パトリック・M・ピラースキー博士カナダ CIFAR AI 議長 (Amii)

による

パトリック M. ピラースキー博士は、カナダ CIFAR 人工知能委員長であり、リハビリテーションのための機械知能の元カナダ研究委員長であり、アルバータ大学医学部理学療法およびリハビリテーション部門の准教授です。

2017 年、ピラースキー博士はアルバータ州エドモントンにディープマインド初の国際研究オフィスを共同設立し、2023 年まで同オフィスの共同責任者および上級スタッフ研究員を務めました。彼はアルバータ州のフェローおよび取締役会のメンバーです。 Machine Intelligence Institute (Amii) は、改善された自然制御のための Bionic Limbs (BLINC) 研究室を共同主導しており、強化学習および人工知能研究室 (RLAI) および感覚運動適応リハビリテーション技術 (SMART) ネットワークの主任研究者でもあります。アルバータ大学。

ピラースキー博士は、120 を超える査読論文の受賞歴のある著者または共著者であり、IEEE の上級会員であり、州、国、および国際的な研究助成金によって支援されています。

私たちは、Amii (Alberta Machine Intelligence Institute) が主催し、アラバマ州エドモントンで開催される AI に関する年次カンファレンス 2023 Upper Bound でインタビューに応じました。

AIに興味を持ったきっかけは何ですか? この業界に惹かれたのは何ですか?

これらは 2 つの別々の質問です。 私が AI に惹かれる理由としては、複雑さがどのようにして現れるのか、そして複雑さからどのように構造が現れるのかという点に、何か美しいものがあるからです。 インテリジェンスはその驚くべき例の 1 つにすぎません。したがって、それが生物学から来ているのか、それとも機械に現れる精巧な動作をどのように見ているかに由来しているのかはわかりませんが、そこには美しいものがあると思います。 これは私を長い間常に魅了しており、現在私が取り組んでいる AI の分野での仕事への非常に長く曲がりくねった軌跡です。AI とは、試行錯誤を通じて学習する機械であり、人間が夢中になっている間に人間と対話する強化システムです。その中では、経験の流れ、時間の流れが、あらゆる種類の異なる種類の台地を通ってやって来ました。 私は、義肢や義足などのバイオメカトロニクス装置やバイオテクノロジーの観点から、機械と人間がどのように相互作用できるかを研究しました。

私は、医療診断をサポートするために AI をどのように使用できるか、機械知能を使用して病気につながるパターン、または機械上の記録という観点からさまざまな病気がどのように現れるかを理解し始めることができるかについて検討しました。 しかし、それはすべて、非常に単純な基盤から非常に複雑な動作をどのように実現できるかを実際に理解し始めるための、この長く続く取り組みの一部です。 それが私が本当に気に入っている点、特に強化学習についてです。マシンが時間の流れの中に自らを埋め込み、自身の経験から学習して非常に複雑な動作を示し、周囲の世界の複雑な現象の両方を捉えることができるというアイデアです。 。 それが原動力になっています。

その仕組みについては、実際に私は高校時代にスポーツ医学のトレーニングなどをたくさん行いました。 私はスポーツ医学を学び、現在は機械知能とリハビリテーション技術がどのように連携して人々の日常生活をサポートするかを研究する環境で働いています。 それは非常に興味深い旅であり、複雑なシステムや複雑さに魅了される一方で、人間がどのようにより適切にサポートされ、生きたい人生を送ることができるかをどのように考え始めるかという非常に実践的な実践論のようなものです。

スポーツがあなたを義足に導いたきっかけは何ですか?

