Research projects

We applied computational psychiatry methodologies -including machine learning and artificial intelligence techniques- to large-scale datasets encompassing psychiatric symptoms, neurophysiology, and cognitive behaviors. Using transdiagnostic and dimensional approaches, our research aimed to identify novel end-phenotypes beyond existing psychiatric diagnostic categories. Specifically, employing large-scale web-based experimental frameworks, I explored symptom-based subtypes (symptomatological phenotypes) and computational phenotypes that transcend traditional disorder classifications. Additionally, we utilized transdiagnostic neuroimaging databases to identify neurophysiological psychiatric subtypes (biotypes). These efforts collectively sought to establish new conceptual frameworks for understanding psychiatric disorders.

現行の精神障害診断カテゴリーは生物学的・臨床的妥当性が不十分であり、新たな疾病概念の確立が求められている。そこで、本研究は機械学習（ML）・人工知能（AI）技術を基盤とする計算論的精神医学に基づき、精神障害の背後にある連続的・離散的潜在状態を捉え、それを次元的・カテゴリー的臨床判断に統合する新たな疾病概念（「計算論的診断学」）を構築する。具体的には、階層的・動的、かつ連続的・離散的性質を併せ持つ潜在状態抽出を可能にする計算モデルの開発と、抽出した潜在状態を次元的・カテゴリー的性質を併せ持つ臨床判断に融合させる計算論的手法を確立し、WEB実験により疾病概念の妥当性と臨床的有用性を検証する。

人とロボットの長期にわたる持続的なインタラクションの実現が期待される．本研究は，その実現のための一つのアプローチとして，人同士のインタラクションを支える脳内情報処理の「計算原理」を理解し，その原理に基づいてロボットの知的情報処理機構を開発する．具体的には，理論神経科学の分野で提唱されている自由エネルギー原理（Free-Energy Principle: FEP）に注目する．理論的枠組みであるFEPに対して，深層学習分野で培われてきた実世界応用可能なアルゴリズムを適用することでロボットの知的情報処理機構を構築し，人―ロボット間インタラクション実験を通じて，開発技術を検証する． 本研究課題では，人同士のインタラクションを支える脳内情報処理の「計算原理」を理解し，その原理に基づいてロボットの知的情報処理機構を開発することを目的とする．具体的には，理論神経科学の分野で提唱されている自由エネルギー原理（Free-Energy Principle: FEP）に注目する．理論的枠組みであるFEPに対して，深層学習分野で培われてきた実世界応用可能なアルゴリズムを適用することでロボットの知的情報処理機構を構築し，人―ロボット間インタラクション実験を通じて，開発技術を検証する． 令和6年度は，FEPを実世界環境でのインタラクションにスケールさせるためのフレームワークの構築を行なった．具体的には，高次元の観測情報時系列から潜在的なダイナミクスを抽出するための世界モデル，観測情報に応じたロボットの行動系列候補を生成可能な方策モデルを実装し，数値実験及びロボット実験による評価を行なった．世界モデルについては，時系列データの処理機構としてRNNを用いたモデルとTransformerを用いたモデルを実装した．また，方策モデルについては，RNNを用いたモデルと拡散モデルを用いたモデルを実装した． 数値実験及び実ロボット実験によって，世界モデルの自己回帰的な観測予測能力，方策モデルの観測に応じた行動系列候補の生成能力を確認した．これらの成果は，人とインタラクションしながらロボットが期待自由エネルギーを最小化する行動を選択するための基盤となるものであり，本研究の目的に向けた重要な進展である． 現在までに，自由エネルギー原理（FEP）に基づくロボットの知的情報処理機構の構築に向け，世界モデルおよび方策モデルの実装と評価を進めた．これらの成果の一部は，査読付き国際会議において発表を行い，対外的な評価も得ている．加えて，人とロボットの物理的なインタラクションを実現するために，ロボットのインピーダンス制御の環境整備も進めており，実験系のさらなる拡充に取り組んでいる．これらの取り組みにより，実環境下での人ーロボットインタラクションの実現に向けた基盤を着実に構築しつつある． 今後の研究では令和6年度に構築した計算フレームワークを利用して，人とロボット間のインタラクション実験を実施していく．具体的には，人の動作や力の変化に応じてロボットが適応的に行動を選択する状況を設定し，期待自由エネルギーの最小化に基づく行動選択メカニズムの有効性を検証する．また，インピーダンス制御による柔軟な力のやり取りを活用し，物理的インタラクションにおける双方向の適応過程を明らかにすることを目指す．これにより，FEPに基づくロボットの意思決定機構が実環境下で人との協調的行動にどのように寄与するかを体系的に評価する．

本研究は他者との協調を支える認知情報処理機構の理解を目的とし，構成論的手法により取り組む．特に，（i）環境変化や他者のふるまいといった外的要因と（ii）自己の将来の行動に関する計画や意図といった内的要因により生じる協調の形成とその崩壊に関する動的過程に着目する．具体的には，脳の情報処理の仕組みとして提案されている予測符号化を再帰型神経回路モデルにより具現化し，二台のロボットそれぞれに実装する．そして，実環境における二台のロボット間の相互作用学習実験を行う．他者（ロボット）との相互作用の結果生じる互いの意図の動的な収斂と発散により，協調の形成・崩壊に関する動的過程が観察可能であると期待される．

This research project aims at integrative and system-level understanding of the brain and neural mechanisms that produce various symptoms of psychiatric disorders by a constructive approach using robots. We hypothesize that the prediction error minimization considering uncertainty estimation is the fundamental computational principle in the neural networks of the brain. We developed a hierarchical recurrent neural network model based on the principle and evaluated the hypothesis by implementing the model into a robot. Experimental results on robot behavior learning demonstrate that aberrant uncertainty estimation decreases or increases prediction error signals, resulting in abnormalities in perception and action. Furthermore, the results also suggest that the aberrant uncertainty estimation is derived from disconnection between hierarchies and homogenization of neural activities.