＃申し訳ございません、都合により急遽中止とさせていただきました。（懇親会に登録頂いた方への返金方法については追って連絡させていただきます）

第21回 全脳アーキテクチャ勉強会 〜アブダクション ー 仮説生成する脳型人工知能へ向けて〜

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れば、脳は仮説生成を効率よく行っていると言える。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、これまでの仮説生成、あるいはアブダクションの研究に関する人工知能、認知科学、そして神経科学における蓄積を振り返り、今後の具体化に繋げたい。

詳細

• 日　時：2017年12月20日（水）18:00-20:40（17:30 開場）

• 場　所：パナソニック株式会社
  東京都港区東新橋1-5-1　パナソニック東京汐留ビル5階 ホール
  http://panasonic.co.jp/es/museum/access/
  （パナソニック株式会社様のご厚意による会場ご提供）
  
  https://panasonic.co.jp/es/museum/access/pdf/jr.pdf (4階ミュージアムへの案内図）

  • 入場時のご注意
    受付は設置していません。直接5Fの会場までお越しください。

※ 学生の方は先ず学生枠からお申し込み下さい。学生枠が満席の場合は一般枠からも申し込めます。

• 参加費：無料(懇親会参加の場合は一般3,600円、学生1,800円)
• 主　催：NPO 法人 全脳アーキテクチャ・イニシアティブ
  • 協　賛：パナソニック㈱
  • 後　援：株式会社ドワンゴ
• 懇親会について：勉強会終了後、懇親会を開催いたします。懇親会参加の場合は懇親会付きの枠からお申し込みください。懇親会費の払い戻しは行っておりませんので、くれぐれもご注意ください。

講演スケジュール(仮)

時間	内容	講演者
17:30	開場
18:00-18:05	パナソニック株式会社様よりごあいさつ
18:05-18:10	オープニング
18:10-18:50	アブダクションの認知科学	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 高橋達二
18:50-18:55	スポンサーより
18:55-19:35	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〜	東北医科薬科大学 医学部 神経科学教室 准教授 坂本一寛
19:35-20:15	アブダクションとAI	国立情報学研究所 情報学プリンシプル研究系 教授 / 東京工業大学 情報理工学院 特任教授 井上克巳
20:15-20:40	パネル討論
21:00-22:30	近隣で懇親会

---

高橋達二氏講演概要

人工知能による科学への期待も述べられるようになってきた中（e.g. Kitano 2016）、効果的な実装が求められるのは仮説の生成と検証であろう。哲学者・論理学者チャールズ・S・パースは基本的な推論の形式として演繹と帰納の他に仮説生成（アブダクション）を唱え、その形式化の先鞭をつけた。本講演では、まず Douven (SEP) や Schurz によるアブダクションの最近の定義を紹介する。アブダクションという用語は最近では、オリジナルの仮説の生成という意味と、「最良の説明への推論 (IBE: inference to best explanation)」という仮説の検証の意味の二つがある。その後、認知科学における因果関係の推論や説明 (Lombrozo) との関係を述べ、最後に講演者独自の推論、因果推論、強化学習の研究を少し紹介する。

---

坂本一寛氏講演概要

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、著者ら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。

---

井上克巳氏講演概要

人工知能においてアブダクションは推論と学習の両面から研究されてきた．アブダクションは，推論においては常識推論の一手法となり，学習では仮説生成の手段を提供し知識発見に利用される．本講演では講演者がこれまで行ってきた研究を中心に，推論と学習の両面からアブダクション研究を紹介し，今後の人工知能研究との関連を述べる．

本勉強会運営スタッフ

• プログラム委員長　高橋達二
• 実行委員長　　　　近藤昭雄

---

全脳アーキテクチャ勉強会オーガナイザー

◎ 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

1990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。

「全脳アーキテクチャ解明に向けて」

◎ 株式会社ドワンゴ人工知能研究所 所長 山川宏

1987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。

http://ailab.dwango.co.jp/

◎ 東京大学 准教授 松尾豊

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。

http://ymatsuo.com/japanese/

全脳アーキテクチャ・イニシアティブ創設賛助会員

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。

その他関連情報

• 全脳アーキテクチャ勉強会 Facebook グループ
• 全脳アーキテクチャ勉強会公式 Twitter アカウント

これまでに開催された勉強会の内容

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

• 海馬とエピソード記憶 ―脳は物語をいかに表現するか？―
• 全脳における海馬の計算論 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