スポーツ医学のような分野で本当に興味深いのは、人体を観察し、スポーツであろうとそれ以外であろうと、誰かの固有のニーズが実際に他の人や手順やプロセスによってどのようにサポートされるのかを観察することです。 バイオニック四肢と義肢技術は、人々が生きたい生活を送るのに役立つデバイスの構築、システムの構築、テクノロジーの構築に関係しています。 この 2 つは本当に密接に関係しています。 実際、一周回って、以前からの関心のいくつかが再び結実するということで、私たちが研究する研究室を共同主導するという形で実を結ぶことができて、本当にエキサイティングです…特に密結合で動作する機械学習システムについては、サポートするように設計された人。

あなたは以前、人が義足に適応するのではなく、義足が人にどのように適応するかについて議論しました。 この背後にある機械学習について話していただけますか?

絶対に。 ツール使用の歴史の基礎として、人間は自分自身をツールに適応させ、さらに私たちのツールを私たちのニーズに適応させてきました。 そして、私たちがツールに適応するという反復的なプロセスがあります。 私たちは今、初めての転換点にいます。私がこれまでに行った講演をいくつかご覧になったことがある方なら、講演の中で私がこのことを言っているのを聞いたことがあるかもしれません。 しかし実際、私たちは歴史の重要な時点にいて、人間の知性の特徴の一部をもたらすツールの構築を想像できるようになりました。 人間が使用している間に実際に適応し、改善されるツール。 基礎となるテクノロジーは継続的な学習をサポートします。 進行中のストリーム エクスペリエンスから継続的に学習できるシステム。 この場合、強化学習とそれを支えるメカニズム (時間差分学習など) は、人と対話している間、およびサポートしている人が使用している間、継続的に適応できるシステムを構築するために非常に重要です。彼らの日常生活。

時間差学習を定義していただけますか?

これについて私が本当に気に入っているのは、私たちが研究室で取り組んでいることの多くを支えるコアテクノロジー、時間差分学習、および基本的な予測学習アルゴリズムについて考えることができることです。 あなたには、私たちと同じように、ある信号に関して将来がどうなるかを予測するシステムがあります。将来の報酬などについて、私たちが通常見ているものです。 しかし、あなたが想像できる他の信号、例えば、私が今どのくらいの力を発揮しているか？ どれくらい暑くなるのでしょうか？ 明日はドーナツを何個食べますか？ これらは、あなたが予測できる可能性のあることです。 したがって、コアアルゴリズムは、現在何が起こるかについての私の推測と、現在受信しているあらゆる種類の信号とともに、将来何が起こるかについての私の推測との間の違いを実際に調べています。

ロボットアームが一杯のコーヒーや一杯の水を持ち上げるとき、私はどれくらいの力を加えているでしょうか? これは、現在及ぼされる力の量についての予測と、将来のある期間に及ぼされる力の量についての予測の違いを調べている可能性があります。 そして、それを将来についての期待と実際に及ぼす力と比較します。 これらをすべて組み合わせると、時間差エラーというエラーが得られます。 これは、将来の時間的に延長された予測とそれらの差異の素晴らしい蓄積であり、学習マシン自体の構造を更新するために使用できます。

これも、報酬に基づいた従来の強化学習の場合、人が認識する将来の期待報酬に基づいてマシンの動作方法を更新することを検討している可能性があります。 私たちが行うことの多くは、一般化された値関数を使用して、他の種類の信号を調べることです。これは、強化学習プロセス、報酬信号の時間差分学習を、対象となるあらゆる種類の信号に適用することです。機械の操作。

あなたはプレゼンテーションでカイロトーと呼ばれる義足についてよく話します。 それは私たちに何を教えてくれるのでしょうか？

バーゼルのカイロ・トー大学、LHTT。 画像: マチャシュ・カチチニク

私は、3000 年前の義足であるカイロ足指を例に挙げるのが好きです。 私は神経補綴の分野で働いていますが、現在では、場合によっては生体の身体部分と同じレベルまたは程度の制御を実現できる非常に高度なロボット システムが見られます。 それでも、私は 3000 年前の非常に様式化された木製のつま先に戻ります。 素晴らしいのは、これが人間がテクノロジーによって自分自身を拡張する例であるということです。 それが神経補綴の観点から私たちが現在見ていることであり、人間と機械の相互作用は奇妙でも、新しいものでも、風変わりなものでもありません。 私たちは常に道具の使用者であり、動物、人間以外の動物も道具を使います。 これについては素晴らしい本がたくさんありますが、特にフランス・ドゥ・ヴァール著『動物がどれだけ賢いかを知るのに私たちは賢いのか?』がおすすめです。

