Nature Machine Intelligence に掲載された一次研究論文（Articles および Letters）について、その概要を日本語で紹介しています。
Integration of multiomics data with graph convolutional networks to identify new cancer genes and their associated molecular mechanisms
doi: 10.1038/s42256-021-00325-y
ハイスループットゲノムデータからがんドライバー遺伝子を同定することは、がんの分子基盤を理解し、精密医療をはじめとする新しい治療法を開発する上で重要な課題である。この課題に取り組むため、グラフ畳み込みネットワークに基づく新しい深層学習手法「EMOGI」を開発した。この手法は、タンパク質-タンパク質相互作用ネットワークとマルチオミクスデータセットを組み合わせたものである。
A deep learning framework for drug repurposing via emulating clinical trials on real-world patient data
doi: 10.1038/s42256-020-00276-w
多くの承認薬は、その薬剤の開発目的以外の疾患の治療に用いることができ、こうした転用には、薬剤の安全性がすでに試験されているという利点もある。Liuらは、転用のための臨床試験の候補となる薬剤を特定するため、既存の電子カルテを利用して臨床試験のシミュレーションを行い、これまで関連づけられていなかった疾患の進行に影響を与える薬剤を特定する方法を開発した。
Skills for physical artificial intelligence
doi: 10.1038/s42256-020-00258-y
物理的人工知能によってロボットを合成することは、将来のロボット工学研究に向けた学際的な課題である。研究者が物理的人工知能のためのスキルの組み合わせを開発するための教育方法論が必要である。
Understanding adversarial examples requires a theory of artefacts for deep learning
doi: 10.1038/s42256-020-00266-y
DNN分類器は、人間には無害に見える入力の小さな特定の摂動に対して脆弱である。Bucknerは、この現象を理解するためには、DNNがこれらの敵対的例において検出したパターンを、予測に役立つ情報を含んでいる可能性のあるアーチファクトとして扱う必要があるかもしれないと主張する。
Using online verification to prevent autonomous vehicles from causing accidents
doi: 10.1038/s42256-020-0225-y
最近の自動運転試験車の事故は、自動運転車への信頼を損なうものである。自動運転車が事故の原因にならないようにするためには、アプローチを転換する必要がある。本研究で提案するオンライン検証技術は、基礎となるモーションプランナーが計算するどのような軌道に対しても、安全上重要な状況下でのフォールバックを含む証明可能な安全な動作を保証する。
Origami-inspired miniature manipulator for teleoperated microsurgery
doi: 10.1038/s42256-020-0203-4
ロボット支援マイクロサージェリーは、眼科手術や脳神経外科手術などへの応用において高い安定性と精度を約束する。折り紙をヒントにしたデザインに基づく新しい小型ロボットデバイスは、複雑な3D運動が可能で、約26マイクロメートルの精度を達成できる。
Causal inference and counterfactual prediction in machine learning for actionable healthcare
doi: 10.1038/s42256-020-0197-y
機械学習モデルは、生物医学研究のリスクと転帰の予測に広く用いられている。けれどもヘルスケアでは、因果関係や代替シナリオすなわち反実仮想に関する情報が必要になることが多い。Prosperiらは、精密医療の文脈において純粋な予測モデルに対置されるものとして、介入モデルと反実仮想モデルの重要性を論じる。
Quantum approximate Bayesian computation for NMR model inference
doi: 10.1038/s42256-020-0198-x
現在利用可能な量子ハードウェアにはノイズによる制限があるため、実用的な実装では古典的なアプローチとの組み合わせが必要となることが多い。Selsらは、量子シミュレーターと各種の機械学習ツールを組み合わせて用いることで、NMRスペクトルから分子構造を推測するという量子-古典ハイブリッド・アプローチの有望な応用例を明らかにした。
An interpretable mortality prediction model for COVID-19 patients
doi: 10.1038/s42256-020-0180-7
COVID-19患者の重症度の臨床評価を早期に正確に実施することは、逼迫した病院資源の配分を計画する上で不可欠である。中国・武漢市の485人の患者から採取した血液検体データに基づいて訓練された説明可能な機械学習ツールは、個々の患者の死亡を高い精度で予測する3つのバイオマーカーを選択した。
