概要
〜大脳皮質と Deep Learning〜
本会は，機械学習と神経科学の融合の先の超知能の実現を目指し，昨年度末からスタートした，野心的な勉強会シリーズです．この勉強会を通じて，人間のように柔軟汎用な人工知能の実現に興味のある研究者，脳に興味のあるエンジニア，関連分野(神経科学，認知科学等)の研究者間での交流をはかりつつ，こうした取組へ関わるきっかけ作りができればと期待しています。
今回は第２回の勉強会として「大脳皮質と Deep Learning 」をテーマとして，全脳アーキテクチャ構築に必要な機能は一体何か，現段階でどこまで実現できているかを，ボトムアップの神経科学的知見とトップダウンの工学的知見の両方を踏まえて明らかにしていきます。
特に下記の３点にから，お三方の先生によるご講演と引き続くパネル討論を行います。
- 人工知能における表現獲得の問題
- 大脳皮質モデルのベンチマーク・評価方法
- 現在の Deep Learning で実現できていないこと
開催詳細
- 日 時：2014年1月30日（木） （18:10～21:00）
- 会 場：リクルートGINZA8ビル(G8)セミナールーム
- 参加者：約230人（スタッフ・関係者含む）
- 参加費：無料
講演スケジュール
| 時間 | 内容 | 講演者 |
|---|---|---|
| 18:00 | 開場 | |
| 18:10 | 大脳皮質と Deep Learning（資料） | 一杉裕志（産業技術総合研究所） |
| 18:50 | 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（資料） | 酒井 宏（筑波大学 システム情報工学研究科コンピュータサイエンス専攻） |
| 19:30 | 休憩（10分） | |
| 19:40 | Deep Learning技術の今（資料） | 得居 誠也（株式会社プリファードインフラストラクチャー (PFI)） |
| 20:20 | パネル討論（資料） | 進行：山川 宏（富士通研），松尾 豊（東大） |
大脳皮質と Deep Learning
講演者：一杉裕志（産業技術総合研究所 ヒューマンライフテクノロジー研究部門）
概要： 大脳皮質と Deep Learning のアーキテクチャには共通の特徴が多くあるが，大脳皮質には現在の Deep Learning にはない重要な特徴もある，その中にはDeep Learning の性能をさらに向上させる有望なヒントが含まれているはずである，そのような特徴をいくつか紹介する。
【参考資料】「大脳皮質と deep learning の類似点と相違点」
【発表資料】開催趣旨説明「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
講演者：酒井 宏（筑波大学 システム情報工学研究科コンピュータサイエンス専攻）
概要： 形状の知覚は，視覚腹側経路に沿って階層的に処理されて生起される，各領野の細胞は異なる受容野(機能)をもち，V1では線分抽出，V2では角(angle)と図方向(BO)検出，V4では曲率と面の表現，そしてITでは中程度に複雑な形状の表現，といった機能を示す，皮質では形状を直接求めずに，階層的に計算を分散していると言える，ここではまず，図方向知覚(図地分離)を取り上げて，その神経機構理解の研究を紹介する，次に，階層性の本質は皮質における情報表現にあり，自然画像の統計的性質と神経細胞活動の疎性である可能性を紹介する。
【発表資料】「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
講演者：得居 誠也（株式会社プリファードインフラストラクチャー (PFI) ）
概要： 人工ニューラルネット研究の歴史は長いが，2000年代後半から画像や音声の認識および自然言語の意味計算の分野において階層の深いニューラルネットを学習するDeep Learningが急速に発展してきている，本発表では特にこの数年での成功例を紹介し，深いニューラルネットの構成と学習手法，および今後の発展の行方について述べる，
【発表資料】「Deep Learning技術の今」
パネル討論
【パネル討論資料】WBAの実現に向けて： 大脳新皮質モデルの視点から
English