人工知能を考える
(引用だらけですみません。書いている途中です。おそらく明日も。)
勉強したことを整理しながら人工知能について考えていきたいと思います。
過去および現在、様々な研究者が考え続けているテーマだと思うので、数週間前に勉強を始めた者が簡単に答えが見つかるようなものでも無いと思います。
間違ったことも言うと思いますし、先人が考え抜いた答えもあるでしょう。
自分の脳内理解のためにも何度か繰り返し考えていくテーマになると思います。
知能とは?
では、どうしたら無脳ではなく知能になるのか?
知能と言えるようにするためにはどのようにしたらよいのか?
知能とは、以下のようなものである。
理解、認識、適応、学習、推論などといった人間の高度な情報処理能力のことを知能という。
人間の高度な情報処理能力のことを知能という。
人間のもつ情報処理能力とは理解、認識、適応、学習、推論などである。
理解、認識、適応、学習、推論等のの処理能力を持たせれば、知能に近づける。
各意味については後記。
知能は人間の脳―神経系により実現されているが、このメカニズムは実はまだ良く解明されていない。
医学的な神経の話はあまり興味がない。
多分、私の生きている間には解明されないと思う。
私の興味があることは工学的視点から、知能を生み出すことだ。
人間の高度な情報処理能力
人間のもつ高度な処理機能は下記の通り。
理解
理解(りかい)とは、物事の理由、原因、意味を正しく知ることである。 認知心理学による研究対象であるが、記憶や学習などの概念と比較すると十分に解明されていない。 理解は独立した現象ではなく、記憶や学習と密接な関係にあると考えられる。 シャンクによってCD理論が提唱された。
理解には段階がある。その段階は、下のほうのものになると、具体的であり、そして、上のほうのものになると抽象的である。
認識
認識(にんしき、英語:Cognition)は、基本的には、哲学の概念で、主体あるいは主観が、対象を明確に把握することを言う。
哲学体系により異なる部分もあるが、概ね、直観的認識、感性的認識、理性的認識、また知性的認識などがあるとされる。それぞれの認識の成立には、直観、感性、理性、そして知性などの主観あるいは精神の機能が働くとされる。
認識の成立については客観的観念論、主観的観念論、素朴実在論を含む実在論などで、異なった解釈がある。認識についての哲学における研究分野が認識論である。
適応
- 生物学・生態学において適応しているとは、生物種がある環境のもとで生殖や生存のために有利な形質を持っていることを言う。これは進化を経て環境に即した形質を獲得した結果であるとされている。能動的な表現であるが、あくまで結果であることに注意されたい(生物種が主体的に「適応しようとする」訳ではない)。
- 医療分野においては、治療や検査など医療行為の正当性、妥当性を意味する。いかなる場合でも施行する妥当性があることは絶対的適応、状況によっては妥当な場合は相対的適応と表現する。
- 制御工学では、制御対象の特性が未知または予測不可能で最適な制御パラメータを事前に決定できない場合、実際の制御時に特性を検出し、それに応じて制御パラメータを変えることを適応という。コンピュータにおける適応とは通常この意味だが、例外として、遺伝的アルゴリズムでは生物学と同じ意味で適応という言葉を使う。
学習
学習(がくしゅう、英: learning)とは、実体験や伝聞などによる経験を蓄えることである。生理学や心理学においては、経験によって動物(人間を含め)の行動が変容することを指す。
推論
推論(すいろん 英語:inference、reasoning)とは、根拠となる事柄に基づいて別の事柄を結論として導く行為、およびその行為の過程の事である。
推論の正しさを妥当性という。あらゆる事柄は言語において表現されるのであるから、妥当な推論には、その推論が指し示す事柄が妥当であること(意味論)、その推論が行われた状況において妥当であること(語用論)、その推論の構文が妥当であること(構文論)、が考えられる。
論理学では、ある言語によって表現された文章内容が「真偽を問えるもの」であった場合、それを命題と呼ぶ。そして、ある命題から他の命題を導くことを、論理学では推論という。このとき、導かれる元の命題を前提または仮定といい、導かれた命題を結論という。
命題には、その内容と独立に常に真であるような命題が存在し、これをトートロジー(恒真式)という。このトートロジーを推論に利用すれば、妥当な推論であるといえることになる。トートロジーを利用した推論のなかでよく使れるものには名前がつけられていて、公理系内の推論規則として利用なされている。
知能の研究は古代ギリシャ時代から行われており、哲学、数学、生理学、心理学などの分野で知能とは何か、どのように発生し発達するのかなどを説明する多くのモデルが提案されてきた。
既に先人により、道は開かれている。
同じことを考えるというのは面白いことかもしれないが、先人が導き出した答えを参考にした方が理解が早い。
提案されているモデルとしてどんなものがあるのか集め、学習すべきだろう。
人工知能の視点
人工知能を定義するとき、科学的視点と工学的視点の二つの視点が存在する
すなわち、科学的視点(認知科学的視点)とは、哲学、心理学、論理学、生理学などの研究方法論に基づいており、対象とする知的な機能の実現可能性等は問題とせず、知能のメカニズムや性質そのものの解明を目的としている。
一方、工学的な視点では実際の知能の情報処理メカニズムは参考にするものの、そのメカニズムを忠実に再現することにこだわらず、知能が実現している役に立つ機能と同じものを機械に実現することに興味をもつ。
工学的視点で人工知能技術を体系化したものを知識工学という。
これらの二つの視点は人工知能の研究においては明確に分離されるものではなく、互いの結果を参考にして刺激を受けながら発展してきている。
人工知能の基盤科学
人工知能について真面目に正面から研究するのであれば、下記のことを勉強しなければならないだろう。
勉強だけしていても、実現できなければ机上の空論に過ぎないし、実際に動くものがなければ飽きてしまう。
時間は掛かりそうなことなので、プライオリティは下げてゆっくり勉強していこうと思う。
人工知能の基礎領域
人工知能の基礎領域としては、 以下の分野がある
- 問題解決
- 論理
- 知識表現
- 知識ベース
- 記号処理
- 学習・知識獲得
- 神経回路・ファジー理論
本から抜粋した際に抜けていたものを追記
- 分散人工知能
- 推論
人工知能の応用分野
人工知能の基礎技術をもとに、何を作るのか。
基礎分野をもとにして構成される人工知能の応用分野は以下のようなものがある
- エキスパートシステム
- 自然言語理解
- 画像理解
- ゲーム・パズル
- 定理証明
- 知能ロボット
- エージェント
本から抜粋した際に抜けていたものを追記します。
この中で興味があるものは、もちろん人工生命です。
知識の利用
知的情報処理には知識が重要であることが再認識された。
知識工学へ
- 人工知能研究の興味は論理を用いた一般的推論機構の研究から経験的知識や領域知識の研究へと移っていった。
- 知識利用のための技術体系の必要につながり知識工学という技術分野が提案された。この分野はエキスパートシステムなどの人工知能応用技術に関係した実用技術分野であり、人工知能の研究に対する工学的立場を押し進めたものである。