シリーズAI入門：7. 第3次AIブーム パタン認識

第3次AIブーム，特にパタン認識について眺めます。

Transcript

1. 第3次AIブーム…の概観 シリーズAI入門 パターン認識以降のいくつかのお話 © FSCjJh3NeB 2021 (※ 但し画像を除く)
2. 第2次に明らかになった課題 n 知識をテキスト化するのはとても大変 n 管理するのもとても大変 n 具体的に “知識” として書き下せるものならいいが， そうでない状態や，“知識”以外のものを含め， どうにかうまく整理できないか…？ n 知識なりデータなりを，うまく分類・整理したい 2
3. 分類・整理の仕組み n 分類するとは… u 似たもの同士でグループを作るようなこと u 似ているをどう判断するか？ p 機械 は 記号（信号） を扱うので，そのパタンが似てる… というのを扱うのが，まずは簡単そう n 実は初期から パタン認識 という分野も存在 u 機械学習 や 深層学習 もこの系譜に位置づけられる 3
4. ニューラルネットワークの台頭 n パタン認識 に対する注目の高まり u パタン認識は推論や探索と並んで初期からの分野の一つ u 推論や知識表現の行き詰まりにより注目を取り戻す p 誤差逆伝搬法が実用化されて以降，狭義のパタン認識から， 言語や記号処理などにも適用領域が拡大 • 現在の深層学習（ディープラーニング）につながるルート u パタン認識から記号処理の間の環境認識部分にこそ 知能の本質があるのだという主張が出現 4
5. ニューラルネットワークの台頭 n Neural Network : NN u 神経細胞（neuron）を模して設計された学習手法 p 神経細胞 が どんなモノだったかは 認知科学の回 を参照 p 言葉としては似ているが，無関係なものも多いので注意 • NN は Nearest Neighbor の略称としても用いられる • “神経言語プログラミング” Neural Language Programming という， 自己啓発セミナー的なものもあるが，NN はじめ AI とは無関係 5
6. NN の変遷 p 単純パーセプトロンからスタート • その後，線形分離可能な問題などしか解けなさそうなことも判明 • 進化させた3層のものもできたが，それ以上多層にしても精度でず p 誤差逆伝搬法で線形分離の課題を解決 p 自己符号化などの手法で，多層化した場合の学習精度問題を解決 パーセプトロン （順伝搬型NN） パーセプトロンの 性能と限界に関する論文 誤差逆伝搬法 （バックプロパゲーション） 自己符号化器 （オートエンコーダ） AlphaGo が プロ棋士に勝つ ILSVRC で SuperVision 優勝 1958 1969 1986 2006 2012 2017 ディープラーニング 将来補足 6
7. 記号 再考 n そもそも ”記号” って？ u なんらかの基準により，世界を同値類に分けた結果 形をはじめ，特徴も全く異なるのに「イス」と認識できる。 これらのオブジェクトに「イス」という値・ラベルを割り当てている。 7
8. 記号 再考 u なんらかの基準により，世界を同値類に分けた結果 n 同値かどうか，同一性の判定が主問題 u 同じかどうか，の 2値分類 になるので，本来 距離はない p 距離：近い，遠い （軸を逆にすると，類似の度合い） u もちろん，距離を定義することは可能 n 記号は単体で用いられることはなく， 組み合わせて構造を作ることが多い u こちらも，距離を定義することは可能 p 組み合わせの構造的な類似度を用いるなど 何にせよ，記号は本質的に距離を有しない 8
9. パタン n 本質的に 類似性 の概念のみが定義された世界 u 記号とは本質的に異なる存在 u 2つのパタンの間には自然な距離が定義可能 u 重み付きで加算するなど，合成や変形が可能 u この性質を用い パタン を 記号 に分類する操作 p パタンと言う連続値を，記号という離散値にする操作 ともいえる p この操作を実現する便利な道具が NN パタン認識 9
