専門雑誌に掲載された難解な論文を読み込み、科学的背景を持たない読者にもわかりやすいようにかみ砕いて文章として伝える「サイエンスライター」と同じように機能するAIをマサチューセッツ工科大学(MIT)の研究者らが発表しました。

Rotational Unit of Memory: A Novel Representation Unit for RNNs with Scalable Applications | Transactions of the Association for Computational Linguistics | MIT Press Journals
https://www.mitpressjournals.org/doi/full/10.1162/tacl_a_00258

Rotational Unit of Memory
http://super-ms.mit.edu/rum.html

Can science writing be automated? | MIT News
http://news.mit.edu/2019/can-science-writing-be-automated-ai-0418

MITの大学院生であるRumen Dangovski氏とLi Jing氏、物理学教授のMarin Soljačić氏らの研究チームは、専門的な論文を1、2文程度に要約するAIを開発しました。AIが生成できる文章は非常に短いため、2019年4月時点では実際のサイエンスライターが作成するような記事を作り出すことはできないとのことですが、大量の論文を読む際に軽くチェックして内容を予備的に把握するのに役立つ可能性があります。

もともと、研究チームは物理学的な問題に対処することを目的としてAIでのアプローチを試みていたそうで、論文の要約などの処理に焦点を当てていなかったそうです。ところが、研究チームは自身が開発したアプローチが物理学の分野だけでなく、自然言語処理を含むほかの分野にも同じアプローチが適用できることに気づいたとのこと。

一般的なニューラルネットワークは、コンピューターが非常に多くの事例についてのパターンを「学習」して進歩します。たとえば写真に写っているオブジェクトを識別したり、写真や音声から特定のものを抜き出したりするシステムに、ニューラルネットワークは広く活用されています。

その一方で、ニューラルネットワークは長い一連のデータから情報をピックアップし、関連付けることが困難だとのこと。この能力は長い論文から必要な情報を見つけ出して要約する、サイエンスライターのような仕事に求められる技術の一つです。長距離の依存関係をモデル化する長期短期記憶(LSTM)ネットワークなどの手法がこの問題を解決するために使用されていますが、自然言語処理を実用的なものに近づけるには至っていません。

研究チームは従来のニューラルネットワークに使われてきた行列の乗算に基づくシステムではなく、多次元空間で回転するベクトルに基づく代替システムを考案しました。このシステムは「記憶回転単位(rotational unit of memory)」と名付けられており、研究チームは「RUM」と呼んでいます。RUMはニューラルネットワークが要素を記憶するのを助け、より正確に要素を思い出すことにも有効とのこと。RUMはもともと光の振る舞いのような複雑な物理学的問題を解決するために考案されたアプローチでしたが、やがて研究チームはRUMが自然言語処理のような他分野でも有用である可能性に気づきました。
https://i.gzn.jp/img/2019/04/27/science-writing-be-automated/03_m.png

続きはソースで

https://gigazine.net/amp/20190427-science-writing-be-automated

■世界で初めて日本人の基本6感情の表情を報告－

　佐藤弥 こころの未来研究センター特定准教授らの研究グループは、日本人65人を対象として、表情の表出を調べ、日本人の表情が心理学研究において著名なエクマン博士の理論とは異なることを実証しました。

　表情は感情を表すメディアで、人のコミュニケーションに不可欠です。エクマンは、感情を表す普遍的な表情があるという理論を提案しました。理論は、観察や直感に基づいていましたが、基本感情の表情表出を実証的に調べた先行研究は、この理論を部分的にしか支持していませんでした。さらに、そうした研究は今まで、西洋文化圏でしか実施されていませんでした。

　本研究では、被験者は基本6感情（怒り・嫌悪・恐怖・喜び・悲しみ・驚き）のシナリオに基づいて表情を表出しました。

続きはソースで

■図：一般日本人の写真条件とシナリオ条件の表情。幸福と驚きは写真条件とシナリオ条件で類似しているが、それ以外の感情はかなり異なる。
http://www.kyoto-u.ac.jp/ja/research/research_results/2018/images/190212_2/01.jpg

http://www.kyoto-u.ac.jp/ja/research/research_results/2018/190212_2.html

人工知能（AI）は非常に幅広い概念であり、その定義は絶えず進化している。どんなアルゴリズムでも、コンピューター・プログラムでも、十把ひとからげにAIと呼ばれてしまうこともしばしばだ。現時点でAIと呼ばれているものは何なのか、究極的に何を目指しているのか考えてみた。

