2015年7月11日に エンボディード・アプローチ研究会 http://www.geocities.jp/body_of_knowledge/ 「心の科学の基礎論」研究会 http://www.isc.meiji.ac.jp/~ishikawa/kokoro.html の共同研究会で発表した内容です。 Ref. Phenomenology of Artefacts http://rondelionai.blogspot.jp/2014/02/phenomenology-of-artefacts.html The English version: http://www.slideshare.net/naoyaarakawa39/humanlevel-ai-phenomenology

1. 2015-07 02015-07
荒川直哉
ヒト並みの人工知能と現象学
2015-07-11
エンボディード・アプローチ研究会
心の科学の基礎論研究会

2. 2015-07 1
今日お話しすること
ヒト並みの人工知能
○ 背景、課題とアプローチの紹介
○ 身体論・現象学との関連
○ 発表者の最近のアクティビティから

3. 2015-07 2
発表者の略歴
大学関係
• 学部：生物工学：脳と神経回路モデル
• 修士：システム科学
• 博士：言語哲学
指示の自然化：機械が言葉を使ってものごとを指し示すことができるか
仕事関係：主に自然言語処理
• 機械翻訳
• 対話システム
• 意味解析・日本語オントロジー
 最近は「汎用人工知能」関連の活動
 心の科学基礎論研究会世話人（’08〜）

4. 2015-07 3
構成
1. 背景：人工知能
● ヒトのような機能を持つ人工知能
● 近年の「AIブーム」
● ２つの対立軸
2. 解決すべき課題
3. ヒト並みの人工知能の作り方
4. 発表者の最近のアクティビティからの話題

5. 2015-07 4
ヒトのような機能を持つ人工知能
● 人工知能分野元来の目標の一部（野望）
○ 「ピグマリオン・コンプレックス」？
○ 「認知科学」としての人工知能 ↓
● ヒトの「構成的」理解
○ 真に何かを理解するには作ってみるべき
○ 現状分析的に理解するのは困難…

6. 2015-07 5
近年の「AIブーム」
● メディアによる注目
● テレビや雑誌での特集
● 一般向け「AI本」の出版ラッシュ
● 新しい研究所：産総研、千葉大、etc.
● 技術的背景
○ 計算機の性能向上
○ 知識源となるデータの爆発的な増加
○ いくつかの成果：IBM, Google, etc.
チェス、クイズ、自動運転、…
○ 機械学習分野の発展
Deep Learning! ⇒

7. 2015-07 6
機械学習分野の発展
● 基本的にニューラルネットの逆襲
● Deep Learning
● 多層ニューラルネット（深層学習）
● 画像認識や音声認識で成果
● 自動的に概念形成⇒
Googleのネコ(Google Brain)、Google Dreams (Inceptionism)
● RNN (Recurrent Neural Network)
● 時系列学習
● 深層学習も使って画像に説明文付加（Stanford大）
● 強化学習
● 報酬に基づく行動系列の学習
● Deep Q Network (深層強化学習)：ゲームをプレイ

8. 2015-07 7
２つの対立軸
● 汎用人工知能 vs. 特定課題型人工知能
● Artificial General Intelligence（AGI）
● さまざまなスキルを習得しうるという意味で「general」
● ヒト並みの人工知能もまた AGI
● 本来の「野望」しかし難しい⇒
● Narrow AI〜個別の課題の解決：現在の研究の主流
● 古き良き人工知能 vs. 創発的人工知能
● 古き良き（記号的）人工知能（GOFAI）
● ドレイファスやレイコフらの批判
● 知識獲得で行き詰まり
● 創発的人工知能
● 知識は与えられるものではなく学ぶもの
● アナログ（統計）的
※機械学習の進展⇒AGI/ヒト並みのAI実現に光明!?

9. 2015-07 8
構成
1. 背景：人工知能
2. 解決すべき課題
● 知識獲得＝学習＝認識論
● 認知機能
3. ヒト並みの人工知能の作り方
4. 発表者の最近のアクティビティからの話題

10. 2015-07 9
ヒト並みのAIを作るために解決すべき課題
知識獲得＝学習＝認識論
● いかにして我々は知識を得るのか
● いかにして機械は知識を得るのか
● より具体的には
● 概念獲得（←知覚・運動）
● 行為の知識獲得（praxis/pragmatics←運動・知覚）
● 言語（知識）の獲得
○ 語彙の獲得（記号接地問題）
○ 文法の獲得

11. 2015-07 10
ヒト並みのAIを作るために実現すべき認知機能
○ ヒト並みの人工知能⇔ヒトの認知機能の棚卸し
○ 学習〜知識獲得
■ パターン認識（主に教師あり）
■ 概念学習（主に教師なし）
● 「クラスタリング」
● Deep Learning による「表現学習」
■ 強化学習：報酬に基づく行動系列の学習（cf. オペランド条件付け）
■ エピソード記憶：ワンショット学習
○ 行動計画、実行
■ 創発的人工知能：大脳前頭前野からヒントを得てみる？
○ 言語機能
■ 生成的（統語論的問題）
■ 社会的（語用論的問題）
■ 記号接地（意味論的問題）

