第7回WBAシンポジウム：基調講演
•
0 likes•104 views
WBAI代表山川宏による講演 https://wba-initiative.org/20980/
Recommended
More Related Content
What's hot
What's hot (20)
Similar to 第7回WBAシンポジウム：基調講演
Similar to 第7回WBAシンポジウム：基調講演 (20)
More from The Whole Brain Architecture Initiative
More from The Whole Brain Architecture Initiative (20)
第7回WBAシンポジウム：基調講演
- 1. 主 催： NPO法人 全脳アーキテクチャ・イニシアティブ 後 援： 学術変革 行動変容生物学 協 力： AIアート集団「波羅密多」 運 営： WBA勉強会実行委員会 汎用ロボティクスと脳型知能 パネル討論 脳を参照するロボティクス 第７回全脳アーキテクチャシンポジウム 2022年10月12日 13：15～17:20 1
- 3. 「認知科学講座4 心をとらえるフレームワークの展開」 目次： 序 第三世代の認知科学の可能性（横澤一彦） 第1章 統合的認知（横澤一彦） 第2章 プロジェクション科学（鈴木宏昭） 第3章 内受容感覚の予測的処理（大平英樹） 第4章 自由エネルギー原理（乾敏郎） 第5章 圏論による認知の理解（布山美慕・西郷甲矢人） 第6章 記号創発ロボティクス（谷口忠大） 第7章 全脳アーキテクチャ ──機能を理解しながら脳型AIを設計・開発する （山川 宏） 2022年09月16日発売 全脳確率的 生成モデル
- 5. アジェンダ • 1.全脳アーキテクチャ・イニシアティブの紹介 • 2. 脳参照アーキテクチャ(BRA)駆動開発 • 3. WBAアプローチで脳型AGIを実現できる論理 • ４．おわりに 5
- 6. 全脳アーキテクチャ・イニシアティブ（WBAI) 良くも悪くも人類の福利厚生に対して大きな影 響を与えるのは知能。 ヒトのあらゆる知的能力を凌駕する汎用人工知 能(AGI)の実現は、現実味を帯びつつあります。 「人類と調和した人工知能のある世界」という ビジョン実現のため、特定の組織がAGIを独占 するリスクを抑制できるように脳型からのAGI のオープンな開発を促進する(2030年目処)。 NPO法人WBAI代表 山川 宏 2022 10 12 ( ) 年 月 日 水 第７回全脳アーキテクチャシンポジウム 6
- 7. WBAIのビジョンを目指すための開かれた脳型AGI開発の促進 Mission: 民主的なAGI開発 開発者 脳型AGIを作ろうとするAI/ML専門家 未来の人々 Vision:人類と調和した人工知能のある世界 Feedback Benefits Beneficialな 脳型AGIの 民主的な開発を 先導/促進 コントリビュータ 脳の機能仮説構築に興味ある情報処理の専門家等 Feedback BRA 脳参照アーキテクチャは、脳型 ソフトウエアの外部設計仕様書。 BRA設計 (SCID法) BRA活用 2030年完成を 目指す 2022 10 12 ( ) 年 月 日 水 第７回全脳アーキテクチャシンポジウム 7
- 8. 機械学習AI 記号AI . Singularityの起点となる汎用人工知能(AGI)とその現状 デ ー タ 優れた予測／問題解決能力 知 識 学習: データから知識を獲得する システム２: 知識を流動 的に組合せて利用する システム１: 状況に応じて 知識を利用する 創造 柔軟な知識活用 学習で得た知識を 柔軟に活用する技 術は未成熟 転移学習などの技 術が進展している。 常識 広範な知識獲得 現状で利用できる 知識のレパート リーは不十分 多様なデータの蓄 積に応じて拡大 Gatoは、 マルチモーダル データから常識 を学習しうるこ とを実証 関連記事： https://wba- initiative.org/20551/ プロンプト技術 （大規模言語モデル を繰り返し利用）が、 動画と連携され る分野等に期待 8
- 9. 汎用人工知能(AGI)を目指す 72 のR&D projects Fitzgerald, M., Boddy, A., & Baum, S. D. (2020). 2020 Survey of Artificial General Intelligence Projects for Ethics, Risk, and Policy. Global Catastrophic Risk Institute Technical Report, 20(1). 2020年末時点で、AGI開発に関連す るプロジェクトは少なくとも72件あり、 2017年からの変化を見ると、総数は あまり変わっていない。ただし、この 間に新たに15のプロジェクトが追加さ れており、そのほとんどが民間企業 によるものである。 9
