海馬は認識しながらちょっと先を予想する 人間ってナンだ?超AI入門シーズン2 第4回「移動する」

自動運転の研究分野は自動車以外も動かすようになったが2018年は事故も起き苦しい年となった。それでも人間の移動は大きく変わる。

自動運転の安全対策とは。移動することの本質とは？ゲストはカーデザイナーの根津孝太。

根津「革新的な技術でクルマのカタチはドラスティックに変わる。」

レベル１と2は運転支援。レベル3以上が自動運転で開発中。レベル3は緊急時はドライバーが運転なのだが、死亡事故が起きた。

カナダ・トロントに自動運転研究の最前線を走る企業がある。チーフ・サイエンティストのラケル・ウルタスさんに自動運転開発の意義を聴いた。

「この度事故が起きたことはとても不幸なことだと思っています。一方で毎年130万人が交通事故でなくなっている現実があります。それに対して自動運転の技術で出来ることも沢山あるのです。まず事故が起きるリスクを最小限に抑えることはもちろんですが、その上で安全性を最重要視し安全な操作の追究に力を注ぎたいと思います。

高齢化問題、さらに大気汚染の問題に自動運転は有効です。自動運転の技術がもたらす社会的な便益についてもより深く考えられてもよいと想います。」

交通事故の9割は人間のミスによって起きているといわれる。AIは集中力が切れたりよそ見をしない。まずは助手席からAIが見守る。それはドライバーがどこをみているか表示させることが出来る。黒目の位置を観察して、黒目の振動（天然の手振れ補正）の変化と眠気が連携していることをセンサーが認識、”この人はもうすぐ眠たくなる”を検知。これにはディープラーニングが活かされている。

ディープラーニングには人間の脳を模したニューラルネットワークで処理する人工知能。

クルマの助手席は人間から助手がAIになっていく。

発展途上国の方からどんどん自動運転が使われるようになるのでは。日本でも過疎地では早く自動運転が機能しそうだ。

自動運転で世界的に機能するグラフィック機能を開発するNVIDIA社、AIの学習を行っている。

「私たちは自動運転の学習でも他のロボットと同じアプローチを行ってきました。運転シミュレーターはVR空間で自動運転AIをテストするためのものです。仮想空間なので安心ですし、とても危険な場合も含め様々な状況を試すことができるのです。

パラメーターさえ変えれば昼にも夜にも環境を変えられます。道路上に雨や雪を降らせたり霧の状況を作ったり…最も危険な状況やシナリオ、実際の事故の再現もできるのです。

現実世界の出来事にAIがどこまで効果的に対応できるか？私たちにはそれを明らかにする責任があるのです。」

様々な状況を再現できる仮想空間こそ緊急時の訓練にふさわしい。

フレッド・アルメイダ（自動運転開発チーフアーキテクト）「VRで自動運転のシステムを学習させるシミュレーション。」

VR空間の中でヒトが運転することでAIが学習できる。人間らしい運転だとか。そしてポリシーベースでAIが自主で訓練して人間のキエパビリティを越えられる。

ルールベースとポリシーベース

ルールベース：あれは信号、あれは歩行者と周囲の状況を認識、認識した環境とあらかじめ教えたルールにそって運転。

けれど実際の道路では想定外の状況が起きる。ルールに合わない状況でも、人間の場合周囲の状況から判断し、安全を優先することを基準として判断させることがポリシーベース。過去の経験から予測・判断。AIにもかもしれない運転ができるかも。

ルールベース：認識→計画→実行

ただ人間の場合は三段階が一体となっている。

ポリシーベース：認識+計画→実行。人間は予想する。前頭葉や海馬の部分が一緒に使えないとうまく運転できない。

全脳アーキテクチャ：大脳皮質：知的処理：ディープラーニング、前頭葉：認知・判断：ワーキングメモリーの処理、大脳基底核：学習：強化学習、海馬：短期記憶：反復・計算、扁桃体：情動：強化学習に報酬を与える、小脳：運動：教師あり学習

前頭葉は標識や歩行者などを認知・判断。海馬は記憶・空間を把握する・予測に重要な役割。

記憶力が判断力の決め手？

海馬を持つとちょっとした未来を予測できる。それは知能の中心。それがないと危なくてしょうがない。

2020年を目指して自動運転を開発している。

海馬が移動においてどんな働きをしているか。海馬はスタートからゴールを覚えていて戻れるのに加え、位置関係の把握から最短距離で変えることもできる。

ラケル・ウルタス（トロント大学准教授）

「人間ができることはAIにもできると思います。肝心なのは正しいアルゴリズムと十分なデータ。今はまだ脳を再現する方法が見つかってはいませんが、解決方法は存在するはずです。なぜなら人間の脳もアルゴリズムで表現できるしアルゴリズムがあればAIでも再現できるからです。AIが人間の脳のように課題を解決するのは時間の問題です。」

シミュレーターと実車での運転に関連して転移学習がある。

ディープラーニングが深いニューラルネットワークを用いて学習する。深いというのは層が多いということ。

転移学習はシミュレーターの中で学んだ認識を、実地での訓練でこれらを使う。これを転移学習という。

海外での運転には最初はおっかなびっくりだが、そのうち慣れるのが転移学習。学んだことを応用していくこと。

自動運転の技術を他の分野でも転移していくことが出来る。みなさんは何を動かしたいですか？

西村明浩「クルマの自動運転と同じように台車も目と頭脳が入っている。自分で考えて動いている。周りの状況というのは地面のランドマークを読み取りセンサーで認識して判断。」

モノへの感情移入は日本特有のものがある。

今クルマは形が決まってしまっているが、もっと色々あってもいい。そもそも前を向いて座っている必要もなく、小型化していくと衝突しても衝撃を軽減できる。

徳井「人が歩くことをやめることもあるのか。」

根津「歩けない人への補助に成る。そんな乗り物が色々あっていい。」

松尾「通勤の満員電車は変わるのか」

根津「選択肢が増えるのはありだろう。ここから想像力を働かして変えていく部分」

自動車が本当の「自動」車になる。社会インフラも変わっていったりする可能性もある。

今回はルールベースとポリシーベースの話が面白かったです。PDCAサイクルからOODAループへの進化と言うか。また海馬が持つ”ちょっと先を予想する能力”が知能の中心という噺も面白くて。”ちょっと先の行為”・”ちょっと先の需要”を叶えるのがイノベーションなのだろうなと想いました。