第3回全脳アーキテクチャシンポジウム

「脳に学んで良き汎用知能に至る道筋」
2013年以降、私達は脳を参考として汎用的な知能をもつ人工知能を構築すというアイディアを提唱してきた。その後4年半が経過する中、AIは深層学習を起爆剤としてさらに持続的に発展し、神経科学の研究も急速に知能に関わる高次機能の解明に向かいつつある。
こうした中でWBAIは人類と調和する形で、「脳全体のアーキテクチャに学び人のような汎用人工知能を創る(工学)」ことの促進を進めるために議論を深めつつ、さらに、ハッカソンなどの活動を通じて脳に学んだAGI開発のあり方を実践的に問い続けている。
そこで本シンポジウムでは、単に脳が汎用だからという理由を超えてAGIの構築はなぜ容易ではなく、その上で「なぜ脳に学ぶとで知能の汎用性に近づけるのか？」という、汎用知能を作り上げるため道筋とプロセスについて、さらに、「脳に学ぶことで人類に人類にとって有用な形で汎用人工知能を創ることにいかに貢献できるのか」といった点について語り、さらに近い未来において、いかにして社会実装につなげうるかを議論する場としてシンポジウムを企画しました。

シンポジウム開催詳細

日時：2018年5月8日（火） 13:30〜18:00 (13:00開場)
場所：トヨタ自動車株式会社 東京本社 B1大会議室：東京都文京区後楽1丁目4-18
参加費：無料
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
主催：NPO法人全脳アーキテクチャ・イニシアティブ
特別協賛：トヨタ自動車株式会社 (ご厚意による会場ご提供)
協賛：新学術領域人工知能と脳科学の対象と融合、理化学研究所 革新知能統合研究センター 、ポスト「京」、文部科学省 新学術領域研究(研究領域提案型) 脳情報動態を規定する多領野連関と並列処理
後援：Future of Life Institute、Good AI、Beneficial AI Japan、日本神経回路学会、株式会社ドワンゴ、人工知能学会

講演スケジュール

時間	内容	講演者
13:00	開場
13:30	開会のご挨拶
13:35	トヨタ自動車株式会社さまからのご挨拶
13:40	脳型AGI開発を着実に進めるために	山川宏（全脳アーキテクチャ・イニシアティブ）
14:00	脳の回路モジュールはなぜうまく繋がれるのか	銅谷賢治（沖縄科学技術大学院大学）
14:10	AI研究のガイドとしての能力マップの開発	大森隆司（玉川大学工学部・脳科学研究所）
14:45	パネルディスカッション「なぜ脳に学ぶことで知能の汎用性に近づけるのか？」	モデレータ： 山川宏、パネリスト： 銅谷賢治、大森隆司
15:20	表彰式
15:35	休憩（15分）
15:50	WBAI活動の拡がり	山川宏（全脳アーキテクチャ・イニシアティブ）
16:05	汎用AIに自律性は必要か？	栗原聡（慶應義塾大学理工学部）
16:25	汎用人工知能と社会	中川裕志 （理化学研究所革新知能統合研究センター）
17:10	パネルディスカッション「脳型AIを良き形で実装するために」	モデレータ：高橋恒一、パネリスト： 中川裕志、栗原聡、山川宏
17:45	閉会の挨拶
18:30	懇親会（会場：同ビル内3F 「レストラントレニア」）

ネット配信について

未定

会場の利用注意

• 自動車での来場はご遠慮下さい。
• 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)。
• 食事は禁止となっています。

講演等アブストラクト一覧

タイトル：脳型AGI開発を着実に進めるために

講演者：山川宏（NPO法人WBAI代表 / 株式会社ドワンゴ）
概要：後日記載

タイトル：脳の回路モジュールはなぜうまく繋がれるのか

講演者：銅谷賢治（沖縄科学技術大学院大学）
概要：後日記載

タイトル：AI研究のガイドとしての能力マップの開発

講演者：大森隆司（玉川大学工学部・科学研究所）
概要：後日記載

パネル討論１：タイトル： なぜ脳に学ぶことで知能の汎用性に近づけるのか？

モデレータ：山川宏
パネリスト：銅谷賢治、大森隆司

タイトル：WBAI活動の拡がり

講演者：山川宏（NPO法人WBAI代表 / 株式会社ドワンゴ）
概要：後日記載

タイトル：汎用AIに自律性は必要か？

講演者：栗原聡（慶應義塾大学理工学部）
概要：後日記載

タイトル：汎用人工知能と社会

講演者：中川裕志 （理化学研究所革新知能統合研究センター）
概要：後日記載

パネル討論2：タイトル： 脳型AIを良き形で実装するために

モデレータ：高橋恒一（NPO法人WBAI副代表 / 理研）
パネリスト：中川裕志、栗原聡、山川宏

シンポジウム運営スタッフ

担当	氏名
プログラム委員長	山川宏
実行委員長	川村正春
司会進行	さかき漣
司会スライド制作	川村正春
会場	森井明
VIP対応	佐野仁美
懇親会	近藤昭雄
広報（メディア）	坂井尚行
広報（賛助会員）	坂井尚行
Twitter	唐川莉乃
Doorkeeper	藤井烈尚
ポスター制作	藤井烈尚
タイムキーパー	近藤昭雄
タイムテーブル	川村正春
写真撮影	門前一馬
ビデオ撮影	藤井烈尚
会計	森井明
ニコ生	森井明
備品	佐野仁美

---

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21回 全脳アーキテクチャ勉強会 「テーマ：推論」

• 【脳科学】前頭葉での推論
• 【認知科学】人の推論過程
• 【人工知能】ベイジアンネット

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。