1. パネリスト： 酒井宏，得居誠也，一杉裕志， 松尾豊
(進行： 山川宏)
第2回 全脳アーキテクチャー勉強会
2014/1/30
1

2. Human-Level AI
AIで未実現の知能は，大脳新皮質の表現学習に関連
実現可能な知能
理想的な知能
(計算できない)
人の知能
α
人工知能
制御理論
(小脳)
D
汎用性
創造性
直観
情報評価
(扁桃体)
効率的な，
四則演算，
論理推論
パターン認識
Deep Learning
(DL)
大量データ
からの検索
強化学習
(大脳基底核)
D： 人の新皮質が現状Deep Learning(DL)より優れている知能
α： DLと無関係に，AIが人レベルではない知的機能の集合
第2回 全脳アーキテクチャー勉強会
2014/1/30
2

3. Human-Level AI
AIで未実現の知能は，大脳新皮質の表現学習に関連
実現可能な知能
理想的な知能
(計算できない)
WBAは，最初に人を超え
人の知能
人工知能
るAIを実現しうる有力な
D
α
アプローチ．
制御理論
(小脳)
汎用性
創造性
直観
情報評価
(扁桃体)
効率的な，
四則演算，
論理推論
パターン認識
Deep Learning
(DL)
大量データ
からの検索
強化学習
(大脳基底核)
D： 人の新皮質が現状Deep Learning(DL)より優れている知能
α： DLと無関係に，AIが人レベルではない知的機能の集合
第2回 全脳アーキテクチャー勉強会
2014/1/30
3

4. 人工知能学会2014年5月号：
1. AGI概観： Ben Goertzel氏
2. ＡＧＩへの期待： 松原仁氏
3. 2045年に何が起こるのか：松田卓也
4. ユニバーサルＡＩ(AIXI)解説： 相澤先
生，小林先生
5. AGI-13の会議報告： 荒川様・ジェプ
カ様
6. 輪読会の状況報告： 山川・市瀬
7. ＡＧＩのロードマップ：篠田様訳
第2回 全脳アーキテクチャー勉強会
2014/1/30
4

5. 現状の情報技術で未解決／未解明の計算機能はどこに？
創造性，汎用性，直観など

要素的技術のレベル
◦ 神経科学： 局所神経回路
◦ 情報技術： 自己組織化マップ(SOM)，多層パーセプトロン(MLP），
独立成分分析

統合アーキテクチャ技術のレベル
◦ 神経科学： 領野間結合，大脳基底核／海馬などの連携
◦ 情報技術： 強化学習，Deep Learning, 認知アーキテクチャー,
第2回 全脳アーキテクチャー勉強会
2014/1/30
5

6. •高齢者転倒原因解明
•触覚を用いて人を抱き
上げるロボット
•人の直観を活かす環境
の構築
生物に活かす応用(医療等)
[理学] (知ることに価値あり)
医療工学などをはじ
めとして多くの応用が
ある．
生物に学ぶ
総合技術
② ①
生物から離れた応用
[工学] (性能に価値あり)
③ ④
•
•
•
•
生物に学ぶ
要素技術
梟に学ぶ静音パンタグラフ
ハスの葉に学ぶ超撥水
パーセプトロン
海馬のシータ位相歳差から情報
表現を学んだ．
機能を機構に
対応させやすい
第2回 全脳アーキテクチャー勉強会
2014/1/30
6

7. 
AIにおける本質的な未解決問題(基本問題)は
◦ フレーム問題
◦ シンボルグラウンディング問題

いずれも表現獲得に係る．
第2回 全脳アーキテクチャー勉強会
2014/1/30
7

8. 1.
新皮質モデルの表現獲得能力
2.
脳制約はガイドたりうるか(足枷ではなく)
なぜ脳を真似るのか？
3.
WBAのベンチマークとロードマップ
第2回 全脳アーキテクチャー勉強会
2014/1/30
8

9. 
Deep Learningはどのように成功したか
◦ 脳にガイドされた部分はあるのか，それは何か？

現状モデル(Deep Learning)の限界は何か？

限界はどのように突破されうるか？
◦ さらに脳に学ぶ必要があるのだろうか？
第2回 全脳アーキテクチャー勉強会
2014/1/30
9

10. 脳制約足枷論：工学にとって，脳を真似ることは単なる
足枷でしかない．しかも脳科学を学ぶのは骨が折れる

そもそも脳から学ぶ工学的な価値は何か？

脳のガイドのもとに新たな要素技術は生み出せるか？

脳にガイドされた統合技術は可能なのか？

どこまで脳に似せておけば，脳がガイドとして機能すると
期待できるか？
◦ Deep Learningは脳に学んだ統合アーキテクチャの例か？
第2回 全脳アーキテクチャー勉強会
2014/1/30
10

11. 
汎用的なWBA技術の評価ベンチマークはどうあるべ
きか？

そして段階的に何を目標として進んでいくべきか？

ベンチマーク自体が汎用である必要があるか？
◦ 汎用のベンチマーク： Robocup@Homeのような
◦ 特化したベンチマーク： 特定の課題
第2回 全脳アーキテクチャー勉強会
2014/1/30
11