人工知能概論
第 15 回 まとめ 知能を「つくる」ということ 立命館大学 情報理工学部 知能情報学科
谷口忠大
Information
このスライドは「イラストで学ぶ人工知能概 論」を講義で活用したり，勉 強会で利用したりするため に提供されているスライ ドです．
「
イラストで学ぶ人工知能概 論」をご購入頂けていない方 は，必ずご購入いただいて からご利用ください．
STORY まとめ
ホイールダック２号は地図を持って，ダンジョンに突入した
．ホイールダック２号は宝箱を見つけ，敵をかわし，扉を見つ けて次の階，次の階へと進んでいった．ときには道に迷うこ ともあった．しかし，ついにホイールダック２号は迷路を抜 けてスフィンクスに対峙した．
スフィンクスはホイールダック２号に謎かけを行った．ホ イールダック２号は自らに備え付けられた自然言語処理能力， 論理的思考力をフル回転させて，それに答えた．
スフィンクスは驚き，岩の台座から飛び降りて，海に落ち て死んでいった．
ホイールダック２号の戦いは終わった．
ホイールダック２号は沈みゆく夕日を見ながら，自らに優 れた知能を授けてくれた開発者に感謝の気持ちを抱くので あった．
仮定 まとめ
さて，結局，ホイールダック２号はどれだけのこと を仮定していたでしょうか．
それらの仮定はどうやったら外せるでしょうか．
Contents
15.1 ホイールダック２号の冒険：総集編
15.2 身体の知
15.3 記号の知
15.4 人工知能と未来
リプレイ：探索
ホイールダック２号は地図を持って，洞窟に突入し た．
まずは，とにかくアイテムの入った宝箱を見つけ なければならない．ホイールダック２号は解探索の 手法を用いて，迷路の１階をくまなく探した．アイ テムを見つけたホイールダック２号は最短経路探索 を用いてゴールに向かった．
途中，敵と遭遇することもあったがミニマックス戦 略を用いて自らの被害は最小に留めた．
リプレイ：多段決定
２階は時間的に変化する通路があり，また，時間と ともにダメージを受ける環境だった．何よりも急い で宝箱を探してゴールする必要がある．ホイール ダック２号は動的計画法を用いてゴールまでを駆け 抜けた．
3 階には地図が無かった．試行錯誤しか無い．何度 も失敗したが，強化学習により，徐々にゴールに近 づけるようになり，３階もクリアすることができた
．
リプレイ：位置推定
何かの拍子に，自分の位置がわからなくなってしま うと，いくら地図があったからといって，どうしよ うもない．
ホイールダック 2 号は過去に見てきた周囲の情報 と自らの行動履歴の情報をベイズフィルタにより統 合することにより，自らの地図上の位置を推定する ことができた．
実際には粒子フィルタとして実装された．
リプレイ：学習と認識
この間，宝箱やゴールの認識にはクラスタリングに もとづいて得られた概念が用いられた．また，宝箱 の中には微妙に形が違う「罠」の入った宝箱もあっ たが，これはパターン認識技術を用いて判別した．
リプレイ：言語と論理
この調子でホイールダック２号は階をすすめ，つい に，スフィンクスに対峙することになった．
スフィンクスが人間の言葉で何かを言っている．ホ イールダック２号は，その言葉を自然文に書き換え た．そして，形態素解析で単語に区切り，構文解析 で係り受け構造を分析し，述語論理式に変換した． その上で，導出原理を用いることで，スフィンクス の問いに答えることができた．
リプレイ：ラストバトル
スフィンクスは驚き，岩の台座から飛び降りて，海 に落ちて死んだ．
ホイールダック２号は見事自らの知能で，スフィン クスに打ち勝ったのである．
おめでとうホイールダック２号！
15.1.2 「仮定」と人工知能の開発
さて，結局，ホイールダック２号はどれだけのこと を仮定していたでしょうか？
それらの仮定はどうやったら外せるでしょうか？
ex. 地図の存在 ->SLAM ， 辞書の存在 -> 教師なし言 語獲得， 離散的状態空間の存在 -> 連続空間への拡 張，記号化
「何かを仮定して，何かを作
これこそ工学の本質． る．」
そして，仮定を外していく度に，
知能に近づいていける．
「何かを仮定して，何かを作
これこそ工学の本質． る．」
そして，仮定を外していく度に，
知能に近づいていける．
SLAM = Simultaneous Localization and Mapping ( 地図と自己位置の同時推定 )
Contents
15.1 ホイールダック２号の冒険：総集編
15.2 身体の知
15.3 記号の知
15.4 人工知能と未来
1960-70 年代の GOFAI 研究への批判
GOFAI
Good Old Fashioned AI ( 古き良き時代の AI)
述語論理，意味ネットワーク，プロダクションシ ステム，エキスパートシステム， and so on.
