思考アルゴリズムの強化に向けて
Toward the Enhancement of Thinking Algorithms
江村憲夫
Norio Emura
Abstract：
For external information of any scene and activated internal information, when the Intention Active Information and associative/hierarchy memory are activated at the same time, based on the activated information, the problem based on the intention of the intention and the solution means (will of the artificial brain) generate a concrete execution means. This ability to think is a supplement of missing information, control of the abstractness of information, association / hierarchical connection of each information and enhancement of activation propagation, etc., along with making full use of associative / hierarchical memory. This ability also depends on the formation of a hierarchical spread of Intention Active Information with an image (problem consciousness, desire, sense of crisis, etc.). In this paper, I introduce current initiatives and problems to be solved.
概要
思考は、 ①任意なシーンの外部情報、活性化した内部情報に対 し、➁意思 Active 情報、連想/階層記憶が同時に活 性化すると、➂活性化した情報を基に意思の意向に基 づく課題、及びその解決手段(人工頭脳の意志)、具体 的実行手段を生成する。 この思考能力は、 ④欠落情報の補足、情報の抽象度の制御、各情報の連 想/階層的繋がりと活性化伝搬の強化等、連想/階層 記憶を駆使すると共に、 ⑤イメージを伴う意思 Active 情報の階層的広がりの 形成（問題意識、願望、危機感覚等）にかかっており、 現在の取り組みについて紹介する。 注記: 本論文の図面で使用するヒューマノイドロボット“アシモ”の写真は、本田技研工業株式会社* （以下、ホンダ様と称す）の許可を戴いてホンダ様のホームページから引用させて頂いていますが、 本論文記載の人工頭脳に関し、ホンダ様との協力関係は一切、ございません。ご承知おき願います。 ＊：Ｈｏｎｄａウェルカムプラザ青山. １ / 15１.はじめに
人工頭脳は人の脳の振る舞いを模倣した有機的情報 処理によって、自律・自発的Ａｃｔｉｏｎが可能。 究極的には、鉄腕アトムの頭脳を創ることにある。 最大の特徴は、上記人工頭脳をヒューマノイドロボ ットに搭載し、自らの意思で自発･自律的なＡｃｔｉ ｏｎ（思考/会話/行動）を実行することにある。つ まり、外部（視野、音声、音源、媒体等）や内部（記 憶の活性化）に対し、倫理･危機感覚、常識等の範囲 内で、人工頭脳の意志を生成し、具体的な実行スト ーリィに落とし、Ａｃｔｉｏｎ（行動、会話、思考） を行うことにある。 本論文では、人工頭脳のコア機能である思考アルゴ リズムの強化、つまり思考能力の向上に向けて、思 考自身の能力強化と、関連機能モジュール（意思制 御、記憶制御、仮想視野空間制御）による思考能力 強化の為のサポートを紹介する。 図１ 人工頭脳搭載ロボットは自分の意思でケー スバイケースに対応 （##）:意思 Active 情報 *参考文献：項#7 論文（２）SIG-AGI-011-02 他２.思考の人工頭脳における位置付け
