WBAレクチャー＃１脳機能の体系的理解を目指して（山川宏）

脳機能の体系的理解を目指して
山川宏
Slack内の議論へはこちらから、
https://wba-initiative.org/17902/

本レクチャーにあたって
• AGI開発で脳に学ぶことは有力な選択
肢だが、どの程度参考とするのが最適
かは不明
• WBAIは、脳型AGIの要求仕様書に近
い、脳参照アーキテクチャ(BRA)を中
心とした開発を進めている。
WBA #1 https://wba-initiative.org/17902/
レクチャー
• BRA設計に参加する研究者らが増えれば、いずれ脳全体が
カバーされ、民主的なAGI開発の素地が整うと期待している。
• 本講習会では、BRA設計のためのSCID法を紹介する
• BRAの整備が進むにつれ、脳機能の体系的な理解や、神経
科学実験へのヒント、Dysfunctionの再現などに利用しうる

全脳アーキテクチャ・アプローチ
レクチャー
脳全体のアーキテクチャに学び
人間のような汎用人工知能を創る(工学)

全脳アーキテクチャ・イニシアティブの基本理念
レクチャー
ビジョン：人類と調和した人工知能のある世界
最初の汎用人工知能を、ヒューマン・フレンドリーな全人類の公共財とします
価値観：
まなぶ：関連する専門知識を学び、拡める
みわたす：広く対話を通じて見識を高める
つくる：共に作り上げる
ミッション：
全脳アーキテクチャのオープンな開発を促進
脳全体のアーキテクチャに学び人間のような汎用人工知能のを創る(工学)

講演の内容
• AGIのための脳参照アーキテクチャ(BRA)
• BRAの活用
• SCID法： BRAを作成する
• まとめ
レクチャー

汎用人工知能(AGI)とは
汎用人工知能: 技術目標
多様な問題解決機能を経験を通じて獲得する
 満足できるレベルでの問題解決が可能となる
タスク範囲が広い
 設計時の想定を超えた新しい問題を解決でき
る．
徐
々
に
向
か
っ
て
い
る
特化型AI：次第に成熟しつつある
個別の領域において知的に振る舞う
 既数多く実用化されている．
 データが十分な日常的状況で良い知識を獲得し
て、優れた性能を得る
タスク領域
満足できるレベル
タスク領域
満足できるレベル
性能
性能
認知アーキテクチャ
が重要な技術となる
機械学習
がキーテクノロジーである
レクチャー

AGI
AGI構築における本質的な課題：設計空間の増大
レクチャー
AGIの真髄は直接には経験していない状況における有効な推論能力
7
タスク
タスク
タスク
タスク
知識
知識知識
知識
知識
より広範に部分知識を組み合わようとする程に、システムは複雑化
→ 設計空間が増大
最重要な能力：
認知アーキテクチャ内で
獲得された部分的な知識
を柔軟に組合せる能力

WBAアプローチ：脳を設計空間の制約に用いる
脳神経回路
ソフトウエア
(シミュレータ)
ソフトウエア
(知的システム)
計算機能
タスク
AI
性能評価
Uniform
Circuit
ミ
ク
ロ
マ
ク
ロ
メ
ゾ
行動/心理実験
神経科学実験(ミクロ)
神経科学実験(マクロ)
WBE/WBS
性能評価
プログ
ラム
プログ
ラム
データが潤沢
な個別タスク
解決できる
↓
AGIに必要な
ML統合の設
計空間は広い
現象の再現に
留まる
↓
未だ部品の積
み上げで性能
は得られない
レクチャー

脳神経回路
ソフトウエア
ソフトウエア
計算機能
タスク
AI
WBA
WBE/WBS
性能評価
性能評価
Uniform
Circuit
ミ
ク
ロ
マ
ク
ロ
メ
ゾ
行動/心理実験
プログ
ラム
プログ
ラム
データが潤沢
な個別タスク
解決できる
↓
AGIに必要な
ML統合の設
計空間は広い
現象の再現に
留まる
↓
未だ部品の積
み上げで性能
は得られない
脳を設計
空間の制
約に使う
レクチャー

