社会的認知行動連携ユニットのMay研究員らによる論文"A Bayesian Exploration on the Motivational and Behavioral Impacts of Chatbots in Language Learning"が、CHI EA '25でポスター形式のLate-Breaking Workとして発表されました
本研究は、2025年4月26日から5月1日まで日本・横浜で開催されたCHI会議（Human Factors in Computing Systems）にて、ポスター形式のLate-Breaking Workとして発表されました。CHI会議は、ACM（Association for Computing Machinery）によって主催される、人間とコンピュータの相互作用（HCI）に関する世界有数の国際会議です。
https://doi.org/10.1145/3706599.3720088
Abstract
この研究では、言語学習における知識課題に対するチャットボット・インターフェースの動機付けおよび行動への影響を調査し、特に英語を第二言語（ESL）として学ぶ学習者に焦点を当てています。教育分野でチャットボットの重要性が高まる中、ユーザー要因――メタ認知的気づき、援助要請行動、技術受容――とインターフェース設計の相互作用を理解することは、学習への関与と成果を最適化するために重要です。私たちは、音声ベースの学習課題において、会話型チャットボットと情報提供型チャットボットを比較する実験的研究を実施しました。ベイズ分析の結果、チャットボットの種類が知覚される有用性に与える影響は最小限であり、情報提供型チャットボットのほうがやや高い関与を示しました。メタ認知的気づきは援助要請傾向の強い予測因子であり、これが技術受容に好影響を与えることが明らかになりました。これらの知見は、ユーザーの関与と学習成果を高めつつ、自動化への依存を抑えるAIシステム設計に対する実践的な示唆を提供します。本研究は、教育技術における人間とAIの相互作用の理解に貢献し、ユーザー中心設計が公平かつ効果的な学習体験を育むうえで果たす役割を強調します。Figure
4/28(月) 15:30-16:30 Dr.Giulia Andrighetto のトークセミナー「Dynamics of social norms under collective risk」を開催します
Place
Wako CBS East 1F Seminar Room / 脳科学東研究棟1 階 セミナー室
Tittle
Dynamics of social norms under collective risk
Abstract
Global challenges like the climate crisis and pandemic outbreaks require collective responses that quickly adapt to changing circumstances. Social norms are potential solutions, but only if they are capable of adapting themselves. Despite a large literature showing the potential of social norms to promote cooperation in collective action problems, such as energy conservation, vaccine uptake or tax compliance, less is known about how social norms themselves are affected by the changing context, potentially compromising their effectiveness in solving dilemmas. In this talk, I will discuss the results of three recent studies, a long-term experiment combined with an agent-based simulation to study the dynamics of social norms under collective risk and a long-term survey measuring social norms of distancing, how they change over time and their effect in promoting cooperation under risk. Taken together results from these studies show that it is not obvious that norms are effective solutions to deal with (changing) collective risk, since the norms themselves are affected by risk as well. If we want to leverage social norms to promote long-lasting cooperation, we need a better understanding of the feedback cycle between norms, risk, and behavior.
Speaker
Dr.Giulia Andrighetto
Professor at Institute of Cognitive Sciences and Technologies, CNR, Rome
Institute for Future Studies, Stockholm
https://www.iffs.se/en/research/researchers/giulia-andrighetto/
計算論的集団力学連携ユニット板尾研究員らの国際共同研究チームによる論文"Self-organized institutions in evolutionary dynamical-systems games"がPNAS誌に掲載されました
計算論的集団力学連携ユニット板尾研究員らによる論文"Self-organized institutions in evolutionary dynamical-systems games"がPNAS誌に掲載されました。 https://www.pnas.org/doi/abs/10.1073/pnas.2500960122
この研究では、ゲームにおいてプレイヤーが「どのように行動するか？」ではなく、「どのように考えて行動するか？」をモデル化することで、ゲームの中でプレイヤーたちがルールを作っていく過程をシミュレーションしました。人間が集団生活の中で自らルールを定めるという社会的なプロセスを説明するために、物事の変動を数式で捉える力学系の数理を用いるところがポイントです。今後も、社会科学の知見と物理学の方法を組み合わせた学際的なアプローチによって、制度が生まれるメカニズムを説明する研究に取り組んでいきます。
Abstract
共有資源を持続可能に利用するためには、各人が適切な範囲内で資源を利用する「協力」が重要です。そのためには、「どの行動が協力で、どの行動が裏切りに当たるのか」を定義し、人々が協力を選択しやすくなるような規範や、違反者への罰則が必要になります。こうした規範や罰のことを制度と呼びます。実際、世界各地の社会では、人々が自発的に制度を生み出し、持続可能な資源管理に成功している事例が数多く報告されていますが、一方で制度が確立できず資源が枯渇してしまう例も存在します。このような制度はいかにして生まれるのでしょうか？ 本研究では、制度が生まれるメカニズムを説明するために、従来のゲーム理論を「力学系」の考え方によって拡張した、進化力学系ゲーム理論を構築しました。重要なのは、プレイヤーの行動によって資源が変動することと、各プレイヤーが「環境や相手の状態に応じて行動を決める意思決定関数」を戦略とすることです。従来のゲーム理論では戦略や利得が固定されがちでしたが、本研究のアプローチではそれらを関数として表現して時間的な変動を考えることで、制度の進化を実演することを可能にしています。 シミュレーションの中で意思決定関数が進化すると、人々は相手の振る舞いに応じて自分の振る舞いを変えるようになりました。それはあたかも人々が自発的に協力と裏切りを区別する基準をつくり、協力には協力を、裏切りには懲罰を返すような振る舞いでした。このことから、何が協力かを定める規範と、違反者への罰を与える制度の進化が確認され、それが生まれる仕組みが明らかになりました。Figure
理研のHPにプレスリリースが掲載されております。
そちらも是非ご覧ください！
https://www.riken.jp/press/2025/20250415_2/index.html
4/21(月) 14:30-15:30 Dr. Keisuke Suzuki のトークセミナー「Hallucination Machines -Toward computational neurophenomenology-」を開催します
