人工知能は脳神経系を模擬することにより発展してきました。このような工学と人間理解の相補的関係はロボット工学と身体技能との間にも見いだすことが出来ます。我々は脳ー身体システムが新しい環境に対して適応する過程に、暗黙知の形成から意識機能の創発に関する原始的な過程を見いだそうとしています。機械学習やシステム制御を基盤に、人工知能、ロボティクス、神経科学を統合することで、新しい知の創発を目指します。
Metacognition and Metalearning
私たちの学習能力は固定ではなく、生涯にわたる学習経験によって向上します。教育心理学の分野では、この「学習するための学習」プロセスはメタ認知と呼ばれます。これは、自分の学習を監視し、コントロールする能力を意味します。。これは明示的な学習、たとえば学業成績の向上方法を理解する上で重要な知見となっています。しかし、暗黙的な学習、例えば運動技能に関しては理解が進んでいません。運動学習のような自動的なプロセスに意識的なコントロールを適用することは矛盾しているように見えるかもしれません。それにもかかわらず、運動学習における柔軟な行動の存在は、何らかの形のメタ認知が関与していることを示唆しています。私たちは、強化学習の原理から描き出される、この潜在的なメタ認知プロセスのための最小限のフレームワークを理論化することを目指しています。これにより、報酬と罰に対する運動学習の柔軟性をよりよく探求することができます。
Neuromotor Economics
神経運動経済学は、神経経済学の視点を運動制御にまで広げた理論で、我々の動作は、コストを最小化し、報酬を最大化するという観点から考えることができます。我々の脳は、筋肉を最も効率的に使用することで、例えばゴールラインまでの最短距離や最大重量の持ち上げといった行動を最適化し、最大の利益を得ることを可能にします。この枠組みは、我々がどのように学習し、動きを調整するかという理解に不可欠であり、運動スキルの向上や身体能力の増強に向けた基礎理論を提供します。
Motor memory as a quantum self
このプロジェクトでは、ショーン・ギャラガーが提唱する「ミニマル・セルフ」に焦点を当てています。この概念は、「自己操作感」つまり、自分の行動を自分で制御しているという感覚、そして「身体所有感」すなわち、自分の体が自分自身のものだという認識、という2つの要素から成り立っています。これまでの研究では、これらの感覚がどのように形成されるのかについて、様々な理論が提案されてきました。私たちは、運動記憶という視点からこの問題に取り組んでいます。運動記憶の変化が自己操作感と身体所有感にどのように影響を与えるのかを調査し、自己意識と神経生理学的ダイナミクスとの複雑な関係性を明らかにすることを目指しています。この研究は、運動学習と制御における自己意識の理解を深め、仮想現実といった次世代のテクノロジーに対する洞察を提供します。
Affective machine learning
私たちは、「後悔」という人間の感情をAIの学習モデルに取り入れています。人間は、より良い選択をすべきだったと気づくと、「後悔」を感じ、これが次回の意思決定に影響を与えます。このプロセスをAIに反映させることで、過去の「後悔」が未来の決定を指導するようになります。このようなAIの「感情」は、適応性を高め、行動を多様化し、学習戦略を洗練します。感情的機械学習により、より人間らしく学習するAIシステムの構築を目指しています。これにより、AIの効率性が向上します。
De novo learning
新しい運動スキルを習得するためには、我々の身体の多様性を最大限に活用し、数多くの可能な動作の中から最適なものを見つけ出すことが求められます。これは特に、新たな環境やタスクに遭遇するDe Novo 学習において極めて重要です。さまざまな動作を試す運動探索が、その中心的な役割を担っています。我々の研究では、幅広い運動探索が効率的に最適な動作戦略を学ぶのに寄与することを見出しています。これにより、運動学習における運動探索の重要性が一段と明確になりました。
VR Pain Management
本プロジェクトでは、バーチャルリアリティ（VR）を活用して視覚的脅威と侵害刺激のタイミングのずれが痛み知覚に与える影響を解明しており、視覚と侵害刺激の不一致が「ベイズ的サプライズ」による予測誤差の増大を通じて痛覚過敏を引き起こすことを示している。現在、VRを基盤に多様な感覚入力や個人差を考慮した研究を進め、個別化された疼痛管理法の開発や、慢性痛患者への応用、痛みの神経基盤の解明に取り組んでいる。