10. パタン と 記号 n 人間（≒知能）は，パタン認識をどう活用するか？ u 必ずしも，パタン を 記号 に変換するだけではなさそう p 見知らぬ空間で目を覚ましたとき，その場の観察に加えて， “ここは部屋のようなので天井や床，扉がありそう” など 知識に基づく予測も行うはず u だが，古典的AIでは，環境を認識し，記号化した後， 記号のみを操作して演算を行うとしていた u この矛盾に対して2つの議論 10
11. 環境認識 n 主張A u 実世界を認識し，記号に落とすことが知能の本質 p 記号から実世界に戻る 記号接地 も含める n 主張B u 記号の操作は推論の一部，実世界との相互作用が大事 p ロボットのように，センサとアクチュエータを含める必要 環境 記号 1. 記号化して 2. 演算して 3. 対応づける 環境 記号 環境とのやりとりで 演算する・できる 主張Aの知能観 主張Bの知能観 ※ この問題に対しても特に答えは出ていません。 どっちが正しいのか，どっちも正しいのかも不明。 11
12. 自分と他者の境界線 n 自分というのはどこまでが自分？ u 自分は自分でしょ。意味わからん。 …と言う気もするが p 髪の毛も自分だが，抜け落ちた髪は自分じゃない p メガネとかは体の一部じゃないけど，自分の一部かも p 自分の体に接しているからといって，下着は自分じゃない p 車とかバイクとか運転してるときは，車ごと自分な気がする p 自分の考えは，家族や友達の影響を受けてできている • そう言う意味では，家族や友達なども自分の一部？ “環境まで含めて知能を構成するのだ” というのも，そんなに不思議な発想ではない 鏡に映った 自分は自分？ 12
13. 記号接地問題 n 体を持たないAIにリンゴは理解できるか？ u 概念（記号）としてのリンゴが理解できたとして， 目も耳もないAIは，真にリンゴを知っているといえるか • …でも，そもそも「真のリンゴ」とは…リンゴのイデアって何？ n 人間は様々な情報をうまく抽象化（記号化）して 処理をしている n 抽象化された情報と，実体を対応づけること ＝記号接地 13 将来補足
14. ガヴァガイ問題 n 言語哲学における問いの一つ u 言葉が何を意味するか？ 状況との結びつきの程度は？ あっ ガヴァガイだ！ ああいう生き物のこと？ あの個体の固有名詞？ ふわふわした感じのこと？ 長い耳のこと？ etc. もふもふしっぽのこと？ 14
15. 名付け・ラベル の 重要性 n イセポ を 知らない人に イセポ は見えない？ u 目の前に イセポ がいても，それが イセポ だと知らなけ れば イセポ として見ることはできない p イセポ を 知っているヒトには イセポ p 同じモノを知覚しているはずなのに，違うモノを知覚している 15 ※1 イセポ は アイヌ語 で ウサギ 左の絵は，意味を知っていると 非常に恐ろしい場面なのだが， 知らなければ謎の落書き 同じ絵を見ていても， 全く違う意味を読み取っている ※2 明らかに デーモンコア事件 を 再現している
16. 記号に関する先行研究 n 言語哲学 u そもそも “言語哲学” が何を指すかについても， いろいろと議論はあるようですが… u とりあえず，“言葉に関する哲学” であるとすると， ギリシャ時代くらいからいろいろと研究はある u 近代では ソシュール による言葉と記号の関係性， 現代では チョムスキー の 生成文法，などが有名？ 記号に興味を持った人は，調べてみると面白いかもしれません 16
17. 環境との相互作用 n ユクスキュルの環世界 u 環世界：生物が自己を投影した形での世界 p 例：ヤドカリとイソギンチャクの関係性 • ヤドカリの家である貝殻にイソギンチャクがついていなければ… • カモフラージュのために，イソギンチャクを殻につける • イソギンチャクがついていたら… • 餌としてイソギンチャクを食べる • ヤドカリが家である貝殻を持っていなければ… • 家の代わりにイソギンチャクを使う ヤドカリの視野にある円筒形の物体の持つ意味が， そのときのヤドカリの状態によって変わる！ 17