Artificial intelligence cooperation to support the global response to COVID-19
doi: 10.1038/s42256-020-0184-3
科学界が先例のない共同研究に取り組む中で、幅広い分野の研究者たちがCOVID-19への対応の支援に乗り出している。AIツールで世界的規模の影響を与えるためには、データ、モデル、コード共有のためのスケーラブルなアプローチ、ローカルコンテンツへのアプリの適合、そして国境を越えた協力が必要となる。
Rapid online learning and robust recall in a neuromorphic olfactory circuit
doi: 10.1038/s42256-020-0159-4
脳の回路レベルの構造に関する知識をニューロモーフィックな人工システムに組み込むことは、困難だが魅力的な研究課題である。著者らは、哺乳類の嗅球の構造に基づき、IntelのLoihiニューロモーフィックチップ上に実装された、匂い物質シグナルの学習およびノイズ下でのロバストな同定を行うニューラルアルゴリズムを示す。
Predicting the state of charge and health of batteries using data-driven machine learning
doi: 10.1038/s42256-020-0156-7
電池の充電状態や残存寿命などの特性を予測することは、電池の製造法の改良、利用およびエネルギー貯蔵の最適化にとって重要である。著者らは、機械学習の手法とハイスループット実験がいかにしてこの問題へのデータ駆動型アプローチを提供するかを論じ、電池の状態を高速かつ正確に予測するモデルの構築の難しさを強調する。
Trusting artificial intelligence in cybersecurity is a double-edged sword
doi: 10.1038/s42256-019-0109-1
現在、いくつかの政府の国家サイバーセキュリティー戦略や防衛戦略がAIの利用を明言している。しかし、AIの利用に関するスタンダードと認証手順を開発し、脅威の継続的な監視と評価を行うことが重要である。集中的に取り組むべきは、ユーザーにAIを信頼させることではなく、AIベースのシステムを信頼に値するものにすることである。
Predicting disease-associated mutation of metal-binding sites in proteins using a deep learning approach
doi: 10.1038/s42256-019-0119-z
金属はタンパク質に結合することで重要な生物学的機能を果たすことができる。そのため、変異が生じた結合部位の特性を予測することは、特定の変異と、その変異が疾患において果たす役割との関係を理解する助けとなる。
Prediction of drug combination effects with a minimal set of experiments
doi: 10.1038/s42256-019-0122-4
薬剤の組み合わせはしばしば複雑な疾患を管理するための効果的な手段となるが、薬剤の組み合わせの相乗効果を理解するには広範なリソースが必要である。著者らが開発した効果的な機械学習モデルは、限られた数の用量-反応ペアの測定を行うだけで、薬剤の相乗的および拮抗的な組み合わせを正確に予測することができる。
Automated abnormality detection in lower extremity radiographs using deep learning
doi: 10.1038/s42256-019-0126-0
さまざまな視野角や身体部位にわたる医療画像で異常を特定することは時間のかかる作業である。ディープラーニングは放射線科医を支援し、患者のトリアージの判断を改善する有望な技術である。新しい研究では、リソースの限られた状況のもとでのこうしたアプローチの実行可能性についてテストを行い、下肢X線写真の異常検出のタスクについて、事前トレーニング、データセットサイズ、ディープラーニングモデルの選択の効果を検証した。
A portable three-degrees-of-freedom force feedback origami robot for human–robot interactions
doi: 10.1038/s42256-019-0125-1
ハプティックインターフェースは、没入型の人間-機械相互作用の開発にとって重要である。リッチな触覚機能を備えたコンパクトなデザインを作り出すため、平らに折り畳むことができ、3自由度の力フィードバックをレンダリングできるロボットデバイスFoldawayが設計された。
Developing the knowledge of number digits in a child-like robot
doi: 10.1038/s42256-019-0123-3
数字の処理は身体システム、特に指の動きと結びついている。著者らは認知発達ロボティクスの文脈で畳み込みニューラルネットワークモデルを適用した。彼らは子供のようなロボットiCubにおける固有感覚情報が、数字音声の精度と認識を改善することを示した。