- 10. 第三の波を迎えつつあるAGI研究 • 第１波(2000年代前半)： AGI分野の形成 – AIの長期的技術目標として「1つのAIシステムで多数のタスクをこな す」ことがAGIという目標が形成され、AGIの国際会議た立ち上がった • 第２波（ 2015年頃）：期待感の増大 – 深層学習研究が本格化した2013年後に、AGI実現の期待感が高まる – AGIを開発しようとする多くの組織が現れた • 第３波（2021年以降）：大規模モデルの発展 – 深層学習から発展した大規模モデルにより、「1つのAIシステムで多数 のタスクをこなす」という要素が言語処理を中心に進展 – AGIと銘打ったビジネス投資が活性化 10
- 11. Adept (2022/4設立） • 有用な汎用的知能を構築す るために設立されたStartup • 最近デモが公開された 「ACT-1」 は、高レベルの ユーザー要求をに対してタ スク実行するアシスタント – 右の例では、ネット上で家を 探すことをAdeptに依頼 ※RPA市場で発展するかもしれない 11
- 12. 実現されたAIに対する問いの変化 • 第２波（ 2015年頃）での問い 人工物によって人のような知能をつくることができるのか？ – 既に多くの個別領域でAIの能力が人を超え、統合も進行中 • 第３波（2021年以降）における問い ニューラルネットを大規模化すれば人レベルに到達する？ – 言語モデルでは大規模化によって突然新たな能力を得る例がある – とはいえ、いまだ実現がむつかしそうな能力も数多い • 高度な社会性を伴う活動 • 獲得した低次のスキルを組み合わせて再利用することで複雑な問題を解く – 脳における、前頭前野などにかかわる、システム２の能力に関連 • セレンディピティを伴う科学的発見 12
- 13. ワークショップ「AGI研究第３の波」 13 第22回 汎用人工知能研究会内にて 慶應義塾大学 矢上キャンパス (2022年11月22日) アジェンダ • Rafal Rzepka（北大）： AGI研究の国際動向 • 岩澤 有祐（東大）： Foundation Model • 相澤彰子（NII）： 大規模言語モデルとその限界 • 荒川直哉（WBAI）： ヒトの知能AI実装棚卸し 2022 • パネル討論(45分) • モデレータ： 市瀬龍太郎（東工大）+ ディスカッサント（栗原、一杉、山川） • 栗原聡（慶應義塾大学）： ポジショントーク • 一杉裕志（AIST）： ポジショントーク • 山川宏(東大/WBAI)： ポジショントーク • ディスカッション 本ワークショップでは、、深層学習や大 規模モデルおよびそれ以外のAGI研究 の動向も踏まえながら、今後、AGI研究 が目指すべき方向性について議論する https://www.ai- gakkai.or.jp/sigconf/sigcon f2018/2018reports/ より
- 14. アジェンダ • 1.全脳アーキテクチャ・イニシアティブの紹介 • 2. 脳参照アーキテクチャ(BRA)駆動開発 • 3. WBAアプローチで脳型AGIを実現できる論理 • ４．おわりに 14
- 15. 全脳アーキテクチャ・アプローチ Since 2014 脳全体のアーキテクチャに学び人間のようなAGIを創る(工学） ①脳の各器官を機械学習モ ジュールとして開発 ②それらを統合した認知 アーキテクチャの構築 本アプローチの利点 共同開発の基盤として脳の構造を利用して開発を加速 ● 人間に関わる諸分野の科学知見を活用できる ● 開発の発散を防げる合意しうる認知アーキテクチャ ● 脳にガイドされた有機的な技術の統合(Brain-inspired Refactoring) 人と親和性の高いAGIを作れる ● 情緒の推定等を要する対話などへの応用 ● 精神疾患などのモデル化など医療応用 ● マインド・アップローディングの器 15
- 17. Super intelligenceへの道筋 Machine Kingdom Super intelligence Human Brain Specialized General 全脳エミュレー ション (WBE) Open AIなど DeepMind Neuro simulator Artificial neural network 全脳アーキテク チャ(WBA) 17
- 18. 脳参照アーキテクチャ (BRA) 仮説的コンポーネント図 (HCD) 仮説的コンポーネント図 (HCD) 脳参照アーキテクチャ(BRA)とBRA駆動開発 脳情報フロー (BIF) 仮説的コンポーネント図 (HCD) 2 B E C D 1 5 6 7 4 3 メゾスコピック・レベルの 解剖学的構造上の情報フロー 着目脳領域が担う最上位機能を 解剖学的構造と一致するように 機能を整理しようとする図 環境： ありうる様々なタスク コンポーネントの機能: A, B, C, D, E 信号の意味： 1, 2,3,4,5,6 脳 型 ソ フ ト ウ エ ア 制 約 開 発 脳 型 ソ フ ト ウ エ ア 開 発 開 発 脳 型 ソ フ ト ウ エ ア サーキット コネク ション 神経科学の論文・データ 構 築 脳の真実 構 築 BRA活用 BRA設計 着目脳領域 18
