4月6日、国立研究開発法人 情報通信研究機構(NICT)による理事長記者説明会が行なわれ、NICTの新中長期計画が発表された。同時にNICTの脳情報通信融合研究センター(Ci-Net)脳情報通信融合研究室 主任研究員の西本伸志氏が「脳をリバース・エンジニアリングする - 次世代人工知能の基盤として -」と題して講演し、神経科学と人工知能研究との接点について紹介した。西本氏による昨今の脳情報解読の研究紹介を中心にレポートする。

脳の研究と人工知能研究の接点は中間情報表現 脳は感覚器官をセンサーとして外界の情報を取り入れて情報を解釈している。脳における情報処理の過程や内部表現の理解は未解明の部分も多い。だが直近5年で大きく進歩したと西本氏は語った。また、最近何かと話題の深層学習にも似ている部分があるという。出力は人が設計するが、中間表現はデータから自動で学習されるし、また、解釈されない。結果はあるが、なぜそうなったかは分からないのが深層学習の特徴だからだ。 研究室単位で出力だけを利用したり、エンターテインメント用途ならば、中間表現が未解明でも問題はない。だが医療分野などに応用しようとした場合は、なぜそういう判断をしたのか分からないと問題がある。ブラックボックス部分はない方が望ましい。このような観点から見ると「脳の研究と人工知能研究には接点がある」と西本氏は語った。どちらも情報の理解と解釈を行なっており、どちらもここ5年で大きな進展があったからだ。NICTでは両者の相互参照によって、さらなる発展を目指そうとしているという。 最近の研究進展の具体的な例として、西本氏は、人が解釈できる動画を見ているときの全脳の活動をfMRI(機能的磁気共鳴映像装置)で記録する研究を紹介した。血流の変化を捉えるfMRIを使うことで知覚体験と脳活動の関係を知ることができる。 脳活動は暗号化された脳の言葉であるという。両者の関係を知ることができれば、「脳の言葉」を理解できる。知覚体験がどのように脳に符号化(エンコーディング)されているのか、そのモデルを作ることは人工脳を作ることそのものだという。また逆に、逆符号化(デコーディング)すること、脳活動が何をしているのか理解することは、脳活動の解読器を作っていることに他ならない。これは脳と機械を繋ぐブレイン・マシーン・インターフェース(BMI)の数理基盤として役に立つことが期待される。要するに、どのような中間情報表現が脳で実装されているのか、どういうものをモデルとして仮定すれば脳がしていることを理解できるかを探ることが研究戦略となる。