Vol.31.No.2(2016/3)計算論的認知科学

• Sun R. (Ed.), The Cambridge Handbook of Computational Psychology, Cambridge University Press, 2008.

  扱っている範囲の広さから言えば、出版前のタイトル案であったらしい
  “The Cambridge Handbook of Computational Cognitive Modeling”
  の方が合っているほどである。認知モデリングのパラダイムとしてコネクショニズム、ベイズ派、力学系、論理学、認知アーキテクチャを挙げ、またそれらの様々な人間活動への適用などを扱っている。

• Townsend, J.T. and Busemeyer J.R. (Ed.), Oxford Handbook of Computational and Mathematical Psychology, Oxford University Press, 2015.

  こちらは上記よりも新しく、認知現象を扱うための理論と数学的方法に重きがある。また同時に、教科書的にも使えるように構成されている。内容としては、基本的メカニズム、基本的認知スキル、高次認知のモデリングのモデルの紹介と、今後の方向性という構成になっている。

• Lee M.D. and Wagenmakers, E.J., Bayesian Cognitive Modeling: A Practical Course, Cambridge University Press, 2014

  UC Irvine の Michael Lee とアムステルダム大の Eric-Jan Wagenmakers による、彼ら自身の研究を例とした認知モデリングの教科書である。
  WinBUGS や JAGS、 あるいは Stan など確率プログラミング用の言語やライブラリを用いた実地的な本でもある。日本語版が北大路書房より2016 年秋頃発刊予定である．

• 中村國則 (2009). 認知科学におけるベイズ的アプローチに関連した文献紹介. 認知科学，12, 523-529.

  Griffiths と Tenenbaum が行った因果推論 (2005)、帰納推論と偶然性 (2007)、日常的確率推論 (2006)の心理学的研究のレビューであり、彼らの研究の認知心理学における位置づけについても解説がある。

• K. マンクテロウ, 思考と推論　理性・判断・意思決定の心理学, 北大路書房, 2015年.
  出版社のページ
  と
  目次
  。

  推論、思考、意志決定と文化に関する、イギリスの推論心理学の伝統に属する博識な著者の本で、この分野の紹介を確率論的アプローチにより刷新している。自分が共訳者の一人であるからというだけではないと思うが、トピックが多い割に読み物としても優れていると思う。

• A reading list on Bayesian methods

  UC Berkeley の Thomas Griffiths によるベイズ派の読書リストである。主観確率の基礎からベイズ的方法とニューラルネットとの関係まで幅広く、また Griffiths や Tenenbaum が CogSci で行った複数のチュートリアルのスライドや、それらが基になったジャーナルの特集号も紹介されている。
  2010年頃までに作成・編集されたものと思われ最新ではないが、確率プログラミング以外の現在の方法論はほぼ出揃っていると思われる。

  このリストから次を一つだけ挙げたい。

• Trends in Cognitive Sciences – Volume 10, Issue 7, Pages 287-344 (July 2006) – Special issue: Probabilistic models of cognition

  2006年当時でのベイズ的認知モデルの状況が視覚や感覚運動制御から、記憶、言語処理、帰納・学習と推論までにわたりレビューされている。

人工知能に直接関係がありかつ最近のもののみ挙げる。以下の論文の内容の多くを含む
MIT の The Center for Brains, Minds, and Machines (CBMM)
における計算論的認知科学のレビュー講義
“Computational cognitive science: Generative models, probabilistic programs, and common sense”
の4時間にわたる動画も YouTube で観られる
(part 1, part 2, part 3)。

1. Human-level concept learning through probabilistic program induction.
   Lake, B., Salakhutdinov, R., and Tenenbaum, J. B.
   (2015).
   Science 350(6266), 1332-1338. doi: 10.1126/science.aab3050

   多様な手書き文字に対する生成モデルとしての確率プログラムの人間に模した方式での帰納的構築により、人間並みに早く効率的で、かつ「創造的」な概念獲得が可能であると主張しており、深層学習よりも優れた成果を挙げている。
   John Markoff により New York Times でも取り上げられている。
   第一著者の Lake による短い紹介動画と、
   NYUでの講演の動画
   もある。

2. Computational rationality: A converging paradigm for intelligence in brains, minds and machines.
   Gershman, S. J., Horvitz, E. J., and Tenenbaum, J. B.
   Science 349, No. 6245, 273-278 (2015)

   （メタ）推論の計算コストを考慮に入れ、推論もまた一種の行動として効用を割り当てる、「計算論的合理性」という概念が人工知能、認知科学、そして神経科学を統合するとしている。
   Horvitz と Tenenbaum へのインタビューが短くまとまっている
   (動画)。

3. Simulation as an engine of physical scene understanding.
   Battaglia, P. W., Hamrick, J. B., and Tenenbaum, J. B. (2013).
   Proceedings of the National Academy of Sciences 110(45), 18327-18332.

