Joshua Brett Tenenbaum（1971年生まれ）は、マサチューセッツ工科大学の計算認知科学教授である。彼は数理心理学とベイズ認知科学への貢献で知られており、特に限られたデータから人間がどのように学習し推論するかを説明する確率モデルの開発で認められている。彼の研究は認知心理学と人工知能を橋渡しし、機械学習を人間のような柔軟性と効率性に近づけることを目指している。
TenenbaumはMITの計算認知科学研究室を率いており、MIT Quest for Intelligenceの主任研究員でもある。2019年にはマッカーサー・フェローに選ばれ、財団は彼が統計モデリングを人間の認知研究に応用した先駆的役割と、心がどのようにしてわずかな情報から多くのことを素早く理解するかという課題への取り組みを強調した。
幼少期と教育
Tenenbaumはカリフォルニアで育ち、母は教師として働き、父のJay Martin Tenenbaumはインターネット商業の先駆者となった。両親の教育と学習への関心は彼の初期の知的方向性を形成し、イェール大学での学部時代に認知心理学者のRoger Shepardとの交流が、知覚と推論への関心をさらに強めた。
彼は1993年にイェール大学で物理学の学士号を取得した。その後、マサチューセッツ工科大学に進学し、1999年に博士号を修了した。博士課程の研究は、人間の認知のモデルとしての確率的推論に焦点を当てており、これは彼のキャリアを定義するテーマとなった。
学術経歴
博士号取得後、TenenbaumはMITの教員となり、計算認知科学の教授に就任した。彼はコンピュータ科学・人工知能研究所（CSAIL）に所属し、計算認知科学研究グループを率いている。彼の研究室では、ベイズモデルと行動実験を用いて、人々が因果構造を推論し、概念を学習し、まばらな例から一般化する方法を調査している。
2018年には、R&D MagazineがTenenbaumを年間最優秀革新者に選び、認知科学とAIへの学際的アプローチを評価した。翌年、マッカーサー財団は彼にフェローシップを授与し、学習・推論・知覚の確率モデリングに関する研究を挙げた。彼の研究には、AIシステムに人間の顔認識を模倣させる取り組みや、機械に因果関係を理解させるプログラミングも含まれている。
研究貢献
Tenenbaumの中心的な貢献は、ベイズ推論の認知科学への応用である。彼は、心が確率的計算を行い、感覚入力に対する最も可能性の高い説明を推論し、限られた例から一般化すると主張している。この枠組みは、概念学習、因果推論、知覚組織化のモデル化に使用され、人間の認知の統一的説明を提供している。
彼の「学習の学習」と階層ベイズモデルに関する研究は、機械学習に影響を与え、少数の例から新しい概念を獲得するシステムを構築する方法を示唆している。これは標準的な深層学習アプローチでは依然として難しい能力である。彼はBrendan Lakeなどの研究者と「人間レベルの概念学習」プロジェクトで協力し、確率的プログラムが単一の例から手書き文字を学習できることを実証した。
ベイズ認知科学
Tenenbaumはベイズ認知科学の中心的人物であり、この分野は脳が確率的推論を行うと扱う。彼のモデルは、事前知識と尤度関数を組み合わせて、分類、因果推論、意思決定を含むタスクにおける人間の判断を予測することが多い。これらのモデルは行動データに対して検証され、平均的な反応と個人差の両方を捉えていることが示されている。
彼の研究における重要な考えは、認知の「合理的」分析であり、人間の行動は計算上の制約を考慮した最適な統計的推論に近似すると仮定する。この視点は数理心理学に影響を与え、新しい実験パラダイムと定量的手法を刺激してきた。
AIと人間の認知
Tenenbaumの研究は、人工知能と人間の知能のギャップを埋めることを目指している。彼は、現在のニューラルネットワークと大規模言語モデルはパターン認識に優れているが、人間が持つ構成性、因果性、直感的物理学の理解が欠けていると主張している。彼の研究室では、確率モデルと深層学習を組み合わせたハイブリッドアプローチを探求し、より堅牢な一般化を実現している。
彼はMIT Quest for Intelligenceに関与しており、機械と人間の知能の両方を前進させるイニシアチブである。このプロジェクトを通じて、AIは純粋に統計的な相関ではなく、世界の直感的理論などの認知科学の原理に基づいて構築されるべきだと提唱している。
受賞と評価
マッカーサー・フェローシップに加えて、Tenenbaumは学際的な研究で数多くの栄誉を受けている。彼は認知科学学会のフェローを務め、心理学と機械学習の主要ジャーナルの編集委員会に参加してきた。彼の論文は認知科学とAIの両方の場で広く引用されており、分野を超えた影響力を反映している。
2018年のR&D Magazineによる年間最優秀革新者賞は、彼がAI研究を変革する可能性を強調した。マッカーサー財団の引用は、確率モデルが人間の学習の速度と柔軟性を説明する方法を示した彼の役割を特に指摘した。
出版物と影響
Tenenbaumは自身のMITウェブページとGoogle Scholarで出版物のリストを維持している。彼の最も引用された作品には、概念学習、因果帰納、直感的物理学に関するベイズモデルの論文が含まれる。これらの出版物は計算認知科学の研究課題を形成し、より人間らしいシステムを構築しようとするAI研究者に採用されてきた。
彼の影響は、複雑な生成モデルを表現するツールを提供する確率的プログラミング言語の開発にも及んでいる。彼はこれらの言語を認知モデルと機械学習実装の橋渡しとして提唱してきた。
遺産と今後の方向性
Tenenbaumの研究は、認知を確率的推論として理解する枠組みを確立し、心理学とAIの両方に影響を与えてきた。彼の進行中の研究は、機械が物理学と因果性の直感的理論を獲得する方法と、少数の例から学習する方法を探求し続けている。2020年代初頭の時点で、彼の研究室は記号的推論と統計的学習を統合するモデルの開発に積極的に取り組んでいる。
彼のAIに対するビジョンは、システムが常識と未知の状況について推論する能力を持ち、人間の認知の原理を引き出すというものである。この課題は、彼を、強力であるだけでなく理解可能で人間の思考プロセスと整合する人工知能を創造する取り組みにおける主要な声として位置づけている。