[論文レビュー] Brain Intelligence: Go Beyond Artificial Intelligence

Huimin Lu, Yujie Li+3 more|arXiv (Cornell University)|Jun 4, 2017

EEG and Brain-Computer Interfaces参考文献 47被引用数 11

ひとこと要約

本論文では、想像力機能を備えた人工生命を用いて、未体験の出来事についての独自のアイデアを生成できるようにすることで、従来の人工知能を凌駕する一般用途の知能認知フレームワーク「ブレインインテリジェンス（BI）」を提案する。このアプローチにより、大規模データへの依存が軽減され、自己アイデア生成が促進され、自律走行、正確医療、産業用ロボット工学の分野で、生物学的インスピレーションを受ける学習モデルによって、実用的応用の可能性を示している。

ABSTRACT

Artificial intelligence (AI) is an important technology that supports daily social life and economic activities. It contributes greatly to the sustainable growth of Japan's economy and solves various social problems. In recent years, AI has attracted attention as a key for growth in developed countries such as Europe and the United States and developing countries such as China and India. The attention has been focused mainly on developing new artificial intelligence information communication technology (ICT) and robot technology (RT). Although recently developed AI technology certainly excels in extracting certain patterns, there are many limitations. Most ICT models are overly dependent on big data, lack a self-idea function, and are complicated. In this paper, rather than merely developing next-generation artificial intelligence technology, we aim to develop a new concept of general-purpose intelligence cognition technology called Beyond AI. Specifically, we plan to develop an intelligent learning model called Brain Intelligence (BI) that generates new ideas about events without having experienced them by using artificial life with an imagine function. We will also conduct demonstrations of the developed BI intelligence learning model on automatic driving, precision medical care, and industrial robots.

研究の動機と目的

• 現在のAIシステムの限界に対処する。特に、大規模データに過度に依存しており、自己アイデア生成能力に欠ける点を改善する。
• 想像力と自己アイデア機能を組み込むことで、狭義のAIを超える一般用途の知能認知技術を開発する。
• 未体験の出来事について新しいアイデアを生成できる人工系を可能にする新しいパラダイムとして、ブレインインテリジェンス（BI）を提唱する。
• 自律走行、正確医療、産業用ロボット工学などの実世界応用において、BIモデルの有効性を検証する。
• 生物学的インスピレーションを受ける想像力駆動型学習アーキテクチャにより、AIシステムの複雑さとデータ依存性を低減する。

提案手法

• パターン認識を超える認知プロセスを模倣するため、内在的な想像力機能を備えた人工生命システムを設計する。
• 未体験の出来事について新しいアイデアを生成できる、ブレインインテリジェンス（BI）学習モデルを開発する。
• 既存のAIフレームワークにBIモデルを統合し、柔軟性を高め、大規模データセットへの依存を低減する。
• 自律走行、正確医療、産業用ロボット工学の3つの応用分野にBIモデルを実装する。
• 生物学的知能をインスピレーションとする認知アーキテクチャを用いて、自己アイデア生成と文脈的推論を可能にする。
• データ駆動型予測を超える、予見性と創造的問題解決を要するタスクにBIモデルを適用する。

実験結果

リサーチクエスチョン

• RQ1 人工知能システムは、未体験の出来事について、どのように独自のアイデアを生成できるか？
• RQ2 従来のAIと比較して、BIモデルはどれほど大規模な学習データへの依存を低減できるか？
• RQ3 生物学的インスピレーションを受ける想像力機能は、狭義のAI応用を超えて一般用途の知能を実現できるか？
• RQ4 BIモデルは自律走行や正確医療のような複雑な実世界分野で、どのように性能を発揮するか？
• RQ5 人工系における自己アイデア生成を可能にするために、どのようなアーキテクチャ的要素が不可欠か？

主な発見

• ブレインインテリジェンス（BI）モデルは、未体験の出来事について新しいアイデアを生成できることを実証し、パターン認識を超えた自己アイデア機能を有することが明らかになった。
• BIモデルは、想像力に基づく学習を活用することで、大規模データセットへの依存を低減し、効率性と適応性が向上した。
• 自律走行、正確医療、産業用ロボット工学における実証により、モデルの多様で複雑な分野への適用可能性が確認された。
• BIフレームワークは、人工生命に想像力機能を組み込むことで、従来のAIを凌駆える新しい知能認知のパラダイムを提唱した。
• より自律的で創造的かつ汎用的なAIシステムを可能にすることで、社会的および産業的課題の解決に潜在的貢献が見込まれる。
• モデルのアーキテクチャは一般用途の知能をサポートしており、人間のような認知的柔軟性を持つ人工系への道筋を示唆している。