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

• アナログ計算機と計算可能性
• 量子アニーリングのこれまでとこれから
• 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)

第18回 全脳アーキテクチャ勉強会 ～ 全脳規模計算

• 全脳シミュレーション
• 時間領域アナログ方式で脳の演算効率に迫る
• 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)

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 ～

• 失語症と発達性ディスレクシア
• 脳内神経繊維連絡と失語症
• 発達性ディスレクシア - 生物学的原因から対応まで

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 ～

• ヒト大脳皮質における意味情報表現
• 画像キャプションの自動生成

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 ～

• ヒトの知性の進化
• 発達する知能　－ことばの学習を可能にする能力―
• 勉強会概要と発表資料

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 ～

• 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
• 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
• 勉強会概要と発表資料

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 ～

• コネクトームの活用とその近未来
• 脳全体の機能に迫る
• 勉強会概要と発表資料

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 ～

• 脳の学習アーキテクチャ
• 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」
• 勉強会概要と発表資料

第11回 全脳アーキテクチャ勉強会 ～ Deep Learning の中身に迫る ～

• 深層学習の学習過程における相転移
• Deep Neural Networks の力学的解析
• SkymindのDeep Learning への取り組み
• 勉強会概要と発表資料

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 ～

• 全脳アーキテクチャの全体像
• 人工知能の難問と表現学習
• 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
• 全脳アーキテクチャを支えるプラットフォーム
• 人工知能・ロボット次世代技術開発
• 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
• 感情モデルと対人サービス
• 若手の会の活動報告
• 勉強会概要と発表資料

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 ～

• 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 ～
• 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～
• 脳科学から見た言語の計算原理
• 勉強会概要と発表資料

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 ～

• 脳における時間順序判断の確率論的最適化
• 順序とタイミングの神経回路モデル
• 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
• 勉強会概要と発表資料

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 ～

• 感情の進化 ～ サルとイヌに見られる感情機能 ～
• 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？ ～
• 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 ～
• 勉強会概要と発表資料

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 ～

• 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
• 脳の計算アーキテクチャ：汎用性を可能にする全体構造
• 認知機能実現のための認知アーキテクチャ
• 勉強会概要と発表資料

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 ～

• Deep 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
• BDI ― モデル、アーキテクチャ、論理 ―
• 強化学習から見た意思決定の階層
• 勉強会概要と発表資料

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 ～

• 全脳アーキテクチャ主旨説明
• AI の未解決問題と Deep Learning
• 脳の主要な器官の機能とモデル
• 脳をガイドとして超脳知能に至る最速の道筋を探る
• 自然な知覚を支える脳情報表現の定量理解
• 脳型コンピュータの可能性
• 勉強会概要と発表資料

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 ～

• 「SLAM の現状と鼠の海馬を模倣した RatSLAM」
• 「海馬神経回路の機能ダイナミクス」
• 「人工知能 (AI) 観点から想定する海馬回路の機能仮説」
• 勉強会概要と発表資料

第2回 全脳アーキテクチャ勉強会 ～ 大脳皮質と Deep Learning ～

• 「大脳皮質と Deep Learning」
• 「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 ～」
• 「Deep Learning 技術の今」
• WBA の実現に向けて： 大脳新皮質モデルの視点から
• 勉強会概要と発表資料

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 ～

• 勉強会開催の主旨説明
• AI の未解決問題と Deep Learning
• 脳の主要な器官の機能とモデル
• 脳を参考として人レベル AI を目指す最速の道筋
• 勉強会概要と発表資料

全脳アーキテクチャ勉強会の開始背景（2013年12月）

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。

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。

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。

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。