研  究

専門分野

• 複雑知能システム※1

• 束論

• セルオートマトン

• 強化学習

• 量子的構造

• 内部観測※2

※1 複雑知能システムとは，生物や人間，社会における情報処理をヒントに既存のAI（人工知能）を一新する概念装置（方法＝システム）。

※2 内部観測とは，私とあなたがこの世界の中で生きているというコトを，中心に据えた科学。

公開中の論文・エッセイ・他

• 博士論文：『階層性と全体性』　PDF 

•  “内部観測のまえに”　WebマガジンE! Vol.3 掲載 　PDF 

•  “テストから経験へ：チューリングテストと鉄棒ロボット”　PDF 　動画

　↑早稲田大学および防衛大学校でおこなった特別講義

• 『池袋カフェlampの共創』 共創学会第７回年次大会　OS/WS企画セッション　PDF 　動画 

• 主演？ミュージックビデオ『井の頭公園まで』　動画  

著作

• 『セルオートマトンによる知能シミュレーション』浦上大輔，郡司ペギオ幸夫（共著），オーム社 2021 

論文

• Nakada, K., Takahashi, K., Uragami, D., Alonso-Sanz, R.,  Adamatzky, A., Nishiyama, Y., Generalization performance of reservoir computing implemented by asynchronously tuned elementary cellular automaton on parity task, Artificial Life and Robotics 31, 77-82, 2005.

• Uragami, D., Sonota, N., Takahashi, T., Social satisficing: Multi-agent reinforcement learning with satisficing agents, BioSystems 243, 105276, 2024. 

• 浦上 大輔, セルオートマトンによる複雑知能システムの実装, 人工知能 37(6), 708-715, 2022. 

• Uragami, D., Gunji, Y.-P., Universal Criticality in Reservoir Computing Using Asynchronous Cellular Automata, Complex Systems 31(1), 103-121, 2022. 

• Gunji, Y.-P., Uragami, D., Computational Power of Asynchronously Tuned Automata Enhancing the Unfolded Edge of Chaos, Entropy 2021, 23(11), 1276, 2021. 

• Gunji, Y.-P., Uragami, D., Breaking of the Trade-Off Principle between Computational Universality and Efficiency by Asynchronous Updating, Entropy 2020, 22(9), 1049, 2020. 

• 浦上 大輔, 郡司ペギオ幸夫, 非同期セルオートマトンによるリザバーコンピューティング, 計測自動制御学会論文集 56(1), 8 – 15, 2020. 

• Uragami, D., Gunji, Y.-P., Universal Emergence of 1/f Noise in Asynchronously Tuned Elementary Cellular Automata, Complex Systems 27(4), 399-414, 2018. 

• 高橋 達二, 甲野 佑, 浦上 大輔, 認知的満足化 - 限定合理性の強化学習における効用, 人工知能学会論文誌 31(6), 1-11, 2016. 

• Uragami, D., Kohno, Y., Takahashi, T., Robotic Action Acquisition with Cognitive Biases in Coarse-grained State Space, BioSystems 145, 41-52, 2016. 

• Uragami, D., and Ohta, H., Multilayered neural network with structural lateral inhibition for incremental learning and conceptualization, BioSystems 118, 8–16, 2014. 

• Uragami, D., Takahashi, T. and Matsuo, Y., Cognitively inspired reinforcement learning architecture and its application to giant-swing motion control, BioSystems 116, 1– 9, 2014. 

• Uragami, D., Ohta, H. and Takahashi, T., Lattice Neural Networks for Incremental Learning, International Journal of Computing Anticipatory Systems 24, 107-118, 2010.

• Gunji, Y.-P., Haruna, T., Uragami, D., Nishikawa, A., Subjective space-time derived from a causal histories approach, Physica D 238, 2016-2023, 2009. 

• Uragami, D., and Gunji, Y.-P., Lattice-Driven Cellular Automata implementing Local Semantics, Physica D 237, 187-197, 2008. 

• 浦上 大輔, 郡司ぺギオ幸夫, 地理把握における動的双対性－不定性を伴う内包・外延対とアフォーダンス－, 生態心理学研究 3(1), 45-56, 2008. 

• 郡司ペギオ幸夫, 太田 宏之, 浦上 大輔, ただ流れる時間へ‐いかにして辿りつけるか, 『ドゥルーズ/ガタリの現在』, p.58—79, 平凡社, 2008. 

• Uragami, D., and Gunji, Y.-P., Heterarchical Cognitive Maps: Anticipatory System in Virtual Maze, International Journal of Computing Anticipatory Systems 18, 135-144, 2006.

もっと詳しく ⇒ Researchmap 

研究費

• 社会性と報酬変換がもたらす自然合理性による新しい強化学習パラダイム」科学研究費補助金 基盤研究(B) 課題番号：23H03469 2023-2025年　(分担者) 

• 「内発的動機付けと社会性の統合による自然強化学習の実現」科学研究費補助金 基盤研究(B) 課題番号：20H04259 2020-2022年　(分担者)

• 「非同期で不均一なセルオートマトンを計算資源として用いる」科学研究費補助金 基盤研究(C) 課題番号：19K12143　2019-2021年　(代表者)

• 「人の知覚運動特性を考慮した知能機械操縦系の操作支援技術」科学研究費補助金 基盤研究(C) 課題番号：24560308　2012-2014年　 (分担者)

• 「不定な環境における適応能の階層横断的解明と工学的応用」東北大学電気通信研究所 共同プロジェクト研究 H25/A12　2014-2016年　(分担者)

• 「生命にとっての情報・推論・計算の解明と工学的応用の検討」東北大学電気通信研究所 共同プロジェクト研究 H22/B08　2010-2013年　(代表者)

• 「長時間過分極時のニューロン電位の揺らぎの時系列解析と脳の情報処理における機能的意義」学習院大学計算機センター特別研究プロジェクト 研究助成金　2009年　(代表者)