九州工業大学は1月6日、ロボットアームのハンド部分から得られる感触信号から、ロボットが何をつかんだかを判別（把持物体認識）することに成功したと発表した。把持物体認識には、人工ニューラルネットワークの一種であるリザバー演算（RC）が使われるが、九州工業大学は、そのリザバー演算を、「単層カーボンナノチューブとポルフィリン、ポリオキソメタレートの複合体」（SWNT/Por-POM）からなる素子で行わせるという、画期的なアプローチをとった。
人間の脳を人工的に模倣するには、ランダムに接続されたニューロンとシナプスの動的な貯蔵庫（リザバー）を模倣する必要があり、それを実現したのが人工ニューラルネットワーク（ANN）だ。その一種であるリザバー演算は、貯蔵庫内での信号のランダムなフィードバックを忠実に再現して時系列データの学習を可能にしており、深層ニューラルネットワークに比べて、効率的・高速・シンプルで、生物の脳の仕組みに近い機械学習アーキテクチャーとされている。
ところが、リザバー演算を既存コンピューター上でソフトウェアだけで行うことは技術的に難しく、ハードウェアからアプローチするパラダイムシフトが不可欠とされる。そこで、ソフトウェアと並行して物理的な挙動を演算ツールとして用いる「物理リザバー」が研究されている。なかでも九州工業大学の手法は、物理的挙動を示すマテリアル自身に演算を担わせる「マテリオRC」という新しい試みだ。
研究では、SWNT/Por-POMによるリザバーからなるランダムネットワークを作り、トヨタ自動車の生活支援ロボット「ヒューマンサポートロボット」のロボットハンドから得られた物体把持のセンシングデータを入力信号として使用した。それにより、異なる物を正しく分類する「インマテリオRCタスク」に成功した。
現在、画像による物体認識は広く行われているが、光量が少ない暗い場所では誤判定が生じる。そのため、特に介護の現場などでは触覚センサーによる把持物体認識の併用が重要になってくる。九州工業大学では、「生物学的なインターフェースで効率的な計算を実現できる、マテリアルベースのRCが賢い選択だということが今回の結果で示されました」と話している。SWNT/Por-POMは近い将来、「脳と同等の情報処理能力を持つと期待され、時系列予測や音声認識など他の複雑なAI問題に応用すること」が可能になるということだ。
この研究は、九州工業大学ニューロモルフィックAIハードウェア研究センターの田中啓文教授、田向権教授らからなる研究グループと、大阪大学の小川琢治元教授、カリフォルニア大学ロサンゼルス校のジムゼウスキー教授との共同によるもの。
