ニューロモーフィック計算/計算機ハードウェア スパース符号化/力学系としてのニューラルネットワーク

ニューロモーフィック計算/計算機ハードウェア/スパース符号化/力学系としてのニューラルネットワーク現代の人工知能(AI)がまだ実現していない脳情報処理の機能を、工学的にAIに導入する方法をアルゴリズム・ハードウェアの両面から考えています。最近のAIの発展は暗黙的にGraphical Processing Unit(GPU)で並列計算しやすいものを掘り下げる研究に偏っています。その結果、「疎性」「反復・再帰」「演算と記憶の近接」など、脳情報処理を支えている計算原理の探究が不足しています。これらの不足によってAIの消費エネルギーの爆発的増大や長期の継続的学習の困難さなどの問題が未解決となっています。Spiking Neural NetworksやPredictive Coding Networksのような脳型(ニューロモーフィック)アルゴリズムを改良し、GPUとは異なる設計思想の新興AI向け計算機ハードウェアで高速化し、実用的に脳とAIのギャップを埋めることを目指します。

高校生へのメッセージ

GPUで高速に計算しやすいという環境が人工知能研究者という行為者の行動を変化させ、さらにAIに特化したGPUが作られ、またより高性能なAIが開発される。これに似た反復的・再帰的な相互作用が、行為者的(エージェンティック) AIの登場によって、社会や日常の様々な場面でもどんどん加速していくことが予想されます。より脳に近いAIの理論と計算機ハードウェアの研究は、エネルギー問題の解決のための研究というだけでなく、AIと人間(行為者であり互いに互いの環境でもある)の違いが反復的に増幅されてしまう事態を避け、良い未来を作るための研究といえます。

• 研究室website