この自分自身の拡張、ツールの使用による自分自身の増強と強化は新しいものではなく、古くからあるものです。 それは、私たちが今いるまさにその土地で、ここに住んでいた人々によって昔から行われてきたことであり、記念すべきことです。 カイロ トーに関するもう 1 つの興味深い点は、少なくともカイロ トーに関する学術報告によると、使用者とのやり取りの過程で何度も改良されたことが証拠で示されているということです。 彼らは実際にそれをカスタマイズし、変更し、使用中に修正しました。

私の理解では、それは人間が生きている間に取り付けられた固定ツールだけではなく、取り付けられるだけでなく修正も加えられる固定ツールでした。 これは、繰り返しになりますが、ツールはその使用期間と継続的な使用期間中に適応されるという考え方が、実際には非常に古くからあるものであることを示す一例です。 これは新しいことではありません。長年にわたる人とツールの共適応から学べる教訓はたくさんあります。

以前、義肢と人間の間のフィードバック経路について言及されましたが、フィードバック経路について詳しく説明してもらえますか?

また、人間と、人間の日常生活をサポートすることを目的とした機械との関係をどのように捉えるかという点でも、私たちは特別な時代を迎えています。 誰かが義肢を使用しているとき、たとえば四肢に障害のある人、切断のある人が義肢を使用しているとします。 伝統的に、彼らはそれを体の延長のように道具のように使用しますが、私たちが制御経路と考えるものに主に依存していることがわかります。 車輪の何らかの感覚や意図がそのデバイスに伝えられ、デバイスはそれが何であるかを理解して、手を開閉したり、肘を曲げたり、ピンチグリップを作成したりするなど、それに基づいて実行するという役割を果たします。鍵を掴むために。 フィードバック経路を研究したり検討したりしている人をあまり見かけません。

したがって、商業的に配備されているのを目にするかもしれない多数の義肢では、機器から人に戻る情報の流れは機械的な結合、つまり義肢の力を実際に感じてそれに作用する方法である可能性があります。 それは、モーターの心配する音を聞いているかもしれないし、カフを手に取って机の上で動かしたり、作業スペースの別の場所からそれを掴んだりしているのを見ているかもしれません。 したがって、これらの経路はそれを行うための伝統的な方法です。 義肢からそれを使用する人に情報をより適切にフィードバックする方法を検討するために、世界中で驚くべきことが起こっています。 特にここエドモントンでも、神経系の再配線、ターゲットを絞った神経の修復、その他その経路をサポートするものを使用した、本当に素晴らしい研究がたくさんあります。 しかし、機械学習がそのフィードバック経路に関する相互作用をどのようにサポートするかを考えることは、依然として非常に注目されている新興研究分野です。

実際に送信される世界について多くのことを認識および予測し、その情報を使用者に明確かつ効果的に送信するシステムを機械学習がどのようにサポートできるか。 機械学習はそれをどのようにサポートできるのでしょうか? これは素晴らしいトピックだと思います。なぜなら、フィードバック経路と制御経路の両方がある場合、両方の経路が適応し、人が使用しているデバイスと人自身の両方が互いのモデルを構築しているからです。 ほとんど奇跡に近いことができるのです。 ほぼ無料で情報発信できます。 これら両方のシステムが実際に相互にうまく調整されており、相互に非常に強力なモデルを構築し、両方のフィードバック経路を制御するための適応を備えている場合、人間と機械の間に非常に緊密なパートナーシップを形成できます。非常に少ない労力と非常に少ない帯域幅で大量の情報を渡します。

そしてそれは、特に神経補綴の分野において、人間と機械の協調というまったく新しい領域を切り開きます。 私たちがこの分野の研究を開始できるのは、本当に奇跡的な時期だと思います。

これらは将来的には 3D プリントされると思いますか、それとも製造はどのように進むと思いますか?

