| 研究概要 |
本研究では,人工知能研究における知識発見の基礎として,結論発見(consequence-finding)手続きを用いたアブダクションと帰納の計算方式を開発し,従来の知識発見では困難であった,不完全な知識の下での未知で有用な知識の発見手法の開発に取り組んでいる.研究期間は3年であり,初年度に当たる今年度は,以下の3点に分けて研究を進めた.
1.結論発見プログラムの効率化に関する研究(井上・鍋島)
●結論発見プログラムとしてSOL導出を採用しこの効率化を図った.特に,マルチエージェントシステムでの推論において必要となる一時的な情報に関する推論を効率するためのSOL-S(Γ)導出を開発した.
●実現されているプログラムを大幅に見直し,再度インプリメントを行った結果,高速なSOL導出を実現することができた.
2.結論発見プログラムによる知識発見に関する基礎理論の構築(井上・羽根田)
●アブダクションと帰納推論を融合して,不完全な知識の下での知識発見に向けた新しい計算理論を構築するために,結論発見手続きを用いた帰納推論の自動化について考察した.
●アブダクションの枠組みとして,仮説の削除も可能である拡張アブダクション(extended abduction)の利用も考え,これによる仮説の同化方式についての定式化を行った.
3.学習アルゴリズムの設計と評価(井上・羽根田・鍋島)
●上記学習理論を実現するためのアルゴリズムの設計と評価,およびJava言語による実装を一部行った.
●アクション理論への応用について考察した.
|