   素朴物理学を不確実性を織り込んだメンタルシミュレーションが支えるものと捉え、
   3Dゲームで用いられる物理エンジンのようなものが心に備わっているとする。

4. How to Grow a Mind: Statistics, Structure, and Abstraction.
   Tenenbaum, J. B., Kemp, C., Griffiths, T. L., and Goodman, N. D. (2011).
   Science 331 (6022), 1279-1285.

   ベイズ派アプローチを、チョムスキー的な生得説とコネクショニズムの経験論の対立をを止揚するものとして提唱している。この論文の
   日本語での紹介スライド
   が著者の Slideshare にある。また、同様の内容のTenenbaum の NIPS 2010 でのポズナー講演の動画がある。

• CogSci (Cognitive Science Society)

  認知科学の中心的学会であり、
  Cognitive Science,
  Topics in Cognitive Science (topiCS)
  両誌を発行している。

• Neural Information Processing Systems (NIPS)

  NIPS は機械学習の会議であるが、計算論的認知科学にとっても重要な学会で、新しい方法論やその適用はここで発表されることも多い。

• The Society for Mathematical Psychology (SMP)

  数理心理学の学会で、年次大会では3トラックの口頭発表を中心として密度の高い議論が交わされる。

• Computational Cognitive Science Group (MIT)

  MIT の Josh Tenenbaum は若くして認知科学全体を牽引している一人である。イエール大学で物理を学んだ後、 MIT で認知科学を研究し、その頃考案した非線形次元縮減手法の ISOMAP は有名である
  (引用数はこのブックマーク執筆時で9000近い)。彼の研究室は、計算論的・定量的な人間知能の理解と人間レベルの人工知能の開発という「双子のゴール」を掲げ、認知心理学、機械学習、コンピュータ科学などを学際的に研究している。確率プログラミングの研究と開発の中心の一つでもある。

• Computational Cognitive Science Lab (UC Berkeley)

  UC Berkeley の Thomas Griffiths は
  Tenenbaum が指導した最初の学生の一人であり、統計学を学んだ後に心理学的に重要な研究を Tenenbaum と共同で行っているほか、機械学習や統計学の手法も多数考案している。この研究室は確率推論、因果学習、言語獲得、カテゴリー学習の研究の中心の一つである。

• Computation & Cognition Lab (Stanford)

  Stanford の Noah Goodman は代数幾何の研究を行った後、
  Tenenbaum の研究室にポスドクとして加わり、ルールや言語のモデリングを行っている。
  Scheme ベースの確率プログラミング言語である Church の提案でも有名である。
  Goodman の研究室では確率プログラミングを主要な道具立てとして、言語現象や推論を中心的に扱っている。

• Computational Cognitive Science Group (Donders)

  オランダの Donders 研究所の Iris van Rooij
  らは計算の複雑性とモデルのスケーラビリティを中心的な観点として、記号的、ニューラルネット的、確率的(含ベイズ派)、力学的、論理学的、そしてヒューリスティクス的な認知モデリングの全域を扱う独自性の高い研究を進めている。

• Reasoning and Argumentation Lab (ReAL)

  ロンドン大学バークベック校の Mike Oaksford は Nick Chater と
  90年代に高次認知のベイズ的モデリングの端緒を開き、これが合衆国でのベイズ派の展開に繋がった。人工知能における記号主義・論理主義の検討から研究を始めた彼は知能の実装に深い関心を持っており、当初からフレーム問題を認知心理学の根本問題と捉えている。
  Oaksford と Ulrike Hahn が主宰するこの研究室では推論と議論のモデリングを中心に幅広く研究を展開している。また、推論の理論を中心とした
  London reasoning workshop
  も (他の学会などと合同でない限り) 毎年行っている。

認知の表象と推論としては、ベイズネットよりも表現力の強い確率プログラミング言語が用いられるようになってきている。

• チュートリアルとして
  Probabilistic Models of Cognition by Noah D. Goodman and Joshua B. Tenenbaum.
  があり、実際にブラウザ上でコードを動かしながら認知科学の確率的アプローチが学べる。
• Forest – a repository for generative models
  は生成モデルの Church でのコード例を集めている。