差分

このページの2つのバージョン間の差分を表示します。

--- official-blog:260204-bio-inspired-ai [2026/02/05 10:21] – d.azuma
+++ official-blog:260204-bio-inspired-ai [2026/02/11 08:35] (現在) – [結論] d.azuma
@@ 行 5: / 行 5: @@
   * 出典 [[https://qubic.org/blog-detail/how-neuromodulation-transforms-neural-networks|Bio-Inspired AI: How Neuromodulation Transforms Deep Neural Networks | Qubic Blog]]
-**執筆：Qubicチーム** / **公開日：2026年2月4日**
+ **執筆：Qubicチーム** / **公開日：2026年2月4日**
+ **参考**： [[https://drive.google.com/file/d/14KwY0v0jha_IA2qIYAI-zceFHE_vscvQ/view?usp=drive_link|Google NotebookLM によるスライドPDF]]
 ===== 多階層的な神経変調システムの原理によるディープニューラルネットワークへの示唆の分析 =====
-{{.:pasted:20260205-094827.png}}
+{{.:pasted:20260205-094827.png?800}}
 　脳において、**[[https://pmc-ncbi-nlm-nih-gov.translate.goog/articles/PMC3032992/?_x_tr_sl=ja&_x_tr_tl=en&_x_tr_hl=ja&_x_tr_pto=wapp|神経変調]]（[[https://pmc.ncbi.nlm.nih.gov/articles/PMC3032992/|Neuromodulation]]）**とは、特定の神経伝達物質がニューロンやシナプスの機能的特性を修正し、それらがどのように反応し、どのくらいの期間情報を統合し、どのような条件下で経験によって変化するかを制御するメカニズムの総称です。
@@ 行 21: / 行 21: @@
 　これに対し著者らは、「神経変調を備えた生体模倣モデルは、人工ネットワークをより適応的にできるか？」と問いかけています。中心となるアイデアは、環境に関する情報を表すのではなく、**「ネットワークがどのように学習するか」を調節する信号**を導入することです。これは、生物学的システムにおけるドーパミンやセロトニンなどの働きを模倣するものです。
-{{.:pasted:20260205-095543.png}}
+{{.:pasted:20260205-095543.png?800}}
 ===== 動的な学習率：適応型ニューラルネットワークへの生体模倣アプローチ =====
@@ 行 94: / 行 94: @@
 　//[[https://qubic.org/|Qubic]] で分散型AIの未来を築く。//
+----
+----
+===== Gemini による要約 =====
+　Qubicチームによる、脳の仕組みを応用した次世代ニューラルネットワーク「Neuraxon」の優位性に関する解説の要約。
+[[https://drive.google.com/file/d/14KwY0v0jha_IA2qIYAI-zceFHE_vscvQ/view?usp=drive_link|{{.:pasted:20260205-104444.png?800|}}]]\\
+　[[https://drive.google.com/file/d/14KwY0v0jha_IA2qIYAI-zceFHE_vscvQ/view?usp=drive_link|Google NotebookLM によるスライドPDF]]
+==== 1. 脳における「神経変調」とは？ ====
+　脳はドーパミンやセロトニンなどの神経伝達物質（神経変調）を用いて、状況に応じて学習のルールを動的に変化させています。
+  * **役割:**
+    * 経験によってニューロンの反応時間や統合の仕方を調整する。
+  * **目的:**
+    * 安定した環境での効率性と、変化する環境への適応力を両立させる。
+==== 2. 既存のディープラーニングの限界と生体模倣アプローチ ====
+　従来のAI（ディープニューラルネットワーク）は、学習設定が固定されているため、タスクが変わると適応が困難です。これに対し、3つの生体模倣的な解決策が示されています。
+^ メカニズム ^ 概要 ^ 生体における役割の模倣 ^
+| **動的な学習率** | エラー修正の幅（学習率）を文脈で変化させる。 | 新規性（ドーパミン）への反応。 |
+| **ドロップアウト** | 一部のニューロンをランダムに停止させ、頑健性を高める。 | 多様な経路を用いた柔軟な行動。 |
+| **変調された可塑性** | 特定の条件下でのみ「重み」を更新する（許可/拒否）。 | 学習の「ゲート（門番）」機能。 |
+==== 3. 決定的な違い：「時間」の捉え方 ====
+　現在のAI（Transformerなど）と Qubic の [[tag/Neuraxon]] には、**「時間（Time）」**の扱いに根本的な違いがあります。
+  * **従来のAI (Atemporal):**
+    * 時間は外部の枠組みに過ぎず、計算自体は静的。推論中に新しいことは学ばない。
+  * **Neuraxon (In Time):**
+    * 計算そのものが時間の中で展開する。外部刺激がなくても内部状態が進化し続け、推論しながら学習を行う。
+==== 4. Neuraxon - Aigarth のビジョン ====
+　Qubic の AI は、単なる数学的最適化ではなく、**「生きたシステム」**に近い挙動を目指しています。
+  * **内部ダイナミクス:**
+    * 学習率の調整などを外部から行うのではなく、システム自体のダイナミクスとして実装。
+  * **分散型AI:**
+    * **有用な仕事の証明 ([[tag/uPoW]])** を通じ、世界中の計算リソースをこの「生きたAI」のトレーニングに直接投入する。
+==== 結論 ====
+　[[tag/Neuraxon]]は、従来の「バッチ学習」の枠を超え、時間とともに成長し適応する真の分散型AIを実現します。
+　これは、Qubic がただの決済手段ではなく、AIインフラの頂点を目指していることの証明です。
-{{tag>260204 Neuraxon Aigarth news }}
+{{tag>260204 Neuraxon Aigarth news  blog }}