スポンサーサイト

上記の広告は1ヶ月以上更新のないブログに表示されています。
新しい記事を書く事で広告が消せます。

計算機は脳よりも脳の機能を高精度で実現でき得る

高橋さんよりコメントで追記を頂きましたので、
まずそれへのお返事です。

大脳皮質をベイジアンネットで抽象化すると捨てられるものが多いのでは、
という懸念ですね。

脳を構成する器官を機械学習器で抽象化するのには、
単に単純化して計算量を減らすということ以上の本質的な意味があります。
惑星の楕円軌道を円に近似したり、楕円体の地球の形を球に近似する話とは
大きく違います。

生物は合目的的に進化するので、ある目的を達成するために
数理的にきれいな形に進化することがあると思います。

いい例が思いつきませんが、
例えばダンゴムシは球に近い形にまるくなります。
そのほうがよくころがって敵から遠くに逃れやすいからだろうか、と想像できます。

同様に大脳皮質は、ニューロンだけでなくグリアまでも動員して、
複雑怪奇な非線形演算を駆使して、
ベイズ推論という数理的にきれいな機能を
できるだけ正確に計算できるように進化してきた、という可能性があります。

計算機ならばその数理的にきれいな機能を、
生物よりも少ないコストで「より正確」に計算できます。

同じことは、大脳皮質以外の脳の各器官にも言えるでしょうし、
脳全体にも言えるでしょう。

だからこそ「脳は機械学習器」という仮説は魅力的で、
もっと多くの研究者が追及すべきなのです。


> 派生した疑問として、実際の神経回路に対して、DLをはじめとするANN
> とBNは、同じ対象の全く違う抽象化なのか、それともBNとANNはある
> レベルで等価になりうるのか(BNをANNで実装可能なのか)も重要な
> 命題かと思います。

ディープラーニングとベイジアンネットは同じ対象の全く違う抽象化なのか、
というご質問への答えは、 yes だと思います。
単純化して言えば「大脳皮質 = ディープラーニング + ベイジアンネット」
だと思います。
BESOM は「ディープラーニングの構造をもった特殊なベイジアンネット」であり、
大脳皮質の機能を普通のディープラーニングよりも、
より多く再現することを目標としています。

ベイジアンネットを ANN(人工ニューラルネット)で実装可能か、というご質問ですが、
いつもプレゼンで見せている絵のように、
ベイジアンネット上の近似確率伝搬アルゴリズムは
単純な演算素子だけから構成される固定した回路で実現可能です。
これは ANN と言ってよいと思います。
そもそも ANN は漠然とした広い概念で、局所的な演算だけを行う固定した回路は
すべて ANN と言ってよいと思います。

コメント

コメントの投稿

トラックバック


この記事にトラックバックする(FC2ブログユーザー)

上記広告は1ヶ月以上更新のないブログに表示されています。新しい記事を書くことで広告を消せます。