18. 環境との相互作用 n 服属・包摂アーキテクチャ：subsumption architecture u ロボット工学に端を発する概念の一つ u 知識表現を用いずに，環境との相互作用だけで そこそこ知的な行動を生成できるという考え方 セ ン サ ー 障害物・危険回避 動き回る 部屋の探索 ア ク チ ュ エ ー タ より単純かつ重要なものから，行動の優先順位を決めて行動させる 昆虫レベルの知能であると，このモデルで十分に模倣できる 18
19. 柔軟な知能へ n 昆虫などの生物もなかなか知的 u あらかじめ決められた動きしかできないが， 一定範囲の環境内ではうまく生きていける u 主体と，他の個体を含む環境との相互作用を無視して， 主体の構造や性質だけを調べても本質にたどり着けない p “音楽” を理解するのに，要素に分解していって，音符だけを 一生懸命眺めてみても，音楽は理解できない 過去の，トイプロブレムへの批判がそのまま通用 過去分になかった観点として， 困難さが 知識 ではなく 環境の複雑さ にある点 19
20. 柔軟な知能へ n 昆虫と人との違いは…？ u 昆虫は “決まった環境では” うまくやれる p 以前見た ハエの閉じ込め のように環境によってはダメ n 高度な知能の要件 u 突発的な・想定外の状況が起きたり，環境そのものが 大きく変わっても，臨機応変に対応できる能力？ u でも，人間だってバリエーションがちょっと多いだけで 機械的に反応しているだけかも？ p 特に，決定論的立場であると，そういう理解も成り立つ 20
21. 自由意志？ n ヒトの意志は本当に自由か？ n 「今日はこの服を着よう」 u そもそも，所有している服から選ぶ p その際に，今日，どこに行くか，誰に会うかも考慮する • 恋人のご家族に初めて会う時だったら，当然気合いを入れる u そもそも，嫌いな服は基本買わないはず p 好きであっても，お金がないと基本的には入手できない u 好き嫌いは，過去の経験から成立しているはず p 何を見て，何を聞き，何をしたか，etc. 21 「自由だ」と感じているだけで， 本当は行動は環境で規定されているのでは？ 決定論
22. 認知科学の命題 n 心はタブラ・ラサ（白紙のノート）か？ u ヒトの心は経験によって形成されるのか？ u それとも先天的に与えられるのか？ n 唯物論と随伴現象 u 脳も物理的機構で，心もその機構の出力のひとつ u したがって，心も物理的な運動のひとつ …という見解 22
23. n 延々と答えの出ない話が続きますが… u “魚のような動きをするロボット” を作ろうと思ったら， まずは魚の動きをいろいろ観察することが必要 u すでに “ヒレの動き” を作った人がいたら， その人の話を聞いてみたりもするのも大事 …と，言うわけで我慢していただければ… 23
24. 柔軟な知能へ n アリの軌跡 u アリの作る隊列・移動軌跡は実に複雑 u だがアリの行動原理は極めて単純 p 高低差や，障害物を避けて，歩きやすいところを歩く u 軌跡の複雑さはむしろ，地面の複雑さの反映 p アリの内部構造を調べてみても，複雑さの理由はわからない 行動原理と，その結果（環境を含めて）を セットで考える必要 24
25. 個の知能から集団の知能へ n 集団・動的な知能 u 他者を含む，環境との相互作用などを背景に1980年代に p スタートは分散人工知能：複数のセンサ情報を一つに統合 p 徐々に複数の知能の相互作用を扱う研究分野に u 例えば… p 向こうから歩いてきたヒトとぶつからずにすれ違うには， 双方が動きを予期して動く必要 p バスケやサッカー，ラグビーなど様々なスポーツでは 敵の動きに注意しつつ，味方ともうまく連携して動く必要 • 自分の都合だけでは完結しない • 複数の知能が連携してひとつの知能・システムを構築する マルチエージェント 25
26. 下位要素の詳細は今後の講義で 26 パタン認識 機械学習 ニューラルネット 深層学習 今回はココ！
27. 参考 n 自分 と 他者 の境界線 などについては， 東京大学 野矢茂樹 先生の 著書が面白く オススメ u 心身二元論 などについても，平易な言葉で， 身近な例を元に取り上げるため，高校生でも読める 27