A universal information theoretic approach to the identification of stopwords
doi: 10.1038/s42256-019-0112-6
自然言語からよりよく意味を抽出するために、モデルを訓練する前に情報の少ない単語を取り除くことがあるが、それは通常、人力でキュレートしたストップワードリストを用いて行われる。新しい情報理論アプローチでは、情報の少ない単語を自動的かつより正確に同定することができる。
Principles alone cannot guarantee ethical AI
doi: 10.1038/s42256-019-0114-4
多くのAI倫理イニシアチブは、医療倫理の4つの古典的な原則によく似た一連の原則にまとまってきたようである。これに対してBrent Mittelstadtは、医療の実践とAIの開発との重要な違いを強調し、AIには原則に基づくアプローチがうまくいかない場合があることを示唆する。
Adversarial explanations for understanding image classification decisions and improved neural network robustness
doi: 10.1038/s42256-019-0104-6
ディープニューラルネットワークは、人間には感知できないようなわずかな変化が入った場合に画像の誤分類を引き起こす可能性がある。この可能性は、一部のネットワークではモデルの信頼性に疑問を投げかけるものの、よりロバストな正則化を用いるネットワークの説明可能性も提供する。
Behavioural evidence for a transparency–efficiency tradeoff in human–machine cooperation
doi: 10.1038/s42256-019-0113-5
アルゴリズムやボットは、ある種の行動については人間以上の能力を示す。しかしながら人間は、他の人間を信頼するほどにはアルゴリズムを信頼しない傾向がある。著者らは、ある種の人間-機械相互作用では、ボットが人間ではないことを開示しない場合にかぎり、人間よりもよく協力を引き出せることを明らかにした。
Deep convolutional neural networks in the face of caricature
doi: 10.1038/s42256-019-0111-7
人間の顔認識は、視点、照明、表情、外観の変化に対してロバストである。著者らは、顔の特徴を誇張して同一性情報の強さを操作することにより、深層畳み込みニューラルネットワークにおける顔認識について調べた。著者らは、ネットワークが高度に組織化された顔の類似性構造を作り出し、そこでは同一性と画像が共存していることを見いだした。
Human action recognition with a large-scale brain-inspired photonic computer
doi: 10.1038/s42256-019-0110-8
光コンピューターデバイスは、ニューラルネットワークを実装するための高速でエレルギー効率の良いアプローチとして提案されている。Antonikらは既製のコンポーネントを利用し、光ニューラルネットワークを使ってビデオストリームの中のさまざまな形の人間の動作を認識するリザーバーコンピューターを実証した。
Human-level recognition of blast cells in acute myeloid leukaemia with convolutional neural networks
doi: 10.1038/s42256-019-0101-9
ディープラーニングは現在、デジタル病理学を変容させており、より信頼度が高く、より迅速な臨床診断を支援している。有望視されている用途は、悪性の白血球細胞の認識である。悪性の白血球細胞の認識は、急性骨髄性白血病を発見するために必要不可欠なステップであるが、訓練された人間の検査士にとっても難しい。今回、18,000以上の白血球細胞のアノテーションされた画像データセットを収集し、これを用いて白血球の分類のための畳み込みニューラルネットワークを訓練した。このネットワークは最も重要な細胞種を高い精度で分類し、臨床に関連した二者択一の判断において人間レベルのパフォーマンスを示した。
Homeostasis and soft robotics in the design of feeling machines
doi: 10.1038/s42256-019-0103-7
ロボットや機械は、概して特定のタスクを実行するように設計される。人間とは違い、それらには外界との相互作用にもとづいて感覚を生成する能力が欠けている。著者らは、ホメオスタシスの原理と、ソフトロボティクスおよび多感覚統合の分野の進展にもとづく、感覚に似た評価プロセスを備えた新しいクラスの機械を提案する。
Deep learning optoacoustic tomography with sparse data
doi: 10.1038/s42256-019-0095-3
光音響イメージングは高い空間的・時間的解像度を達成できるが、最適とは言い難いデータ収集により画質が低下することが少なくない。このほど、ディープラーニングを用いて、疎な、もしくは視野が制限された光音響スキャンから高品質な画像を回復させる新しい手法が開発され、マウスの全身in vivoイメージングの実証が行われた。
