脳研究はいかにして機械を人間のように学習させるか

脳研究はいかにして機械を人間のように学習させるか
このページは、生成AIにより自動翻訳されています。

本記事は MIT Newsとの共同制作により掲載されています。

物体認識システムはかなり優れたものになりつつあり、Facebookの顔認識アルゴリズムの場合は、恐ろしいほど優れています。

しかし、物体認識システムは通常、数百万の視覚的事例で訓練されており、これは人間の学習方法とは大きくかけ離れています。人間に同じ物体の写真を二、三枚見せれば、通常はその物体の新しい事例を識別できます。

160107-robots learning AI machines recognise MIT

4年前、MITのMcGovern Institute for Brain Researchに所属するTomaso Poggioのグループは、脳が実際に行っていることを反映することを意図した、視覚表現の新しい計算モデルの開発に着手しました。そして、近刊の「Theoretical Computer Science」誌では、研究者らは、そのモデルに基づく機械学習システムが、わずか数例に基づいて実際に高い信頼性で物体を識別できることを証明しています。

その論文と、10月にPLOS Computational Biologyに掲載された別の論文の両方で、研究者らは、モデルの側面が脳の働きに関する実証的証拠とよく一致することも示しています。

「ある距離から私にあなたの顔の画像が与えられ、次に別の距離からあなたを見たとき、画像は大きく異なり、それを照合する単純な方法は機能しません。」と、MIT脳・認知科学部のEugene McDermott Professor in the Brain Sciencesを務めるPoggio氏は述べています。「これを解決するには、多くの事例が必要です。つまり、私はあなたの顔を一つの位置だけでなく、あらゆる可能な位置で見る必要があります。さもなければ、物体の不変表現が必要なのです。」

物体の不変表現とは、平面内での大きさ、位置、回転といった違いの影響を受けないものです。コンピュータビジョンの研究者は不変な物体表現のためのいくつかの手法を提案してきましたが、Poggioのグループは、脳の仕組みについて私たちが知っていることと整合する不変表現を見つけるという、さらなる課題に取り組みました。

神経が計算すること

神経細胞、すなわちニューロンは、先端が枝分かれした細長く細い細胞です。視覚処理が行われる大脳皮質では、各ニューロンは両端にそれぞれ約10,000本の枝を持っています。

したがって、2つの皮質ニューロンは、シナプスと呼ばれる10,000の異なる化学的接合部を介して互いに通信します。各シナプスには固有の「重み」があり、これは入力信号の強度を乗じる係数です。10,000のすべてのシナプスを通過した信号は、その後ニューロンの細胞体で合算されます。刺激と電気的活動のパターンは時間の経過とともにシナプスの重みを変化させ、これが習慣や記憶が定着する仕組みです。

線形代数の分野における重要な演算は内積(ドット積)であり、これは2つの数列、すなわちベクトルを受け取り、その要素を順序立てて掛け合わせ、結果を合計して1つの数値を得るものです。皮質では、単一の神経回路の出力は、2つの10,000変数ベクトルの内積とみなすことができます。これは、脳内の各ニューロンが一瞬のうちにこなせる非常に大規模な計算です。

Poggioのグループは、内積に基づく物体の不変表現を開発しました。平面内で360度回転する物体の小さなデジタル動画を作成すると仮定しましょう。たとえば24フレームで、各フレームは前のフレームよりもわずかに多く回転した物体を示します。その動画を24枚の静止画の系列として保存します。

次に、見慣れない物体のデジタル画像を提示されたとします。その画像は、ピクセルの色の値を表す数値の列、すなわちベクトルとして解釈できるため、動画の各静止画との内積を計算し、その24個の数値の系列を保存できます。

不変性

さて、同じ物体を、たとえば90度回転させた画像が提示され、その内積を静止画の系列と計算すると、同じ24個の数値が得られます。ただし、順序は同じではありません。最初の静止画との内積は、今度は6番目の静止画との内積になります。しかし、数値自体は同じです。

したがって、その数値のリストは、回転に対して不変な新しい物体の表現となります。フレーム内のさまざまな位置にある、さまざまな大きさの物体を描いた同様の静止画の系列は、大きさや位置に対して不変な内積の系列をもたらします。

新しい論文では、Poggioと共同研究者らが、回転、大きさ、位置に対して不変な物体表現を生成することが目標である場合、理想的なテンプレートは「Gaborフィルタ」として知られる画像の集合であることを実証しています。共同研究者は、第一著者であるFabio Anselmi(Poggioのグループのポスドク)、McGovern Instituteの研究提携者でありGoogle DeepMindの研究科学者であるJoel Leibo、Department of Brain and Cognitive Scienceの客員教授であるLorenzo Rosasco、そしてPoggioのグループの大学院生であるJim MutchとAndrea Tacchettiです。また、Gaborフィルタは、視覚皮質にある「単純細胞」と呼ばれる細胞が行う画像処理の操作を適切に記述することが知られていることが分かっています。

三次元

この手法は平面内の視覚的変換にはうまく機能しますが、三次元の回転にはそれほどうまく機能しません。新しい画像と、たとえば正面から見た車の画像との内積は、同じ画像と側面から見た車の画像との内積とは大きく異なるでしょう。

しかし、Poggioのグループは、静止画のテンプレートが新しい物体と同じ種類の物体を描いている場合、内積は依然として十分に不変な記述をもたらすことを示しました。そして、この観察は、MITのNancy Kanwisherらによる最近の研究と一致しています。その研究は、視覚皮質には顔や身体などの特定の種類の物体を認識することに特化した領域があることを示しています。

PLOS Computational Biologyに記述された研究では、Poggio、Leibo、Anselmi、そしてelectrical engineering and computer scienceの大学院生であるQianli Liaoらが、静止画の集合を組み立て、内積アルゴリズムを用いて数千のランダムな物体を分類することを学習するコンピュータシステムを構築しました。

学習された物体の各クラスについて、システムは、対応するクラスに充てられたヒトの視覚皮質の領域の大きさと分散を予測するテンプレートの集合を生成しました。研究者らは、これは脳とそのシステムが似たことをしている可能性を示唆していると主張しています。

研究者らの不変性仮説は、「数百万のラベル付きの事例を重視する現代の機械学習と、多くの場合単一の事例から学習できる霊長類の視覚系との間の大きな隔たりを埋めるための強力なアプローチである」と、CaltechのBiology and Engineering教授であり、Allen Institute for Brain Scienceの最高科学責任者であるChristof Kochは述べています。「このようなエレガントな数学的枠組みは、強力な人工システムを構築する途上で、既存の自然な知的システムを理解するために必要となるでしょう。」

研究者らの研究は、一部、MITのCenter for Brains, Minds, and Machinesの支援を受けています。同センターは全米科学財団から資金提供を受け、Poggioがディレクターを務めています。

掲載は、世界経済フォーラムによる見解の支持を意味するものではありません。

アジェンダの最新情報を追うには、 週刊ニュースレターにご登録ください。

執筆者:ラリー・ハーデスティ氏はMIT Newsの客員寄稿者です。

画像:デモンストレーション中に交換台を操作する人型ロボット「AILA」(人工知能軽量アンドロイド)の手。REUTERS/Fabrizio Bensch.

共有:

ライセンスと再掲載について
世界経済フォーラムの寄稿文は、クリエイティブ・コモンズ表示-非営利-改変禁止 4.0 国際ライセンスおよび同フォーラムの利用規約に従い、再掲載が可能です。