Place
Wako CBS East 1F Seminar Room / 脳科学東研究棟1 階 セミナー室
Zoom
https://riken-jp.zoom.us/j/95794838154
※No registration required
Tittle
Hallucination Machines -Toward computational neurophenomenology-
Abstract
Our perceptual experiences do not directly mirror physical reality, as vividly demonstrated by illusions,dreams, and especially hallucinations?perceptions occurring without external stimuli. These phenomena suggest perception arises from the brain's top-down predictions about sensory inputs,aligning with theories such as the Free Energy Principle and predictive processing.
This talk will specifically address visual hallucinations through a novel approach that combines deep neural networks with immersive virtual reality. Our "Hallucination Machine" employs an algorithm that "inverts" a Deep Convolutional Neural Network, originally trained for image classification, to generate visual experiences akin to psychedelic-induced hallucinations within immersive XR environments.
Moreover, using generative adversarial learning, our extended model distinguishes psychedelic-like hallucinations from those typical in neurodegenerative diseases such as Lewy Body Dementia and Parkinson's disease. These distinctions have been validated through patient interviews and targeted experiments.
Notably, these hallucinations spontaneously arise from the inherent feature representations learned by neural networks rather than explicit design by an artist/engineer. I propose the term "computational neurophenomenology" for this approach, wherein computational models aim not at optimising objective perception or cognition tasks, but at replicating subjective phenomenological experiences.
Integrating generative AI, XR technologies, and neuroscience, computational neurophenomenology offers valuable insights into atypical perceptual experiences. This interdisciplinary approach promises advancements in understanding the neural bases of hallucinations and contributes philosophically to our comprehension of conscious phenomenology.
Speaker
Dr Keisuke Suzuki
Associate Professor at Center for Human Nature, Artificial Intelligence, and Neuroscience (CHAIN), Hokkaido University, Japan
https://www.chain.hokudai.ac.jp/faculty/
計算論的集団力学連携ユニット板尾健司基礎科学特別研究員の論文が、英語版理研HPの「Research Highlight」で取り上げられました！
計算論的集団力学連携ユニット板尾健司基礎科学特別研究員の下記論文が、英語版理研HPの「Research Highlight」で取り上げられました
https://www.pnas.org/doi/10.1073/pnas.2405653121
Kenji Itao and Kunihiko Kaneko, "Formation of human kinship structures depending on population size and cultural mutation rate", Proceedings of the National Academy of Sciences 121.33 (2024).
詳細は英語版理研HPをご確認下さい。
Modeling complex human social structures using simple math
計算論的集団力学連携ユニット板尾健司基礎科学特別研究員が「第41回井上研究奨励賞」を受賞しました
計算論的集団力学連携ユニット板尾健司基礎科学特別研究員が、、自然科学の分野の若手研究者のうち優れた博士論文を提出した研究者に対して送られる「第41回井上研究奨励賞」を受賞しました！
詳細は公益財団法人井上科学振興財団のHPに掲載されております。下記リンクより是非ご参照ください。
12/26(木) 13:00-14:30 Dr.Pedersen のトークセミナー「Neural Developmental Programs for Artificial Agents」をハイブリッド開催します
Tittle
Neural Developmental Programs for Artificial Agents
Abstract
This presentation revolves around the work being done in the GROW-AI project and recent advancements in the developmental algorithms for artificial neural networks (ANNs) inspired by biological processes. Unlike traditional ANNs, which are manually designed and optimized within fixed architectures, developmental algorithms enable neural networks to self-organize and grow, mirroring the adaptive complexity of biological nervous systems. We will discuss some of the advantages that iterative growth processes can bring to AI models. By leveraging Neural Developmental Programs (NDPs) and their variants, these approaches incorporate mechanisms such as local communication, structural plasticity, and dynamic synaptic adaptation to enhance generalization, robustness, and adaptability in machine learning tasks. Attendees will gain insights into the challenges and opportunities in this emerging research domain.