Unsupervised data to content transformation with histogram-matching cycle-consistent generative adversarial networks
doi: 10.1038/s42256-019-0096-2
機械学習モデルを学習させるためにトレーニングデータをラベルづけするのは非常に時間がかかるものである。新しい手法では、生成されたデータからコンテンツ変換を効率よく学習させることができ、セグメンテーションや分類のタスクにおいて人力でラベリングを行う必要がない。
A fast neural network approach for direct covariant forces prediction in complex multi-element extended systems
doi: 10.1038/s42256-019-0098-0
リチウムイオン電池のような複雑な材料を調べるには、通常、計算コストの高い量子力学計算が必要となるが、ニューラルネットワーク力場の手法を用いることで、こうした計算を回避することができる。Mailoaらは、回転不変および回転共変の両方の特性を独立に利用するアーキテクチャーにより、このアプローチを加速させる。
Clinically applicable deep learning framework for organs at risk delineation in CT images
doi: 10.1038/s42256-019-0099-z
放射線治療により健康な組織が損傷されることがないように、専門の放射線科医はCTスキャン画像を個々の臓器に分割する必要がある。ディープラーニングベースの新しい手法は、人間の専門家よりも速く、より正確に、頭頸部の臓器の輪郭描画を実行できる。
The global landscape of AI ethics guidelines
doi: 10.1038/s42256-019-0088-2
AI技術が急速に発展するにつれ、安全で公正な社会実装には倫理的なガイドラインが必要であることが広く認識されるようになっている。しかし、「倫理的なAI」とは何かという問題について万人が同意することは可能なのだろうか？ 国内および国際的な組織、企業、研究所からの84のAI倫理報告書を詳細に分析してこの点を探ったところ、基本原則への収斂が見られたものの、実際の実装に関してはかなりの相違があることが明らかになった。
Shared human–robot proportional control of a dexterous myoelectric prosthesis
doi: 10.1038/s42256-019-0093-5
工学的進歩の組み合わせは、ユーザーの残存筋活動によって制御する筋電義手を可能にすることが期待される。機械学習アルゴリズムにより表面筋電図から微細な指の動きをデコードし、物体を把持する間のみアクティブとなって接触面の最大化を支援するようなロボットコントローラーと組み合わせる。こうした協調制御スキームは、高度な器用さが求められる際にユーザー自身が制御する動きを可能にするだけでなく、頑強さが求められる際に把持動作を支援することもできる。
Fully portable and wireless universal brain–machine interfaces enabled by flexible scalp electronics and deep learning algorithm
doi: 10.1038/s42256-019-0091-7
定常状態視覚誘発電位（SSVEP）を用いたブレイン・マシン・インターフェースは治療への応用が有望視されている。2つのチャンネルと任意の被験者からの電位を分類するべく、フレキシブルエレクトロニクスやソフトエレクトロニクスとディープラーニングのアプローチにおける革新を組み合わせて、コンパクトでワイヤレスかつユニバーサルなSSVEPインターフェースが設計された。被験者は新しいブレイン・マシン・インターフェースを装着している間、目の動きで車椅子をリアルタイムに操作することができる。
Towards a topological–geometrical theory of group equivariant non-expansive operators for data analysis and machine learning
doi: 10.1038/s42256-019-0087-3
ディープニューラルネットワークで情報の流れと表現を制御することは、ネットワークを理解可能にするための基礎となる。Bergomiらは、データを表現するための可能な演算子の空間が対称性を用いて制限されるような数学的枠組みを提案する。この制限された空間はなおも機械学習に適していて、演算子は最適化のために効率的に計算、近似、パラメーター化されうる。
In situ training of feed-forward and recurrent convolutional memristor networks
doi: 10.1038/s42256-019-0089-1
メモリスタデバイスはエネルギー効率の良いニューラルネットワークの実装を提供できるが、異なるネットワークアーキテクチャーに合わせて調整されなければならない。WangらはメモリスタベースのCNNやConvLSTM向けの訓練可能な重み共有メカニズムを開発し、精度を損なうことなく重みの数を75%減らすことができた。