これまで、人工頭脳を検討してきた中で遭遇した大 きなブレークスルーは以下の通りである。 Ａ）記憶制御 （人の視野の狭さが記憶形成に関与。 連想/階層記憶。記憶素子ベースの情報処理 ） *記憶素子：リンク接続で連想/階層記憶を形成. 記憶素子の活性化伝播、階層的抽象化制御と自在な 抽象度制御を実現 Ｂ）思考アルゴリズム （ 意思が関与し、意思の意向を反映 ） *外部/内部情報に対し、人工頭脳の意思、連想/階層 記憶が活性化することで意思ベースの課題と解決 手段（人工頭脳の意志）を生成 Ｃ）仮想視野空間制御 （ 実際の物理空間と若干異なる ） ①ＡＷ（認知情報）一体化制御 ・実視野/音源/感触情報を仮想視野上で可視化& 合成&一体化、欠落情報は連想/階層記憶で補充 ・視野系情報(視野/音源/感触）は実仮想視野、音声情 報は仮想視野で存在も、視野系との混合あり ②仮想ＡＷパレット機能 ・視線生成/実行ストーリィ描画/視線誘導/ＡＷ合成 ・実（仮想）視野情報に対し思考/状況判断し仮想視野 上で A)実行ストーリィを書き、B)視線誘導/行動 ③経験/学習、”知識&他人工頭脳_スキル”の習得 このようにして形成した「人工頭脳の機能ブロック図」 を図２に示す。 図２ 人工頭脳の機能ブロック図 *参考文献：項#7 論文（２）SIG-AGI-011-02 他 次に、人工頭脳の基本的な情報処理における機能ブ ロック図、及び機能ブロック間の主な情報処理の連 携を図３「人の脳の振舞いを模倣した人工頭脳” の有機的情報処理」に示す。記憶制御は共通コア 機能として動作する。 図３“人の脳の振舞いを模倣した人工頭脳”の有機的情報処理 *参考文献：項#7 論文（２）SIG-AGI-011-02 他 人工知能学会研究会資料 SIG-AGI-013-02この中で、思考（アルゴリズム）は、 ①任意なシーンの外部情報、活性化した内部情報に対 し、➁意思 Active 情報、連想/階層記憶が同時に活 性化すると、➂活性化した情報を基に意思の意向に基 づく課題、及びその解決手段(人工頭脳の意志)、具体 的実行手段を生成する。 概要を「図４ 思考アルゴリズムの概要」を用いて説明 する。 Ａ）情報入力 人工頭脳の意志の意向で採取された外部情報（視野、 音源/音声、手足相当センサの感触）や、記憶内で活性 化した内部情報を、仮想視野空間制御によってイメー ジ情報（画像ではなく見た結果）に加工された状態で取 り込む。 注記：必ず注目対象と背景（バックグラウンド）をセット にすること。 Ｂ）思考 上記入力情報と意思制御によって提供される人工頭脳 の意思 Active 情報と連想/階層記憶（実際には記憶 アドレス空間、及び連想/階層記憶を形成する、リンク 接続で結びついた“記憶素子”）が活性化すると、意思 ベースの課題が自然生成される。これは、外部/内部情 報、連想/階層記憶は同一でも意思により生成される 課題が異なる為である。この際、課題は、AW 合成機能 や、階層記憶の上位概念を用い、ある程度抽象度の高 い状態に遷移しておく。 これを基に、思考ツール（思考錯誤、記憶検索、状況判 断（ケースバイケースな学習情報利用）等）を使い解決 手段を生成（人工頭脳の意思の意向を反映する為、人 工頭脳の意志といえる）、更に具体的な実行ストーリィ に展開する。 C)思考結果の適切性の判断 上記「人工頭脳の意志（解決手段）」「実行ストーリィ（具 体的実施手段）」は倫理・危機感覚・常識の範囲内であ ることを危機感覚や倫理感覚等の「活性化」や「“意思 Active 情報の肯定（一致）”/“否定（不一致）”検出機 能」の概念を用いて確認する。そうでない場合（ＮＧ 時）、再思考等の対応（必須）を行う。 D)Action こうして得られた思考結果（意志、実行ストーリィ）に対 し、 Ｐ）行動では、実視野に対して、より詳細なΣ（実行スト ーリィ(i,j)）に展開され、基本的には個々の実行ストー リィをシリアルに実行することになる。 Ｑ）発話では、意志の意向に基づき、実行ストーリィを 連想/階層記憶を駆使し、形成したイメージ情報を「イメ ージ→ＷＯＲＤ Ｌｉｋｅ変換」によって階層的抽象化情報 （ＷＯＲＤ）に変換することで文章化していくことになる。 なお、ＷＯＲＤの抽象度はケースバイケースによって使 い分ける。
図４ 思考アルゴリズムの概要
参考文献：項#7 論文（２）SIG-AGI-011-02 3 / 15３.思考アルゴリズムの強化
