| Research Abstract |
本研究では,インダクション(帰納推論)やアブダクションなどの仮説発見のための手続きであるCF帰納法,およびこれを実現するための結論発見手続きであるSOL導出/SOLARをさらに高度なものとし,効率的な実現を行い,科学分野での応用を目指す.CF帰納法は,演繹手法であるSOL導出を利用し,逆融合法により仮説を構築するもので,一階述語論理における仮説発見に関して理論的には健全かつ完全である.これまでに,プロトタイプは開発されていたが,効率的実現に向けては解決すべき課題が多いため本研究において検討する.
本研究の研究期間は三年間であり,初年度にあたる本年度は以下の項目について検討した.
1.結論発見に関する基礎理論の構築(岩沼・井上・鍋島).
仮説発見システムSOLARの高速化を目的として,結合タブロー型証明木の上下反転の可能性について研究した.結果として,まず上昇型畳み込み手法を併用すれば,タブロ型証明木のサイズを同一に保ちつつ,上下反転が必ずできることを証明した.またこの系として,マルチエージェントシステムなどの漸近的に知識(公理)が増えていく環境での,証明木サイズの意味で最適な仮説発見計算メカニズムを示した.他に,マルチエージェント系で用いたデフォルト論理における質問応答および結論発見を形式化し,その理論的基礎についてまとめた.
2.仮説発見手続きに関する基礎理論の構築(井上・鍋島).
アクション言語における因果関係の帰納学習アルゴリズムの提案を行った.具体的には,知識表現言語としてアクション言語を用いた場合に,不完全な領域知識とアクション列を実行したときの観測結果から,その観測結果を説明するために必要なアクションの前提条件および効果(すなわち因果関係)を帰納学習するアルゴリズムを提案した.従来のILPにおける因果関係の学習手法では,入力に(complete) narrative(アクション列a1;a2;【triple bond】;an実行後の観測結果だけではなく,各アクションai実行後の観測結果も必要とすること)を要求していたが,本手法ではアクション列の実行後の観測結果のみあれば良く,より汎用的な手法であるといえる.本手法はアクション言語を対象としているが,一階述語論理における因果関係の帰納学習に対しても,有益な示唆を与えるものである.他に,アブダクションにおける等価性の議論に関する基礎的検討を行った.
3.仮説探索のための高速アルゴリズムの開発(佐藤・岩沼・井上).
分散定理証明のためにpartition-based logical reasoningについて検討した.従来手法はボトムアップだったのでトップダウンによる証明方法を検討し,健全性についての結果を得た.
|