- 22. SCID(Structure-Constrained Interface Decomposition)法 BRA設計は、次の3ステップからなるSCID法により行われる • Step 1: BIF構築： – 着目脳領域における解剖学的知識等の調査 • Step 2: 着目脳領域(ROI)と実現機能(TLF)の整合的な決定 • Step 3：HCDの作成： – Step 3-A:候補コンポーネント図の列挙（可能性の網羅） – Step 3-B: 様々な科学知見からみて矛盾のあるHCDを棄却 22
- 23. 脳情報フロー (BIF) Environment (various tasks) circuits connec- tions 神 経 科 学 分 野 の 論 文 ・ デ ー タ 作成 着目 脳領域 Step 1: BIF構築： 着目脳領域における解 剖学的知識等の調査 SCID法： Step 1: BIF構築 23
- 24. 脳情報フロー (BIF) 仮説的コンポーネント図 (HCD) 2 B E C D 1 5 6 4 3 Environment (various tasks) Function of components: A, B, C, D, E circuits connec- tions 神 経 科 学 分 野 の 論 文 ・ デ ー タ Function of components: A, B, C, D, E Meaning of connections: 1, 2, 3, 4, 5, 6 作成 実現 機能 着目 脳領域 Step 2: 着目脳領域と実 現機能の整合的な決定 制約 SCID法：Step 2: 着目脳領域と実現機能の整合的な決定 7 24
- 25. Step 3-B: 様々な科学知見からみて矛盾のあるHCDを棄却 仮説的コンポーネント図(HCD) 仮説的コンポーネント図(HCD) 脳情報フロー (BIF) 仮説的コンポーネント図 (HCD) 2 B E C D 1 5 6 7 4 3 Environment (various tasks) Function of components: A, B, C, D, E circuits connec- tions 神 経 科 学 分 野 の 論 文 ・ デ ー タ Function of components: A, B, C, D, E Meaning of connections: 1, 2, 3, 4, 5, 6 作成 実現 機能 着目 脳領域 Step 3-A:候補コンポーネント図 の列挙（可能性の網羅） アサ イン 制約 SCID法： Step３：HCDの設計 25
- 26. BRA作製例（海馬体）： Step.1 BIFの構築 Taniguchi, A., Fukawa, A., & Yamakawa, H. (2022). Hippocampal formation-inspired probabilistic generative model. Neural Networks: The Official Journal of the International Neural Network Society, 151, 317–335. 着目脳領域における解 剖学的知識等の調査し、 BIFデータおよびダイ アグラムとして整理し た 26
- 27. BRA作製例(海馬体):Step.2 着目脳領域と実現機能の整合的な決定 Taniguchi, A., Fukawa, A., & Yamakawa, H. (2022). Hippocampal formation-inspired probabilistic generative model. Neural Networks: The Official Journal of the International Neural Network Society, 151, 317–335. 着目脳領域に対応する実現機能を 仮定 • SLAMの機能 – 自己位置の特定 – 地図の作成 • 場所の分類 実現機能に応じた着目脳領域の入 出力決定 – Egocentric visual information – Allocentric visual information – Rotational speed movement yPER uw yPOR yPER uw yPOR 27
