| 研究課題/領域番号 |
18H03288
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 和歌山大学 |
|---|
研究代表者 |
坂間 千秋 和歌山大学, システム工学部, 教授 (20273873)
|
|---|
| 研究分担者 |
井上 克巳 国立情報学研究所, 情報学プリンシプル研究系, 教授 (10252321)
林 克彦 東京大学, 大学院情報理工学系研究科, 助教 (50725794)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| キーワード | テンソル空間 / 線形代数計算 / 論理プログラミング / 演繹推論 / デフォルト推論 / アブダクション |
|---|
| 研究成果の概要 |
本研究では、知識グラフのような大規模知識ベースにおいて人工知能における高次推論を高速計算するために、従来の定理証明手法とは異なる効率的な新しい計算手法を提案した。具体的には、論理プログラムで記述された知識ベースをテンソル空間における代数表現に変換し、演繹推論、デフォルト推論、アブダクションを線形代数的に計算するための基礎理論を構築した。次に本システムを実装し、人工データ及び実データを用いて実験評価を行った。さらに計算高速化のための最適化技術の開発を行い、実験検証でその有効性を確認した。提案手法は GPU を活用した並列代数計算により、記号推論のスケーラビリティを飛躍的に向上させる可能性がある。
|
| 自由記述の分野 |
人工知能
|
| 研究成果の学術的意義や社会的意義 |
ニューラルネットワーク(NN)による機械学習の結果に説明可能性を与え信頼性を向上させるための手法として、NNと記号処理を融合したニューロシンボリックAIが提案されている。しかし、従来の記号処理計算を大規模データに適用する場合、計算効率がボトルネックとなる問題があった。本研究で提案したテンソル空間における高次推論技術は、NNで扱われているような高次元のベクトル表現されたデータを使った推論を線形代数的に計算することを可能にする。その学術的意義は、大規模データからのスケーラブルで高速な推論を実現するための新しい計算技術の提案であり、社会的意義はNNと記号処理の融合に向けた要素技術としての貢献である。
|
