BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:第24回 WBA勉強会 X-WR-CALNAME:第24回 WBA勉強会 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:706969@techplay.jp SUMMARY:第24回 WBA勉強会 DTSTART;TZID=Asia/Tokyo:20181129T173000 DTEND;TZID=Asia/Tokyo:20181129T195000 DTSTAMP:20260420T231150Z CREATED:20181105T141129Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/70696 9?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n第24回 全脳 アーキテクチャ勉強会\nテーマ：アブダクション　ー 　仮説生成する脳型人工知能へ向けて\n開催趣旨：科 学にとって重要不可欠なアブダクション・仮説生成は 、「人工知能駆動科学」の基礎でもあり、その射程は 広い。しかしながら、その研究は他の推論形式である 演繹（e.g. 論理学、数学）や帰納（e.g. 統計学、機械学 習、科学哲学）に比べて遅れている。仮説の生成も、 仮説空間が適切に設定できたとするならば、あとは探 索問題といえよう。しかしながら、仮説を表現する言 語が豊かであればあるほど、その探索範囲はたちまち 巨大化し、手に負えなくなる。対して、これまでの科 学の発展を考えただけで、脳は仮説生成を効率よく行 っていることが分かる。脳が行うことをそもそも世界 に関する仮説生成（限られた知覚と材料からのモデル 構築）と考える立場が認知科学でも有力になってきて おり、脳から学ぶことは多いと期待される。本勉強会 では、アブダクションを、制約を作ること、と一般化 した上で、関連研究を紹介し、今後の研究プロジェク トの具体化に繋げたい。\n勉強会開催詳細\n\n日　時：2 018年11月29日（木） 17:30～19:50\n会　場：東京電機大学 東京千住キャンパス1号館2階 丹羽ホール \n 〒120-8551 東 京都足立区千住旭町5番（北千住駅東口（電大口）徒歩 １分） \n定　員：200名\n主　催：東京電機大学 研究推 進社会連携センター\n共　催：NPO法人全脳アーキテク チャ・イニシアティブ\n協　賛：未定\n後　援：株式会 社 ドワンゴ\n\n参加枠について\n無料の参加枠：\n抽選 になります。募集締切になりましたら Connpass よりメー ルでの通知があります。\nもし抽選に漏れた場合でも 、キャンセルによる繰り上げで参加できる場合があり ます。\n一般枠は応募多数になることが予想されます 。確実に参加されたい場合は、有料枠や運営ボランテ ィアによる参加を推奨します。\n運営ボランティアに なりますと、勉強会の記録用動画も見られますのでオ ススメです。\nボランティアの詳細情報、お申込みは こちら\n講師謝金枠：\n先着順のため、枠に空きがある 場合はお申し込み頂いた時点で参加が確定します。ま た、前方に講師謝金枠の席をご用意致します。\nお支 払い頂いた謝礼は、今回の講師謝礼金に充当させて頂 きます。\n懇親会（情報交換会）枠：\nこちらは、勉強 会と懇親会（情報交換会）の双方に参加できる枠です 。\n先着順のため、枠に空きがある場合はお申し込み 頂いた時点で参加が確定します。\n懇親会は登壇者の 参加率が高く、多くの参加者が直接意見交換されてい ます。\nまた「興味はあるけど解らないことばかり」 といった方も歓迎です。\n東京電機大学関係者さま：\n 東京電機大学関係者はこちらから登録をお願い致しま す\n講演スケジュール\n\n\n\n時間\n内容\n講演者\n\n\n\n\n1 7:00\n開場\n\n\n\n17:30\n会場説明\n未定\n\n\n17:40\n開会の挨 拶\n未定\n\n\n17:45\nトップダウン制約からの強化学習と 社会学習\n高橋 達二（東京電機大学 理工学部 情報シ ステムデザイン学系 准教授）\n\n\n18:05\n仮説生成に向 けた等価性構造抽出\n佐藤 聖也（東京電機大学 理工学 部 情報システムデザイン学系 助教）\n\n\n18:25\n現代人 工知能によって何が変わるのだろうか（仮）\n前田 英 作（東京電機大学 システムデザイン工学部 情報シス テム工学科 教授）\n\n\n18:45\n5分休憩\n\n\n\n18:50\nアブダ クションは具体的に研究しうる〜遮蔽補完の計算論〜\ n坂本 一寛（東北医科薬科大学 医学部 神経科学教室 准教授）\n\n\n19:30\nパネル討論\n人間並みの仮説生成・ 検証の能力の実装の鍵とは？\n\n\n19:50\n情報交換会（懇 親会）\n会場：2F学食\n\n\n\n\nトップダウン制約からの 強化学習と社会学習\n講演者： 高橋 達二（東京電機大 学 理工学部 情報システムデザイン学系 准教授）\n概 要：人間や動物がある環境で学習を開始する際には、 環境の構造や期待される報酬についての「予断」、「 仮説」、あるいは基準をすでに携えていることが多い 。