清華大学、グラーツ工科大学、イタリア国立研究委員会らの国際研究チームは、認知科学と神経科学の知見を基盤とした新たなAIフレームワークを開発した。本手法は2026年に学術誌『Nature Machine Intelligence』に論文として発表され、深層学習モデルや大規模言語モデルが抱える演算コストと電力消費の課題解決を目的としている。シニア著者のヴォルフガング・マース教授は、脳が情報処理に用いる認知マップ構造を人工知能に実装することで、エネルギー効率の高い次世代AIの実現を目指す方針を示している。 研究の核心はデータ構造化パラダイムの転換にある。既存AIがパラメータ表や重みベクトルに依存するのに対し、本フレームワークは脳が記憶や空間認識に活用する認知マップを採用した。この設計により、未知の環境下でも適応的な経路計画と問題解決が可能となり、かつ学習プロセスが局所的に完結するため、大規模な教師付き学習を要しない。さらに、予測根拠が従来のブラックボックス型モデルより解釈可能である点も特長だ。 実用面では、メモリ内演算チップやニューロモーフィックチップとの高い親和性が確認されている。プロセッサとメモリ間のデータ転送を廃止するアーキテクチャ特性上、脳並みの低レイテンシと低電力動作が期待できる。研究チームは既にインテルと米国スタートアップと連携し、アルゴリズムの実チップ移植を進めている。今後は、動的目標変更への対応能力を最適化するとともに、人間に近い経験ベースの説明可能性の実装を検証する計画だ。 本フレームワークは、AIのエネルギー制約を技術的・経済的に緩和し、次世代半導体との統合を可能にする。認知科学に根差したこのアプローチは、サステナブルなAI開発と適応型知能の実現に向けた重要な基盤技術として、産業界からの注目が集まっている。