バラは赤い。あなたは独身?この蛾脳AIはあなたの電話番号を読み取れる

Table of Contents

バラは赤い。あなたは独身?この蛾脳AIはあなたの電話番号を読み取れる

2人の研究者が蛾の脳の一部を人工ニューラルネットワークとして再現し、わずか数回の訓練例でかなり高い精度で数字を認識できるように教えた。

MothNetと呼ばれるこのソフトウェアは、各数字について15~20個のトレーニングサンプルを与えることで、手書き数字を75~85%の精度で識別できるという。従来のニューラルネットワークが99%の精度を達成するには数千個のトレーニングサンプルが必要であることを考えると、これは悪くない数字と言えるだろう。

MothNetの立案者である米国ワシントン大学のチャールズ・B・デラハントとJ・ネイサン・クッツは、カロライナスズメガ(別名タバコスズメガ、Manduca sexta)の嗅覚ネットワーク(脳の匂いを処理する部分)をモデル化することで構築しました。昆虫の灰白質のこの部分は比較的単純なため、実験に最適だと言われています。

「蛾の嗅覚ネットワークは学習できる最も単純な生物学的神経システムの一つである」と、二人の研究を記した論文には記されている。

蛾

緑の線は人工ニューラルネットワークであるMothNetの経路を示し、青の線は生物学的経路を示す。画像提供:Delahunt and Kutz

研究者らによると、MothNet のコンピューター コードには、昆虫の脳に共通する部分である触角葉とキノコ体をシミュレートする人工ニューロンの層が含まれているという。

重要なのは、二人がMothNetに匂いを認識するのではなく、MNISTデータセット内の手書き数字を識別するように学習させた点です。このデータベースは、コンピュータービジョンアプリケーションにおけるパターン認識のトレーニングとテストによく使用されます。

研究者らは教師あり学習を使用して MothNet をトレーニングし、0 から 9 までの各数字の画像を 15 ~ 20 枚ほど入力して、数字を正しく認識した場合に報酬を与えました。

人工脳内の受容ニューロンは入力画像を処理し、その情報を触角葉へと伝達しました。触角葉はそれぞれの数字の特徴を学習しました。触角葉は投射ニューロン群を介して、まばらなキノコ体に接続されていました。キノコ体は外因性ニューロンと接続されており、各ニューロンは最終的に0から9までの個々の整数を表わしていました。

デラハント氏はThe Registerに対し、画像内の各ピクセルにマッピングされる「60 個の処理ユニット」がある、と説明した。

「触角葉は、匂いと同様に、数字の区別を強調する役割を果たします」と彼は付け加えた。「キノコ体の各ニューロンは、最初は各読み取りニューロンに接続されています。訓練が進むにつれて、これらの接続の一部、つまり割り当てられた数字に対応する活性な接続が強化され、残りの接続は弱まってきます。」

この減衰により、各外在ニューロンは個々の数字を表すようになります。学習後、MothNetにMNISTデータセットから手書きで書き込まれた、これまで見たことのない数字を見せると、その数字に対応する外在ニューロンが点灯しました。まあ、ほとんどの場合は。

半分機械の脳

科学者がワームの脳をコンピューターにアップロードし、技を教える

続きを読む

論文によれば、MothNet は比較的少ないトレーニング例にもかかわらず 75 ~ 85 パーセントの精度を達成し、同じ量のトレーニングデータを与えられた場合、従来のニューラル ネットワークよりも優れたパフォーマンスを示したようだ。

畳み込みニューラル ネットワークでは、ほぼ完璧な精度を実現するために、通常、MNIST 手書きデータセットから桁ごとに数千の例が必要になります。

「この結果は、非常に単純な生物学的構造であっても、機械学習のタスク、特にトレーニングサンプルが少ない、あるいは完全な再トレーニングなしで新しいクラスを追加する必要のあるタスクに適用できる、新しく効果的なアルゴリズムツールを備えていることを示している」と2人の論文は述べている。

この研究は、昆虫の脳における最も単純な生物学的ニューラルネットワークが、単純な画像認識タスクを学習でき、学習例や処理リソースが不足している状況では他のモデルを上回る可能性があることを示している。研究者たちは、これらの生物学的ニューラルネットワーク(BNN)を「組み合わせて積み重ねることで、より大きく、より深いニューラルネットワークを構築できる」と考えている。

「幅広いタスクにおけるライブBNNの成功は、生物学的ツールキットで構築された[ニューラルネットワーク]が[機械学習]タスクで成功する可能性を示唆している」と研究者たちは結論付けた。

今週発表されたこの論文は、4月末にカナダのバンクーバーで開催される予定の「学習表現に関する国際会議」のワークショップトラックに提出された。

インスパイヤされた

ニューラルネットワークは脳のつながり方に基づいて非常に緩くモデル化されていますが、人工知能が生物学的灰白質とどの程度似ているかは議論の余地があります。

「ニューラルネットワークはもともと脳から着想を得ました」とデラハント氏は語った。「その後、技術が発展するにつれて、ディープラーニングネットワークは独自のものになりました。車が馬から着想を得ながらも全く異なるものであるのと同じです。ある意味、私たちの研究は生物から得たインスピレーションの源泉を新たに汲み取ろうとする試みと言えるでしょう。」

これらの技術が生物学的起源にある程度近いままであるかどうかは不明です。生物の脳には、蛾に見られるものよりもはるかに多くの構造と機能があることは確かです。したがって、他のBNNを注意深く分析することで、機械学習に応用できる新たな知見が得られるでしょう。

彼らの研究に関する詳細な議論は、こちらとこちらでご覧いただけます。昆虫の脳を利用するこの技術は、今のところまだ精査段階にあります。確かに面白いのですが、最適化された畳み込みニューラルネットワークよりも効率的ではないかもしれません。®

Discover More