概要：本講演では、まずリザバー計算（Reservoir Computing）という情報処理の枠組みについて、その基本的な考え方を紹介します。リザバー計算は、複雑な時系列入力を低コストで扱える手法として、機械学習や信号処理の分野で注目されてきました。この枠組みは、非線形ダイナミクスを活用して高次の特徴表現を自然に生成できるという点で、生物の脳が持つ情報処理の特徴と深く通じるものがあります。講演では、リザバー計算の基礎を概説した上で、脳の感覚・運動系における情報処理をこの枠組みで捉える数理モデルをいくつか紹介します。具体的には、大脳皮質の階層構造を模した動的予測符号化モデル、小脳の神経回路を模した運動生成モデル、さらには報酬に基づく学習を取り入れたリザバー強化学習モデルについて解説します。これらのモデルは、脳のしくみの理解に寄与するだけでなく、柔軟で頑健な情報処理システムの設計にもつながると期待されます。企業での応用も視野に入れ、実装上の工夫や応用可能性についても触れたいと思います。