A probabilistic challenge for object detection
doi: 10.1038/s42256-019-0094-4
ロボットが現実世界で安全に動作するためには、自分が見ているものについてどの程度確信があるか評価する必要がある。新しいコンペでは、コンピュータービジョンアルゴリズムに対して、オブジェクトを検出して位置を特定するだけでなく、どの程度確信があるかを報告することも求める。
Robotic manipulation and the role of the task in the metric of success
doi: 10.1038/s42256-019-0078-4
従来のロボットによる把持動作は物体を操作することに注目しており、動作の目的やそれに伴うタスクを考慮していないこともしばしばである。著者らはタスクそれ自体に基づいて操作の成功度を測定するための新しい基準を提案する。
Improved fragment sampling for ab initio protein structure prediction using deep neural networks
doi: 10.1038/s42256-019-0075-7
タンパク質構造予測へのアプローチの1つは、既知のタンパク質構造から抽出されたテンプレートフラグメントから候補となる構造を組み立てることである。Wangらは、ディープニューラルネットワークアーキテクチャーを比較的小さいが解像度の高いフラグメントのデータセットと組み合わせることで、タンパク質構造予測に用いるサンプルフラグメントライブラリの質を改良できることを示す。
Solving the Rubik’s cube with deep reinforcement learning and search
doi: 10.1038/s42256-019-0070-z
組み合わせパズルには、解が最適であることを証明できるものと、状態空間が大きすぎて解が最適であることを証明できないものがある。深層学習ベースの新しい検索ヒューリスティクスは、組み合わせパズルの象徴とも言えるルービックキューブを解き、最適なソルバーでの解決が困難なパズルへと一般化することができる。
Continual learning of context-dependent processing in neural networks
doi: 10.1038/s42256-019-0080-x
複数の問題を解くべく再訓練されたニューラルネットワークは、先に学習したことを忘れる傾向がある。著者らは今回、こうした「破滅的忘却問題」を回避する方法として直交重み修正を提案する。新たに導入されたモジュールは、この能力を活用して、ネットワークがコンテキスト依存処理を継続的に学習できるようにする。
Learning with known operators reduces maximum error bounds
doi: 10.1038/s42256-019-0077-5
ディープニューラルネットワークは、導出可能であるかぎり、任意の数学的演算子を含むことができる。筆者らは、問題に関連する演算子を利用することで、問題に関する知見を機械学習に組み込む方法を探る。
Robotics on a mission
doi: 10.1038/s42256-019-0081-9
来年の夏、東京2020オリンピックで人間の可能性を讃えるべく世界の国や地域が日本に集結した直後、同じく日本の主催によりロボット競技者向けの国際コンペティションが開催される。
Towards algorithmic analytics for large-scale datasets
doi: 10.1038/s42256-019-0069-5
多くの経験科学における従来型の統計解析は、大規模データセットの解析について、近年の傾向に遅れをとっている。著者らは、経験科学における変数の増加、サンプルサイズの増加、解析や評価のためのオープンデータソースの使用、そして「ブラックボックス」的な予測手法の影響について議論し、画像神経科学からの例を示す。
Automated de novo molecular design by hybrid machine intelligence and rule-driven chemical synthesis
doi: 10.1038/s42256-019-0067-7
人工知能を利用したアプローチは、医化学者が薬物様特性を持つ新しい化学物質を創造的に探し出すための助けとなりうる。機械学習モデルと組み合わされたルールに基づくアプローチは、化学特許文書に記載された有効な合成経路により訓練された。このプロセスは、既知の薬物を模倣するコンピューター生成化合物を生み出した。
Intelligent feature engineering and ontological mapping of brain tumour histomorphologies by deep learning
doi: 10.1038/s42256-019-0068-6
ニューラルネットワークはデジタル病理学ツールとして有望視されているが、その限定された説明能力によってしばしば批判を受けている。Faustらは、機械学習された特徴量が人間に理解できる組織学的パターンやグルーピングとどのように相関するかを示すことで、医療分野におけるディープラーニングツールの透明性の向上を可能にしていることを示す。
