ジョシュア・ブレット・テネンバウムは、マサチューセッツ工科大学（MIT）の計算認知科学の教授であり、計算認知科学ラボを率い、MITコンピュータ科学・人工知能研究所（CSAIL）のメンバーでもある。彼は、人間の学習、推論、知覚の研究に確率的・統計的モデリングを応用した先駆者として最もよく知られており、このアプローチは認知科学と人工知能研究の両方を再形成してきた。彼の研究は、認知の中心的な謎、すなわち、人間の心がどのようにして疎で曖昧なデータから豊かで一般化可能な知識を推論できるのか、しばしば「わずかな情報から、わずかな時間で、多くを学ぶ」と表現される問題に取り組む。
テネンバウムの研究は、機械学習、数理心理学、ベイズ認知科学の交差点に位置する。彼は、心を一種の確率的推論エンジンとして扱う計算モデルを開発し、これらのモデルを用いて、概念学習、因果推論、直感的物理学などの人間の能力を説明する。彼の洞察は、標準的な深層学習のパターン認識を超え、より柔軟で、構成的で、因果的な理解へと向かう、人間により似た学習を行うAIシステムの構築への取り組みに影響を与えてきた。
初期の人生と教育
テネンバウムはカリフォルニアで、知的に活発な家庭に育った。母親は教師であり、父親のジェイ・マーティン・テネンバウムは、電子商取引とオンラインマーケットプレイスの初期の研究で知られるインターネットコマースの先駆者である。両親の教育と学習への関心は、彼の知的発達に永続的な影響を与え、知識がどのように獲得され表現されるかという問いへと彼を導いた。
イェール大学での学部時代、テネンバウムは、心的表象と類似性の研究の先駆者である認知心理学者ロジャー・シェパードの影響を受けた。シェパードの認知の幾何学的モデルに関する研究と、知覚における一般化の役割への強調は、テネンバウムの思考に痕跡を残した。テネンバウムは1993年にイェール大学で物理学の学士号を取得し、この背景が数学的モデリングと統計的推論の強固な基盤を与えた。
その後、彼は大学院研究のためにMITに移り、1999年に博士号を取得した。MITでは、彼のキャリアの基礎となるであろう、認知のベイズモデリングという新興分野に触れた。彼の博士研究は、人々が限られた証拠からどのように推論を行うかに焦点を当てており、後の学習と知覚の確率モデルへの貢献の基礎を築いた。
学術キャリアと研究の焦点
博士号取得後、テネンバウムはMITの教員に加わり、計算認知科学の教授となった。彼は脳・認知科学科に所属し、MITのコンピュータ科学と人工知能のための学際ラボであるCSAILの主任研究員でもある。また、彼はMITクエスト・フォー・インテリジェンスも率いており、これは知能の本質を理解し、それを再現する機械を構築することを目的としたイニシアチブである。
テネンバウムの研究プログラムは、人間の認知がベイズ推論のレンズを通して理解できるという考えに基づいている。この枠組みでは、心は、事前知識と新しい証拠に基づいて世界についての信念を継続的に更新するものと見なされる。彼のモデルは、人々がわずかな例から新しい概念を学び、疎な観察から因果関係を推論し、物理的イベントについて直感的な予測を行う方法を説明する。これらのモデルは、人間の学習の速度と柔軟性を捉える点で、伝統的な機械学習アプローチをしばしば上回る。
彼の研究における重要なテーマは、データの統計的規則性に依存する「モデルフリー」学習と、世界の構造化された表現を構築する「モデルベース」学習の区別である。テネンバウムは、人間の知能は後者に大きく依存していると主張し、両方のアプローチを組み合わせたAIシステムを提唱してきた。この視点は、ニューラルネットワークと大規模言語モデルに取り組む研究者の世代に影響を与え、彼らはますます構造化された知識と因果推論をシステムに組み込もうとしている。
ベイズ認知科学への貢献
テネンバウムは、確率的・統計的モデリングを人間の学習、推論、知覚に応用した最初の研究者の一人として広く認められている。概念学習に関する彼の初期の研究は、人々がわずかな例から新しいカテゴリの境界を推論できることを示し、ベイズモデルは事前期待と観測データのバランスを取ることでこれを再現できる。この研究は、人間が小さなサンプルから一般化する方法の形式的な説明を提供し、これは認知科学と機械学習の両方で中心的な問題であり続けている。
彼はまた、因果推論の研究にも重要な貢献をした。彼のモデルは、人々が相関と介入のパターンから因果関係を推論し、これらの推論を用いて予測と行動計画を行う方法を説明する。この研究は、自動運転車から医療診断ツールまで、世界について推論する必要があるAIシステムに影響を与える。