人工頭脳は、主に意思の意向に基づく思考を行い、生 成された人工頭脳の意志に従い Action を行うが、思 考能力の向上は必須課題である。本項では、「思考ア ルゴリズムの強化」という観点で、「思考能力の向上」を 紐解いていく。 図３に示す「人の脳の振舞いを模倣した人工頭脳”の有 機的情報処理」において直接、思考に関与するのは 「仮想視野空間制御」「意思制御」「記憶制御（連想/階 層記憶）」の３つの機能モジールであり、思考能力を向 上すべく思案を、 A）思考アルゴリズム自身が強化するの場合、 B)３つの個々の機能モジュールが思考能力の向上をサ ポートする場合、 C) 思考アルゴリズムと３つの個々の機能モジュールが 連携して思考能力の向上する場合 について課題と思案を開示する。 このための指針を図５「思考アルゴリズムの強化に向け て」に示す。 但し、人工頭脳は有機的情報処理であり、個々の機能 モジュールは互いに緊密な連関を持ちながら（各機能 が互いに影響を及ぼしあって）処理を推進する為、明 確に線引きが出来ないことをご承知戴きたい。 （１）思考アルゴリズム ア）入力情報に対し、意思 Active 情報（願望/欲望/ 問題意識/拘り/ 問題意識/こだわり/倫理感覚/危機感覚等）と記憶情 報から活性伝搬で課題を抽出し、イ）思考ツール(思考 錯誤/記憶検索/状況判断他)を選択し解決手段(人工 頭脳の意志)を生成する。 この中で、➀有効かつ明確な課題を抽出すべく対応、 ②思考ツールの強化/選択と、/経験/学習を織り込ん だ解決手段（人工頭脳の意志）の生成等が要求され る。 （２）意思制御 思考には必ず意思が関与し、意思の意向に基づく課 題、及びその解決手段(人工頭脳の意志) を生成す る。つまり、思考結果は意思（Active 情報）に左右され る為、人工頭脳にとって有効な思考ができる様、意思の 育成とケースバイケースな意思のスタンバイが必須で ある。 （３）記憶情報 入力情報に対し、課題の抽出と解決手段（人工頭脳の 意志）を生成するには、思考に必要、かつ適度な抽象度 で使いやすい記憶情報が必須である。更に、欠落情報 は自らの記憶等で補充することが必要である。 これらを実現するのに記憶制御の機能（連想/階層記 憶&連続シーン&対象の特性･性質情報、活性化伝搬 _with_活性化ルール、階層的抽象化制御等）を駆使す る必要がある。 人工知能学会研究会資料 SIG-AGI-013-02図５ 思考アルゴリズムの強化に向けて
（４）仮想視野空間制御 入力情報に対し、課題の抽出、解決手段（人工頭脳の 意志）の生成がし易い様に、全体を把握しつつ、注目し た対象にフォーカスした情報を提供できること。 視野情報以外に感触情報、音源情報、音声/文章情報 も視野情報と同様のフォーマット（イメージ情報：但し見 た結果）で提供することが必要である。 以下、「思考アルゴリズム」と３つの機能モジール 「仮想視野空間制御」、「意思制御」、「記憶制御（連想/ 階層記憶）」による思考能力を向上すべく思案の幾つか を紹介する。
３-1.思考自身の思考能力強化
本項では、思考アルゴリズム自身が自らのプロセス上 での思考能力向上について、図６「思考アルゴリズム 自身の思考能力強化対応」を用いて説明する。 思考アルゴリズムの概要 ①任意なシーンの外部情報、活性化した内部情報に対 し、➁意思 Active 情報、連想/階層記憶が同時に活 性化すると、➂活性化した情報を基に意思の意向に基 づく課題、及びその解決手段(人工頭脳の意志)、具体 的実行手段を生成する。 5 / 15図６ 思考アルゴリズム自身の思考能力強化対応
3-１-1.
解決手段(意志）生成-思考ツール
Ａ）考える（試行錯誤）Ｂ）解決手段の連想記憶検索、 Ｃ)状況判断、Ｄ)他人工頭脳との情報交換等の思考ツ ールの臨機応変な運用 [ 思考ツールの運用手順 ] 入力情報に対し活性化伝搬で課題が生成された場合 A)即断即決を要求される場合：状況判断 B)そうでない場合、または状況判断に失敗した場合 ：解決手段の連想/階層記憶検索 C)項#B)に失敗した場合：試行錯誤（課題ベースのヒ ントから解決手段（意志）を考える(検索)） D)項#C)に失敗した場合：他の人工頭脳と相談→ヒン ト等を貰って思考アルゴリズムの入力情報として使う。3-１-２.
学習･記憶能力の強化
強化したいスキル/記憶対象に関する問題意識等の意 思 Active 情報(スキルを形成した具体的イメージ情 報）を潜在意識に形成 ・特定のスキル等を獲得する場合、スキルを獲得し使っ ている様子をリアルに何度もイメージすることでスキル を獲得する（したい）という意志を何度も生成し、その 意志が顕在意識モードに遷移し意思 Active 情報に 昇格。そこで更にスキルに近づく思考/Action を繰返 し、結果を意思 Active 情報（階層構造）に付加し潜在 意識モードに遷移し、スキルに近づく思考/Action を 休むことなく日夜繰返し（意思 Active 情報の階層構 造体が巨大化し非常に活性化し易い状態になっている 為）そのスキル獲得に近づいていく。 このための必須条件は ・スキルを獲得し使っている様子をリアルに何度もイメ ージすること→人工頭脳の意志として何度も出力する ようにすること。3-１-３.
