論文
https://arxiv.org/pdf/2306.02415v3
概要（論文のabstractのChatGPTによる日本語訳）
脳がどのように学習するかを理解する一環として、進行中の研究では、生物学的知識と現在の人工知能（AI）モデルを組み合わせることで、効率的で生物学的にもっともらしい学習方式を見つけ出そうとしている。 現在の生物学的にもっともらしい学習のモデルはしばしば、皮質様のボトムアップ（BU）およびトップダウン（TD）処理の組み合わせを用いており、TD部分は学習に使用されるフィードバック信号を運ぶ。 しかし、視覚皮質においては、TD経路は視覚処理を関心のある場所や課題へ導くことにより、視覚的注意という第2の主要な役割を果たしている。 したがって、生物学的モデルはこの2つの課題を統合し、視覚処理を導くことを学習する必要がある。
我々は、BUおよびTD処理の皮質様の組み合わせを用いたモデルを導入する。このモデルは、TD経路の2つの主要な機能を自然に統合する。 この統合モデルは、BUおよびTDの流れの間の適切な接続パターン、TD部分を2度使用する新しい処理サイクル、そして流れをまたいで動作する「カウンター・ヘッブ（Counter-Hebb）」学習を用いることによって得られる。 我々は、「カウンター・ヘッブ」機構が正確なバックプロパゲーションによるシナプス修正を提供できることを示す。 さらにこのモデルが、視覚の流れを関心のある課題に従って導き、標準的なマルチタスク学習ベンチマークにおいてAIモデルと競争力のある性能を達成できることを実証する。
学習と視覚的誘導の成功した統合は、人間の視覚におけるBUおよびTD処理の統合に関する新たな見方を提供する可能性があり、生物学的にもっともらしいモデルや、視覚と言語のモデル（VLMs）などの人工的な指示付きモデルの両方に対する将来的な方向性を示唆している。