彼の研究のもう一つの分野は直感的物理学であり、人々が物体の動きを予測し、物理的安定性について推論する方法をモデル化した。これらのモデルは、倒れる塔や衝突するボールなどのシナリオに関する人間の判断を捉え、物理的環境と相互作用するAIシステムを改善するために使用されてきた。彼のアプローチは、行動実験と計算シミュレーションを組み合わせることが多く、この方法論はこの分野で標準となっている。
評価と受賞
2018年、R&Dマガジンはテネンバウムを「年間最優秀イノベーター」に選出し、認知科学と人工知能を橋渡しする彼の貢献を認めた。この賞は、認知の確率モデルに関する彼の研究と、人間のように学習する機械を構築する彼の取り組みを強調した。
翌年の2019年、テネンバウムはマッカーサー・フェローに選ばれ、この栄誉はしばしば「天才賞」と呼ばれる。マッカーサー財団は、彼が確率的・統計的モデリングを人間の学習、推論、知覚に開発・適用し、これらのモデルが心の「わずかな情報から、わずかな時間で、多くを理解する」能力を説明することを示したことを称賛した。このフェローシップは、彼に無条件の助成金を提供し、彼はこれを人間に似たAIに関するプロジェクトを進めるために使用した。
彼の研究は、数多くの招待講演、基調講演、主要なAI研究組織とのコラボレーションを通じて認められてきた。彼は、特に機械学習の現在の限界を超える方法について、人工知能の未来に関する議論に頻繁に貢献している。
最近の研究とAI応用
近年、テネンバウムは、人間の学習と知覚を模倣するAIシステムの教育に焦点を当てている。研究の一つの流れは、視覚的特徴だけでなく、社会的文脈や典型的な外見に関する知識も使用して、人々が顔を認識する方法で顔を認識するモデルの開発を含む。この研究は、AIをより堅牢にし、人間の期待により整合させることを目的としている。
もう一つの主要な推進力は、因果関係を理解するようにAIをプログラミングすることである。テネンバウムは、現在の深層学習システム、特にトランスフォーマーと大規模言語モデルは、パターン認識に強力であるが、人間が頼りにする因果的理解を欠くことが多いと主張してきた。彼のラボは、データから因果構造を学習するモデルを開発し、介入と反事実について推論することを可能にした。これらのモデルは、ロボティクス、自然言語理解、科学的発見の問題に応用されている。
彼の研究は、OpenAI、Google DeepMind、Anthropicなどの組織の研究者を含む、より広いAIコミュニティに影響を与えており、彼らはより人間に似たAIの構築に関する議論で彼のアイデアを引用している。彼はまた、元学生のブレンダン・レイクと「構成的一般化」の概念について協力しており、これはAIが学習した概念を新しい方法で再結合する方法を探求する。
出版物と影響
テネンバウムは、MITのウェブページとGoogle Scholarに広範な出版物リストを維持しており、トップジャーナルと会議で数百の論文を発表している。彼の最も引用された作品には、概念学習、因果帰納、直感的物理学のベイズモデルに関する論文、および認知における確率的推論の役割に関する影響力のあるレビューが含まれる。これらの論文は、認知科学と機械学習の両方の研究を形成し、大学院コースで基礎的な参考文献として頻繁に使用されている。
彼の影響は学界を超えて広がっている。彼は、心理学、神経科学、哲学からの洞察を活用する、AIへのより学際的なアプローチの声高な提唱者である。彼は、人工知能の進歩は、ニューラルネットワークのスケーリングだけでなく、人間の知能の原理を理解することを必要とすると主張してきた。このビジョンは、生成AIと機械学習に取り組む研究者に共鳴している。
遺産と進行中の研究
テネンバウムは、MITで計算認知科学ラボを率い続けており、そこで新しい世代の研究者を指導している。彼のラボのプロジェクトは、わずかな例からの学習、因果発見、推論を説明できるAIシステムの構築などのトピックに及ぶ。彼はまた、大学全体およびそれ以外の研究を統合することを目的としたMITクエスト・フォー・インテリジェンスにも関与している。
彼の研究は、ベイズ認知科学を主要な分野として確立するのに貢献し、人間により似た学習を行うAIの構築への取り組みを刺激してきた。2020年代初頭の時点で、彼のアイデアは、現在のAIシステムの限界、特に大量のデータを必要とする傾向と因果推論の困難さに関する議論にますます関連している。テネンバウムの研究は、より効率的で、より柔軟で、より人間に似た知能への道を提供しており、この目標は認知科学と人工知能の両方で中心的なものであり続けている。