所にある物体像は、注意 を向けていない場所の物体像と比較して容易に検出で きることも心理学実験により示されている（Posner\, 1980 ）。DCNNとは違って、霊長類の視覚情報処理はダイナミ ックで、脳の「物体表現空間」における物体像の表現 もまた目的に応じて変化するのでないだろうか。私た ちは、特に、空間的な注意に着目し、それが、高次視 覚野の細胞の特性に与える影響について研究している 。その話を後半でしたい。\n\n20:30 - 20:50頃 パネルディ スカッション\n\n21:00 - 23:00 懇親会(自由参加)\n\n会場近 辺のお店で、有志による懇親会を行います。\n\nシンポ ジウム運営スタッフ\n\n\nプログラム委員長　山川宏\n 実行委員長　　　　生島高裕\n登壇者担当　　　　吉 岡英幸\n会場担当　　　　　川村正春，上野聡\n広報担 当　　　　　坂井美帆\n渉外担当　　　　　坂井美帆\n 撮影担当　　　　　門前一馬\nニコ生中継　　　　清 水俊博，荒木真一\n\n\n全脳アーキテクチャ・イニシア ティブ創設賛助会員\n\n\n\n全脳アーキテクチャ勉強会 オーガナイザー\n\n◎産業技術総合研究所 人工知能研 究センター脳型人工知能研究チーム 一杉裕志\n\n1990年 東京工業大学大学院情報科学専攻修士課程修了。1993年 東京大学大学院情報科学専攻博士課程修了。博士(理学 )。同年電子技術総合研究所(2001年より産業技術総合研 究所)入所。プログラミング言語、ソフトウエア工学の 研究に従事。2005年より計算論的神経科学の研究に従事 。\n\n「全脳アーキテクチャ解明に向けて」\n\n◎株式 会社ドワンゴ人工知能研究所 所長 山川宏\n\n1987年3月 東京理科大学理学部卒業。1992年東京大学で神経回路に よる強化学習モデル研究で工学博士取得。同年（株） 富士通研究所入社後、概念学習、認知アーキテクチャ 、教育ゲーム、将棋プロジェクト等の研究に従事。フ レーム問題（人工知能分野では最大の基本問題）を脳 の計算機能を参考とした機械学習により解決すること を目指している。\n\nhttp://ailab.dwango.co.jp/\n\n◎東京大学 准教授 松尾豊\n\n東京大学で、ウェブと人工知能、ビ ジネスモデルの研究を行っています。 ウェブの意味的 な処理を人工知能を使って高度化すること、人工知能 のブレークスルーをウェブデータを通じて検証するこ とを目指しています。\n\nhttp://ymatsuo.com/japanese/\n\n全脳 アーキテクチャ実現に関する参考資料\n\n第13回全脳ア ーキテクチャ勉強会 〜コネクトームと人工知能〜\n\n\ nコネクトームの活用とその近未来\n脳全体の機能に迫 る\n勉強会概要と発表資料\n\n\n第12回全脳アーキテクチ ャ勉強会 〜脳の学習アーキテクチャー〜\n\n\n脳の学 習アーキテクチャ\nパネルディスカッション「神経科 学と全脳アーキテクチャ」\n 勉強会概要と発表資料\n\n \n第11回全脳アーキテクチャ勉強会 ～Deep Learningの中身 に迫る～\n\n\n深層学習の学習過程における相転移\nDeep Neural Networksの力学的解析\nSkymindのDeep Learningへの取り組 み\n 勉強会概要と発表資料\n\n\n第10回全脳アーキテク チャ勉強会 「全脳アーキテクチャのいま」～全脳アー キテクチャプロジェクトとそれをとりまく周辺の最新 状況報告～\n\n\n全脳アーキテクチャの全体像\n人工知 能の難問と表現学習\n全脳アーキテクチャと大脳皮質 モデル BESOM の実用化研究の構想\n全脳アーキテクチャ を支えるプラットフォーム\n人工知能・ロボット次世 代技術開発\n汎用人工知能に向けた認知アーキテクチ ャが解決するべき知識の課題\n感情モデルと対人サー ビス\n若手の会の活動報告\n 勉強会概要と発表資料\n\n\ n第9回全脳アーキテクチャ勉強会 ～実世界に接地する 言語と記号～\n\n\n脳内視覚情報処理における物体表現 の理解を目指して ～Deep neural networkの利用とブレイン ・マシン・インタフェースへの応用～\n記号創発ロボ ティクス ～内部視点から見る記号系組織化への構成論 的アプローチ～\n脳科学から見た言語の計算原理\n 勉 強会概要と発表資料\n\n\n第8回全脳アーキテクチャ勉強 会 時系列データ ～脳と機械学習技術は時間をどう扱 うのか～\n\n\n脳における時間順序判断の確率論的最適 化\n順序とタイミングの神経回路モデル\n深層学習によ るロボットの感覚運動ダイナミクスの学習\n 勉強会概 要と発表資料\n\n\n第7回全脳アーキテクチャ勉強会 感 情 ～我々の行動を支配する価値の理解にむけて～\n\n\n 感情の進化 ～サルとイヌに見られる感情機能～\n情動 の神経基盤 ～負情動という生物にとっての価値はどの ように作られるか？