| 研究概要 |
本研究では, 画像や音声のような実世界のパターン情報を対象として, その形式・項目などの意味内容を理解しようとするパターン理解の研究と, 問題解決の理論やエキスパートシステムのような, 論理の世界における記号情報に立脚した人工知能研究に関して, 知識利用の方法論の共通点と相違点を明らかにし, 両者を融合することを目的としている.
本来, パターン理解は, 細かい観測単位(点,線,メッシュ)で分割した原始パターンを逐次的に併合し, 構成要素(線,ブロック面,特徴点など)にまで階層を上げて統合化するボトムアップ手法が中心であり, 誤りやあいまい性が不可避である.
本研究は, パターンのあいまい性が不可避であり, ボトムアップ手法が中心であるパターン理解において,トップダウン的に推論を行う方法論とメカニズムを, 理解プロセスの階層構造から解明し, 効率的(高速,正確)で高機能なパターン理解系を構築することを目的としている. これにより, 人工知能自身の研究も, 学間的・実用的にその価値が高められる.
本研究は, パターン理解の対象として図面, 地図を取り上げ, これらに対してパターン理解系を構築し, トップダウンな知識ベースの推論メカにズムを実現するものである. このため, まずパターン理解系の基礎である原始パターンへの適応的分割方式と, ボトムアップ手法により, 原始パターンを構成要素に部分的に構造化する手法について研究を行った. 更に, このステップまでに獲得されている情報から不明確な状況を知識ベースでトップダウン的に予測し推論する方法と, 大局的に把握できる特徴やニューロン素子のように全くアルゴリズムによらずに学習によって, あいまい性の多い図面に対し好結果を得つつある. また用いた知識の質について評価を行った.
|
