人工知能と脳科学は、「電子回路で知能を実現するのに脳をまねる必要はない」という視点と、「脳のような高度な知能の実現例に学ばない手はない」という視点から接近と乖離を繰り返してきました。近年、人工知能が人の知識をプログラム化する方式から、大量データの統計学習により知識を抽出する方向にシフトするなかで、「ディープラーニング」として知られる脳の構造にならった方式が非常に高い性能を示したことから、脳に学んだ人工知能への期待が再び高まってきています。脳科学の側でも、ゲノミクスやイメージングなどの技術の進化により、大量のデータから知識を得るために統計学習や人工知能の導入は不可欠になりつつあります。そこで人工知能と脳科学の研究者の対話と共同作業を深化させることで、新たな研究の展開を生み出すことがこの領域のねらいです。

これまで、脳に学んだ人工知能というと画像や音声のパターン認識が中心でしたが、それ以外にも脳に学べる点はいろいろあるはずだ、という発想でそれを具現化するためのメンバーを集め新領域を提案しました。 脳のような複雑な分散システムで、なぜ状況に応じて必要な機能モジュールが活性化され結合され得るのか、という全脳レベルでの自己組織化の原理は脳科学の未解明の大きな課題です。それが解明できれば、多様な状況や問題に柔軟に対応する汎用人工知能システムが実現できるはずですし、さらにそうして実現された人工知能と人とを比べることで、脳の特徴をより深く理解することを目指しています。

銅谷賢治（沖縄科学技術大学院大学 神経計算ユニット 教授）