見た目が人間に近づくと嫌悪感が高まる「不気味の谷現象」を引き起こす脳の領域が明らかに
https://gigazine.net/news/20190702-uncanny-valley-neural-mechanisms/
2019/7/2
GIGAZINE

■■ソース画像閲覧注意！（一部に怖く感じる画像があります）

　絵画やロボットなどの人間ではないものを人間に似せて作る際、その再現度が高くなればなるほど人間は高い好感度を感じるようになります。
　しかし、人間に似過ぎてくると、ある一定のラインから違和感や恐怖感、
　薄気味悪さのようなものを感じるようになることが調査により明らかになっており、これを
　　「不気味の谷現象」
　と呼びます。
　この不気味の谷を越えることが人間に似せたロボットなどにおける大きな課題だったのですが、
　最新の研究により
　　「なぜ不気味の谷現象が起こるのか？」
　ということについての新しい知見が明らかになっています。

■■中略

　技術が向上するにつれ、本物の人間そっくりのロボットや3DCGによるモデルなどが作成されるようになっています。
　しかし、作成された人間そっくりなものが不気味の谷を越えることができなければ、
　人々に嫌悪感や薄気味悪さを感じさせることとなります。
　アーヘン工科大学のAstrid Rosenthal-von der Putten教授は、
　　「人間の形や行動に似ているということは、長所と短所の両方になり得ます」
　と語り、人間によく似たものは不気味の谷というリスクを抱えることになると指摘しています。

　不気味の谷現象を提唱したのは、ロボット工学者の森政弘博士です。
　1970年に提唱されたこの現象は、日本語の「不気味の谷」から「Uncanny Valley」と翻訳されるようになったとのこと。

　そんな不気味の谷現象に関する最新の研究論文が、科学誌のJournal of Neuroscienceに掲載されました。
　研究はイギリスとドイツの神経科学者や心理学者が行ったもので、
　不気味の谷現象が起こる際に脳内で起こるメカニズムを識別したとしており、
　リアルな人間に似せたロボットやCGに対する人々の反応を改善する第一歩となる可能性を秘めています。

　　「神経科学者にとって、『不気味の谷現象』は興味深い現象です。
　　　これは最初に与えられた感覚入力(視覚情報など)、例えばロボットの写真のようなものを人間と感じるのか、
　　　それとも非人間と感じるかを判断する神経メカニズムの存在を暗示しています。
　　　この情報は好みを決めるための別の評価システムにも使用されていると考えられます」
　と語るのは、ケンブリッジ大学の生理・発達・神経科学部門の講師であるファビアン・グラベンホルスト博士。

　不気味の谷現象が生まれる際に働く神経メカニズムを調査するために、
　研究チームはfMRIを用いて2つの異なるテストを行うことで、21人の被験者の脳パターンを調べています。

　最初のテストでは被験者に人間やロボットなどの写真を多数見せ、それらに対する好感度および
　　「どの程度人間らしく感じるか？」
　を評価してもらいました。2つ目のテストでは、被験者に対して写真で見た人間やロボットの中で、
　　「どれなら自分用の贈り物を選んでもらっても許容できるか？」
　を判断してもらったそうです。
　2つのテストの間に被験者の脳活動を測定することで、
　研究者たちはどの脳の領域が不気味の谷現象のような感覚を生み出すのかを識別したわけ。

　研究によると、視覚情報を処理する視覚野に近い一部の脳領域が、
　「人間らしさ」に関する脳の信号を生み出していることが明らかになっています。

　さらに、脳の前頭前皮質と呼ばれる領域の一部で、不気味の谷現象につながる別の活動が観測されています。
　なお、これまでの研究では、前頭前皮質はあらゆる種類の刺激を判断するシステムを持った領域であるとされており、
　例えば「心地よい感触」のような社会的刺激の報酬価値を示す領域とされてきました。

続きはソースで

複数人対戦ゲームでもAIが人間に勝利、グーグル親会社傘下企業が開発

https://www.afpbb.com/articles/-/3228148
https://www.afpbb.com/articles/-/3228148?page=2
2019年6月4日 11:25 AFPBB News

　【6月4日 AFP】人工知能（AI）はこれまでチェスや囲碁など1対1で対戦するゲームで人間に勝ってきたが、チームワークが求められる複数人が対戦するゲームでも人間を負かすことができたとの研究結果が5月30日、
　米科学誌サイエンス（Science）で発表された。

　このAIの開発を手掛けたのは米IT大手グーグル（Google）の親会社アルファベット（Alphabet）傘下のAI開発企業ディープマインド（DeepMind）で、
　AIの「エージェント」らにマルチプレーヤー型ファーストパーソン・シューティングゲーム（FPS、本人の視点で戦うゲーム）を自習させ、人間と対戦させた。

