[圧縮情報処理チームセミナー] 脳表現空間とAI潜在空間の幾何構造：脳AI融合の性能を決める要因
開催形式：ハイブリッド開催
オンライン会場：登録者全員対象。Zoomで配信します。URLは登録者のみに表示されます。
オフライン会場：理研関係者のみ。理研AIP 日本橋オフィス オープンスペース
講演情報
講演者：柳澤 琢史（大阪大学大学院 医学系研究科 神経情報学 教授）
講演タイトル：脳表現空間とAI潜在空間の幾何構造：脳AI融合の性能を決める要因
概要 :
近年、深層学習の発展により、脳活動から知覚・運動・言語情報を高精度に解読する研究が急速に進展している。特に、画像や言語など多様な外部情報をAIの潜在表現空間（latent space）に統一的に埋め込むことで、未知の刺激に対しても解読を可能とする zero-shot型の脳情報解読 が実現されつつある。
さらに、closed-loop型の Brain-Machine Interface（BMI） を用いることで、ヒトが想起した視覚イメージを脳活動から推定されたAI潜在空間上の表現へと写像し、それに基づいて大規模データベースから対応する画像を検索・提示することも可能になってきた。このようなBMIは、脳情報とAIの表現を統合的に利用する 脳AI融合（Brain–AI integration） の一例といえる。
一方で、脳AI融合の性能は、AIの潜在空間と脳内の表現空間の性質に依存することも明らかになってきている。すなわち、両者の 表現構造（representation geometry） や 情報構造 が、脳情報解読の精度や汎化性能を大きく左右する。我々は、知覚画像に対する脳情報解読が視覚想起に汎化するために、AIの表現構造が影響することを明らかにした。
本講演では、脳表現空間とAI潜在空間の関係に着目し、両者の表現構造が脳AI融合の性能に与える影響について議論する。さらに、これらの技術を 体内埋込型デバイス と組み合わせることで、重度の運動障害患者に対する 意思伝達 や 運動機能再建 といった医療応用が期待される。デバイス開発、脳情報解読、出力生成、外部機器制御などの技術を統合し、BMIの医療応用の実現を目指す我々の取り組みについて紹介する。
