脳の情報理論の解明と人工知能への応用

神経情報システム研究室は、生体情報処理、特に脳の情報処理を研究しています。脳内での情報は、細胞の欠損や熱などにさらされ、ノイズ下での情報処理を要求されます。また、脳は学習によってネットワーク構造やダイナミクスが変化する動的システムです。このような不安定・非定常なシステムにおいて、情報がどのように表現され、また、いかに情報処理機能が獲得されるかは、いまだ未解決であると同時に、機械学習やシステム制御等の工学的応用からも大変に興味深い問題です。神経情報システム研究室は脳の情報処理について、数理・シミュレーション・実験データの大規模データ解析を用いてアプローチします。また、脳の情報処理を機械学習に応用し、現在の機械学習を超える新しいバイオコンピューティングを目指し研究しています。

1. 脳の計算原理の解明
   我々が普段用いるコンピュータはノイマン型の計算規則に従い半導体で実装されています。一方、脳は細胞から構成されており、その計算原理は未だ不明ですが、ある側面ではコンピュータよりもすぐれた計算能力を有しています。脳の計算規則・情報理論はなんなのでしょうか？また、なぜ細胞が集まった臓器でこのような複雑な計算が可能なのでしょうか？脳の情報理論を明らかにするために、「自由エネルギー原理」や「予測符号」などの脳情報理論を研究しています。

2. ニューロンの学習規則
   我々はほとんど無知の状態で生まれ、発達と学習を経て大人になります。脳が学習するメカニズムについてもわからないことがほとんどです。強化学習やヘブ学習を研究し、脳の学習メカニズムを解明します。

3. 脳波の機能解明
   脳は絶えず活動し、脳波を生み出しています。脳波には様々な情報が載っており、これらを応用することで、義手義足やデバイスを念じるだけで動かせる可能性が見えてきました。将来的なこれら応用に向けて、脳波の機能解明を行なっています。

4. バイオコンピューティングの実現に向けた基盤研究
   CPUの代わりに培養神経細胞を用いる「バイオコンピューティング」が注目を集めています。バイオコンピューティングはそのエネルギー効率の良さから、大規模計算機につきまとうエネルギー問題を解決する可能性を秘めています。他大学と共同で研究を行い、バイオ計算素子の基盤的研究を行っています。

5. 脳を応用した機械学習
   現在の機械学習には多くの脳の知見が用いられています。例えば、深層学習は脳のニューラルネットワークにヒントを得たものですし、誤差逆伝播法などの学習方法にも脳の知見が使われています。最新の脳の知見をさらに応用し、機械学習の発展を目指します。最近では、リカレントニューラルネットワークやリザバーコンピューティングと言われるニューラルネットワークに、興奮抑制均衡やSTDP学習を応用した研究を行っています。

Information Theory of the Brain, and it's applications to AI

The Neural Informations Systems laboratory studies biological information processing, especially that of the brain. Information in the brain is exposed to cell loss and heat, and requires information processing under noise. In addition, the brain is a dynamic system whose network structure and dynamics change with learning. How information is represented and how information processing functions are acquired in such an unstable and non-stationary system is still an open question, but at the same time, it is a very interesting problem from the viewpoint of engineering applications such as machine learning and system control. The Neural Information Systems Laboratory approaches information processing in the brain using mathematics, simulation, and large-scale data analysis of experimental data. We also apply the brain's information processing to machine learning and study new biocomputing beyond the current machine learning.

1. Elucidation of the computational principles of the brain
   The computers we usually use are implemented in semiconductors according to Neumann-type computational rules. On the other hand, the brain is composed of cells and has better computational power than computers in some aspects, although its computational principles are still unknown. What are the computational rules and information theory of the brain? And why is such a complex computation possible in an organ composed of cells? To clarify the brain's information theory, we are studying the latest brain information theories such as the "free energy principle" and the "predictive code."

2. Learning Rules of Neurons
   We are born in a state of almost complete ignorance and become adults through learning and development. Most of what we do not know about the mechanisms by which the brain learns is also unknown. We are trying to elucidate the brain's learning mechanism by studying reinforcement learning and Hebbian learning.

3. Functional Elucidation of Brain Waves
   The brain is constantly active and produces brain waves. Brain waves contain a variety of information, and by applying these brain waves, it is now possible to move prosthetic arms, legs, and devices simply by thinking about them. We are working to elucidate the function of brain waves for future applications.

4. Fundamental research for the realization of biocomputing
   Biocomputing, which uses cultured nerve cells instead of CPUs, is attracting attention because of its energy efficiency. Biocomputing has the potential to solve energy problems due to its energy efficiency. We are collaborating with Tohoku University to conduct fundamental research on biocomputing devices.

5. Brain-applied Machine Learning
   Many brain findings are used in current machine learning. Deep learning is inspired by neural networks of the brain, and brain knowledge is also used in learning methods. We aim to further develop machine learning by applying the latest brain findings. Recently, we have applied excitation suppression equilibrium and STDP learning to neural networks, which are known as recurrent neural networks and reservoir computing.