2022-2027 ムーンショット目標9

“逆境の中でも前向きに生きられる社会の実現”
PM: 山田 真希子、PI: 濱田 太陽 (2022年6月~2027年3月)
「前向き」プロジェクトでは、科学的根拠に基づき「前向き」を読み取り、個人のニーズに合わせた「前向き」をサポートすることで、「人々が主体的・自発的に生きていくための技術」を社会に届けることを目指します。

https://www.jst.go.jp/moonshot/en/program/goal9/95_yamada.html

2021-2024 Grant-in-Aid for Transformative Research Areas (B)

"感情情報の解読に基づく人間科学の再構築"
PI: Junichi Chikazoe. (2021年10月~2024年3月)
情動が人間の行動にどのような影響を及ぼすかを理解することは、人間科学の最も基本的なテーマです。しかし、個人の主観的な感情は目に見えないため、個人が「どのように感じているか」を直接計測することが難しいことから、情動の働きを直接モデルに取り込むことは簡単ではありませんでした。近年の機械学習技術の飛躍的な進歩により、神経情報や身体情報から隠れた感情情報を解読することが可能になりました。本プロジェクトでは、言語学、経済学、美学などの人間科学分野において、新たなモデルを提案していく予定です。人間科学だけでなく、神経科学やデータサイエンスなどの幅広い分野での協力者を募集しています。

https://jodo-joho.com/

2021-2022 GoodAI 助成金

“Using open-ended algorithms to generate video game content”.
主任研究員カイ・アルルクマラン(2021-2022)
本プロジェクトでは計算機的創造性と人間と機械の協調設計におけるオープンエンドの力を調査することを目的とし、最終的には、「スペースエンジニア」視覚的に魅力的で機能的なゲーム内コンテンツを作成できるアルゴリズムの完成を目指します。
本プロジェクトにより、GoodAIの生涯学習AI(Badgerアーキテクチャ)の研究に関連するオープンエンドなマルチエージェント相互作用の役割に関する示唆が得られるでしょう。

https://www.goodai.com/using-open-ended-algorithms-to-generate-video-game-content-in-space-engineers/

2021-2023 GoodAI 助成金

“Creating a new framework for multi-agent AI systems”.
PI: Martin Biehl. (2021年-2023年)
在の人工知能は、その範囲が限られており、人間レベルの知能にはほど遠い状態です。人間レベルの知能を示すまでに欠けている重要な要素のひとつは、ダイナミックに変化する複数の目標や、以前のタスクから得た知識に依存する目標を追求するための学習です。

本プロジェクトでは、マルチエージェント学習の分野を発展させ、GoodAI独自の人工知能フレームワークであるBadgerアーキテクチャの開発に情報を提供することを目的とした「マルチエージェントAIシステムのための新しいフレームワーク」を制作する予定です。これは、既存のアルゴリズムとその適用方法についての理解を深めることと、新しい手法を開発することの両方によって実現されるものです。

本プロジェクトでは、現在の人工知能の手法では不十分な以下の4つの分野に焦点を当てます:
1. 複数の競合する目的を持つ能力
2. 情報理論的な観点から見た協調とコミュニケーション
3. マルチエージェントシステムの動的な拡張性
4. 観察によって得られた知識に依存して、動的に目的を変化させる能力

https://www.goodai.com/creating-a-new-framework-for-multi-agent-ai-systems/

2020-2025 Moonshot

“2050年までに、人が身体、脳、空間、時間の制約から解放された社会を実現”
PI: 金井 良太 (2020年12月-2025年11月)
このプロジェクトでは、意思によって操作できるサイバネティックアバター(CA)の開発を目指します。人の意図が推定できれば、思い通りに複数のエージェントを操作したり、言葉にならない想いを伝達することができる究極のブレインマシンインタフェース(BMI)の実装が可能になります。推定には脳活動の内部だけでなく脳表面情報や他人とのインタラクション情報も重要な手がかりになります。これらをAI技術で統合しつつ、実用の際の倫理的課題を解決して、安心して使用できる「AI支援型Trusted BMI-CA」を、2050年までに実現することを目指します。

https://www.jst.go.jp/moonshot/en/program/goal1/

2018-2021 Templeton World Charity Foundation(TWCF)

"Linking machine intelligence toconsciousness".
PI: Ryota Kanai. (2018年7月25日~2021年7月24日)。
意識の根底にある基本的な要素は何でしょうか、それを機械で再現することは可能なのでしょうか。

知能と意識は、しばしば異なるものとして扱われます。知能は、明確に定義された課題を解決するための客観的なパフォーマンスによって特徴付けられるのに対し、意識は、第三者の視点からは直接観察できず、内面的で主観的な経験によって特徴付けられるということが一般的な考え方です。
本プロジェクトでは、この二項対立に挑みました。人工知能(AGI)に関する大胆な研究を通じて、この2つの概念の間にある新しい関係を明らかにし、最終的には機械に意識が芽生えるのかどうかを探りました。

本プロジェクトでは、この二項対立に挑みました。人工知能(AGI)に関する大胆な研究を通じて、この2つの概念の間にある新しい関係を明らかにし、最終的には機械に意識が芽生えるのかどうかを探りました。

研究チームは、AGIには生成モデルに基づくメンタルシミュレーションの機能が必要であり、その機能を物理的に実現するためには、システムに意識に相当する内部因果構造が必要であると仮定している。

本仮説を2段階の構成主義的アプローチで検証します。
1. 意識の推定機能を特定し、AIシステムに実装する
2. 本質的な情報構造を特徴づけることで、意識的な経験の存在を推測する

心理学や神経科学の経験的観察から示唆されているように、モデルに基づく計画を遂行する能力は生物系における意識の重要な機能要素である可能性があります。この考えに基づき、まず環境とエージェント自身の生成モデル(すなわち自己モデル)を用いてモデルベースのプランニングを行う神経ネットワークシステムを開発します。その後、このようなシステムにおける因果構造を解析します。これらの一連の研究により、モデルベースプランニングが可能なAIシステムが生物の脳が持つ意識の特徴である高度に統合された情報を示すことが予想されます。

本研究では、機械や生物の知能を固有情報の観点から特徴づける理論的な枠組みを開発することが期待されます。この成果は、AGIを構築するための新しい設計原理を提供し、機械意識に関するより広い議論を切り開く成果となるでしょう。

https://www.templetonworldcharity.org/projects-database/linking-machine-intelligence-consciousness

2015-2020 CREST from Japan Science and Technology Agency

“神経科学の公理的計算論と工学の構成論の融合による人工意識の構築とその実生活空間への実装”.
PI: 金井 良太 (2015年10月–2021年3月)
脳の多層的な情報処理機構を取り入れたディープニューラルネットは、ビッグデータの蓄積と普及に伴って、人工知能研究に革命をもたらしています。しかし、 意味の理解や自発的行動といった生物が持つ自然な知能を実現するには依然として程遠いのが現状です。本研究では、意識と脳に関する理論的研究を援用することで、人工システムに主観的感覚や意志を実装し、実生活環境での多様なデータの処理に活用することを目指します。

https://www.jst.go.jp/kisoken/crest/en/project/1111083/15656376.html