現実世界に繋がっていない「記号システム」の中で の情報処理を主な問題としていた．
頭でっかちな AI
※ 知能における身体の意義を軽視してきた．
15.2.1 物理記号システム仮説
とプロダクションシステム
プロダクションシステム
手続き的知識の表現法
外界を記号表現し， if-then ルールを適用していくこ とで，問題解決を図る．
実世界で機敏に動けなかった． 実世界で機敏に動けなかった．
ロドニー・ブルックスの NewAI
1986 年の論文を皮切りとして、彼のロボット 工学関連の業績は学界に多大な影響を与え、 人工知能の研究の方向性にも影響を与えた。
彼は、ゴットロープ・フレーゲに端を発する アラン・チューリング以来の記号処理アプ ローチによる知的機械の実現には強く反対の 立場をとっている。
代わりにブルックスは生物学に発想を求めた ロボット的アーキテクチャ（サブサンプ
ション・アーキテクチャ）を提唱した。
ブルックスの知能ロボッ ト論―なぜ MIT のロボッ トは前進し続けるのか ?
現実は動的であり
不確実であり多様である．
表象主義のアプローチで作ら れたロボットは，現実では上 手く動かなかった．
扉，ブロック，壁・・・・ production rule -> 前進 その結果，扉までの距離が変化
扉，ブロック，壁・・・・人・・・
・・・あれ？
完全に世界を記述する．できるという視点が不完全
．
完全に世界を記述する．できるという視点が不完全
．
遅い
サブサンプションアーキテクチャ
サブサンプションアーキテクチャ
能力レベル（例）
レベル０：障害物回避
レベル１：徘徊
レベル２：探索（物体収集）
２つのポイント
能力レベルは制御アーキテク チャのレイヤーとして実装さ れるため，レイヤーを漸増的 に追加することが可能．
各レベルにセンサ入力とモー タ出力があるということ．
セン サ モー タ
レベル ０
レベル １
レベル ２
Ghenghis robot, Brooks 1989
Click and watch video!
http://www.youtube.com/watch?v=K2xUHYFcYKI
• 六脚ロボット
• 不整地を歩行
• 人間の後をついてく
• 八つのレイヤーる
• 57 個の有限状態機
• SA を一躍有名に械
ロドニー・ブルックス
MIT AI ラボ所長に就任． 1990 年 iRobot 社 を設立，実世界で役立つロボットの研究開発を進 める． 2002 年にルンバをリリース．
演習 15-1 人間を他の動物と分かつもの
以下の内，人間と他の動物種を区別するものと
して，最も「適当でない」とものはどれか？
1.
