複雑な学習タスクを極めてエネルギー効率的に解決するアルゴリズム

人工知能の分野では、長年にわたって人間の脳と同等の情報処理能力を持つマシンの開発が求められてきた。ドイツのハイデルベルク大学とスイスのベルン大学の研究チームは、この挑戦に取り組んでおり、チームはミハイ・ペトロビチ博士の指導を受けている。

研究結果は、Nature Machine Intelligence誌に掲載された。

生物にインスパイアされた人工ニューラルネットワーク

この挑戦に取り組むために、チームは生物にインスパイアされた人工ニューラルネットワークに注目した。スパイキングニューラルネットワークは、自然な神経系の構造と機能を模倣しており、強力で高速でエネルギー効率が高いという特徴を持つため、有望な候補とみなされている。しかし、こうした複雑なシステムをトレーニングすることは、重大な課題であった。チームは、新しく実装されたアルゴリズムを使用して、この課題に取り組んでいる。

脳のニューロンは、短い電気パルスを使用して情報を伝達する。これらのパルスは、スパイクと呼ばれ、特定の刺激閾値を超えたときに発生する。情報交換は、単一のニューロンがスパイクを生成する頻度と、個々のスパイクの時間的順序の両方によって大きく影響される。

ジュリアン・ゲルツは、研究グループの博士課程の学生である。

「生物学的スパイキングネットワークと人工ニューラルネットワークの主な違いは、スパイクベースの情報処理を使用しているため、画像認識や分類などの複雑なタスクを極めてエネルギー効率的に解決できることである」とゲルツは述べている。

全潜在能力を発揮する

人間の脳と人工スパイキングニューラルネットワークの両方は、個々のニューロンが適切に接続されている必要がある。したがって、研究者は、脳にインスパイアされたシステム、またはニューロモルフィックシステムがスパイク入力を正しく処理するように調整する方法を発見する必要があった。

ローラ・クリーナーは、研究チームのもう一人のメンバーである。

「この質問は、生物学的モデルに基づく強力な人工ネットワークの開発にとって基本的なものである」とクリーナーは述べている。

スパイキングニューラルネットワーク内のニューロンが正しいタイミングで発火することを保証するために、特別なアルゴリズムを使用する必要がある。これらのアルゴリズムは、ニューロンの間の接続を調整して、ネットワークが必要なタスクを実行できるようにする。たとえば、画像を高精度で分類するタスクなどである。

これが、チームが開発したアルゴリズムである。

「このアプローチを使用すると、スパイキングニューラルネットワークをトレーニングして、単一のスパイクのみで情報をコード化および伝達できるようになる。したがって、望ましい結果を特に迅速かつ効率的に生成できる」とゲルツは説明する。

研究者は、このアルゴリズムでトレーニングされたニューラルネットワークを物理プラットフォームに実装することに成功した。プラットフォームは、ハイデルベルク大学で開発されたBrainScaleS-2ニューロモルフィックハードウェアプラットフォームであった。

研究者は、BrainScaleSシステムが人間の脳よりも最大1000倍高速に情報を処理し、従来のコンピューターシステムよりもはるかに少ないエネルギーを必要とすることを示した。

このシステムは、ヨーロッパのヒト脳プロジェクトの一部である。プロジェクトでは、ニューロモルフィックコンピューティングなどのテクノロジーが、EBRAINSと呼ばれるオープンプラットフォームに統合される。

「しかし、私たちの研究は、ニューロモルフィックコンピューティングや生物にインスパイアされたハードウェアにとってのみ興味深いものではない。科学界からのディープラーニングアプローチを神経科学に転用し、人間の脳の秘密をさらに明らかにするという要望にも応えている」とペトロビチ博士は述べている。