Experimental validation of a theoretical prediction on face-selective neurons

点击翻译按钮获取中文摘要

本研究では、サルの高次視覚野における顔認識系の計算理論について、実験的検証を進めてきた。すでに発表した混合スパース符号化理論に基づき、積演算が行われているという理論予測を検証するため、階層的なモデルをデータから推定する手法を開発した。予備実験で得られた神経データを用い、半数のニューロンについて積演算を有している証拠を得ることができた。また、実験チームが準備している多電極実験に対応する解析手法の拡張も行い、多細胞データからモデルを推定し、新規刺激を生成する手法を開発した。ただし、実験側での技術的困難からまだデータは得られておらず、実際の実験検証は次年度以降に持ち越すことになった。一方、高次視覚野におけるカテゴリ化・恒常性・双方向性を考慮し、人工知能モデルの開発を行った。具体的には、深層生成学習の技術を用いて、カテゴリ・形状・３次元方位の３種類の隠れ変数を持つ変分オートエンコーダ型のアーキテクチャとその弱教師あり学習法を導入したモデルCIGMOを開発・実装した。ShapeNetという一般物体の画像セットで訓練し、恒常的クラスタリングやワンショット学習などのタスクにて、従来のモデルを凌駕する性能を示した。また、カテゴリ数が事前に不明な場合でも性能が維持されること、他の画像セットでも評価が可能であることが示された。さらに、このモデルに関する理論的な解析として、数学的証明が進め、識別可能性と呼ばれる性質についても説明した。