Successfully reported this slideshow.
Your SlideShare is downloading. ×

BriCAプラットフォーム説明会(2022-05)

Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad

Check these out next

1 of 23 Ad

BriCAプラットフォーム説明会(2022-05)

Download to read offline

脳型ソフトウェア統合開発環境の解説
https://wba-initiative.org/wiki/en/brica

脳型ソフトウェア統合開発環境の解説
https://wba-initiative.org/wiki/en/brica

Advertisement
Advertisement

More Related Content

More from The Whole Brain Architecture Initiative (20)

Recently uploaded (20)

Advertisement

BriCAプラットフォーム説明会(2022-05)

  1. 1. BriCAプラットフォーム 説明会 2022-05-21 全脳アーキテクチャ・イニシアティブ 荒川直哉
  2. 2. 本日の目的 全脳アーキテクチャ実装用ソフトウェアフレームワーク BriCAとその使い方を理解する 本日の構成 ● 全脳アーキテクチャ・イニシアティブの紹介 ● BriCAの説明 ○ 認知アーキテクチャ ○ 全脳アーキテクチャ・アプローチ ● 開発ユースケース ● 実例〜コードビュー ● タスクについて ● 脳と BriCA ● 質疑応答
  3. 3. 全脳アーキテクチャ・イニシアティブ(WBAI) NPO(特定非営利活動法人) 2015〜 目的:脳全体のアーキテクチャに学ぶことにより人間のような知的能力を持つ 汎用人工知能の実現を目指す研究開発活動にたいして支援と促進を行う 基本理念 ● ビジョン:人類と調和する人工知能のある世界を実現する ● ミッション:全脳アーキテクチャのオープンな開発を促進する
  4. 4. BriCAプラットフォームとは 全脳アーキテクチャ(脳型認知アーキテクチャ・AI)実装用 ソフトウェアフレームワーク ○ BriCAコア ©理研 ■ 脳領域を模したモジュール間で数値ベクトルをやりとり ○ BriCA言語 ■ アーキテクチャ記述言語+インタプリタ Wiki: https://wba-initiative.org/wiki/bricaプロジェクト 2015〜
  5. 5. エージェントと認知アーキテクチャ エージェント (ここでの定義) ● 環境内で行動し、なんらかのタスクを遂行するもの cf. OpenAI Gym : 環境+エージェント 認知アーキテクチャ (ここでの定義) ● エージェントの構造 エージェントがソフトウェアであれば、そのアーキテクチャ 全脳アーキテクチャ ● 脳全体を情報処理システムと捉えたときのアーキテクチャ ⊂ 認知アーキテクチャ(脳+身体=エージェント)
  6. 6. 全脳アーキテクチャ・アプローチ 「脳全体のアーキテクチャに学び人間のような 汎用人工知能 (AGI) を創る (工学)」 汎用人工知能 (AGI) Artificial General Intelligence (人工一般知能) ⊃ ヒトのような/ヒトなみのAI 一般知能を持つ脳を リバースエンジニアリング 2014〜
  7. 7. BriCAの特長 脳型認知アーキテクチャ記述に特化 ● 脳内の分散表現を模した数値ベクトル表現 ● 脳内の信号伝達を模したメッセージパッシング ● 脳領域の階層性などアーキテクチャの適切な構造表現 ● 脳と同様に領域間で逆誤差伝播を行わない。 さらに ● 軽量でスケーラブル(Python) ● マルチプラットフォーム ● 複数の機械学習フレームワークを混合して使用可 ● OpenAI Gym サポート
  8. 8. BriCAコアの概要 CognitiveArchitecture (∈ Module) Module Component Component 環境 Port Observation Reward Action Connection Connection/Port を流れる信号は数値ベクトル Component は実装付き&「最下位」 Module Component Component
  9. 9. BriCA言語 アーキテクチャ記述言語 ● 具体的にはJSON インタプリタ ● JSONファイルを読んでアーキテクチャコードを生成 ユーティリティ ● スプレッドシートなどで書いた仕様書を BriCA言語記述に変換
  10. 10. BriCAによる開発〜ユースケース 1. スプレッドシートでモジュールとポート、ポート間接続を記述 2. スプレッドシートをBriCA言語(JSON形式)に変換 3. Gym環境、BriCAコンポーネント、main プログラムを実装 4. テストとデバッグ
  11. 11. BriCAプラットフォームのコード ● BriCAコア:https://github.com/wbap/BriCA1 ● BriCA言語:https://github.com/wbap/BriCAL ● Gym 対応:https://github.com/wbap/BriCA1/blob/master/brica1/brica_gym.py ○ class EnvComponent ○ class GymAgent ○ class Component(brica1.Component, metaclass=ComponentCaller) ● スプレッドシート⇒BriCA言語 :https://github.com/wbap/BriCAL/tree/master/bif_excel2brical