言語を操る能力
2.お金を扱う能力
3.宗教を持つ能力
4.二足歩行する能力
受動歩行機械
受動歩行機械
適切な身体さえもて
ば，機械は歩行を行う ことができる．
CPU もモータも必要な い．
VIDEO
https://
www.youtube.com/watc h?v=m14J1_pPyEs
人工生命
進化の計算モデル
人工生命の研究では遺伝的アルゴリズム，遺伝的プ ログラミングをはじめとする進化をモデル化する手 法が考案され，生物的な振る舞いを創発的に生みだし うることを示した．
カール・シムズの仮想生命
Karl Sims - Evolved Virtual Creatures, Evolution Simulation, 1994
https://www.youtube.com/watch?v=JBgG_VSP7f8
仮想生命は環境との相互作用を通して，徐々に環境に 適した身体と行動方策を獲得していった．
行動や機能とは何か？
人間の行動はすべて「計画」されているのか？
我々の知能の発現はすべて脳内で決定されているこ となのか？
脳
環境
身体
行動や機能は脳・身体・環境の
相互作用により創発されるものである． 脳内の情報処理だけで
人間の知的な行動はは 説明できない！！ 脳内の情報処理だけで
人間の知的な行動はは 説明できない！！
演習 15-2
脳，身体，環境の相互作用からの行動・機能の創発 の事例として最も不適切なものを選べ．
① プロダクションシステムにおける問題解決
② 人間が物体を把持する動作
③ 二足歩行動作
④ 強化学習を用いた起き上がり挙動の学習
Contents
15.1 ホイールダック２号の冒険：総集編
15.2 身体の知
15.3 記号の知
15.4 人工知能と未来
15.3.1 身体と記号との間
人間と言語的コミュニケーションを実現する知能を つくり出すことが可能なのだろうか．
GOFAI のアプローチ
行動主義ロボティクスのアプローチ
人工生命のアプローチ
etc. etc. いずれも厳しい．
この二つを如何につなげるか？ この二つを如何につなげるか？
知識の表現形式
単語の意味の表現形式
前節までの自然言語処理での解析は主に文の構造，文法に 関するものであり，単語の意味に触れるものではない．
それぞれの単語が何の意味を持つものなのか，これを理解 するために，私達は辞書を使うが，それに相当するものと して意味ネットワークなどの手法がある．
知識のタイプ
手続き的知識 (procedural knowledge)
「もし～であれば，～である」というように問題解決の手続き を記述した知識． How に対応．
プロダクションシステムなどで表現
宣言的知識 (declarative knowledge)
「・・・である」というように，ある事象を宣言的に記述した 知識． What に対応．
意味ネットワーク，オントロジーなどで表現
15.3.2 意味ネットワークとフレーム
理論
意味ネットワーク (semantic network)
知識を概念（ concept ）とそれらを結ぶ関係 (relati on) で記述することによって表現する．
概念はその性質を示す属性情報を持ち，属性は具体 的な値をとることにより，概念が実体 (instance) として存在する．
階層構造 (hierarchy)
概念の階層構造を表現するために，以下のような関 係が用いられる．
is_a: 上位 - 下位の関係を表現
上位概念の持つ性質は基本的には下位概念にも受け継がれ るという性質の継承を持つ．
ex) 「動物」は「鳥」の上位概念
has_a: 部分 - 全体の関係を表現
概念を構成する要素とその概念との関係を示す．性質の継 承は存在しない．
ex) 「手」は「人」の部分である．
意味ネットワークにおける継承
田中は二足歩行する．
手は透明・・・・ではない．
人間
サラリーマ ン
田中 山本
経営者
手 指
島本
has-a has-a is-a is-a
is-a is-a is-a 二足歩行 do
爪
has-a
color 透明
意味ネットワークの特徴
利点
有向グラフによるネットワーク表示により視覚的に知識を表 現することができるため，人が直感的に理解しやすい．
知識の追加・変更が比較的容易である．
概念の階層関係を定義することにより，概念が持つ属性の継 承を階層関係において実現することができ，複雑な知識の構 造化を実現できる．
欠点
推論規則を対象領域ごとに用意する必要がある．
知識の量が多くなると管理が難しくなる．
概念や関係の定義が任意であり，知識表現としての統一性が 保証されない．
フレーム表現やオントロジーなどが開発されたが根本的にはよく似 ている
フレーム表現やオントロジーなどが開発されたが根本的にはよく似 ている
演習 15-3 意味ネットワーク
以下の知識を意味ネットワークで表現せよ．
関係としては is_a 関係， has_a 関係， do 関係を用いよ
．
「鳥は飛ぶ」
「鳥は動物である」
「カモメは鳥である」
「ニワトリは鳥である」
「人間は動物である」
「人間は足を持つ」
「山田は人間である」
「人間は歩く」
15.3.3 記号接地問題と「認知的な閉
じ」
記号接地問題
記号システム内のシンボルがどのようにして実世界 の意味と結びつけられるかという問題．ハルナド (Ha rnad) によって 1990 年の論文で命名された。
ペンギン・・・ ??