12. 2015-07 11
構成
1.背景：人工知能
2. 解決すべき課題
3. ヒト並みの人工知能の作り方
● 三つの柱
● 構成的アプローチ
4. 発表者の最近のアクティビティからの話題

13. 2015-07 12
ヒト並みの人工知能の作り方
1.三つの柱（私見）
i. 認知アーキテクチャ
総合的な認知モデル：知能の「仕組み」
記号的なものはいろいろ提案されている。
脳の仕組みからも学べる。
ii. 機械学習
経験から学ぶための数理モデル
iii. 認知ロボティクス
身体を持って世界の中で発達的に学ぶ。
2.構成的アプローチ
仮説⇒作ってみて検証
i. 認知ロボティクス
ii. 人工脳

14. 2015-07 13
認知ロボティクス
• 認知科学としてのロボティクス
• 認知には身体性が必要という立場
• 認知の「構成的」理解
真に何かを理解するには作ってみるべき
• ジャンル
– 認知発達ロボティクス
• 人間の子どものように認知能力を発達させる
– 記号創発ロボティクス
• 環境とのインタラクションから言語を学ぶ
– 社会知能ロボティクス
• コミュニケーション研究

15. 2015-07 14
認知発達ロボティクス
• 人間の子どものように認知能力を発達させる
• ロボットは環境との相互作用から学んでいく
（倫理的にも）難しい幼児への心理実験を補完
• 日本での研究
–大阪大学浅田研
–東京大学國吉研
–新学術領域研究「構成論的発達科学」
–など
• 参考文献
– Cangelosi, A. et al.: Developmental Robotics
-- From Babies to Robots, MIT Press (2015).
– Asada M. et al.: “Cognitive developmental robotics: a survey,” in IEEE
Transactions on Autonomous Mental Development, Vol.1, No.1,
pp.12--34 (2009)

16. 2015-07 15
記号創発ロボティクス
• 環境とのインタラクションから言語を学ぶ
• ヒト：個別文法も語彙も与えられない
• ref. 発達言語学
– Tomasello, Meltzoff, Spelke, …
– Chomskians（最近のマージ理論）
– cf. 進化言語学（動物の認知機能研究）
• 記号接地問題：記号と世界とのマッピング
• さまざまな機械学習手法を駆使
– ノンパラメトリックベイズ、Recursive Neural Net…
• 他者の意図理解が必須（←発達言語学）
• 言語獲得の実現はこれから...

17. 2015-07 16
社会知能ロボティクス
● ロボットによるコミュニケーション研究
● 身体を前提とするコミュニケーションを扱う
● 模倣
● 共同注意
● エンパシー

18. 2015-07 17
認知ロボティクスと現象学的身体性
• 認知ロボティクス研究者の興味〜
身体性研究者の興味
• 共通して使用される概念
 身体イメージ・身体図式, etc.

19. 2015-07 18
人工脳
● 人工的に脳っぽいものを作って認知機能を再現
1. 脳シミュレーション
○ ニューロンレベルから生理学的に忠実なモデル
○ Blue Brain Project, Neurogrid Project,
革新的技術による脳機能ネットワークの全容解明プロジェクト, …
2. 脳にヒントを得た認知アーキテクチャ
○ 認知アーキテクチャ：総合的な認知モデル
○ 例
■ Nengo/SPAUN (C. Eliasmith et al.)
■ Leabra (O’Reilly et al.)
■ 全脳アーキテクチャ（後述）

20. 2015-07 19
脳研究の現状
● 脳機能イメージング（fMRI）などの発達
● 認知神経科学者たち
○ A. Damasio：ソマティック・マーカー仮説（情動の役割）
○ V.S. Ramachandran：さまざまな認知障害の紹介と解釈
○ E. Kandel：記憶の研究
○ E. Goldberg：左右大脳半球と前頭前野の機能の解釈
● 各器官の機能の解明とモデル化
○ 大脳皮質の構造と諸領野（認識、運動制御、計画、...）
大脳皮質の構造は領野にかかわらず一様 [Mountcastle]
○ 大脳基底核（線条体など：強化学習、作業記憶、...）
○ 大脳辺縁系（扁桃体など：情動・報酬）
○ 海馬（エピソード記憶、空間表現）
○ 小脳（運動制御、高次認知機能への寄与）
⇒ そろそろ統合的な絵が描けるかも

21. 2015-07 20
脳と認知機能（図）
前頭前野：計画
運動野：運動系列
大脳基底核：強化学習
小脳：フィードフォワード予測？
運動（＋高次認知機能？）
海馬：エピソード記憶（齧歯類では場所の記憶）
Where Path
What Path
扁桃体など：情動
言語野
こうした機能が有機的にヒトの知能を構成するような「アーキテクチャ」を考えたい