Place
Wako CBS Central 3F S305 Seminar Room / 脳科学中央研究棟３階 S305 小セミナー室
Zoom
https://riken-jp.zoom.us/j/94579529976?
pwd=ONtM8Cm3mNZQdQoXxl3Fi1fbDY42c5.1
※No registration required
Speaker
Dr. Joachim Winther Pedersen
IT University of Copenhagen, Grow-AI team, Denmark
https://real.itu.dk/people/joachim-winther-pedersen/
計算論的集団力学連携ユニット板尾健司基礎科学特別研究員が、第19回日本物理学会若手奨励賞（領域11）を受賞しました
計算論的集団力学連携ユニット板尾健司基礎科学特別研究員が、第19回日本物理学会若手奨励賞（領域11）を受賞しました！
http://r11.div.jps.or.jp/wakate.html
対象論文等の情報は一般社団法人日本物理学会のHPに掲載されておりますので、是非ご参照ください。
https://www.jps.or.jp/activities/awards/jusyosya/wakate2025.php
12/3(火) 10:00-11:30 Dr. Ahmed のトークセミナー「Mechanistic theory of (social) foraging」を開催します
Place
脳科学中央研究棟３階 S305 ⼩セミナー室
Tittle
Mechanistic theory of (social) foraging
Abstract
Foraging is a universal behavior performed by all animals in order to acquire energy and survive in their environment. Animals including human beings show tremendous flexibility in their foraging decision strategies in the face of changing environments. In this talk, I will present a quantitative framework that account for decision strategies employed by a single or group of animals in environments with a variety of statistical structures. As foraging experiments are becoming increasingly popular, such a quantitative framework is key to generate hypotheses about the potential decision strategies an animal might be using and provide an approach to perform quantitative evolutionary behavioral comparisons across species. Moreover, the (microscopic) mechanistic model presented can be used to account for macroscopic phenomena such as social contagion and flocking. The longterm aim is thus of generating a unified theory of foraging that is both generative and mathematically tractable.
Speaker
Dr Ahmed El Hady
Group Leader at the Centre for the Advanced Study of Collective Behaivour
Max Planck Institute of Animal Behaviour, Germany
https://www.ab.mpg.de/person/111828
計算論的集団力学連携ユニット豊川航ユニットリーダーらの国際共同研究チームによる論文" Humans flexibly integrate social information despite interindividual differences in reward"が、Proceedings of the National Academy of Sciences（PNAS）オンライン版に掲載されました
理化学研究所 脳神経科学センター 計算論的集団力学連携ユニットの豊川 航ユニットリーダー、チュービンゲン大学のアレクサンドラ・ヴィット 研究員らの国際共同研究グループは、人間がいかにして異なる価値観や目的を持つ他者から学ぶことができるのかを、数理解析と行動実験から明らかにしました。
本研究成果は、価値観や目的の異なる主体で構成される複雑な社会の中で、いかにして社会的に学び合い集合知（collective intelligence）を生み出すかという、社会科学における喫緊の課題の解決に貢献することが期待されます。
国際共同研究グループは、「社会的一般化（SG）学習」という、他者から得た情報と自分で獲得した情報を統合しながら試行錯誤学習する数理モデルを考案しました。この数理モデルを解析した結果、価値観の多様な集団において、模倣に基づく従来のシンプルな観察学習よりもSG学習は進化的に有利であり、かつ人々が実際に取る行動への説明力も高いことが示されました。モデルを通じた実験データ解析からは、人々が他者から得た情報を「話半分に」参考にしつつ、自分自身の学習における情報探索へうまく役立てていることが分かりました。
本研究は、科学雑誌『Proceedings of the National Academy of Sciences（PNAS）』オンライン版（9月20日付）に掲載されました。
引用元： 理化学研究所 / 研究成果（プレスリリース） / 2024年9月26日 /複雑な社会でさまざまな他者から学ぶ－価値観や目的が多様な集団で人間が他者を模倣する数理モデル－
https://www.riken.jp/press/2024/20240926_1/index.html
DOI：https://doi.org/10.1073/pnas.240492812
Figure