言葉の意味とは何か？
グラフ構造を持った意味ネットワーク，辞書の例で・・
自由自由
束縛束縛 意志意志
社会秩序社会秩序
心心
積極的積極的
精神作用精神作用
辞書に存在しない言葉 辞書に存在する言葉
石石 砂砂
岩岩
未定義語に基づく定義
無限ループに基づく定義
言葉の意味は感覚的に理解するしかない ???
国語辞典の罠 !!
「岩波国語辞典」の例
• 石 < 土や木より固く，水に沈 み，砂より大きく，岩より小さ いかたまり． >
• 砂 < 非常に粒の細かい石 >
• 岩 < 大きな石 >
鈴木孝夫「ことばと文化」より )35
15.3.4 マルチモーダルカテゴリゼーショ
ン
視覚・聴覚・触覚情報を用いた物体のカテゴリ
ゼーションが提案されている．
確率モデル Latent Dirichlet Allocation (LDA) の拡 張
教師なしでカテゴリ分類し物体概念を形成
マルチモーダル情報を分類する事で人の感覚に即し た物体概念が形成可能
ぬいぐるみ、マラカス、ボール、 etc…
物体カテゴリ
長井隆行 , 中村友昭：マルチモーダルカテゴリゼーション —経験を通して概念を形成し言葉の意味を 理解するロボットの実現に向けて，人工知能学会誌， 27(2012)555-562.
ロボットによるカテゴリ形成実験
[Nakamura ‘11]
マルチモーダル情報は 全てロボットにより取得
マルチモーダル情報は 全てロボットにより取得
見る握る振る
• 視覚情報 PCA SIFT (36 次元 ) 500 次元の HG
• 聴覚情報 MFCC (13 次元 ) 50 次元の HG
• 触覚情報 センサー値の変化情報 (2 次元 ) 15 次元 HG
Tomoaki Nakamura, Takayuki Nagai, and Naoto Iwahashi, "Multimodal
Categorization by Hierarchical Dirichlet Process", IROS2011, pp.1520-1525
実験結果
ぬいぐるみ 野菜のおもちゃ
鈴入り人形 マラカス スポンジボール ガラガラ
カップ 積み木 ペットボトル ゴム製人形
マルチモーダルな情報の統合によって
多くの被験者と同様なカテゴリ分類を自動的に形成した．
ロボットが「感覚的」に物体概念を獲得した？
ロボットが「感覚的」に物体概念を獲得した？
15.3.5 記号創発システム
- 記号系を創発的にとらえる理解 -
ロボットから見た世界
生物から見た世界 ( ユクスキュル )
それぞれの動物が知覚し作用する世界の 総体がその動物にとっての環世界である
．
センサ・モータ系で閉じた身体から得られ る情報の中で如何に，記号系が組織化され ていくのか．
自らの環世界に立脚して，多様な行動や概 念を獲得し，それに基づいて記号論的相互 作用 ( コミュニケーション ) を行なう知能 を探求する必要があるのではないか？
出典；エルンスト・マッハ『感覚 の分析』
( 須藤吾之助・廣松渉訳 法大出版 局 )
ハエの環世界
「生物から見た世界」 ユクスキュル
記号創発システム
記号創発ロボティクス
人工知能学会誌 特集号 2012/11 「記号創発ロボティクス」 の 扉絵より
Contents
15.1 ホイールダック２号の冒険：総集編
15.2 身体の知
15.3 記号の知
15.4 人工知能と未来
人工知能・ロボット研究者の
二つの立場
工学重視 人間理解重視
・ とにかく憧れのロボットを作りたい．