- 28. BRA作製例（海馬体）： Step.３ HCD／PGMの設計 Taniguchi, A., Fukawa, A., & Yamakawa, H. (2022). Hippocampal formation-inspired probabilistic generative model. Neural Networks: The Official Journal of the International Neural Network Society, 151, 317–335. 28 Step 3-A:候補コン ポーネント図の列挙 （可能性の網羅） Step 3-B: 様々な科学 知見からみて矛盾の あるHCDを棄却
- 29. 海馬体のHCD形式データ（AT20HippocampalFormation.hcd) 参考資料： • 脳参照アーキテクチャ(BRA)データの記述マニュアルおよび具体例の 公開, https://wba-initiative.org/18424/ • 第1回 WBAレクチャー〜認知機能の脳構造に沿った分解手法―脳機 能の体系的理解を目指して, https://wba-initiative.org/18094/ 公開されているBRAデータ： 脳参照アーキテクチャ駆動開発のニューロコンピュー ティング研究会でのデータ公開(2022年3月3日), https://wba-initiative.org/20266/ 29
- 30. HCDの機能特性：出力セマンティクス生成性 30 Summary Process Output Semantics 出力セマンティクス生成性： このコンポーネントのOutput Semanticsが、指定さ れた回路からの入力を使用するこのコンポーネ ントのProcessによって生成しうるか否かを評価 図： 海馬体のFunction Tree Viewerの一部
- 31. HCDの機能特性：プロセス合成性 31 Process A Process HIII Process HDG 以下の例では、Process Aは、 Process HDGとProcess HIIIの合成 で実現できるか否かを評価する 図： 海馬体のFunction Tree Viewerの一部 プロセス合成性： このコンポーネントに記述されたプロセスが、下 位のコンポーネントのプロセスを合成することに よって実現できるか否かを評価
- 32. 扁桃体複合体を中心とした包括的な神経回路構造をBIFデータ化 33 Tatsuya Miyamoto1, Yoshimasa Tawatsuji, Hiroshi Yamakawa, Describe the comprehensive neural circuitry around the amygdaloid complex as data, Neuro 2022, 1P-051, 2022年6月 30日. BIFデータ構築の一環 として、扁桃核周辺の データを論文から抽 出してデータ化 現在は、扁桃核の計 算機能の検討に着手 している。
- 33. 音声言語の二重分節解析を担うHCDの設計 34 Taniguchi, A., Muro, M., Yamakawa, H. & Taniguchi, T. Brain-inspired probabilistic generative model for double articulation analysis of spoken language. The 2022 IEEE International Conference on Development and Learning (ICDL 2022) 主に、聴覚野と側頭葉の協調によって実現しうる，音声言語の二 重分節解析を達成する確率的生成モデルの仮説を提案
- 34. 最近の実装活動の再開（2021年〜） • BriCA の利用再開 [実装：環境整備] – BriCA：脳型計算アーキテクチャプラットフォーム since 2015 • 視覚系の実装@開発部 – 視覚ハッカソン（2018年）の環境を復活 [実装：環境整備] – 視覚ハッカソン用サンプルアーキテクチャの再実装［実装：人材 育成］ • WBA開発部(sig-wba.slack.com)の再開 – オンラインで活動 ⇒ ぜひご参加ください！ 35
- 35. 実装にむけた連携： 全脳確率生成モデル(WB-PGM:) 背景：マルチモーダルな情報を統合し、 複雑な身体を統御し、環境に適応でき る人間の知能、および発達的なロボッ トの構成をその延長線上で捉えようと すると、人の認知アーキテクチャとし ての構造を検討する必要が現れる。 谷口 忠大、山川 宏、長井 隆行、銅谷 賢治、 坂上 雅道、鈴木 雅大、中村 友昭、谷口 彰 Whole-Brain Probabilistic Generative Model WB-PGMは、人間の全脳の構造 に学ぶとともに、予測学習を基 礎に据えた確率的生成モデルに より認知アーキテクチャを構築 しようというアプローチ 36
