| 研究概要 |
大規模化・複雑化するシステムの設計や計画・運用を対象とし,より柔軟な問題解決・意思決定支援を可能とする方法論の構築を目的として,双方向インタラクションによる共適応・共進化の数理モデル化および意思決定支援のための創発的インタラクション・モデルの構築に向けてのアプローチを展開した.
特に,複雑・大規模システムを人間が運用・制御するといった問題解決に際して人間とシステムのインタラクションを考えることの重要性に注目し,人と機械の協調による問題解決のためのインタラクション・モデルの構築を目的として研究を進めた.従来,人がインタフェースを介して対象システムを制御する場合,典型的にはインタフェースは作り込まれたものであり,人がインタフェースに適応する形での熟練を通じて問題解決が行われてきた.しかし,このインタフェースでは初心者による問題解決には多くの時間が要求されるものであった.そこで,人が学習することだけを考えるのではなく,インタフェースも人と共に学習し,より良いインタフェースに進化するといったことも考慮に入れたモデルを再構築・提案した.このインタラクション・モデルでは,人モデル,インタフェースモデルそれぞれに学習系が適用され,人のみの学習とインタフェースのみの学習をある時定数ごとに交互に行うことで,人とインタフェースが共に学習する枠組みを想定している.
提案モデルの可能性・重要性の検証のため,問題解決の具体例としてトレーラ駐車問題を取り上げた場合の計算機シミュレーションを行い,その結果として,人の学習は提示される情報によって速度や精度等が変化するものであり,インタフェースが学習し,より人間の学習を助長する情報を提示できるようになれば,より良い問題解決が期待できることが確認された.同時に,人間とインタフェースが共に学習することの可能性,重要性も再認識される結果となった.
|