・ 便利な機械を作りたい．
・ 人工知能は使えてナンボ！
・ 人間の知能を理解したい．
・ ロボットを作るのはその検討のため
・ 人間や動物を模倣できてナンボ！
構成論的アプローチ
しばしば同じで，しばしば違う
発達する知能
環境に適応し多様な概念や行動を獲得する知能
人間は生まれた時，未分
化な認識世界の中で活動
を始める．
環境適応の中で様々な概
念や行動を獲得していく
．
そして言語を用いたコ
ミュニケーションをも可
能にする．
その構造，計算論的プロ
セスを知りたい．
発達知能への構成論的アプローチ
人間知能のプロセスを理解したい．
計算論的に理解する => 構成する．
知能を作ることによって理解する．
ロボット，数理モデル，シミュレーション etc.etc.
数理モデルで 理解する
（モデル化）
数理モデルで 描き出す
（構成）
構成論的アプローチとは？
実際の車を分解してみる？
ミニチュアモデル
ラジコンでも作ってみる？
「知能」の仕組みを
理解したい
「クルマ」の仕組みを
理解したい
• 実際の人間で実験してみる？
• 同じ事できるロボットでも 作ってみる？
人工知能研究は「便利なものを作る」ためだけのものじ ゃない
15.4.2 自律的な知能と道具としての知
能
自律的な知能 道具としての知能
自律的な存在としての知的 さ
「２歳児スゴイ！」
「人間はこういうふうに知 識獲得しているはずだ！」
利用価値のある知的さ
「便利！」
「これは製品化できる！」
知的 ？ 便利？
人みたい ？ 売れる？
演習 15-4 構成論的アプローチ
構成論的アプローチの説明として最も不適切なもの を選べ．
① 人間の知能を知るためにロボットをつくる．
② 人間の行う行動の一つを可能にするプログラムを作 成すること．
③ 構成することにのみ関心を持つ．人間の知能との関 係性を考えることは研究の態度を不純にするために
，望まれない．
④ 人工知能の研究のみでとられるアプローチではなく
，広く他の領域でも扱われることがある．
15.4.3 これから
学ぶ上で
境界を一切気にせずに境界を超えて学びを進めることこ そ，人工知能に関する学びの本質である．
21 世紀：不確実性，言語を操る情報技術の進展
現実の知能が扱う程度に複雑な大量データ (Big Data ??)
WEB, クラウド，安価なセンサ，広大なメモリ空間，計算資源
確率的情報処理の進化：
ベイズ理論（グラフィカルモデル，ノンパラメトリックベイズ 理論），マルコフ連鎖モンテカルロ法，など
安価で統合的なオープンソース知能情報処理環境の充実
OPEN-CV, JUILIUS, 各種 Google API, ROS, など
まとめ
人工知能の学習および研究における「仮定」の重要性について学 んだ．
プロダクションシステムの概要について学んだ．
サブサンプションアーキテクチャと受動歩行機械，人工生命にお ける身体の進化について紹介し，知能における身体の重要性につ いて学んだ．
意味ネットワークによる記号の意味定義の方法について学んだ．
「自律的な知能」の実現と「道具としての知能」の実現という人 工知能研究における二つの方向性について理解した．
おつかれさまでした．
“When will they come??? It depends on all of you!!!!”
「彼らは何時やってくるのだろう？ それは，人工知能を学んだ
君たち次第だ」
谷口忠大「記号創発ロボティク ス」（講談社メチエ） 2014