- 36. 確率的生成モデルによるHCDにおけるプロセス記述 Circuit ID、ラベル入力、出力 Process Output Semantics 𝑂𝑂 = 𝑃𝑃(𝐻𝐻𝐷𝐷𝐷𝐷 |𝑍𝑍𝐼𝐼𝐼𝐼 , 𝑋𝑋𝐼𝐼𝐼𝐼 ) I(LEC_II) I(MEC_II) 37
- 37. アジェンダ • 1.全脳アーキテクチャ・イニシアティブの紹介 • 2. 脳参照アーキテクチャ(BRA)駆動開発 • 3. WBAアプローチで脳型AGIを実現できる論理 • ４．おわりに 38
- 39. Super intelligenceへの道筋 Machine Kingdom Super intelligence Human Brain Specialized General 全脳エミュレー ション (WBE) Open AIなど DeepMind Neuro simulator Artificial neural network 全脳アーキテク チャ(WBA) 40
- 43. 課題４への対応 • 課題４：個人の認知能力では脳全体にわたる機能仮説は設計 できない • 対策４：現在のトライアル – BIFデータ作成の自動化／効率化 • BIFのための解剖学的情報抽出の自動化(BRA Automation) – 分散コラボレーションによるHCDデータの作成 • HCDデータ投稿と審査のフローの構築を進めている • 電子情報通信学会ニューロコンピューティング研究会でHCDデータ投稿 – 2022年9月研究会に実施： – 2023年3月研究会で実施予定： 登録〆切2023年初頭 44
- 44. WBAレクチャー「(仮)HCDデータの作り方」 本年11/12月 レクチャー趣旨： • 標準化された脳型ソフトウェアの設計情報である仮説的コンポー ネント図を作成する方法を学ぶ。またとくに、各コンポーネント を確率モデルとして記述する場合について詳説する。 主な内容： • 脳アーキテクチャ駆動開発の基礎 • データ作成（ハンズオン） • 脳における確率的計算モデル(PGM) • 実例紹介： 扁桃核、海馬体、2重分節化機構など 45
- 45. BIFデータ作成の自動化／効率化：BRA Automation 論文の図・表・文章から、解剖学的情 報および計算機能の情報を、（半）自 動抽出するツールを開発するプロジェ クト 。現在は解剖学的情報の抽出を 主に進めている。 具体的には、メゾスコピックレベルの 回路を記述した文献から、図などを抽 出し、そこから領野名やその略称など を抽出し、さらにその間の接続関係を 抽出する。 46 Caligiore, D., Helmich, R. C., Hallett, M., Moustafa, A. A., Timmermann, L., Toni, I., & Baldassarre, G. (2016). Parkinson’s disease as a system- level disorder. NPJ Parkinson’s Disease, 2, 16025.
- 46. 1. Top-level function (各HCDについて，本研究で対象とした領域（ROI：Regions of Interest）に対して設定した最上位機能（Top-level function) 文例（抜粋） TLF1: 個体の生存に価値のある非条件付け刺激 I(US_input)を用いて、中立的な 刺激 I((CS_input: 条件刺激) に価値を与え (条件付け)、その価値に応じた反 応 (恐怖反 応) O(BA_F)を誘発(Feae respons facilitation)する機能。 … 2. Computational function 各Circuitに対して付与した計算機能をそれぞれ説明してく ださい。 文例（抜粋） TLF1(恐怖条件付け)を実現するCircuitはLa_Pと BA_Fである。La_Pは、学習したCS_inputであるか否 かを判別し、その情報をBA_Fに出力する。BA_Fは 恐怖反応促進信号であり、La_Pからの情報を受け、 低恐怖促進情報を出力するINAdmの非存在下で CEmに出力して恐怖反応が誘発される。 コンポーネント図 （画像データ） HCDデータ （指定されたGoogle Spreadsheet形式） データ説明書 （テキスト文章） HCDデータの投稿形式： コレボレーションを加速するために 機能のツリー表示 47
- 47. Output Semantics Generativity このコンポーネントのOutput Semanticsが、指定さ れた回路からの入力を使用するこのコンポーネント のProcessによって生成しうるか否かを評価 Process Synthesizability このコンポーネントに記述されたプロセスが、下位の コンポーネントのプロセスを合成することによって実 現できるか否かを評価 説明整合性：HCDデータ、コンポーネント図、データ説明書が整合している。 HCDデータ HCD機能性評価の審査 機能のツリー表示 Circuit ID、ラベル 入力、出力 Process Output Semantics 主な評価観点 48