それがどのように起こるかについて推測するのに私は最適な場所ではないと思います。 しかし、私が言えるのは、付加製造、3D プリンティング、その他の形式の現場付加製造を使用してデバイスを作成する神経補綴デバイスの商業プロバイダーが大幅に増加していることです。 これは、積層造形や 3D プリンティングを使用した単なるプロトタイプではなく、個人にデバイスを提供する方法や、デバイスを使用する正確な人々に合わせて最適化する方法に 3D プリンティングが不可欠な部分になりつつあることも非常に興味深いことです。

付加製造またはオーダーメイド製造、カスタマイズされたプロテーゼのフィッティングは常に病院で行われています。 これは、四肢に差異があり、支援技術やその他の種類のリハビリテーション技術を必要とする人々へのケア提供の自然な部分です。 そのカスタマイズの多くが医療提供者だけに任せられるのではなく、デバイスのメーカーに溶け込み始めていることがわかり始めていると思います。 そしてそれは本当にエキサイティングでもあります。 単に手のように見える、または使い古された手ではなく、それを使う人のニーズを非常に正確に満たし、表現したい方法で自分自身を表現できるデバイスには、大きなチャンスがあると思います。私たちが日常生活で手を使うべきだと考える方法だけではなく、彼らが生きたいように生きたい人生を送らせます。

あなたは120以上の論文を書きました。 私たちが知っておくべき、特に目立ったものはありますか?

ニューラル コンピューティング アプリケーションに関する最近発表された論文がありますが、これは人間と機械がどのように相互作用するか、特に人間と人工器官がどのように相互作用するかに関するフレームワークについて、私たちが 10 年以上にわたって提案してきた考え方の氷山の一角を表しています。 それはコミュニケーションキャピタルの考え方です。 これが私たちが最近発表した論文です。

そしてこの論文は、例えば、人と対話する補綴装置によってリアルタイムで学習および維持される予測が、どのようにしてその人自身が本質的に資本を形成し、それらの当事者の両方が信頼できるリソースを形成できるかについて、私たちの見解を提示します。 。 以前、人間と機械が互いのモデルを構築し、経験に基づいてリアルタイムを適応させ、双方向チャネルで情報を渡し始めると、本当に素晴らしいことができると述べたことを思い出してください。 補足として、私たちは録音があり、そこから何かを切り出すことができる魔法の世界に住んでいるからです。

それは本質的に魔法のようなものです。

その通り。 まるで魔法のようですね。 アシュビーのような思想家に遡ると、1960 年代に遡り、彼の著書「サイバネティクス入門」では、人間の知性をどのように増幅できるかについて語っています。 そして彼は、結局のところ、多くの選択肢の中から 1 つを選択する人の能力を高めることに尽きると言いました。 そしてこれは、人間がたとえば機械と対話し、それらの間に通信チャネルが開かれているシステムによって可能になります。 したがって、チャネル化されたコミュニケーションがオープンであり、それが双方向である場合、そして両方のシステムが予測などの形で資本を構築している場合、それらが実際に連携し、それぞれの部分の合計以上のものになることがわかり始めます。 彼らが投入した以上のものを得ることができます。

これが、私がこの論文を最もエキサイティングな論文の 1 つであると考える理由だと思います。なぜなら、この論文は確かに思考の転換を表しているからです。 それは、神経補綴装置を主体性のあるシステム、つまり主体性を説明するだけでなく、これらのリソースを構築するために私たちと協力して適応できるように依存できるシステムとして考えることへの思考の変化を表しています。 コミュニケーション資本は、私たちが世界と対話する能力を何倍にも高め、自分が費やしている以上のものを引き出し、人々が義眼のレンズを通して義眼のことを考えるのをやめることができるようにします。日常生活を送り、日常生活を送ることについて考え始めます。 彼らの日常生活を支援するデバイスではありません。

先ほどお話ししたブレイン マシン インターフェイスにはどのような応用例が考えられますか?