　コンピューターはこれまでにも、1対1の対戦ゲームでは人間を打ち負かしたことがある。
　例えば、1997年には米IBMが開発したディープ・ブルー（Deep Blue）が、チェスの王者ガルリ・カスパロフ（Gary Kasparov）氏を破った。
　また、2017年には、グーグルが開発したAIが世界トップレベルの棋士に勝利している。

　だが、複雑な状況下で、チームワークと意思疎通が求められるマルチプレーヤーゲームについては、人間に勝てていなかった。

　マックス・ジェイダーバーグ（Max Jaderberg）氏率いるチームは開発に当たり、「クエイクIIIアリーナ（Quake III Arena）」の修正版を使用した。
　このゲームは1999年にリリースされたFPSで、現在もeスポーツ界で人気を保っている。

　また、ゲームモードは「キャプチャー・ザ・フラッグ（CTF）」と呼ばれる旗取りゲームを選択した。
　チームメートと連携し、防御しながら相手チームの旗を奪うもので、プレーヤーは攻撃と防御を組み合わせた複雑な戦略を練る必要がある。

　研究ではエージェントに自己学習させ、人間のプロのゲームテスターと対戦できるまで能力を高めた。

　研究チームによると「12時間練習をした後でも、人間のプロゲームテスターらのエージェントチームに対する勝率は25％にとどまった」。
　一方エージェントは、反応時間を人為的に低下させ人間の水準に合わせても、人間の能力を上回っていたという。


　■「ファスト＆スロー」

　研究チームはエージェントの学習にいわゆる「強化学習（RL）」を用いた。
　エージェントは旗を奪うと報酬が得られることを教えられるが、研究チームは強化学習の可能性をさらに広げる革新的方法を考案した。

　「各エージェントが自身の内部報酬信号を学習したことが今回の研究結果の成果の一つだ」とジェイダーバーグ氏は指摘する。
　これは、旗を奪ったり、相手を撃ったりといったさまざまなタスクを達成すると、AIプレーヤーはその重要度に応じて自身に報酬を与えるということを意味する。

　研究チームはまた、エージェントを個別に訓練するよりも、まとめて訓練した方がチーム全体としてはるかに速く学習できることも発見した。

　さらに「二つの時間スケール」学習と呼ぶ新たな構造も考案した。
　ジェイダーバーグ氏はこれをダニエル・カーネマン（Daniel Kahneman）の著作「ファスト＆スロー（Thinking Fast and Slow）」に例えている。

　「素早く考えて素早く考えを更新するエージェントと、ゆっくり考えてゆっくり考えを更新するエージェントに分けると、2種類の考えが互いに影響し合い、エージェントが世界について学習する方法を構築する手助けとなる」と
　ジェイダーバーグ氏は説明した。

続きはソースで

米国マサチューセッツ工科大学の研究者らは、英国のストーンヘンジやイースター島のモアイ像など、古代の大型の建造物がの建築用の機器のない時代にどのよう作られたのかを明らかにした。研究者らは、古代の技術者たちが釣り合いと梃を利用することで、１人の人間が数十トンの巨礫を動かすことができたという。

実験のために研究者らは、形の異なる２５トンのコンクリートの塊をいくつか作り、それぞれが正確に計算された重心を持つようにした。２５トンのコンリートの塊は人間の力では持ち上げることはできないものの、重心が正確に計算されたものでは・・・

続きはソースで

https://cdn1.img.jp.sputniknews.com/images/225/40/2254082.jpg

■動画
MIT researchers discover way to move 25 ton stones with only their hands
https://youtu.be/qEmAt5BqGuk



https://sptnkne.ws/mvxa

まるでアパレルショップのモデルのような、実在しない人間の全身画像を生成する「全身モデル自動生成AI」を、京都大学発のベンチャー、データグリッド（京都府京都市）が4月26日に発表した。

　同社は2018年6月に架空のアイドルを自動生成する「アイドル自動生成AI」を発表したが、表現できるのは顔から首までだった。今回の「全身モデル自動生成AI」では、従来困難だった全身画像を高解像度（1024×1024ピクセル）で安定して生成することに成功したという。

続きはソースで

【データグリッド】全身モデル自動生成AI | [DataGrid] Model generation AI
https://youtu.be/8siezzLXbNo



モデルの人も着ている服も実在しない
https://image.itmedia.co.jp/news/articles/1905/10/ki_1609376_datagrid01.jpg

https://www.itmedia.co.jp/news/articles/1905/10/news106.html