Democratic classification of free-format survey responses with a network-based framework
doi: 10.1038/s42256-019-0071-y
自由記述式アンケートに対する個々の回答を分類する作業は主観的で時間がかかるものである。ネットワーク上の調査フレームワークは、統計的な原理にもとづく方法で回答を自動的に分類する。
AI meets Angry Birds
doi: 10.1038/s42256-019-0072-x
AIが人気のビデオゲーム『アングリーバード』を人間以上に上手にプレイするようになるのは今年だろうか？ 年に一度のアングリーバードAI（AIBIRDS）コンペティションのオーガナイザーたちが、関連する課題について論じる。
Competitive performance of a modularized deep neural network compared to commercial algorithms for low-dose CT image reconstruction
doi: 10.1038/s42256-019-0057-9
医療用CTスキャンの照射線量を減らすことで、より低侵襲の画像撮影が可能になるが、一般的なCTスキャンで得られるのと同等の品質の画像を再構成する手法が必要となる。Wangらは本報告で、ディープラーニングのアプローチを放射線科医からのフィードバックと組み合わせることで、現在の市販の手法を用いた場合と同等以上の品質の再構成画像ができることを示している。
Developing a brain atlas through deep learning
doi: 10.1038/s42256-019-0058-8
いかなる事前処理ステップからも独立で、軽度な画像変換に対してロバストな、ハイスループットの脳イメージ位置合わせ手法は、脳発生における領域特有な変化の研究を加速することが期待される。このほど、人間による最小限の教師データを用いて関心のある脳領域を領域分けすることで自動的に位置合わせを行う、ディープラーニングを利用した手法が開発された。
Connecting the dots in high-energy physics
doi: 10.1038/s42256-019-0061-0
CERNの大型ハドロン衝突型加速器が生成するペタバイト級のデータの処理では、高エネルギー陽子衝突から粒子の軌跡を再構成するステップが重要となる。これまでとは桁違いの速さを求める物理学者たちは、コンピューターサイエンスコミュニティーに接触した。
Distributed sensing for fluid disturbance compensation and motion control of intelligent robots
doi: 10.1038/s42256-019-0044-1
自律型の空中ロボットや水中ロボットの正確な操縦には流体力の詳細な情報が必要になるが、乱流中の流体力の測定は特に困難である。自律型無人潜水機（AUV）の制御法として、魚の「側線」によるセンシングをヒントにしたインテリジェントな分散センシングを利用することができる。多くの種類の魚が、側線を使って周囲の水流を感じ、乱流によって流される前に即座に反応している。同様に、このようなセンサーシェルを搭載したAUVは、外乱を補償し、位置検出の精度を改善することができる。
Leveraging implicit knowledge in neural networks for functional dissection and engineering of proteins
doi: 10.1038/s42256-019-0049-9
ディープニューラルネットワークはタンパク質の機能予測に威力を発揮するが、タンパク質配列の中で機能に関連する特定の部位を同定するのはまだ困難である。オクルージョンベースの感度技術は、これらのディープニューラルネットワークの解釈に役立ち、機能に関連するタンパク質部位を見つけることによってタンパク質エンジニアリングの指針となることができる。
Pathologist-level interpretable whole-slide cancer diagnosis with deep learning
doi: 10.1038/s42256-019-0052-1
現在の診断病理学は人間の専門知識を必要とする部分が大きく、評価者により大きなばらつきが生じることが多い。全スライド病理学の手法は、人工知能を用いて予測プロセスを自動化し、コンピューター支援の診断を提供する。
Evaluation of deep learning in non-coding RNA classification
doi: 10.1038/s42256-019-0051-2
タンパク質をコードしないRNAストランドの多くの機能はいまだに解明されていない。ノンコーディングRNAのさまざまなグループを分類するための各種の手法においてディープラーニングを用いることが増えているが、状況は多様であり、前進するためには手法を分類し、ベンチマークする必要がある。著者らは6つの最新のディープラーニングによるノンコーディングRNA分類法を吟味し、そのパフォーマンスとアーキテクチャーの比較を行う。