～\n感情の工学モデルについて ～ 音声感情認識及び情動の脳生理信号分析システムに関 する研究～\n 勉強会概要と発表資料\n\n\n第6回全脳アー キテクチャ勉強会 統合アーキテクチャー　～神経科学 分野とAI分野の研究蓄積の活用に向けて～\n\n\n分散と 集中：全脳ネットワーク分析が示唆する統合アーキテ クチャ\n脳の計算アーキテクチャ：汎用性を可能にす る全体構造\n認知機能実現のための認知アーキテクチ ャ\n 勉強会概要と発表資料\n\n\n第5回全脳アーキテクチ ャ勉強会 ～意思決定　深いゴール探索と深い強化学習 の技術をヒントにして、前頭前野の機構の解明を目指 す～\n\n\nDeep Learning とベイジアンネットと強化学習を 組み合わせた機構による、 前頭前野周辺の計算論的モ デルの構想\nBDI ―モデル、アーキテクチャ、論理―\n 強化学習から見た意思決定の階層\n 勉強会概要と発表 資料\n\n\n第4回全脳アーキテクチャ勉強会 ～機械学習 と神経科学の融合の先に目指す超知能～\n\n\n全脳アー キテクチャ主旨説明\nAIの未解決問題とDeep Learning\n脳の 主要な器官の機能とモデル\n脳をガイドとして超脳知 能に至る最速の道筋を探る\n自然な知覚を支える脳情 報表現の定量理解\n脳型コンピュータの可能性\n 勉強 会概要と発表資料\n\n\n第3回全脳アーキテクチャ勉強会 　～海馬：脳の自己位置推定と地図作成のアルゴリズ ム～\n\n\n「SLAMの現状と鼠の海馬を模倣したRatSLAM」\n「 海馬神経回路の機能ダイナミクス」\n「人工知能(AI)観 点から想定する海馬回路の機能仮説」\n 勉強会概要と 発表資料\n\n\n第2回全脳アーキテクチャ勉強会　～大脳 皮質と Deep Learning～\n\n\n「大脳皮質と Deep Learning」\n「 視覚皮質の計算論的モデル ～形状知覚における図地分 離と階層性～」\n「Deep Learning技術の今」\n WBAの実現に 向けて： 大脳新皮質モデルの視点から\n勉強会概要と 発表資料\n\n\n第1回全脳アーキテクチャ勉強会　～機械 学習と神経科学の融合の先に目指す超知能～\n\n\n勉強 会開催の主旨説明\nAIの未解決問題とDeep Learning\n脳の主 要な器官の機能とモデル\n脳を参考として人レベルAIを 目指す最速の道筋\n勉強会概要と発表資料\n\n\nその他 関連情報\n\n\n全脳アーキテクチャ勉強会Facebookグルー プ(現在2\,500名以上が参加中!)\n全脳アーキテクチャ勉 強会公式Twitterアカウント\n\n\n全脳アーキテクチャ勉強 会の開始背景(2013年12月)\n\n人間の脳全体構造における 知的情報処理をカバーできる全脳型ＡＩアーキテクチ ャを工学的に実現できれば、人間レベル、さらにそれ 以上の人工知能が実現可能になります。これは人類社 会に対して、莫大な富と利益をもたらすことが予見さ れます。例えば、検索や広告、自動翻訳や対話技術、 自動運転やロボット、そして金融や経済、政治や社会 など、幅広い分野に大きな影響を与えるでしょう。\n\n 私達は、この目的のためには、神経科学や認知科学等 の知見を参考としながら、機能的に分化した脳の各器 官をできるだけ単純な機械学習器として解釈し、それ ら機械学習器を統合したアーキテクチャを構築するこ とが近道であると考えています。\n\n従来において、こ うした試みは容易ではないと考えられてきましたが、 状況は変わりつつあります。すでに、神経科学分野で の知見の蓄積と、計算機速度の向上を背景に、様々な 粒度により脳全体の情報処理を再現／理解しようとす る動きが欧米を中心に本格化しています。 またDeep Lear ning などの機械学習技術のブレークスルー、大脳皮質 ベイジアンネット仮説などの計算論的神経科学の進展 、クラウドなどの計算機環境が充実してきています。\ n\nこうした背景を踏まえるならば、全脳型ＡＩアーキ テクチャの開発は世界的に早々に激化してくる可能性 さえあります。 そこで私達は、２０２０年台前半まで に最速で本技術を実現できるロードマップを意識しな がら、この研究の裾野を広げていく必要があると考え ています。 そしてこのためには、情報処理技術だけで なく、ある程度のレベルにおいて神経科学等の関連分 野の知見を幅広く理解しながら、情熱をもってこの研 究に挑む多くの研究者やエンジニアの参入が必要と考 えています。 LOCATION:パナソニック株式会社　パナソニックセンター東 京　１階ホール 東京都江東区有明3丁目5番1号 URL:https://techplay.jp/event/587190?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR