第4回全脳アーキテクチャシンポジウム

テーマ：脳に学ぶ統合を問い直す

開催趣旨：全脳アーキテクチャ・アプローチは、2014年前半に提唱した全脳アーキテクチャ中心仮説で示したように、脳全体のアーキテクチャに学んで機械学習モジュールを組み上げることで、汎用人工知能を構築するという点に特徴をもっている。 その後の5年の間に、深層学習分野においても、Life Long機械学習、One-Shot／Zero-Shot学習、転移学習、Disentanglementなどのように、知能の汎用性に近付こうとする基礎的な研究も着実に進展している。こうした中で、知能において汎用性を実現するには、知識の整理・統合・再利用が重要であるといった見方は共有されつつ有る。 そこで本シンポジウムでは、今あらためて、AGI構築のために、脳からまなぶものは何であるのか。それは学習アルゴリズムなのか、アーキテクチャなのか、ダイナミクスなのか、分散性なのか、いやもっと違う観点なのか？といった点に焦点をあてる。 さらに、私達WBAIが、神経科学分野とAI/ML分野の知識を兼ね備えることの難しさを克服して、全脳アーキテクチャの開発を推し進めるために、これまで開発を進めてきたオープン・プラットフォームの全貌を紹介する。 また、深層学習の進展により実現できる知的処理の範囲が大きく拡大しつつも、その限界が見えはじめてきたいま、私達WBAIが今後においてAGIの実現を目指して発展的に開発促進を継続する方向性を形作りたい。

勉強会開催詳細

• 日　時：2019年6月26日（水） 13:00～18:40
• 会　場：パナソニック東京汐留ビル 5階ホール 東京都港区東新橋1-5-1 アクセスマップ
• 定　員：280名
• 主　催：NPO法人 全脳アーキテクチャ・イニシアティブ
• 主　催：パナソニック株式会社
• 協　賛：新学術領域人工知能と脳科学の対照と融合
• 協　賛：文部科学省 ポスト「京」萌芽的課題4「思考を実現する神経回路機構の解明と人工知能への応用」
• 協　賛：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（略称：脳情報動態）
• 後　援：一般社団法人人工知能学会

参加枠について

無料の参加枠：

後方の椅子席で、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。 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。 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。 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。

ボランティアの詳細情報、お申込みはこちら

講師謝金枠：

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、前方に机付きの講師謝金枠の席をご用意致します。 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。

懇親会枠：

こちらは、勉強会（後方の椅子席）と懇親会（情報交換会）の双方に参加できる枠です。 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。 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。 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。

講演スケジュール

脳の基本原理をどうすれば理解できるか

講演者：甘利 俊一（理化学研究所 栄誉研究員）

概要：脳は精妙で素晴らしい情報処理機構であり、そこには多くの情報の基本原理が実装されている。しかし、永年の進化を経て造られたため、基本原理を実装しはしたもの、設計思想がごたごたで悪い。情報の立場から言えば、実在の脳のごたごたではなくて、その基本原理をこそ汲み取り、理解すべきである。これを技術として実現すれば、全脳型の人工知能が実現する。また、人工知能の成功例からも原理を学ぶ努力が必要である。 本講演では、意識や心の役割に思いを馳せるとともに、深層学習が何故成功しているのか、その原理と問題点に触れたい。

理解するとは何か？-- 高次元科学と記号処理

講演者：松尾 豊（東京大学）

概要：ディープラーニングにより深い階層と多数のパラメータを使ってさまざまな現象のモデル化が可能になっている。一方、モデル化できることと人間が理解できることとの乖離は不可避であり、その乖離が顕著になり始めている。ところで、いったい人間が理解するということはどういうことであろうか？人間が理解する際には、言語あるいは記号の処理を必然的に伴う。それはプロセスの再現性が必要であるからであり、そして任意の状態を（それも多くの人に共有されていることが保証された形で）指し示す記号の存在が不可欠であるからである。本稿では、ディープラーニングによるモデル化と人間が理解するということの関係について述べる。

脳型でAGIを開発する意義

講演者：山川 宏（全脳アーキテクチャ・イニシアティブ）

概要： 全脳アーキテクチャ中心仮説の提唱から4年が経過し、AIの設計のために有益な神経科科学知見は増加し、深層学習のモデルやアーキテクチャが脳と似た形を取ることも見られている。こうして、脳とAIの接点も増加し続けている。そこで、知能の汎用性を支える想像や熟考といったプロセスが、脳全体のアーキテクチャにおいて、いかに情報を統合することに結びつきうるかなどについて述べることで、脳型のアプローチでAGIを開発する意義を示す。

