高性能AI開発の一助に…「メタ認知」で超多次元の複雑な問題を簡単化
2020年8月31日(月)15時45分 リセマム
ATR脳情報通信総合研究所のAurelio Cortese主任研究員・所長の川人光男氏、UCLAおよび香港大学教授のHakwan Lau氏は、意識下の脳活動パターンが最適な行動を決めるような試行錯誤の賭けゲームを設定。「fMRIニューロフィードバック」という脳の活動を画像化・解析化する手法を使い、機械学習のひとつである「強化学習」についての実験を行った。
その結果、ヒトは報酬を得るために自身の脳内の意識下の情報を読み取って利用し、成功失敗の情報だけから試行錯誤で強化学習できることを発見した。実験参加者が自身の視覚知覚判断についてより確信している場合ほど、ゲームでより最適行動を選択することもわかった。
学習するにつれて、強化学習を司っている脳部位(大脳基底核)と、自分自身の心的な能力や認知過程を監視する「メタ認知」を司っている脳部位(背外側前頭前野)との間で、学習と確信度の情報が同期。メタ認知能力の重要な要素である「確信度」が、この学習過程に含まれ、最適な選択に寄与していることを明らかにした。
研究グループでは、今回の結果について「脳がメタ認知を利用して、超多次元の複雑な問題を簡単化し、少数のサンプルだけから高速で効率的な学習をしていることを示している」と指摘。研究成果を「次世代のAI開発に有用な指針を与えるもの」と評価し、「脳科学とAIを融合させることにつながり、より高い性能のAIを開発するために有益である」としている。ヒトの脳で得られた今回の研究成果から、次世代AI学習アルゴリズムにおいても同様に、複雑な問題の解決にメタ認知が応用できる可能性が示されたという。
研究成果は、イギリスのNature Communications誌に掲載予定。