脳神経回路
ソフトウエア
ソフトウエア
計算機能
タスク
AI
WBA
WBE/WBS
性能評価
性能評価
Uniform
Circuit
ミ
ク
ロ
マ
ク
ロ
メ
ゾ
行動/心理実験
脳参照アーキテクチャ(BRA)
脳情報
フロー
(BIF)
仮説的コンポ
ーネント図
(HCD)
制
約
プログ
ラム
プログ
ラム
データが潤沢
な個別タスク
解決できる
↓
AGIに必要な
ML統合の設
計空間は広い
現象の再現に
留まる
↓
未だ部品の積
み上げで性能
は得られない
脳を設計
空間の制
約に使う
神経科学
知見の不
足を補う
レクチャー

脳参照アーキテクチャ (BRA)
仮説的コンポーネント図
(HCD)
仮説的コンポーネント図
(HCD)
脳参照アーキテクチャ(BRA)とBRA駆動開発
レクチャー
脳情報フロー (BIF) 仮説的コンポーネント図
2
B E
C
D
1
5
6
7
4
3
メゾスコピック・レベルの
解剖学的構造上の情報フロー
ROIが担う最上位機能を解剖
学的構造と一致するように機
能を整理しようとする図
環境：ありうる様々なタスク
コンポーネントの機能: A, B, C, D, E
信号の意味： 1, 2,3,4,5,6
脳
型
ソ
フ
ト
ウ
エ
ア
制
約
開
発
脳
型
ソ
フ
ト
ウ
エ
ア
開
発
開
発
脳
型
ソ
フ
ト
ウ
エ
ア
サーキット
コネクシ
ョン
神経科学の論文・データ
構
築
脳の真実
構
築
BRA活用
BRA設計
ROI

仮説的コンポーネント図(HCD)
脳情報フロー (BIF)
:Actor-Critic
Environment
feedback connection
feedforward connection
cortical micro circuit
Lower
Higher
Cortex
Striatum
(matrix)
Striatum
(patch)
SNc
GPi/SNr
Sensor/actuator
TRN
TRN action
value
state
value
TD error
attentional
action
reward
:TD error
calculator
7
:State value
calculator
:Action
calculator
:Action
value
calculator
6
prediction
5
reward
7
7
attentional
action
7
7
prediction
Basal ganglia Circuit
provided interface
required interface
port
6
:Label
component
uniform circuit
excitatory projection
inhibitory connection
A
B
C
D
A
B
C
D
基底核のBIFと強化学習のHCD
レクチャー
A,B,C,Dが夫々に対応している

:Actor-Critic
action
value
state
value
TD error
attentional
action
reward
:TD error
calculator
7
:State value
calculator
:Action
calculator
:Action
value
calculator
6
prediction
5
reward
7
7
attentional
action
7
7
prediction
provided interface
required interface
port
6
:Label
component
A
B
C
D
仮説的コンポーネント図とは何か
レクチャー
コンポーネント図
• UML（Unified Modeling Language）に
おいて、ソフトウェアの動作原理の構造的
な側面を示す図
• 構成要素
• 計算機能を担うコンポーネントたち
• コンポーネント間の依存関係
• 用途：システムの視覚化、指定、文書化、
フォワード/リバースエンジニアリング
仮説的コンポーネント図（HCD)
• コンポーネント図の一種である。
• 必ずしも脳の真実と一致しているという保
証が無いという意味で仮説的

脳アーキテクチャを参照する粒度の下限
Uniform Circuit：＝参照の下限
空間的に近接する均一なニューロン(サブ)タイプ集団
→ソフトウエアにおけるインタフェース（引数名）
レクチャー
Uniform
Circuit 1
送信元のニューロン・(サブ)
タイプを、シナプスの生化学
的な特徴から区別しうる
送信側ニューロン受信側ニューロン
Uniform
Circuit 2
軸索
(Oh, S., Nature, 2014)
(Bohland, J. W., PLoS,
Comp. Biol. 2009))

