昨年5月、京都大学はヒトの脳活動パターンを人工知能モデルの信号に変換することで、
見ている画像や想像している物体を脳から解読する技術を発表しました。
この先進的技術は、人工知能モデルをヒトの脳と対応づけることで、脳からビッグデータを利用し、
ブレインデコーディングへの応用だけでなく、脳型人工知能の開発にもつながることが期待されます。

ブレインデコーディングとは、ヒトの脳活動パターンを機能的磁気共鳴画像法（fMRI）などによって計測し、
機械学習によるパターン認識で解析すると、どんな物体を見たり想像したりしているかを予測できることです。

また、脳のニューロンやシナプスにヒントを得て作られた人工ニューラルネットワークの一種である、
深層ニューラルネットワーク（deep neural network model：DNN）は、近年ではヒトと同レベルの
物体認識精度を達成しています。
人がモノを見たり想像したりする時の脳活動を解読することで、人工知能への応用が期待できます。

パチンコでいえば次回来店確率と脳活動をビッグデータで相関させ、脳のデコードが出来れば
ヒット機種の予測は速やかにできます。
もっともヒット機種、というか稼働のだれ方は初期稼働と低下速度だけで予測できそうなので、
ｆＭＲＩを使う必要はなさそうですが。

諏訪東京理科大学　篠原菊紀教授