  12. 12. BriCA言語駆動プログラムの概要 ● 必要なライブラリのインポート ● JSON形式のBriCA言語記述ファイルの読み込み、形式チェック ● 他の設定ファイルなどの読み込み(あれば) ● Gym環境インスタンス生成 ● BriCAコンポーネント初期化 ● ポート作成 ● agent_builder = brical.AgentBuilder() ● agent = agent_builder.create_gym_agent(nb, 認知アーキテクチャ最上位モ ジュール, Gym環境インスタンス) ● scheduler = brica1.VirtualTimeSyncScheduler(agent) ● ループを回して BriCAの “scheduler.step()''を実行 ● 終了後環境などをクローズ
  13. 13. 例:最低限の認知アーキテクチャ
  14. 14. 例:最低限の認知アーキテクチャ 実装上の工夫: ● Gym 環境のサイクルと BriCA のサイクルは異なる。 ○ BriCA 内で何回かメッセージの受け渡しを行った後、 action が Gym 環境に戻される。 ○ 同期をとるためにトークンを回している。 ○ トークン処理を内蔵した特別な Component クラスを用 意している。 ● 全体での逆誤差伝播はできないので、 教師なし学習モジュールと、カリキュラム学習を設定 ● 強化学習が(脳内の)複数箇所で行われるかもしれない ⇒ 内部環境を(Gym環境とは別に)設定している。
  15. 15. その他の例 皮質・基底核・視床ループ 注意機構を持つ作業記憶 詳細は Wiki を参照ください。
  16. 16. 質疑応答タイム この後、どんなものを作ればいいかについて議論します。
  17. 17. 汎用知能とタスクについて ● AGI(Artificial General Intelligence)を作りたい。 ● 何が General Intelligence で、どうやったらテストできるのかは大き な問題 ● 「このタスクができたら AGI 実現に近づく」といったタスクを考案でき たら大きな前進 ● 例)F. Chollet 氏の ARC ○ https://www.kaggle.com/c/abstraction-and-reasoning-challenge ○ 知能テスト(Raven's Progressive Matricesなど)の一種 ● 例)Cognitive Decathlon
  18. 18. タスクと(全脳)アーキテクチャ ● タスクが決まったらそれを解くアーキテクチャを考える。 ● 脳の構造を参考にする。 ● なるべく脳の仕組みと一致していたほうがよいが、まずは 動くものを作るのが重要 ● BriCAの制約(数値ベクトルのメッセージパッシング)内で動くよう にする。
  19. 19. WBAハッカソンで提案されたタスク ● 第3回WBAハッカソン:迷路タスク ● 第4回WBAハッカソン:眼球運動タスク ● 第5回WBAハッカソン:作業記憶タスク
  20. 20. タスク候補〜RFR (Requests for Research) https://wba-initiative.org/research/rfr/ RFR(研究依頼):最先端の研究や知識に対して重要で有意義な影響を及ぼすと 期待されるプロジェクトを選び出したもの ■ 前頭皮質・大脳基底核ループをもちいた Actor-Critic法による意思決定モデル ■ 海馬モデルをもちいて記憶を改善する ■ 3Dエージェント・テストスイート ■ Self-Organising Architectures ■ Left and Right Neural Networks – Inspired by our Bicameral Brains ■ Long-range navigation without perfect information using local reinforcement learning rules ■ Using Reinforcement Learning to discover attentional strategies ■ Extending autoassociative memories ■ Improving episodic memory with disentangled representations ■ Self-organizing neural network hierarchies Part 2
  21. 21. PyLIS: ロボットシミュレータ https://github.com/wbap/PyLIS
  22. 22. 脳参照アーキテクチャ(BRA)と BriCA ● WBAIでは全脳参照アーキテクチャ(BRA)を整備中 ● BRA:脳の解剖学的構造に機能的な仮説や現象を付加した設計データ ● 認知機能⇒関連脳部位(ROI)⇒関連所領域の機能分析 ● 認知機能はタスクで測定 ● 機能分析⇒実装 できれば BriCA で〜再利用など ● 目標は脳全体のカバー⇒ WBRA(全脳参照アーキテクチャ)
  23. 23. 質疑応答タイム2 継続して議論しましょう!

×