- 48. 初の学術研究会でのHCDデータ投稿 電子情報通信学会 ニューロコンピューティング研究会 2022年9月「脳アーキテクチャ」特集にて、 通常の予稿資料を補足する形でHCDデータを提出する初の試みである。データは提出後にHCDデー タとしての条件を満たしているか否かを審査する。 提出内容 • HCDデータ（Google Spreadsheet形式） • コンポーネント図（画像データ） • データ説明書（数100ワード程度の英文） 公開方法 • 原則Creative Common License（CC-BY-SA：表示-継承）で公開 • Whole Brain Architecture Initiative（WBAI）のサイトにおいて公開 公開を通じて期待される効果 • 脳型ソフトウエア構築の基盤を提供 • 計算論的神経科学の成果を登録する標準的な方法の一つとなりうる • データ作成者の貢献についての視認性向上 49
- 49. 課題５への対応 • 目標： 全脳BRA（脳全体にわたるBIF上で矛盾なく統合され たHCD）が機能仕様書として完成 • 課題５： 散在する局所的で多様なHCDを統合する必要 • 今後： 競合するHCDが存在する脳領域でHCD統合を試す – HCD統合： SCID法におけるStep. 2におけるROIを拡大した形で、 引き続く Ste.3によるHCD作成を行う。 50
- 52. 現段階でBRA設計に注力する理由： 本格的実装を先送りしている 全脳BRA(脳全体をカバーするBRA)の完成後、それに基づく実装／評価を 行うことは必要。だが次の理由で今は、仕様を規定するBRAの設計に注力。 • 完成したWBAシステムには、全脳BRA以前の実装は殆ど利用されない • コンポーネント図(HCD)により脳全体の計算機能の統合は進めうる • コンポーネント毎のコードは、HCDからの自動生成がいずれ可能になる • 実装以前のレビュー（上流工程）で原理的な動作検証はしばしば可能 • 実装された計算モデルとBRAとの一致性検証に払うコストは大きい • 特定の実装にコストを払い過ぎると、対立仮説を許容する柔軟性が低下 • 脳型AGIの民主的開発を促進するWBAIとしては開発基盤の提供は適切 53
- 53. WBAIにおける研究開発 54 カテゴリ名 説明 設計 BIF作成 BIFの作成とその関連作業 BRA-DB BRAのためのデータベースの構築／運用／マニュアル整備など BRA自動化 BRAのデータ作成の半自動化を通じて効率化する(主にBIF) HCD設計 HCDの設計その関連作業（共同設計の促進） HCD統合 実装 脳型検証 ヒト (を含む動物) が解決可能な特定タスクを（神経活動との相関も含 めて）脳と同様の計算機構で実行可能であることを検証する実装 新機能 ヒト (を含む動物) が解決可能な特定タスクにおいて、それを有効に解 決できる計算機構が未知の場合に、その計算機構を探索するための実装 人材育成 上記の実装プロセスを実行できる技術者の育成するための実装 環境整備 ソフトウェアプラットフォームの構築／テスト環境 プロセス確立 HCD に基づく実装プロセスの確立・半自動化（試験的実装） 方法論 BRA全般 BRA駆動開発の方法論にかかわる研究
- 54. アジェンダ • 1.全脳アーキテクチャ・イニシアティブの紹介 • 2. 脳参照アーキテクチャ(BRA)駆動開発 • 3. WBAアプローチで脳型AGIを実現できる論理 • ４．おわりに 55
- 55. おわりに • 汎用人工知能（AGI）研究は第3の波を迎えつつある – DL大規模化は、言語処理の実用化を進めるも、AGIへの到達には疑問が残る • 全脳アーキテクチャ（WBA） – アプローチ「脳全体のアーキテクチャに学び人間のようなAGIを創る（工学）」 – ビジョン「人類と調和する人工知能のある世界」 • 脳参照アーキテクチャ(BRA)駆動開発 – 脳をリバースエンジニアリングすることで、脳型ソフトウェアの仕様情報と してBRAを抽出し、BRAに基づいた実装を行うという開発方法論 • BIF: メゾスコピックレベルの解剖学的構造データの記述方法を標準化し蓄積中 • HCD: BIFと整合性のあるコンポーネント図を共同開発するための枠組みの整備を推進 • ロードマップ（2030年ごろの完成を目指す） – 個別HCDの蓄積 → HCDを統合した全脳BRA構築 → 全脳BRAに基づく実装 56 脳型AGIの開発基盤を社会に提供 することでAGI開発の民主化を推進 以上ご清聴をありがとうございました