卒業研究・課題研究

研究室の概要

香取研究室では、 生体の脳が持つ高度で柔軟な情報処理機構を取り入れた新しい人工知能(脳型人工知能)の開発に取り組んでいます。 数理科学とコンピュータを道具として用いて、 脳で見出される複雑に変化する現象(非線形ダイナミクス)を活用する新しい情報処理機構の構築に取り組んでいます。

本研究室では、数理科学とコンピュータによる数値シミュレーション・解析が重要な研究手段になります。 数理科学や、Pythonなどのプログラミングなどのスキルがあれば研究をよりスムーズ進めることができます。 今現在このような分野が不得意な人であっても、それを習得しようという強い意欲・意志があれば歓迎します。 研究室では、このような研究に直接関係する能力の他に、 仕事の進め方、コミュニケーションなど多くのことを学ぶことになります。

研究テーマの決め方

香取と相談の上で研究テーマを決めます。 下記の研究テーマから選ぶことも出来るし、 面白いアイデアがあれば、それを研究テーマに設定することも出来ます。

脳・神経ネットワークの数理モデル

生体の中での情報処理を司る脳は、多数の神経細胞(ニューロン)から構成されています。脳内では、ニューロンが互いにシナプスを介して結合し電気信号をやりとりすることで、その高度で柔軟な情報処理機構が実現されています。脳・神経ネットワークの研究は生理学・医学的な観点から重要であることはもとより、脳の情報処理装置としての側面は、工学的にも重要です。 香取研究室では、生理学の知見に基づいてニューロンやシナプスを含む神経ネットワークの数理モデルを構築、脳内の神経ネットワークの一部をコンピュータ上に再現し、その動力学特性や情報処理の機構を研究しています。生理学分野の研究者とも連携し脳の情報処理機構の研究に取り組みます。この研究は、神経系が関連する疾患の理解・診断・治療など臨床的な応用、さらには新しい脳型コンピュータなど工学的な応用への発展が期待されます。

自律移動ロボット・自動運転のためのニューラルネットワーク

自律移動ロボットや自動運転の研究が盛んに進められています。 ロボットや自動車が自律的に動くためには一般的に、1)現在地の把握、2)地図の生成、3)目的地までの経路の生成、という問題を解く必要があります。 本研究では、これらの問題を解決するために、レザバー計算(Reservoir Computing: RC)の枠組みを用います。 RCはニューラルネットワークの1つで、高次元の複雑な時系列データを扱うことが出来ます。 RCの特徴として中間層の各ニューロンのシナプス結合の値をランダムで設定し変更せず、中間層と出力層のニューロンを繋ぐシナプス結合のみ学習するため計算量が少なくて済むという点があげられます。 本研究ではRCを用いて自律移動ロボットを作成し、その性能評価を行います。

ビデオゲームをプレイするニューラルネットワーク

ビデオゲーム(テレビゲーム)の攻略には、知覚・判断・行動選択と複雑な認知機能が要求されます。私たち人間が日常生活で必要な認知機能と共通する部分も多く、そのような認知機能を仮想空間上でテストすることが出来るビデオゲームは、人工知能の分野でも重要な研究課題になっています。本研究では、Deep-Q-Networkと呼ばれる深層学習と強化学習を組み込んだネットワークにより、ビデオゲームを解く人工知能を研究しています。強化学習では,ゲーム画面などの情報から機械が試行錯誤を繰り返し自分の力で学習していきます。正解の行動は示されず,ゲームのクリアによる報酬のみで評価をするため、まるで人のように学習が進みます。さらに、エコーステートネットワーク(ESN)を取り入れることで現在の状態だけでなく、未来の状態も評価に取り入れる学習方法の構築を試みる予定です。

聴覚情報処理の数理モデルと、その機械作曲への応用

本研究では,動的なプレディクティブコーディング(予測的符号化)に基づく聴覚系情報処理のモデルと、それを機械作曲に応用する研究をしています。プレディクティブコーディングは,脳の視覚野が常に外界の感覚刺激を予想しているとする仮説です。また聴覚系のプレディクティブコーディングでは、聴覚系の特性を再現するモデルが考案されています。本研究では、これを拡張・発展させ、作曲に応用しようとしています。私たちは,音楽を聞くときに次の音がどうなるかを予想しながら聞きます。その予想をプレディクティブコーディングの枠組みで捉え,モデルとしての実現・実装を試みています。そのモデルを応用することで,人間の聴覚情報処理機構を考慮した新しい機械作曲法を提案できると考えています。

非線形ダイナミクスと時系列(生体信号、音声・音響)データのモデリング

近年の技術発展にもとない大規模なデータ(ビックデータ)の収集が行われるようになっています。その一方で、データの解析・利用にはまだ多くの課題、研究の余地があります。本研究室では、時間的に変動するデータ(時系列データ)を、非線形システムの持つダイナミクスを用いてモデリング・解析する研究を行っています。音声・音響データや生体信号の時系列など多くの解析対象となるデータ、課題があります。

脳型人工知能のための専用ハードウェアの開発

脳型人工知能を実現するためには、多くの計算機資源が必要です。CPUやGPUでは足りません。また通常のデジタル回路による演算機構には、ハードウェア規模・消費電力が大きくなるという問題があります。そこで、脳型人工知能を実現するための専用の電子回路を開発します。Field programable gate array(FPGA)や用途特定型集積回路(Application specified IC: ASIC)を用います。通常のデジタル回路による演算ではなく、時間領域で情報を表現する新しい計算機構に基づくハードウェアを開発します。