課題の階層的抽象度の適正化
・事象/対象を構成している階層記憶において、上位～ 下位概念の中でどの抽象度帯域が適切か、経験･学習 を通し習得したく。 課題の階層的抽象度に関し、課題より思考ツールを使 って思考「思考錯誤」、「記憶の活性化伝搬による検 索」、「状況判断」を行う。 課題の抽象度、構成要素(数)の最適化は、人工頭脳が ケースバイケースで経験・獲得するのが好ましい。 下記ケース（図７「課題生成と抽象度の設定」、図 8「階 層記憶ベースの抽象度制御」）では、課題「雨が降り出 した」「ベランダに干してある洗濯物が濡れている」「こ のままでは大変なことになる」から、解決手段(人工頭 脳の意志)として「洗濯物を室内に取り込む」を生成し ている。図７ 課題生成と抽象度の設定
参考文献：項#7 論文（２）SIG-AGI-011-02図８ 階層記憶ベースの抽象度制御
参考文献：項#7 論文（３）SIG-AGI-012-02 人工知能学会研究会資料 SIG-AGI-013-023-１-４.
ドーパミン効果の活用
ケースバイケースな”思考＆行動”結果.と意思 Active 情報が一致するとドーパミン素子を活性化させ、以降、 上記思考＆行動を強化する。 意思 Active 情報_一致/不一致制御 思考→Action の結果に対し意思 Active 情報が ➀一致（ポジティブに反応）した場合、以降のケースで も積極的に同等の Action で対応 ➁不一致（ネガティブに反応）した場合、同等の Action を回避する対応 *このイメージ(概念)を図９ 「意思 Active 情報_一致 /不一致によるドーパミン効果の活用」に示す。図９ 意思 Active 情報_一致/不一致によるドーパミン効果の活用
7 / 15３-２.意思制御による思考能力強化
次に意思制御による思考能力強化について、 図１０「意思制御における思考能力強化サポート 対応」、及び図１１「人工頭脳の意思制御」を用いて 説明する。 なお、思考には必ず意思が関与し、意思の意向に基づ く課題、及びその解決手段(人工頭脳の意志)を生成す ることから、思考能力強化にあたっては、 A)意思 Active 情報の拡充･育成を図り B)自律 Action 要求モニタでの多数の活性化伝播 （by 外部/内部入力）を誘発、課題を生成させ、 C)実践で使える意思 Active 情報（任意の意思 Active 情報に対する思考結果：“課題→意志→ 実行ストーリィのコア要素）を収集&学習＆実践適用 する ことが求められる。 繰返しになるが、思考には必ず意思が関与し、意思の 意向に基づく課題、及びその解決手段(人工頭脳の意 志)を生成する。そして、思考能力を向上させるには 思考を繰返し実行させ、経験･学習させることである。 このためには、絶え間なく人工頭脳に入ってくる入力情 報（内部情報の活性化も含む）に対し、課題を生成し、 解決手段(人工頭脳の意志)を生成し、Action し、そ の結果を経験学習する。 つまり、ケースバイケースに係わらず、入力情報に対 し、当該意思 Active 情報が必ず活性化し、課題を生 成することに尽きる。以下、図１１「人工頭脳の意思制 御」を用いて対応策を説明する。図１０ 意思制御における思考能力強化サポート対応
3-2-１.
ケースバイケースな意思 Active 情
報_のプール & 活性化待機制御
①意思 Active 情報のプール&最適配置
ケースバイケースに応じた意思 Active 情報の (長期駐在、随時ケースバイケース、短期要求)への プールと思考プロセスにおける活性化状況の学習と 最適配置。 人工頭脳の意思 Active 情報は項#3-2-3「意思 Active 情報の管理」に示すように少なくとも 3 種類 「人工頭脳の個性」「目標達成、課題解決」「外部/内部 情報への対応」あるが、A)長期に亘って使うもの、B) 随時ケースバイケースに使うもの、C)短期使用（ミッシ ョン遂行、課題解決）に階層的に分類することで、入力 情報の如何に関わらず、該当する意思 Active 情報を 提供、活性化により課題を生成できる。 なお、項＃B) 随時ケースバイケースに関しては、入力 情報のバックグラウンド・背景により、該当する意思 Active 情報を活性化することができ、割当すればよ い。②意思 Active 情報の活性化待機制御
意思 Active 情報&思考の活性化すべく事前に 自律 Action 要求モニタに貼付け。 項＃①により入力情報に関わらず、活性化しそうな意 思 Active 情報が分かるので、思考アルゴリスムの活 性化伝搬の場である「自律 Active 要求モニタ」に半 活性化状態して貼り付けておく。 こうすることで、任意の入力情報に対し、意思 Active 情報が即座に活性化でき、意志の意向に沿った課題を 生成することができる。図１１ 人工頭脳の意思制御
9 / 153-2-２.
