運動モデリング、脳からヒントを得たニューラルネットワークで進化

January, 13, 2023, Lausanne--EPFLの科学チームは､新しいニューラルネットワークシステムを構築した。これは、動物が身体の変化にどのように動作を適合させるかの理解に役立ち、より強力なAIシステムの実現にも役立てられる。

ディープラーニングは、簡単な計算素子を相互にスタックした人工ニューラルネットワークによって促進され、強力な学習システムを構築する。十分なデータが与えられると､これらのシステムは、対象認識のような困難な問題を解き、碁で人を負かし、ロボットを制御することもできる。「想像できるように、これらの要素を相互スタックしたアーキテクチャが、学習にどの程度のデータを必要とするか、上限性能がどうであるかに影響を与える」とEPFLライフサイエンス学、Alexander Mathisは、説明している。

博士課程学生、Alberto ChiappaとAlessandro Marin Vargasと協働し、三人の研究者は、DMAP “Distributed Morphological Attention Policy”という新しいネットワークアーキテクチャを開発した。このネットワークアーキテクチャは、.感覚運動系の基本原理を組み込んでおり、それは感覚運動機能研究の興味深いツールになる。

DMAPが対処しようとしている問題は、人間を含む動物が、環境と自身の身体の両方における変化に適応するように進化してきたことである。例えば、子どもは、その能力を適応させてよちよち歩きの子どもから成人まで形状と体重で、全ての身体的変化を通じて効率的歩けるようになり、様々なタイプの表面で歩ける。DMAP開発の際､チームは、動物がこれらの「形態学的混乱」、つまり身体の部分の長さと厚さの変化に身体が従うときにどのように歩行できるようになるかに焦点を当てた。

「一般に、強化学習、いわゆる完全に接続された神経網が、運動習熟のために使われる」(Mathis)。強化学習は、一つのマシンラーニングトレーニング法であり、望ましい行動に「報酬」を与え、また/あるいは望ましくない行動に「罰則」を与える。

「身体の状態を評価するセンサがあるとしよう。例えば、手首、肘、肩などの角度。このセンサ信号は、運動系へのインプットになる。アウトプットは、筋肉の活性化であり、これはトルクを生み出す。完全接続されたネットワークを使うと、例えば､最初のレイヤで体中からのすべてのセンサが統合される。対照的に、生体感覚情報は、階層的に統合されている」(Mathis)。

「われわれは神経科学の原理を採用し、より優れた感覚運動系を設計するために神経網にそれらを抽出した」とAlberto Chiappaは、言う。36th Annual Conference on Neural Information Processing Systems (NeurIPS)で発表された論文で研究チームは、独立した独自の固有受容性処理、各関節のための個別コントローラによる分散ポリシー、注意力メカニズムを統合して、異なる身体の部分からの感覚情報を異なるコントローラにゲート処理するDMAPを紹介している。

DMAPは、形態学的摂動の支配を受ける身体により「歩行」を学習できるようになった。特定の手足の長さとか幅など、形態学的パラメタについての情報を受ける必要がない。注目すべきは、DMAPは、それらの身体パラメタを利用できるシステムと同様に「歩行」できた。

「だから、われわれは解剖学から分かっていることを利用して強化学習システムを作成した。このモデルをトレーニングした後、それが脊髄で起こることの動的ゲーティング連想を示したことを認めた。しかし興味深いことに、この挙動は自然発生的に現れた」(Alberto Chiappa)。

全体として、DMAPのようなモデルの役割は2つ。生物学的洞察に基づいて、よりすぐれた人工知能システムの構築、また逆に脳を理解するためのよりすぐれたモデルの構築である。
(詳細は、https://actu.epfl.ch/)