厳密に言うと、人工知能（AI）とは何だろうか。基本的な質問に思えるかもしれないが、その答えは多少複雑だ。

もっとも広義には、AIは、自ら学習して、推論し、行動できる機械を指す。そうした機械は、新たな状況に直面しても、人間や動物と同じように自ら決断を下すことができる。

現在人々がよく耳にするAIの進歩やAIの応用といったことのほとんどは、機械学習というアルゴリズムのカテゴリーを指している。こうしたアルゴリズム は、統計的手法を用いて、莫大な量のデータからパターンを発見する。そうして発見したパターンを使って予測をする。たとえば、あなたがネットフリックスのどの番組を気に入るかとか、あなたがアレクサ（Alexa）に話しかけたとき、その話は何を意味しているのかとか、核磁気共鳴画像（MRI）に基づいてがんに罹患しているかどうか、といったことを予測するのだ。

機械学習とその一部である深層学習（これは基本的には強化型機械学習のことである）は信じられないほど強力であり、多くの主要なブレークスルーの基盤になっている。

続きはソースで

https://cdn.technologyreview.jp/wp-content/uploads/sites/2/2018/11/10233423/flow-chart-og-cropped.jpg

はっきりさせるために、封筒の裏にフローチャートを描いてみた（上図）。これを見れば、何がAIを活用していて、何がそうでないかを判断できるだろう。

https://www.technologyreview.jp/s/112335/is-this-ai-we-drew-you-a-flowchart-to-work-it-out/

4年にわたる野生キリンの撮影データから、母子の共通点や生存率を分析

キリンにはなぜ模様があるのか？　その形やパターンはどのように決まっているのか？　親から受け継ぐものなのか？

　意外かもしれないが、これらはどれも答えの出ていない謎だった。2011年からアフリカ、タンザニア北部でキリンを調査してきた研究者のデレク・リー氏とモニカ・ボンド氏は、この謎を解き明かそうと研究に乗り出した。

　10月2日付けで学術誌「PeerJ」に掲載されたリー氏らの論文によると、キリンの模様のうち特定の要素は遺伝性であり、幼いキリンの生存率に影響しているらしいことが判明した。特に、模様の丸みと滑らかさ（専門的には「複雑性（tortuousness）」と呼ばれる尺度）が母から子に遺伝しているようだ。

　模様と生存率にも相関があり、模様が大きく丸みがあるほど、幼いキリンが生き延びる確率も高くなると、リー氏らは論文で述べている。ただ、理由は正確にはわからないという。キリンの模様はカムフラージュに役立っているとの仮説もあるが、体温調節に役立っている可能性もある。それ以外にも、知られざる効能があるかもしれない。

「哺乳類一般の外皮の模様について、自分たちがほとんど何も知らないということに気づきました」。米ペンシルベニア州立大学の准研究教授で、ボンド氏とともに保護団体「野生自然研究所」を設立したリー氏はこう語った。

「模様が何を意味するのか、じっと目を凝らしたことはなかったのです」

　キリン保護基金の共同設立者で、世界トップクラスのキリンの専門家であるジュリアン・フェネシー氏は、「この研究結果は科学的に根拠があり、興味深いものです。ただし、ひとかたまりのサンプルセットにすぎません」と話す。フェネシー氏は今回の研究には参加していない。「この研究を、他の地域のキリン研究や別種の研究と比較できれば素晴らしいと思います」（参考記事：「珍しい白いキリンの写真を公開、タンザニア」）

　キリンの模様に関連した研究は、最も新しいものでも1968年までさかのぼるとリー氏は言う。著名なキリン研究者のアン・イニス・ダッグ氏が、模様の大きさ、形、色、数が遺伝性と考えられる証拠を見出したのだ。しかしリー氏によれば、当時に比べると遺伝学の理解は劇的に進んでおり、ダッグ氏の研究は動物園にいる比較的少数の個体群を対象としていた。「野生の個体群で実際に検証した人は誰もいませんでした」

続きはソースで

https://cdn-natgeo.nikkeibp.co.jp/atcl/news/16/c/100400101/ph_02.jpg

ナショナルジオグラフィック日本版サイト
https://natgeo.nikkeibp.co.jp/atcl/news/16/c/100400101/