The Animal-AI Olympics
doi: 10.1038/s42256-019-0050-3
新しいコンペがAIエージェントの動物知能をテストするための認知課題を提示する。
Lessons for artificial intelligence from the study of natural stupidity
doi: 10.1038/s42256-019-0038-z
人工知能や機械学習システムはバイアスを再現したり増幅したりすることがある。著者らは人間の学習や意思決定のバイアスに関する文献について議論し、研究者や政策立案者や一般市民が機械によるアウトプットや決定を評価する際には、そうしたバイアスを意識するべきであると提案している。
Context-specific interaction networks from vector representation of words
doi: 10.1038/s42256-019-0036-1
生物医学論文は豊かな知識源であるが、十分に活用されているとは言いがたい。INtERAcTは、分子相互作用を推定するために、がん関連の論文のコーパスで訓練された単語の埋め込みを利用している。このアルゴリズムは、小さなサイズのコーパスでも、10種類のがんに関連する分子パスウェイを再構築することができる。
Clustering single-cell RNA-seq data with a model-based deep learning approach
doi: 10.1038/s42256-019-0037-0
シングルセルRNAシーケンシングデータセットにおける細胞群のクラスタリングは、複雑な生物学的問題に対して高解像度の情報を産み出しうる。しかしながら、RNAキャプチャー率が低いために統計的にも計算科学的にも困難で、大量の誤ったゼロカウントが観測される。scDeepClusterと名づけられたディープラーニングのアプローチは、欠失値を明示的に特徴付けるモデルをクラスタリングと効率よく組み合わせており、高いパフォーマンスを示すだけでなく、スケーラビリティも改善しており、計算時間はサンプルサイズに比例して増加する。
Reinforcement learning in artificial and biological systems
doi: 10.1038/s42256-019-0025-4
人工エージェントにおける機械学習に関する研究では、静的な環境内での1つの複雑な問題が注目されている。生体エージェントの研究では、柔軟で動的な環境に埋め込まれた単純な学習問題が注目されている。著者らはこれらのトピックスに関する文献をレビューし、両者の相乗効果が期待される分野を示す。
Autonomous functional movements in a tendon-driven limb via limited experience
doi: 10.1038/s42256-019-0029-0
ロボットが複雑なタスクを行うためには、自身と動的な環境との関係を学習する必要がある。ハードウェアとソフトウェアのデザインへの生物学的に妥当なアプローチは、腱駆動式のロボット肢が短時間の学習にもとづいて効果的に運動できることを示している。
Reconstructing quantum states with generative models
doi: 10.1038/s42256-019-0028-1
今日の量子技術は数十キュービットでの計算を可能にしており、まもなく数百キュービットでの計算も可能になると考えられている。完全な量子状態の測定と評価は、システムサイズとともに指数関数的に増大するタスクであり、大きな未解決課題になっている。制限ボルツマンマシンと再帰型ニューラルネットワークにもとづく生成モデルは、この量子トモグラフィー問題をスケーラブルな方法で解決するのに利用できる。
Hopes and fears for intelligent machines in fiction and reality
doi: 10.1038/s42256-019-0020-9
人工知能をテーマにした300点のフィクションとノンフィクションの調査から、人々が想像する知能機械への希望と、それに対応する不安が、4つのカテゴリーに分類できることが明らかになった。これらの認識は、現在のテクノロジーで現実的に可能かどうかとは別に、AIの科学的な目標や一般市民の理解や規制に影響を及ぼすものである。
The evolution of citation graphs in artificial intelligence research
doi: 10.1038/s42256-019-0024-5
過去と現在のAI研究の計量書誌学的解析の結果、AI研究の影響が関連分野に広がりにくくなっていることが分かった。これはAI研究者と関連する社会科学分野の研究者との意見交換が困難になっていることを意味しているのかもしれない。
Training deep neural networks for binary communication with the Whetstone method
doi: 10.1038/s42256-018-0015-y
神経形態学的プロセッサーはディープラーニングのための低電力プラットフォームとして有望視されているが、バイナリ通信に適合したニューラルネットワークを必要とする。Whetstone（砥石）法は、訓練過程で活性化関数を徐々に鋭くしていくことによりこれを達成している。
