ロボットのAIに自発的な行動を与える研究者

研究者やロボット工学者は、ロボットに自律的な機能を実現するために不断に努力しており、制御メカニズムの参考点として動物の脳をよく見ています。ロボットの行動は、事前に定義されたモジュールや制御方法論に依存しているため、柔軟性が限られていることがよくあります。

この分野での最新の進展は、東京大学から出てきています。研究者たちは、機械学習に基づく代替方法を開発し、ロボットのAIに自発的な行動を与えることができました。チームは、動物の脳の神経活動のような複雑な時間パターンに頼りました。

この研究は、Science Advancesに掲載され、題は「Designing spontaneous behavioral switching via chaotic itinerancy」です。

高次元カオス

動的システムは、ものの内部状態の変化を数学的にモデル化したもので、ロボットや制御ソフトウェアを記述するために使用されます。研究者たちは、特に高次元カオスに焦点を当てています。高次元カオスは、動的システムの一種で、動物の脳をモデル化する能力が印象的なものです。

高次元カオスは、複雑で初期条件の変化に敏感なため、制御するのが特に難しいです。分野を進歩させ、この障害を克服するために、東京大学の知能システム・情報工学研究所と次世代人工知能研究センターの研究者たちは、高次元カオスを使用してロボットに人間のような認知機能を提供する新しい方法を開発しました。

加藤敦は、この研究で博士課程の学生として働いています。

「高次元カオスには、記憶の回想や関連付け時の脳活動を説明できるカオティック・イテラシー（CI）という側面があります」と加藤は述べています。「ロボティクスでは、CIは自発的な行動パターンの実装に重要なツールとなりました。この研究では、高次元カオスによって生成される複雑な時間シリーズ・パターンを使用して、CIを簡単かつ体系的に実装する方法を提案します。私たちのアプローチは、認知アーキテクチャの設計に際してより強力で多様な応用が可能になる可能性があると考えています。コントローラーに事前に定義された明示的な構造がない場合、自発的な行動を設計できます。これは、ロボットの行動の柔軟性を高めることができます。」

リザーバー・コンピューティング（RC）とは

チームは、リザーバー・コンピューティング（RC）と呼ばれる、動的システム理論を使用する機械学習技術に大きく依存しました。RCは、再帰型ニューラル・ネットワーク（RNN）を制御するために使用され、RNNのほとんどの接続を固定したまま、わずかなパラメータのみを変更します。これは、他の機械学習アプローチとは異なり、ニューラル・ネットワーク内のすべてのニューラル接続をわずかに変更するのではなく、システムがより迅速にトレーニングできることを意味します。

研究者たちは、カオティックRNNにRCの原理を適用し、自発的な行動パターンを実証することができました。ネットワークのトレーニングは、実行前に迅速に行われます。

「動物の脳は、高次元カオスを示す活動を生み出しますが、どのようにしてカオスを利用するのかはまだ説明されていません。私たちの提案したモデルは、脳での情報処理にカオスがどのように貢献するかについての洞察を提供する可能性があります」と、中島康平氏は述べています。中島氏は、東京大学の助教授です。「また、私たちのレシピは、神経科学の分野以外でもより広範な影響を及ぼす可能性があります。たとえば、生物学的ニューロンにインスパイアされた次世代のニューロモルフィック・デバイスは、高次元カオスを示す可能性があり、私たちのレシピを実装するための優れた候補となります。私は、脑の機能の人工的な実装が近いうちに実現されることを期待しています。」

この進展は、ロボティクスと人工知能（AI）の分野にとって重要です。研究者たちは、この課題に取り組んできましたが、分野は急速に進化しています。