WBA開発促進の概観

講演者：山川 宏（全脳アーキテクチャ・イニシアティブ）

概要：実在する汎用知能に学んだAGIを構築することは有力でありえるし、それに役立つ神経科学知見も着実に増加している。しかしながら、脳全体に相当する大きなソフトウエアシステムを構築する際に、どのよう形で神経科学知見を取り込みうるかは未知であった。また神経科学と人工知能／機械学習の両分野にわたって専門性をもつ人材は稀有である。この数年間の活動を通じ、WBAIは、神経科学知見から、脳型AGIの設計する方法論に目処が立てつつある。そこで、今後は方法論を洗練しつつ、脳型AGIの設計データを蓄積してゆくことで、開発促進を行なうことについて述べる。

失語症ハンズオン報告

講演者：浅川 伸一（東京女子大学）

概要：

開発方法論

講演者：大澤 正彦（慶應義塾大学）

概要：

コネクトーム情報学(WBCA）

講演者：岡本 洋（株式会社ドワンゴ）

概要：

海馬フレームワーク

講演者：布川 絢子（上智大学）

概要：

外部連携（BriCA/MAFなど）

講演者：高橋 恒一（理化学研究所）

概要：

海外連携（Animal-AI Olympics/Project AGI）

講演者：荒川 直哉（全脳アーキテクチャ・イニシアティブ）、稗田 雅昭（株式会社TOPWELL）

概要：

RGoal Architecture

講演者：一杉 裕志（産業技術総合研究所 人工知能研究センター）

概要：

新皮質マスターアルゴリズムフレームワーク

講演者：三好 康祐（narrative nights）

概要：

若手の会の活動（仮）

講演者：八木 拓真（WBA若手の会）

概要：

運営スタッフ

• プログラム委員長： 山川 宏
• 実行委員長：長田 恭治
• 司会： 佐藤 直行
• 司会スライド／タイムテーブル：佐藤 直行、山川 宏
• 会場ホスト： 森川 幸治
• 会場担当：横田 浩紀
• 広報ポスター制作：藤井 烈尚
• compass：藤井 烈尚
• 広報担当： 坂井 尚行
• ポスターセッション： 横田 浩紀、荒川 直哉
• WBAI HP ：荒川 直哉
• 懇親会：生島 高裕
• タイムキーパー：
• 写真/ビデオ撮影：門前 一馬
• 質疑応答マイク：
• 会計：荒川 直哉
• 受付：
• 備品：荒川 直哉

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 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」

◎ 全脳アーキテクチャ・イニシアティブ 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。

◎ 東京大学 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。

これまでに開催された勉強会の内容

第26回 全脳アーキテクチャ勉強会 テーマ：自由エネルギー原理

• 正解のない問題の解決： 実用的知能と行動選択の心理学 | 熊田 孝恒（京都大学）
• 感情と感情障害のしくみ -自由エネルギー原理の観点からとらえ直す- | 乾 敏郎（追手門学院大学）

第25回 全脳アーキテクチャ勉強会 テーマ：計算論的精神医学

• エンジニアのための計算論的精神医学 | 浅川 伸一（東京女子大学）
• 計算論的精神医学：脳の計算理論に基づく精神障害の病態理解 | 山下 祐一（国立精神・神経医療研究センター）

第24回 全脳アーキテクチャ勉強会 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

• トップダウン制約からの強化学習と社会学習 | 高橋 達二（東京電機大学）
• 仮説生成に向けた等価性構造抽出 | 佐藤 聖也（東京電機大学）
• 現代人工知能によって何が変わるのだろうか | 前田 英作（東京電機大学）
• 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〜 | 坂本 一寛（東北医科薬科大学）

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

• 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）
• 脳における強化学習| 太田宏之先生（防衛医大）

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

• 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）
• 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）
• 勉強会概要と発表資料

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 | 坂上雅道（玉川大学）
• 【認知科学】人の推論過程 | 服部雅史（立命館大）
• 【人工知能】ベイジアンネット | 植野真臣（電気通信大学）
• 勉強会概要と発表資料

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 (togetter)

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。