Deep-learning cardiac motion analysis for human survival prediction
doi: 10.1038/s42256-019-0019-2
全層畳み込みニューラルネットワークを用いて、心臓画像の時間分解3次元高密度分割が作り出された。この高密度の運動モデルは、人間の生存を効率よく予測できる4Dsurvivalという教師ありシステムへの入力となる。
Feedback GAN for DNA optimizes protein functions
doi: 10.1038/s42256-019-0017-4
機械学習における生成モデルは、合成生物学の分野でDNA配列やタンパク質やその他の高分子などの新しい構造を見つけ出すのに用いられ、創薬や環境処理や製造業への応用が期待されている。GuptaとZouは、合成遺伝子を生成する敵対的生成ネットワーク（GAN）の出力を最適化して抗菌ペプチドを特異的にコードする遺伝子を作出するためのフィードバックループ構造を提案しin silicoで例示する。
An integrated iterative annotation technique for easing neural network training in medical image analysis
doi: 10.1038/s42256-019-0018-3
医療画像データのアノテーションは生物学のエキスパートを必要とする。人間-機械間のインターフェースは、ディープラーニングの画像分割システムと、画像をアノテーションづけするための閲覧ソフトウェアの画像とを結びつけるものである。
Evolving embodied intelligence from materials to machines
doi: 10.1038/s42256-018-0009-9
計算材料技術、付加製造法と除去製造法、進化計算法の進歩に基づくロボット工学の新しいビジョンから、特定の業務や環境条件に特化したさまざまな専門的なロボットの設計法が見えてくる。
The need for uncertainty quantification in machine-assisted medical decision making
doi: 10.1038/s42256-018-0004-1
ディープラーニングの応用の中でも特に有望で重要なのは、おそらく医学研究と医療分野の意思決定の支援である。今こそディープラーニング過程に内在する不確かさを系統的に定量化する手法を開発する時期であり、これによりAIに基づくアプローチの実用可能性への信頼度を高めることができる。
Designing neural networks through neuroevolution
doi: 10.1038/s42256-018-0006-z
広く用いられている誤差逆伝搬法というトレーニング法などにより、ディープニューラルネットワークは、ある種の機械学習タスクについては大成功をおさめるようになってきている。ニューラルネットワークを最適化するもう1つの方法は進化アルゴリズムを用いることである。進化アルゴリズムは、計算力の向上に支えられて、新しいタイプの能力や学習様式を提供している。
Differential game theory for versatile physical human–robot interaction
doi: 10.1038/s42256-018-0010-3
ロボットは人間の行動を推定して適応する必要があり、人間の動きが時間とともに変化する場合には特にその必要が大きくなる。今回、適応型ゲーム理論コントローラーが、リーチング課題における人間の行動へのロボットの適応を助けることが示された。
Learnability can be undecidable
doi: 10.1038/s42256-018-0002-3
ゲーデルの有名な不完全性定理によれば、すべての数学的な問いが解けるわけではない。機械学習についても同様に決定不可能な場合があることが、学習可能性を証明することも反証することもできない問題例によって示された。
Long short-term memory networks in memristor crossbar arrays
doi: 10.1038/s42256-018-0001-4
ディープニューラルネットワークはデータ集約型アプリケーションで広く用いられるようになってきたが、電力を大量に消費する。ディープラーニングのタスクには、データの処理と計算を同じユニットで行うメモリスタアレイのような新しいタイプのコンピューターチップが必要である。よく使われているLong short-term memory（LSTM、長短期記憶）というディープラーニングモデルは、時系列データ分析を扱うことができるが、これをメモリスタクロスバーアレイに実装することで、エネルギー効率が良く資源消費量の少ないディープラーニングプラットフォームが期待できる。
Causal deconvolution by algorithmic generative models
doi: 10.1038/s42256-018-0005-0
ほとんどの機械学習アプローチは、根本となる原因機構ではなく統計的な特性をデータから抽出している。これとは異なるアプローチでは、計算可能性とアルゴリズム情報理論の枠組みのもと、生成モデルを用いてデータから再帰的パターンを抽出する一般的な方法で情報を解析している。