意思 Active 情報の遷移制御
（図１１「人工頭脳の意思制御」-④「意思 Active 情報_ 遷移制御」参照） 繰り返し生成される(人工頭脳の）意志が階層記憶を形 成し意思（Active 情報）となり、更に顕在意識モード→ 潜在意識モードへと遷移し、思考契機を頻繁に生成す るようになる。 これは、顕在意識モードに所属する意思 Active 情報 は、眼前課題を優先解決しなくてはならず、外部情報が 遮断（sleeping）されると活動を停止 （意思が活性化 しない為）してしまうのに対し、 潜在意識モードに所属する意思 Active 情報は、目的 遂行、高度な問題解決に優先的に取組む為、日常ｲﾍﾞﾝ ﾄと隔離。外部情報が遮断されても内部情報、他の人工 頭脳との情報交換等を積極利用、更に意思 Active 情 報自体が階層的広がり(ハイブリッド臨場感)形成によ って、大きな階層構造を成しており、些細なヒントを含 む情報も活性化伝搬で見逃さず課題解決を遂行する。 この様な頻繁な思考の繰返しで大きなレベルのミッショ ンも達成出来るようになる。 注記： 潜在意識、顕在意識は実体ではなく、意思 Active 情 報が階層構成の規模（リアリティ度）によって所属する 意思情報モードである。 *物質（エネルギー状態）で言えば、気体-液体-個体の 様なものであって実体ではなく温度によって物質が所 属するモードである。3-2-３.
意思 Active 情報の管理
意思 Active 情報の階層的広がり(ハイブリッド臨場 感)形成により、①当該意思 Active 情報に上位～下 位概念と➁些細な情報も見逃さずに活性化し、意思（ミ ッション）を達成すべく(思考にて）課題を抽出で このためには、意思 Active 情報の階層記憶構成に 図 12「意思 Active 情報の管理（１）」に示す様にハ イブリッド臨場感を形成させる。 更に図 13「意思 Active 情報の管理（２）」に示す様 に意思 Active 情報を Gr_A「人工頭脳の個性」、 Gr_B「目標達成・課題解決」、Gr_C「外部/内部情報 への対応（判断）」に分類、形成させることが必要で ある。図 12 意思 Active 情報の管理（１）
参考文献：項#7 論文（２）SIG-AGI-011-02図１３ 意思 Active 情報の管理（2）
参考文献：項#7 論文（２）SIG-AGI-011-02 人工知能学会研究会資料 SIG-AGI-013-02３-３.記憶制御による思考能力強化
次に記憶制御による思考能力強化について図２０「記 憶制御における思考能力強化サポート対応」 (sheet13)を用いて説明する。 なお、記憶制御（機能モジュール）は人工頭脳の共通処 理であり、思考アルゴリズムがこの機能を駆使すること で思考能力の向上につながっていく。 [ 記憶制御-コア機能 ] ➀連想記憶/階層記憶 with 記憶素子のリンク接続. ・記憶素子(記憶アドレス空間） ・記憶情報：ＡＷ一体化制御ＴＢＬ （実体記憶空間） ②静的/動的連続シーン生成 ③活性化伝搬 with 各情報の連続/階層的繋がり ④階層的広がり形成 A)対象の特性・性質情報、B)上位-下位概念の形成 ➄階層的抽象度制御：上位-下位概念の自在遷移3-3-1.連想記憶による思考能力向上
➀連想記憶ベースの視野形成
中心視野で認識･認知した対象を連想的に連携して有 効視野（ＡＷ一体化制御ＴＢＬ）を生成。 よって、注目対象と周囲を連想記憶したものがＡＷ一 体化制御ＴＢＬ（入力情報）、つまり入力情報であり、注 目対象と関連する対象、バックグラウンド(背景)を把握 でき、思考（課題抽出）に不要な情報をカットすることが 出来る。(図１４「連想記憶ベースの入力情報」)➁経験的学習