私のお気に入りの 1 つは、これもまた、過去 10 年近くにわたって私たちが提案してきたものの 1 つで、アダプティブ スイッチングと呼ばれるテクノロジーです。 アダプティブ スイッチングは、私たちが日常的にやり取りする多くのシステムが、多くのモードまたは機能間の切り替えに依存しているという知識に基づいています。 携帯電話のアプリを切り替えているときも、ドリルの適切な設定を見つけようとしているときも、生活の中で他のツールを調整しているときも、私たちは常に多くのモードや機能を切り替えています。アシュビー、私たちの多くの選択肢の中から選択する能力。 したがって、適応スイッチングでは、時間差学習を使用して、人がどのような運動機能を使用したいのか、いつ使用したいのかを義肢が学習できるようにします。 つまり、非常に単純な前提は、私​​がカップに手を伸ばして手を閉じるという行為だけだということです。

そうですね、システムは経験を通じて、この状況ではハンドオープンクローズ機能を使用する可能性が高いという予測を構築できるはずです。 手を開いたり閉じたりします。 そして、将来、同様の状況が発生したときに、それを予測できるようになります。 そして、渦巻くモードや機能の雲をナビゲートするとき、多くのオプションをすべて選別することなく、多かれ少なかれ必要なものを与えてくれます。 これはコミュニケーション資本を構築する非常に単純な例です。 実際、インタラクションを通じて予測を構築するシステムがあります。それらは、その時点のその状況におけるその人、そのマシン、その関係についての予測です。 そして、その共有リソースにより、システムはその場で制御インターフェイスを再構成できるようになり、ユーザーは必要なものを必要なときに入手できるようになります。 そして実際、システムが人がどのような運動機能を望んでいるのかを非常によく知っている状況では、実際に、人が入っていくときにそれを選択することができます。

そして素晴らしいのは、その人はいつでも「ああ、これが私が本当に望んでいたものだ」と言って、別の運動機能に切り替えることができるということです。 ロボット アームでは、ドアノブをつかむため、鍵を拾うため、または誰かと握手するためのグリップの形状など、さまざまな種類の手の握りが考えられます。 これらは異なる機能モード、異なるグラブパターンです。 非常に興味深いのは、システムがどのような状況で何が適切であるかについての認識を構築し始めることができるということです。 両当事者が世界をより迅速に移動するために、特に一部の認知的負担を軽減するために依存できる資本の単位。

素晴らしいインタビューをありがとうございます。さらに詳しく知りたい読者は、次のリソースを参照してください。

Laura Petrich 氏、ロボット工学と機械学習の博士課程学生 - インタビュー シリーズ

Prasad Kawthekar 氏、Dashworks 共同創設者兼 CEO – インタビュー シリーズ

Unite.AI の創設パートナーであり、Forbes Technology Council のメンバーでもある Antoine は、AI とロボット工学の未来に情熱を注ぐ未来学者です。 彼は、投資 Web サイトである Securities.io、生成 AI プラットフォーム、images.ai の創設者でもあり、現在、プロンプトを分割して自律エージェントを構成および展開する機能をユーザーに提供するプラットフォーム、genius.ai の立ち上げに取り組んでいます。サブタスク。

Amii の先進テクノロジー担当プロダクト オーナー、マラ カイロ – インタビュー シリーズ

Laura Petrich 氏、ロボット工学と機械学習の博士課程学生 - インタビュー シリーズ

Prasad Kawthekar 氏、Dashworks 共同創設者兼 CEO – インタビュー シリーズ

SmartNews のグローバル信頼と安全性責任者、Arjun Narayan 氏 – インタビュー シリーズ

Razi Raziuddin 氏、FeatureByte 共同創設者兼 CEO – インタビュー シリーズ

Jordan Noone 氏、Embedded Ventures 共同創設者 - インタビュー シリーズ