例えば、保存の効かない餌の獲得量自体を最大化す るのは単に無駄であり、その日に食べる分をどうやっ て速やかかつ楽に獲得し、後は安全の確保やメーティ ングなど他のタスクに専念すべきであろう。そのよう な場合には、純粋なボトムアップの試行錯誤からの行 動系列の最適化という従来の強化学習アルゴリズムと は異なった探索と知識活用が行われることとなり、計 算論的にも別種の分析とモデリングが必要となる。本 講演では、満足化 (satisficing) という意思決定方策を、 人間のリスク認知傾向と組み合わせることでシンプル な形で実現した Risk-sensitive Satisficing (RS) 価値関数が、 トップダウンの制約を活かし、複雑な状況でも効率的 な満足化あるいは最適化を実現しうること、またエミ ュレーション模倣学習など、人間の社会学習のいくつ かの側面をモデリングできることを、 K本腕バンディ ット問題での詳細な解析と強化学習タスクでの結果に より示す。\n\n仮説生成に向けた等価性構造抽出\n講演 者：佐藤 聖也（東京電機大学 理工学部 情報システム デザイン学系 助教）\n概要：仮説の生成は通常探索範 囲が巨大であることが問題となるが、等価性構造抽出 は探索範囲の絞り込みに有効である可能性がある。等 価性構造抽出は複数の多次元系列データの次元の対応 関係を発見する手法として提案された。例えば、2つの 、多数の系列を持つモーションキャプチャーデータを 用いた実験では、等価性構造抽出により妥当な対応関 係が抽出された。ここで言う次元は手、肘、つま先等 であるが、これらの対応関係がわかれば見まね学習等 を行うことができる。近年等価性構造抽出のアルゴリ ズムの改良が進み、上述の実験は、以前は数時間かか っていたが、数分で抽出できるようになった。本発表 では最新の等価性構造抽出の手法や応用を紹介すると ともに、仮設生成に向けた等価性構造抽出について考 える。\n　\n\n現代人工知能によって何がわかるのだろ うか\n講演者：前田 英作（東京電機大学 システムデザ イン工学部 情報システム工学科 教授）\n概要：人間の 脳の働きを明らかにすることは多くの研究者の夢であ った。この50年間、私たち人類はその夢にどれくらい 近づいたのだろうか。深層学習に代表される現代人工 知能の新しい情報技術が「科学」領域においてどのよ うな役割を果たしうるのかは、まだ未知数の部分が多 いであろう。\n　\n\nアブダクションは具体的に研究し うる〜遮蔽補完の計算論〜\n講演者：坂本 一寛（東北 医科薬科大学 医学部 神経科学教室 准教授）\n概要： アブダクションとは、暗黙の仮定としての仮設を生み 出す思考の型である。仮設は、（１）不完全な情報よ り得られるものの（２）仮設自体は直接観測できない 。しかしながら（３）仮設があると様々な予測が可能 となり、また（４）仮設自体は単純で美しいという性 質を持つ。けれども、仮設を得るための実装法につい ては、哲学書は、「洞察による」等と述べてあるに過 ぎず参考にならない。本講演では、我々の視覚遮蔽補 完の計算論を紹介する。推定・補完された形は（１） 不完全な情報より得られるものの（２）補完された形 自体は直接観測できないことを考えると、遮蔽補完問 題は、アブダクションを具体的に研究する上でよい例 題であると言える。これまでの遮蔽補完の計算論は、 主に輪郭の局所連続拘束条件に基づくものであり、形 全体の対称性に基づく補完が勝る場合を説明できなか った。本計算論は、大脳皮質V4野の性質、球面射影幾 何学、パラメータ空間への投票としての神経配線の拡 散・収束構造に基づき、（４）単純で美しい（＝表現 量が少ない）形が好まれるというメタ拘束条件を用い ることにより、これまでの計算論の問題を克服するこ とができた。\n\n運営スタッフ\n\nプログラム委員長： 高橋 達二\nプログラム委員：高橋 恒一（理研）\n実行 委員長：横田 浩紀\n司会進行：未定\n登壇者調整：横 田 浩紀\n会場調整：深澤 武彦\n写真撮影：藤井 烈尚\n 動画撮影：藤井 烈尚\nconnpass：藤井 烈尚\n\n\n全脳アー キテクチャ勉強会オーガナイザー\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\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「全脳アーキテクチャ解明 に向けて」\n◎ 株式会社ドワンゴ人工知能研究所 所長 山川宏\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。\nhttp://ailab.dwango.co. jp/\n◎ 東京大学 准教授 松尾豊\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。\nhttp://ymatsuo.com/japa nese/\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全脳アーキテクチャ・イニシアティブでは、賛助 会員を募集しております。賛助会員に登録いただきま すと、当サイトに貴団体ロゴとホームページへのリン ク掲載や、各種イベントの優先参加など、さまざまな 特典がございます。