Uniform Circuitで記述される知的処理
レクチャー
他の対応例
• CNN → 視覚野腹側路
• MLP → 小脳
大脳基底核の神経回路
強化学習(Actor-Criticモデル)
(Takahashi, Y., Schoenbaum, G., & Niv, Y. , 2008)
Uniform Circuits
• 状態価値：V → Ventral striatum
• TD誤差 → VTA, SNc
• Action: a → Dorsolateral striatum

機械学習を脳のように統合する開発手法
BRAが駆動する全脳アーキテクチャ開発の全体像
レクチャー
BRAとの比較によりソフ
トの生物学的妥当性（忠
実性）を評価する
BRAに基づく特定のタス
ク毎の開発
(スタブ駆動開発)
BRAにガイドされたコン
ポーネントのマージ
(Brain-inspired Refactoring)
脳参照アーキテクチャ (BRA)
脳型ソフトウェア開発のために機能仮説と現象を付
与したメゾスコピック神経回路ベースの参照モデル
脳らしく作成する脳らしくマージする脳らしさを評価する
BRAデータの妥当性を
評価し、受領したデー
タを正式登録
神経科学知見(構造・現
象)の収集とSCID法に
よる機能仮説の構築
記述形式(BIF)を策定。
さらに、データベース
上で共有／統合する
脳の何を学ぶか脳の知識をどう得るか脳らしく記述されたか
BRA活用
BRA設計
④ ⑥
⑤
③
②
①

脳参照アーキテクチャ(BRA)
脳参照アーキテクチャ(BRA)とBRA駆動開発
レクチャー
BRA活用
脳型ソフトウエア
脳情報フロー
(BIF)
BRA設計
④ 新規開発
⑥ 忠実度評価
③ 適切度評価
② SCID法
割付
制約
開発
構築
比較
比較
比較

Circuit
Connection
Property
only for
uniform
Circuits
脳情報フロー (BIF)形式の策定
レクチャー
Terminal
[sensor]
Terminal
[actuator]
Circuit
Circuit
Circuit
Circuit
Circuit
Legend
Uniform
circuit
Connectio
n
Circuit
modType
size
reference
hasPart
implementation
reference
size
transmitter
taxon
labels
inputCircuit
outputCircuit
taxon
transmitter
解剖学的構造：
• サーキット(ノード)：
脳の部分回路
最小単位はuniformCircut
• コネクション(リンク)：
Uniform Circuitを起点とした
軸索集合
BRAに必要なメゾスコピックレベルの情報フローを
記述するBrain Information Flow(BIF)形式
現状で、Uniform circuit間の接続
情報の全ては入手できないので、
大きな粒度のCircuitへの投射を記
述できる必要がある。

BIF形式データ：「作業記憶モデラソン2020」より
レクチャー
Circuit https://ggle.io/3oqk
Connection

BRAへから期待されるメリット
応用/実用的なメリット
• 認知行動の再現（対人インタラク
ションの設計等への活用）
– 例：全脳確率グラフィカルモデル
• Dysfunctionの再現などによる医
療応用
• 動作原理についてのヒントを得る
– 例：海馬体研究では、LECとMECの
連携回路からヒントが得られた
• マインド・アップロードのための
標準モデル
• ML技術の統合による脳型AGI開発
の促進 ← WBAIの動機
計算論的神経科学のメリット
• 認知行動に関わる標準化された記
述であるBRAを用いることで、脳
機能の体系的な理解が進む
実験神経科学のメリット
• 実験で検証すべき仮説の提供
– 例： MEC L2が経路統合を担うとい
う予測[Fukawa,2020]から実験推薦
• 実験計画のヒント
– 必要だが、知識の不足している領域
が明らかになる
レクチャー

SCID法の概要
レクチャー
特定の脳領域(ROI)が担う計算機能をメゾスコピックレ
ベルの解剖学的構造に対して整合的に分解する方法。
脳情報フロー (BIF) 仮説的コンポーネント図(HCD)
2
B E
C
D
1
5
6
7
4
3
メゾスコピックレベルの解剖学的構
造上の情報フロー
ROIが担う最上位機能を解剖学的
構造と一致するように機能を整理
しようとする図
信号の意味： 1, 2,3,4,5,6
サーキット
コネクシ
ョン
構
築
信号の意味： 1, 2,3,4,5,6
構造等の
制約
機能の
付与
※脳認知機能についての構成論的アプローチを、
ソフト開発の上流工程レベルで行うようなもの何れかの科学知識と矛盾した図は棄却

脳の計算機能を推定する際におけるSCID法の利点
レクチャー
方法一般的な方法 SCID法
主要な手
がかり
外界と相関をもつ神経
現象（報酬、場所細胞
等）
構造と必須機能(能力)
(※神経現象は適宜利用）
適用範囲現象的な手がかりがあ
る範囲に限定されがち
脳のほぼ全域
（メゾスコピックな構造
が既知な範囲）
機能仮説
の性質
現象の解釈であるため、
開発には距離がある。
計算機能に即しており
開発につなげやすい
脳型AGIの
開発では
特に重要

SCID法の基本３ステップ
• ステップ1：ROIとTLFの特定（前提条件の設定）
– 人間と動物の認知行動に関わる諸科学の知見からみて妥当なROIと
それが担う最上位機能（TLF）を決定する。
• ステップ2：候補コンポーネント図の列挙（可能性の網羅）
– ROIの構造に対応するTLFを実現するコンポーネント図を列挙する。
• ステップ3：ダイアグラムの選択（解決策の絞り込み
– 多元的学術知見(神経・認知／心理・進化・発達等) からみて棄却
されないコンポーネント図を選抜する
レクチャー

Step 3: 様々な科学知見からみて矛盾のあるHCDを却下する
Step 1
SCID法の３ステップ
レクチャー
2
B E
C
D
1
5 6
7
4
3
Environment (various tasks)
Function of components: A, B, C,
D, E
circuits
connec
tions
信号の意味： 1, 2,3,4,5,6
TLF
最上位機能
ROI
Region of
Interest
Step 1-A: ROIに
おける解剖学的知
識等の調査
Step 1-B:
Seemerコンポー
ネント図の作成
Step 1-C:
Determining ROI and
TLF consistently
Step
2:候補コンポーネント
図の列挙（可能性の網羅）
Step 1-C: ROI
とTLFを整合的に
決定
割付
制約
構
築

ステップ 1-A ROIにおける解剖学的知識等の調査
• 調査／整理
– ROIの解剖学的構造に関する文献やデータを調査し、その結果を統合し
て脳情報の流れのフレームワークを作成する。
– 生理現象や計算機能に関する記述を文献から取得し、上記のフレームワ
ークに追加する。
• データ作成
– 上記の結果をBIFデータフォーマットに登録
• 得るべき結果
– ROI内部の構造情報がある程度以上
存在することを確認
• そうでなければSCID法での研究は困難
レクチャー
サーキット
コネクシ
ョン
ROI

ステップ 1-A ROIにおける解剖学的知識等の調査
レクチャー
(布川、相澤、矢入、山川、Sig-AGI, 2018)

ステップ 1-B Seemerコンポーネント図の作成
• 調査／整理
– ROIに関わる既存の計算モデルを調査
– ROIの入力から出力への変換を実現するSeemerなコンポーネント
図を試作。（内部構造の一致性は問わない）
• 調査で得た既存計算モデルを当てはめる。
• ANN等で実装可能性が自明なモデルを
当てはめる
• 得るべき結果
– Seemerコンポーネント図
• ROIの入出力変換がFeasibleであることを確認
• 例：海馬体が担うSLAM機能は工学的実装有り
レクチャー
Seemerコンポーネント図
2
B E
C
D
1
5
6
7
4
3
解剖学的構造を考慮せずに、ROIが
担う最上位機能を分解・整理した図
信号の意味： 1, 2,3,4,5,6
信号の意味： 1, 2,3,4,5,6

ステップ 1-C ROIとTLFを整合的に決定
• 得るべき結果 (何れかが所与の場合もある）
• ROI: Region of Interest (ROI)
• TLF: 明文化された(可能な限り一般性が高い)最上位機能
• 決定プロセス
– 実現されるTLFとROIの入出力信号の意味を整合させる
– 所与のROIやTLFも、しばしば調整をうける
• 使用するROI外部の手掛かり例（確定的な方法は存在しない）
– 先行研究で、あるROIが特定の機能を担っていることが示唆されている場合
• 例：特定の脳器官をノックアウトすると、特定の機能が失われる。
– TLFが脳内に位置するROIの推定
• 例：着目したTLFを担えるような解剖学的な位置を占める脳器官が他に存在しない
– 様々な周辺分野の知見（進化、発生など）
• 例：複数種の比較により、TLF の有無と脳器官の有無が一致する。
レクチャー
しばしば、
このステッ
プが難しい

例１： Path Integration [Fukawa, 2020] 例２：新皮質領野間信号 [Yamakawa, 2020]
ステップ 1-C ROIとTLFを整合的に決定
決定されたROIとそれが担うTLFの例
レクチャー
TLF
最上位機能
ROI
Region of
Interest
ROIで交換される信号の計算
論的意味は、観測・予測・計
画・意図・逸脱の５種類
５種類の新皮質領野間結合
現在位置情報と移動情報
（speed, HD）から，移動し
た先の自己位置を計算する
TLF
最上位機能
ROI
Region of
Interest
Medial Entorhinal Cortex

仮定の導入(オプショナル）
後の作業（機能分解・対応付け）に必要となる、蓋然性の高い
仮説を適宜導入する
レクチャー
例１：包括的な想像のアー
キテクチャ[山川, 2020]
新皮質の表現が唯一かつ
単様相のため、想像を扱う
領域は現実を扱う領域と(動
的に)分離する必要がある
例２：新皮質領野間信号
[Yamakawa, 2020]
あらゆる新皮質の領野間
では、経路毎に異なる種類
の信号が伝達される

ステップ 2：候補コンポーネント図の列挙（可能性の網羅）
ROIの構造に対応づくような機能分解により、TLFを実現する
(ANN・BN等で構築可能な)コンポーネント図を網羅的に列挙
する
レクチャー
脳情報フロー (BIF) 仮説的コンポーネント図(HCD)
2
B E
C
D
1
5
6
7
4
3
ROIが担うTLFが、そこに含まれるコ
ンポーネントの連鎖で遂行可能であ
ることを示す図
信号の意味： 1, 2,3,4,5,6
ROI =
サーキット
信号の意味： 1, 2,3,4,5,6
構造等の
制約
※ ANN: 人工ニューラルネットワーク, BN: ベイジアン・ネッ
トワーク
機能の
付与

ステップ３：コンポーネント図の選抜（解の範囲を特定)
列挙された候補コンポーネント図に対して、多元的学術知見(神
経・認知／心理・進化・発達等)から棄却を行い、棄却されずに残
ったコンポーネント図を選抜結果とする。
そのコンポーネント図における機能仮説の連鎖によって(のみ)想定
されたROIが担う最上位機能を脳と似た形で遂行できることを示す
説明書を作成する
レクチャー

Step 3: 様々な科学知見から
みて矛盾のあるHCDを却下
Step 1
スキッド法の概要(まとめ）
レクチャー
(HCD)
2
B E
C
D
1
5 6
7
4
3
Environment (various tasks)
Function of components: A, B, C,
D, E
circuits
connec
tions
信号の意味： 1, 2,3,4,5,6
TLF
最上位機能
ROI
Region of
Interest
Step 1-A: ROIに
おける解剖学的知
識等の調査
Step 1-B:
Seemerコンポー
ネント図の作成
Step 1-C:
Determining ROI and
TLF consistently
Step
2:候補コンポーネント
図の列挙（可能性の網羅）
Step 1-C: ROI
とTLFを整合的に
決定
割付
制約
構
築
特定脳領域(ROI)が担う機能(TLF)をメゾスコピ
ックレベルの解剖学的構造に対して整合的に分解

SCID法による機能仮説構築の研究例
1. Fukawa, A., Aizawa, T., Yamakawa, H., & Yairi, I. E. (2020). Identifying Core
Regions for Path Integration on Medial Entorhinal Cortex of Hippocampal
Formation. Brain Sciences, 10(1).
2. Yamakawa H.:, Attentional Reinforcement Learning in the Brain, New
Generation Computing, 2020.
3. Yamakawa H.:, Revealing the computational meaning of neocortical interarea
signals. Frontiers in Computational Neuroscience, Vol.14, No.74 (2020)
4. 山川宏, 布川絢子, 矢入郁子, 意識周辺アーキテクチャの仕様検討, 電子情報通信学会
ニューロコンピューティング研究会, NC2019-115, March, 2020.
5. 布川絢子 , 矢入郁子, 山川宏, 脳の注意機能を担う前障(claustrum)の内部機構, 人工
知能学会第15回汎用人工知能研究会, SIG-AGI-015-06, 2020.8.29.
6. 田和辻可昌・荒川直哉・山川宏, 脳幹視覚系神経核における抑制と加算機能に関する
仮説の提案～ BIF形式に基づく滑動性追従眼球運動と衝動性眼球運動の統一的記述
～, 信学技報, 2020-10-MBE-NC-NLP-CAS, NC, 2020年10月29日 11:40発表予定
レクチャー

まとめ：脳機能の体系的理解を目指して
• 広範に知識を組み合わられるAGIシステムは複雑化する
• その設計空間を制約するため、BIFに対応づく複数のHCDからなる脳参
照アーキテクチャ(BRA)を要求仕様として整備を進める。
– 脳情報フロー (BIF)：メゾスコピック・レベルの神経回路
– 仮説的コンポーネント図(HCD)： ROIにおける組織化された機能
• SCID法では、ROIの解剖学的構造をBIFとして整理し、ROI全体の機能
をBIFに整合するように分解して蓋然性の高いHCDを作成する。
• SCID法で得た仮説は論文に掲載されつつある、BRA構築に取り組む研
究者らが増加し、脳全体のBRAが早晩に完成することを期待している。
• BRAは、脳型AGIの実現を含む実用場面での利用のみならず、脳の広い
範囲に渡る機能を体系的に理解することに役立ちうる。
BRA駆動
開発
レクチャー

本レクチャー全体の総括
• 当NPOでは、脳型AGIの構築手法としてBRA駆動開発を提唱
• 解剖学的構造に整合するように機能を分解することでBRAを構
築するSCID法を紹介した（→ 本レクチャーの主題）
• 脳の広域にわたる標準化されたBRAの整備がもたらすもの
– 応用： Dysfunctionの再現、対人インタラクション、脳型AGI
– 神経科学：脳機能の体系的な理解、神経科学実験のテーマ設定
• BRAの質を保つため認定/登録する審査基準の確立を進めている
• BRAを登録するデータベースの基本設計を進め資金獲得を検討
• 学術誌等との連携でBRA構築の動機づけ構築を検討している
• 諸活動に関心ある方の参加をお待ちしています→Slack登録
レクチャー
Slack内の議論へはこちらから、
https://wba-initiative.org/17902/

WBAレクチャー＃１脳機能の体系的理解を目指して（山川宏）

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Was ist angesagt?

Was ist angesagt? (20)

Ähnlich wie WBAレクチャー＃１脳機能の体系的理解を目指して（山川宏）

Ähnlich wie WBAレクチャー＃１脳機能の体系的理解を目指して（山川宏） (20)

Mehr von The Whole Brain Architecture Initiative

Mehr von The Whole Brain Architecture Initiative (20)

WBAレクチャー＃１脳機能の体系的理解を目指して（山川宏）