22. 2015-07 21
構成
1. 背景：人工知能
2. 解決すべき課題
3. ヒト並みの人工知能の作り方
4. 発表者の最近のアクティビティからの話題
● 意味論の問題
● 全体的な目標
● 人工物の現象学（マニフェスト）
● 時間の現象学
● 人工物による言語獲得へ向けて
● 汎用人工知能関連の活動

23. 2015-07 22
意味論の問題：前歴からの疑問
 日本語オントロジー（意味辞書）の作成
 多義性
• 一つの語にいくつの意味？
• 区別できない境界的な用例
例）助詞の「で」〜「ディスプレイで」
 そもそも人間は語の意味をどうやって獲得？
 発達に鍵？
 認知言語学者レイコフ（『認知意味論』）の忠告
自然言語の意味を記号によって扱うことは不可能！
⇒ 根本から問い直す必要がある！

24. 2015-07 23
全体的な目標：知（cognition）の解明
 正確には「意味論のグラウンディング」
 意味論は認識論を包含
• 外界の知識なしに意味を把握できない。
 副産物：汎用人工知能/ヒト並みの人工知能
• 構成的手法をとるため、副産物が手段となる
⇒方法論的なループ

25. 2015-07 24
アプローチ
1. 生物から学ぶ
• 脳モデル・動物（比較心理学・進化言語学）
2. 現象学的・発達的
• 個体に与えられる情報からの知識獲得
3. 構成的
• 機械学習
• ロボティクス（シミュレーション）
4. 言語獲得
• 言語：知の重要項目
• 上記 1〜3 を使った説明

26. 2015-07 25
人工物の現象学
• Husserl の現象学〜認識論（知識の基盤）
• 第1人称的視点からの認識論
• ロボットも第1人称的視点を持つ
ビデオ：MIT Atlas robot - first person view sensor visualization ⇔
• kinesthetic を持つロボット
• 外界との相互作用で発達的に知識を獲得
• ロボットは情報処理過程を inspect 可能
• 数理的に検証可能な人工物の情報処理
⇒ ロボット（人工物）を使って現象学を再構築？
cf. 戸田山和久：“アンドロイド認識論” in「知識の哲学」(産業図書 2002)
Android Epistemology (1995) という本もあるが内容がちと古い…
Naturalizing Phenomenology, Stanford (1999)
（マニフェスト）

27. 2015-07 26
時間の現象学
● Husserl の時間意識：原印象、予持、把持
● 時系列学習〜時系列予測
○ RNN (recurrent neural network)
○ 時系列的大脳皮質モデル：HTM, DeSTIN, etc.（cf. akinetopsia @V5野）
○ Dörner（認知心理学者）の PSIモデル
Bach J.: Principles of Synthetic Intelligence -- PSI: An Architecture of Motivated Cognition, Oxford U.
○ LLoyd, M.: “Time after Time -- Temporality in the dynamic brain,” Being Time: Dynamical Models of Phonomenal
Experience, John Benjamins Pub. Co. (2012)
● 時系列学習と時間の現象学
○ 予持：未来の記憶（予測）
○ 把持 ：文脈の記憶（状態）
○ 原印象⇔時間微分＋予測された現在
cf. 谷淳
○ ロボット工学者
○ 時系列学習器（RNN）
○ フッサールの時間の現象学への言及：縦の志向性、横の志向性

28. 2015-07 27
人工物による言語獲得へ向けて
• 発達ロボティクス in 仮想世界
• 幼児の言語獲得から学ぶ
•Spelke
•事物概念：一定の制約
–cf. Quineのギャヴァガイ
–事物全体制約など
cf. Husserl 裏側に回ってみる⇒三次元物体概念
•Tomasello
•参照（言葉）の理解：他者の意図の理解が必須
•用法を積み上げて文法を構築（反生得文法）
•Meltzoff
•乳児の他者の意図理解の研究
•自分の意図的運動をまずモデル化？

29. 2015-07 28
人工物による言語獲得へ向けて（続き）
• 動詞の獲得
•動詞は文構造の要
•物体・名詞的概念よりやや後
•まず自分の意図的な動作の概念（←Meltzoff）？
cf. sense of agency
自分の意図は「所与」
•動詞とのマッピング
→「親」の動詞使用
← 自らの発話の（社会的）成功・失敗
• 構文の獲得
• 前後の構造の連接⇒マージ？
• 創発的言語獲得〜機械学習

30. 2015-07 29
汎用人工知能関連の活動（宣伝 :-）
❖ ドワンゴ人工知能研究所
● 脳モデリング、言語獲得など
❖ 全脳アーキテクチャイニシアティブ（NPO）
● 脳にヒントを得た認知アーキテクチャを目指す
● 教育・啓蒙
❖ 汎用人工知能研究会（←人工知能学会）
● 輪読会
● 教科書も企画中…
❖ Webサイト: 汎用人工知能と技術的特異点
● www.sig-agi.org
● Facebook グループ
「汎用人工知能について語ろう！」
ご興味がありましたらご連絡ください：naoya.arakawa@nifty.com

31. 2015-07 30
ご清聴ありがとうございました！