全脳アーキテクチャ勉強会(第２回）のご案内

汎用人工知能を脳に学びながら目指す方向性を考えてゆくための全脳アーキテクチャ勉強会の第２回目を企画しましした．

1月30日の18時より新橋のリクルートGINZA8ビルにて開催いたしますので，ご興味のある方は，是非ともこちらにアクセス下さい．

   全能アーキテクチャ勉強会(第２回）
      http://atnd.org/event/E0023316

------------------------------------------------------------------------
                                                 オーガナイザー（順不同）
                                                        一杉裕志(産総研)
                                                        山川宏(富士通研)
                                                          松尾豊(東京大)

                   全脳アーキテクチャ勉強会(第２回) 
                     −大脳皮質と Deep Learning −

本会は，機械学習と神経科学の融合の先の超知能の実現を目指し，昨年度末から
スタートした，野心的な勉強会シリーズです．この勉強会を通じて，人間のよう
に柔軟汎用な人工知能の実現に興味のある研究者，脳に興味のあるエンジニア，
関連分野(神経科学，認知科学等)の研究者間での交流をはかりつつ，こうした取
組へ関わるきっかけ作りができればと期待しています，

さらに詳しい趣旨については次の第１回の開催案内を御覧ください．
 ・全脳アーキテクチャ勉強会(第１回)：   http://atnd.org/event/E0022131

今回は第２回の勉強会として「大脳皮質と Deep Learning 」をテーマとして，
全脳アーキテクチャ構築に必要な機能は一体何か，現段階でどこまで実現できて
いるかを，ボトムアップの神経科学的知見とトップダウンの工学的知見の両方を
踏まえて明らかにしていきます，

特に下記の３点にから，お三方の先生によるご講演と引き続くパネル討論を行います．

  1. 人工知能における表現獲得の問題
  2. 大脳皮質モデルのベンチマーク・評価方法
  3. 現在の Deep Learning で実現できていないこと

なお，終了後は有志による気軽な懇親会をおこないます，（新橋駅周辺，詳細未定）

みなさまのご参加をお待ちしております，

                                   記

日　時：　2014年1月30日（木） 18:10-21:00

場　所：　リクルートGINZA8ビル（G8） セミナールーム
           http://www.recruit.jp/company/office.html

定　員：　定員200名（定員に達し次第締め切らせて頂きます）

参加費：　無料

参加申込：
    ATND(http://atnd.org/event/E0023316)サイトで参加登録の上，
    チケットを印刷して受付にお持ち下さい．

【アジェンダ】

18:00 開場

18:10-18:50 「大脳皮質と Deep Learning」
     (産業技術総合研究所 一杉 裕志 氏)
  大脳皮質と Deep Learning のアーキテクチャには共通の特徴が多くあるが，
  大脳皮質には現在の Deep Learning にはない重要な特徴もある，その中には
  Deep Learning の性能をさらに向上させる有望なヒントが含まれているはずで
  ある，
  そのような特徴をいくつか紹介する，
     参考：「大脳皮質と deep learning の類似点と相違点」
      http://staff.aist.go.jp/y-ichisugi/rapid-memo/brain-deep-learning.html

18:50-19:30 「視覚皮質の計算論的モデル --- 形状知覚における図地分離と階層性」
    (筑波大学 システム情報工学研究科コンピュータサイエンス専攻 酒井 宏 教授)
  形状の知覚は，視覚腹側経路に沿って階層的に処理されて生起される，各領野
  の細胞は異なる受容野(機能)をもち，V1では線分抽出，V2では角(angle)と図
  方向(BO)検出，V4では曲率と面の表現，そしてITでは中程度に複雑な形状の表
  現，といった機能を示す，皮質では形状を直接求めずに，階層的に計算を分散
  していると言える，ここではまず，図方向知覚(図地分離)を取り上げて，その
  神経機構理解の研究を紹介する，次に，階層性の本質は皮質における情報表現
  にあり，自然画像の統計的性質と神経細胞活動の疎性である可能性を紹介する，

19:30-19:40 休憩 １０分間

19:40-20:20 「Deep Learning技術の今」
  (株式会社プリファードインフラストラクチャー (PFI) 得居 誠也 氏)
  人工ニューラルネット研究の歴史は長いが，2000年代後半から画像や音声の認
  識および自然言語の意味計算の分野において階層の深いニューラルネットを学
  習するDeep Learningが急速に発展してきている，本発表では特にこの数年で
  の成功例を紹介し，深いニューラルネットの構成と学習手法，および今後の発
  展の行方について述べる，

20:20-20:50 パネル討論
進行：富士通研 山川 宏氏，東大 松尾 豊氏

【参考資料】第一回の発表資料

・勉強会開催の主旨説明(一杉裕志)
http://staff.aist.go.jp/y-ichisugi/brain-archi/20131219wba-shusi.pdf

・AIの未解決問題とDeep Learning(松尾豊)
http://www.slideshare.net/yutakamatsuo/ss-29407641?from_search=3

・脳の主要な器官の機能とモデル(一杉裕志)
http://staff.aist.go.jp/y-ichisugi/brain-archi/20131219model.pdf

・脳を参考として人レベルAIを目指す最速の道筋(山川宏)
http://www.slideshare.net/HiroshiYamakawa/2013-1219ss