詳しくは、こちらをご覧ください 。\n共催：文部科学省新学術領域「脳情報動態」\nこれ までに開催された勉強会の内容\n第23回 全脳アーキテ クチャ勉強会＆第4回WBAハッカソン説明会 テーマ：脳 における強化学習\n\n強化学習 もう一つの源流：分類 子システム | 荒井 幸代（千葉大学）\n脳における強化 学習| 太田宏之先生（防衛医大）\n\n第22回 全脳アーキ テクチャ勉強会 テーマ：自律性と汎用性\n\n創発イン タラクションの意義：機能分化に対する変分原理と数 理モデル | 津田 一郎（中部大学創発学術院）\nデザイ ンされた行動から自律発達的な行動へ：インテリジェ ンスダイナミクスに関して | 藤田 雅博（ソニー株式会 社）\n勉強会概要と発表資料\n\n第21回 全脳アーキテク チャ勉強会 テーマ：「推論」\n\n【脳科学】前頭葉で の推論 | 坂上雅道（玉川大学）\n【認知科学】人の推 論過程 | 服部雅史（立命館大）\n【人工知能】ベイジ アンネット | 植野真臣（電気通信大学）\n勉強会概要 と発表資料\n\n第20回 全脳アーキテクチャ勉強会 ～ 海 馬における文脈表現\n\n海馬とエピソード記憶 ―脳は 物語をいかに表現するか？―\n全脳における海馬の計 算論\n第20回 全脳アーキテクチャ勉強会 ～ 海馬におけ る文脈表現 まとめ (togetter)\n\n第19回 全脳アーキテクチ ャ勉強会 ～ 脳・人工知能とアナログ計算・量子計算\ n\nアナログ計算機と計算可能性\n量子アニーリングの これまでとこれから\n第19回 全脳アーキテクチャ勉強 会 ～ 脳・人工知能とアナログ計算・量子計算〜 まと め (togetter)\n\n第18回 全脳アーキテクチャ勉強会 ～ 全 脳規模計算\n\n全脳シミュレーション\n時間領域アナロ グ方式で脳の演算効率に迫る\n第18回 全脳アーキテク チャ勉強会 ～ 全脳規模計算 ～ まとめ (togetter)\n\n第17 回 全脳アーキテクチャ勉強会 ～ 失語症と発達性ディ スレクシア ～\n\n失語症と発達性ディスレクシア\n脳内 神経繊維連絡と失語症\n発達性ディスレクシア - 生物 学的原因から対応まで\n\n第16回 全脳アーキテクチャ勉 強会 ～ 人工知能は意味をどう獲得するのか ～\n\nヒト 大脳皮質における意味情報表現\n画像キャプションの 自動生成\n\n第15回 全脳アーキテクチャ勉強会 ～ 知能 における進化・発達・学習 ～\n\nヒトの知性の進化\n発 達する知能　－ことばの学習を可能にする能力―\n勉 強会概要と発表資料\n\n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 ～\n\n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\n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\n勉強会概要と発表資料\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第11回 全脳アーキテクチャ勉強会 ～ Deep Le arning の中身に迫る ～\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 Learni ng への取り組み\n勉強会概要と発表資料\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\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 全脳アーキテクチャ主旨説明\nAI の未解決問題と Deep Le arning\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「SLAM の現状と鼠の海馬を模倣した Ra tSLAM」\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第2回 全脳アーキテクチャ勉強 会 ～ 大脳皮質と Deep Learning ～\n\n「大脳皮質と Deep Lear ning」\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勉強会開催の主旨説明\nAI の未解決問題と Deep Lear ning\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全脳アーキテクチャ勉強会の開始背景（2013年12月 ）\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 Learning 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:1号館 丹羽ホール 東京都足立区千住旭町5番 URL:https://techplay.jp/event/706969?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR