The 28th Annual Conference of the Japanese Society for Artificial Intelligence, 2014
- 1 -
ネッ
ワーク
ロ
ー
規模
ロバ
複数
ー
ン
間情報共有
石 井
将 文
* 1
諒
* 2
山 﨑 大 地
* 3
玉 圭 樹
* 4Masafumi Ishii Ryo Takano Daichi Yamazaki Keiki Takadama
*1 *2 *3 *4
電気通信大学情報理工学研究科総合情報学専攻
The University of Electro-Communications
Graduate School of Informatics and Engineering
Department of Informatics
In this paper we propose methods for opinion sharing which prevent for agents to over-learn wrong information. Specifically, we
introduce limitation for agent’s belief which represents which opinion it is inclined. Using our methods, agents can flexibly change its opinion which improves team accuracy than previous method.
1.
じめに
群ロ ッ や人間 集団 情報を共有 場合，少 い情報
源 い情報 を選 分 ， 集 団 ン バー 情 報 を伝 搬
共有 こ 要 問題 あ ．こ う 場合，次 う
状 況 考 え ： 情 報 ア ク セ 者 い者
存 在 ， 情 報 源 情 報 白 黒 保 証 さ い う 状
況 あ ． こ う 場 合 い 集 団 構 成 員 い情
報 共有 可能 情報共有法 開発 た チ ー
ン を用いた意見共 有 問題 提案さ い ． ，
こ 意 見 共 有 問 題 従 来 手 法 情 報 共 有 ， 個 体
数 1000～2000 い た大 規 模 集団 い情報共 有率
を誇 ，個体数 100 程度 小規模 集団 い 間違
た 情 報 伝 搬 さ や い い う問 題 あ ． そ こ ， 本 研 究
従 来 手 法 問 題 点 を解 析 ，そ を改 善 手 法 を提 案
． 具 体 的 ，従 来 手 法 い 情 報 過 学 習 行 わ
い こ 明 た た ， ー ン 過 学
習 を防 ， 状 況 合 わせ 柔軟 意 見 を変 更 可能 手 法 を
提案 ．
2.
意見共有問題
Glinton ，情報源 アクセ 者 限 ，情報 真
偽 保 証 さ い う 状 況 を意 見 共 有 問 題 化
た[1]．こ 中 ー ン 目 的 ， 外 部 定
た命 題 真偽 ここ 白 黒 を判断 自分 意見
を こ あ ．評価指標 ，集団 中 い意見 を持
割合 解率 R を用い ．こ 図 1 示
う ， ー ン 同 士 ン ク ， ネッ ワー ク を構
成 ． ー ン ， ンク い 近隣 ー ン
命 題 白 黒 関 自 分 意 見 を 通 信 ．
2.1 ージ ント 内部状態
ー ン ，内 部 状 態 信 念 値 ば
実数値を ．こ ， ー ン ち 意見 傾い い
を 示 値 ， ー ン 近 黒 ，
近 白 可能性 い 思 い こ ．
ー ン ，近隣 ー ン 意見やセンサ 観測を
得 信念値を更新 ．信念値 閾値を超え 意見
変更さ ，同時 意見を近隣 ー ン 伝え ．こ 様子
を図 2 ，信念 更新式を式(1) 示す．
， 他 ー ント 意 見， 信 用度 あ ．信用度 ，近隣 ー ント 意見を ほ 自 信念 映す をあ わす． 信用度を， ー ント毎 適 調節した場合，意見 正解率を
．
図2 信念 意見 関係
3.
従来手法
：
AAT Auto o ous Adaptive Tu i g
Pryymak 意見共有問 題 ，信用度を 適 選択
す 大規模 集団 多く ー ント 正しい意見 集約す 手法を提案した．
各 ー ン ト 集 団 正 解 率 を 高 た ，AAT いうア を用い 信用度を調整す ．AAT 以
3 テップ 構成さ :(1) 信用度 候補
絞 込 ， (2) 各候補 い 意見 束率 推定，(3)
近い意見 束率を 信用度 選択．(
い わ い ．) 3 テップ ， ー ント 適 信用度を求 ．
連絡先：連絡先：石 井将文，電気通信大 学情報理工学部総 合情報学科，東 京
都調 調 ケ丘 -５- 西6号館 309号室
1M2-4
1M2-4
The 28th Annual Conference of the Japanese Society for Artificial Intelligence, 2014
- 2 -
3.1 AAT 問題点
AAT ， ー ン 一度意見を決 た後 信念
値を更新 ，そ 値 0 や 極端 近 い い 過学習 ，
決定 た意見をそ 他 意見 変え こ 不可能
い ．そ 結果，特 小規模集団 い ，集団 間違 た
情報 伝搬さ た い集団 解率
う．
4.
提案手法
AAT 問題点を踏 え ，次 手法を提案 ． わち，
手 法 A 全 ー ン 信 念 値 制 限 を設 過 学 習 を防
手法， 手法 B 手法 A をセンサー ー ン 以外 適用
方法 あ ．
4.1 手法A LimitedBelief
手法 A ， ー ン 過学習を防 た 信念値
閾 値 を超 えた そ 以 信 念 を更 新 い う ． 過 学
習 行 わ いこ 意見 撤 回 可 能 ， 間 違
た意見 収束 い意見 訂 可 能 ． そ 結 果，
集団 解率 向 こ 予想さ ．図 3 ，手法 B
信念値 動 図示さ い ．
図3信念 意見 関係
4.2 手法B PartialLimitedBelief
手 法 A ， 全 ー ント 柔 軟 自 意 見を変 え 可能 あ た ，集団 意見 安定し い可能 性 あ ．そ ，手法 B ，信念値 対す 制限を ン ー ー ント 対し 設 い いう手法 あ ． そ 結果， ン ー ー ント 意見 ぶ くいた ， 手法 A 比べ 結果 安定す 予想さ ．
5.
実験
，手法 A い 実 験を行 た． ー ン 数
100 2000 ー ワ ー ネ ッ ワ ー ク
( )を用い い ．
図 4 ，横軸 集団 イ ，縦軸 正解率を表し い ． 括弧内 数字 パ ータ 値 あ ．
手法 A い ， た ，従来手法 苦手
小規模 集団 い い 解 率を得 い こ わ ．こ
，意見 訂 行わ 可能性 い あ ．
図 5 ，横軸を テップ数 し ー ント集団内 意見 割合を示した図 あ ．従来手法 い ，一度 集団 間違 た意見 広 そ 覆さ い ，提 案手法 A を用 い ， 意見 訂正 行 わ ， 結果 的 正しい情報 伝搬し い わ ．し し，手 法 A う 撤回現象 小 規模 集団 し 起
い わ い ．
図5 手法A 意見 撤回 様子
そこ ，手法 B い 実験 た． 図 ，集団規模 対
解 率を従 来手法，提 案手 法 A，B 最良結果 い
プロッ た あ ．こ 図 ，提案手法 B 大
い規模 集団 ， 従来手 法を 回 解率 を得 い こ
わ ．こ ，唯一情報源 アクセ センサー ー
ン い 信 念 値 制 限 を設 いこ ， 情 報
安定性 増加 あ 考え ．
6.
おわりに
以 う 実験 ，不確定 要素を含 環境 い ，
比較的小規模 集団 ンバー 一度自分 意見を確定させ
た後 柔軟 意見を変え こ 要 あ ，周 状況 合
わせ 自 意見を変え い う 姿勢 必要 あ こ わ
た．
参考文献
[R. Glinton 2010] Robin Glinton, Paul Scerri, Katia Sycara: Exploiting Scale
Invariant Dynamics for Efficient Information Propagation in Large
Teams,AAMAS2010, 2010．
[O. Pryymak 2012] O. Pryymak, A. Rogers and N. R. Jennings: Efficient Opinion
Sharing in Large Decentralized Teams ，
