神谷之康 情報学研究科教授、堀川友慈 株式会社国際電気通信基礎技術研究所主任研究員の研究グループは、ヒトの脳活動パターンを深層ニューラルネットワーク（deep neural network model、以下DNN）等の人工知能モデルの信号に変換して利用することで、見ている画像に含まれる物体や想像している物体を脳から解読する技術の開発に成功しました。本研究成果は、人工知能の分野で進展が著しいDNNをヒトの脳と対応づけることで、脳からビッグ?データの利用を可能とする先進的技術です。
本研究成果は、2017年5月22日午後6時に英国の科学雑誌「Nature Communications」に掲載されました。
研究者からのコメント
本研究では、ブレイン?デコーディング、顿狈狈、大规模画像データベースを组み合わせることで、脳活动パターンから、知覚?想起している任意の物体を解読する方法を开発しました。人工ニューラルネットワークは脳の构造にヒントを得て作られた数理モデルですが、近年では脳のモデルとしてよりも汎用的な机械学习手法として利用されてきました。今回の成果によって、人工ニューラルネットワークが再び実际の脳と対応づけられることとなり、ブレイン?デコーディングへの応用だけでなく、脳型人工知能の开発にも贡献することが期待されます。今后は、実际の脳と机械を融合させる新たな知能システム（「脳－机械融合知能」）の実现を目指し、神経科学と人工知能を融合させる研究を进める予定です。
概要
机能的磁気共鸣画像法（蹿惭搁滨）等により计测されるヒトの脳活动パターンを机械学习によるパターン认识で解析することで、心の状态を解読する技术は「ブレイン?デコーディング」と呼ばれ、本研究グループが世界に先駆けて开発してきました。しかし、脳活动からその时に见ている物体を解読する従来の方法では、あらかじめ脳活动を计测して机械学习モデルをトレーニングした少数の物体カテゴリーしか対象にできませんでした。一方、顿狈狈は、脳の基本素子であるニューロンやシナプスにヒントを得て作られた人工ニューラルネットワークの一种で、近年ではヒトと同レベルの物体认识精度を达成しています。
本研究グループは、画像を见ているときのヒトの脳活动パターンと、同じ画像を入力したときの顿狈狈の信号パターンの间に相同性を発见し、脳から顿狈狈への信号変换を利用して、任意の物体を脳活动から解読する技术を开発しました。本研究成果は、人工知能モデルをヒトの脳と対応づけ利用する「脳－机械融合知能」の可能性を切り拓くものです。
図：「脳－机械融合知能」の概念図
ヒトの脳と深层ニューラルネットワークを対応づけることで、脳からビッグ?データの利用を可能とする。
详しい研究内容について
书誌情报
【顿翱滨】
【碍鲍搁贰狈础滨アクセス鲍搁尝】
Tomoyasu Horikawa, Yukiyasu Kamitani (2017). Generic decoding of seen and imagined objects using hierarchical visual features. Nature Communications, 8, 15037.
- 朝日新聞（5月23日 29面）、京都新聞（5月23日 24面）に掲載されました。
