大阪大学、人工知能が人と同じ視線を獲得 「詰め込み教育」はだめ

大阪大学は9日、情報量を最大化する自発的な学習を行ったビジョン・トランスフォーマー（ViT）と呼ばれる人工知能が、人間と極めてよく似た場所を見るように「育つ」ことが発見されたことを発表した。

大阪大学大学院生命機能研究科ダイナミックブレインネットワーク研究室 北澤茂教授と大阪大学大学院医学系研究科脳生理学研究室 山本拓都氏（博士課程）らは、動画を見るときの人間の視線計測データと人工知能（ViT）の「注意」を比較して、情報量を最大化する自発的な学習（DINO法の学習）をした人工知能が人間と極めてよく似た場所を見るように「育つ」ことを発見した。

一方で、画像識別を行うように「詰め込み」型の教育を受けたViTは、人間とは違うところを見るようになった。

DINO法の学習をした人工知能は、一切「顔」の概念を教えていないのに、テレビ番組や映画のシーンを見せると、その場の主役を選んでその顔を見るようになった。さらに、視覚心理学で注意の研究に使われる人工的な画像に対しても、人間とよく似た場所を見ることが明らかになった。

ViTには、複数の注意の主体（ヘッド）が設定されている。さらに詳しく注意のヘッドを解析したところ、人間とよく似た場所に注意を向けるグループ1、場面に登場する人や物全体に注意を向けるグループ2、さらに背景だけに注意を向けるグループ3、の3群に分かれることが明らかになった。

伝統的な心理学では、心は世界を注意の対象である「図」とそれ以外の「地」に分離するとされてきた（図地分離）。同研究のDINO法で育てたViTは、図を図の全体（グループ2）と図の中心（グループ1）に分けていた。人間の視線がグループ1と一致したことから、人間もViTのように世界を3群に分けて理解している可能性が示唆される。

同研究の成果は、人と相性が良い人工知能の開発や、人間にとって自然な教育・学習法の開発・評価に応用されるものと期待される。

同研究成果は、5月21日に国際神経回路学会の機関誌電子版「Neural Networks」に掲載された。

関連URL

「北澤茂教授 研究者総覧」

「ダイナミックブレインネットワーク研究室・脳生理学講座」

大阪大学