ニューロコンピュータによる特徴抽出を必要としない 経験的１回きりの学習 経験事項（人工頭脳の実際の経験、他の人の Action を観察）をそのまま連想記憶することで、ＡＩによる大が かりな学習をしなくても、以降、同様のシーンに遭遇す ると、経験事項と同様の対処が可能になる。 図＃「経験事項を連想記憶する学習方式」では、 「雨が降り出して」「ベランダの洗濯物が濡れる」場合、 活性化伝搬が連想記憶を伝わり「洗濯物を取込む」と いう「人工頭脳の意志」が生成される。(図１５「連想/階 層記憶における活性化伝搬」参照)3-3-２.階層記憶による思考能力向上
➀階層的広がり形成 対象の特性・性質情報、上位-下位概念の形成 *意思制御との連携 意思 Active 情報の階層記憶構成が拡張し、顕在意 識→潜在意識へと昇格していくと、網の張り方が拡大 し、多数の記憶素子を有する様になり、活性化伝搬を 誘発しやすく活発に行われ、思考契機（課題抽出）に繋 がり易くなる。(図 16 意思 Active 情報の階層的広 がり参照)図１５ 連想/階層記憶における活性化伝搬
参考文献：項#7 論文（３）SIG-AGI-012-02図 16 意思 Active 情報の階層的広がり
参考文献：項#7 論文（２）SIG-AGI-011-02図１４ 連想記憶ベースの入力情報（
ＡＷ一体化制御ＴＢＬ）
参考文献：項#7 論文（３）SIG-AGI-012-02 11 / 15➁階層的抽象度制御（
上位-下位概念の自在遷移） 活性化伝搬での課題抽出時、情報量を抑え、総括した 課題が獲得できる。細かい解決手段（意志）ではなく、 的を得た分かり易い解決手段（意志）を得ることが出来 る。（図１７「階層記憶ベースの抽象度制御」参照） 例えば、ベランダに洗濯物が干してあって、雨が降り出 したら危機感覚が作用して（過去の経験）、洗濯物を直 ちに取り込むが、抽象度が低いと、 ・服、下着、タオルがハンガーにかけてある、 ・ハンガーは物干し棒にかけてある、 ・水滴が 衣類、タオルに当たっている と聞いても、脳は危機感覚が活性化しない。（雨-洗濯 物- 取り込むは抽象度の高い状態で記憶されている） ため、洗濯物は放置されズブ濡れになる。➂浅層学習
ケースバイケースに応じた学習を行うことでニューロコ ンピュータの規模を縮小する。 通常、思考プロセスにおいて、課題生成から解決手段 （人工ぞ脳の意志）を生成するのに、試行錯誤や活性化 伝搬による連想/階層記憶の検索以外に、状況判断に よる即断を行うことがある。この場合、ニューロコンピュ ータを用いて学習を行い学習情報（シナプスの重み付 け）を生成するが、オールマイティで全て１つの Ai で来 なそうとすると、ハードパワー、処理時間が負担となる。 そこで、ケースバイケースな状況下でそれぞれ学習を するのであれば、ニューロコンピュータの規模、計算時 間の大幅低減が可能であり、ケースバイケースに応じ た階層記憶を構成する方が得策である。（「図１８「ニュ ーロコンピュータ浅層学習」参照） 例：火災現場での思考/判断に風水害での思考/判断 は不要である。3-3-3.活性化伝搬による思考能力向上
注目対象に関する記憶をする際、周囲、関連情報と合 わせて記憶する連想記憶、また、連想記憶をベースに 形成される階層記憶によって、記憶素子は、各種関連 する記憶素子と（リンク）接続を形成する。よって、１つの 記憶素子が活性化すると活性化ルールによって活性化 伝搬が発生する。但し、活性化伝搬はランダムでも構わ ないが、ケースバイケースにおいて最適な活性化の方 が良いと思われる。 図＃「活性化ルール in 連想/階層記憶」は、２-３の ケースサンプルを基に作成した活性化ルールである が、何らかのルールに従って、人工頭脳自身が活性化 ルールを見つけ出し、登録する仕掛けがないか、検討 の余地がある。(図１９「活性化ルール in 連想/階層 記憶」参照)図１７ 階層記憶ベースの抽象度制御
参考文献：項#7 論文（３）SIG-AGI-012-02図１８ ニューロコンピュータ浅層学習
参考文献：項#7 論文（２）SIG-AGI-011-02 人工知能学会研究会資料 SIG-AGI-013-02図１９ 活性化ルール in 連想/階層記憶
参考文献：項#7 論文（３）SIG-AGI-012-02
