人工智慧（AI）是模倣大腦的一項技術，如今，使其進一步接近大腦的研究正得到推進。日本情報通信研究機構將開發像人類的大腦那樣、以少量範本即可學習的AI，而東芝則以AI再現了大腦把握空間部位的一部分。發揮能進行靈活的思考、能源消耗少的大腦的優勢、在對話機器人開發等沒有正確答案的領域推動AI浸透的趨勢或將加速。

  

　   從作為現在AI主流的深度學習來説，大多採取的機制是，讓模倣大腦形成的神經網路(Neural Network)學習成為範本的龐大數據，使其變得聰明。如果可供學習的數據較少，則無法使用AI。另一方面，對人類來説，很多事情即使是第一次體驗也能憑感覺進行應對。日本情報通信研究機構的筱崎隆志指出「如今的AI和生物的大腦明顯不同」。這是現在的AI難以應付日常對話等的原因之一。

    

      該機構開發出了新型AI。其採用的是將通過數據學習的部分和即使沒有數據也能自發作出判斷的部分結合起來的神經網路。例如，對於能否將飛機和汽車等交通工具，還有貓和狗等動物分成10個種類的測試，與目前的AI比較，發現在數據多的情況下準確度基本相同，但在數據少的時候，新型AI的準確度更高。

     

　   目前的深度學習是讓通過數據學到的內容反饋到AI整體，但「人類並不會對大腦整體進行反饋」（筱崎研究員）。新型AI僅讓屬於判斷結果的輸出端反饋學到的內容，在機制上更接近大腦。

 

　   在不易出現典型症狀等的疾病的診斷等方面，難以憑藉過去的數據學習規律性，因此新型AI的利用受到期待。而在自動駕駛領域，新型AI將能掌握對向車輛和行人的預想不到的行為。

 

　   據稱，將人類大腦的神經細胞連接起來的神經軸突的長度合計達到10萬公里以上，明顯長於日本的高精度超級電腦「京」的全部佈線的1000公里長度。佈線的長度被認為形成了思考的多樣性等。

 

　   另一方面，大腦的能耗僅為20瓦，是「京」的60萬分之1。可以説大腦是能進行多樣化判斷的能耗極少的「電腦」。

 

　   此外，利用AI再現大腦神經回路的研究也在推進。東芝與美國約翰霍普金斯大學攜手，通過AI再現了在大腦內負責掌握空間的海馬體神經細胞的一部分功能。研究人員通過半導體電路製造了老鼠的海馬體神經回路，連處理方式都忠實重現。

   

東芝通過大腦型AI（中央電路）再現了海馬體神經細胞功能的一部分

   

　   AI通常利用0和1的數字處理來機械地進行計算。與此相反，大腦內的神經細胞則以模擬處理運作，即利用隨著放電狀態而産生的電信號來處理資訊，機制有所不同。

 

　   東芝促使半導體電路進行模擬處理，使AI接近了大腦的機制。該公司認為，有望推動能處理龐大資訊、且以低耗電量運作的小型機器人的開發等。

 

　   在海外，接近大腦的AI的開發也在推進。英國DeepMind Technologies 2018年利用模倣大腦功能的AI，開發出了搜索道路的最佳路線的技術。

 

　   美國IBM也開發了模擬100萬個神經細胞的半導體電路。並非像現在的個人電腦那樣，每次都通過CPU（中央處理器）處理從記憶體中提取的資訊，而是像大腦一樣，在電路之間交換電信號，進行資訊處理，這樣能降低耗電量。

 

      AI正在各個領域得到利用，但鎖定為1個功能的情況很多，需要準備符合特定用途的AI。與此不同，大腦的話只要一個即可應多所有事情。更像大腦的AI被期待承擔多個任務。

 

　   東京大學的副教授高橋宏知表示「如果希望獲得多樣性和自律性，要向大腦學習的東西還有很多」，指出開發接近大腦的AI的必要性。

　  

      AI的進步與大腦

  

　   截至2000年代的AI主要採取統計性的模式。隨著電腦處理能力的提高和腦科學的進步，採用模倣大腦的神經網路的深度學習取得成果，誕生了現在的AI。

  

　   不過，從神經網路來看，雖然大腦成為基礎，但在機制上，正在完成自主進化。AI的計算應用了超級電腦，與大腦不同。現在的AI的機制是將通過數據學到的知識準確反饋到AI，在基於圖像識別的身份驗證和結算等不犯錯至關重要的情況下很有效。

 

　   另一方面，由於「生物的大腦即使不優化也能使用」（東大準教授高橋），因此很多觀點認為，接近大腦的AI將在人類的複雜社會中擴大使用場景。

 

      日本經濟新聞（中文版：日經中文網）大越優樹

版權聲明：日本經濟新聞社版權所有，未經授權不得轉載或部分複製，違者必究。