1

知的情報処理1. 導入

櫻井彰人

慶應義塾大学理工学部

情報処理

（ 近、米国では）学生に人気がなくなってきているというが、産業としては非常に大きいし、また、我々の生活に与える影響も大きい。

パッケージ的なもの、low level な作業はoutsource するが、抽象度の高いもの、顧客に密着したもの、新規なものは自国内で行う。需要は大きくなる

CACM vol. 48 , no. 9 (Sept. 2005) より

情報処理に関して学ぶもの

論理的な考え方

技術と管理

情報処理とは何か： 基礎技術、ものの考え方、哲学

知的とは、知的な情報処理とは

コンピュータ（計算機）は何を行うか？

計算か？

情報処理か？

「情報」も「処理」も曖昧ではあるが、「計算」との違いは分かる？

「情報処理」とは

例を挙げよう

銀行の様々な取り引きの記録と実行

ＰＯＳデータの蓄積と利用

ＪＲ/航空機の予約

特徴：計算は単純、量は膨大、関係が複雑

計算するより、記憶しておこう、引き出そう

データ間関係を整合的に処理

もっと身近な例

ワープロソフト：計算は単純、データ量も少ない「計算」というより「情報処理」

お絵描きソフト：同上

表計算ソフトは？

スーパーファミコン、プレイステーション2, 3,,,実は計算の山：画像処理

2

これも計算？

計算＝四則演算だとしたら、これは何？

機械翻訳極端に単純化して言えば単語の置き換えと並び替えI love chocolate ⇔ 私はチョコレートが好きこれって計算？

勿論、実際は、もっと複雑Time flies like an arrow; Fruit flies like a banana （Groucho Marx によるという. 前段は著名）

これって計算？

余談: The spirit is willing but the flesh is weak.(ロシア語に機械翻訳したら The vodka is good but the meat is rotten. 恐らく

an urban folklore)

背景

「知的」システムが、急速に実用に供されるようになってきた

近い将来、コンピュータのユビキタス化、ロボットの家電化、通信機器のミニチュア化等により、知的システムが普遍的な存在となる

しかし、専門家以外はその有効性、潜在的危険性に無知である

目的

「知的」システムの可能性と限界、有用性と危険性とを知る

可能性を生かす方法を学ぶ

危険性を未然に防ぐ方法を学ぶ

テクノロジーそのものへの理解も深める

講義と評価

12～13回程度の講義

評価方法講義2回に1回程度、講義終了20分前に、レポート課題を出題。終了時に提出。60%程度の比重。

全体で1回程度の持ち帰りレポート課題。2週間程度後に回答期限を設定。40%程度の比重。

知的システムとは

知的に見えるシステム or 我々の知的活動を支える知的能力をもったシステム

いずれも、 「現在で も進んでいる、または、 新の」という条件をつける

前者はシステムの見え方に着目し、後者はシステムの機能に着目している

後者は、知的生産の道具ともいえる

実は一部のソフトウェアは、かなり昔から、知的システムそのものでもあるので、注意しないとコンピュータソフトウェの話になってしまう

知的に見えるということ

複雑さについての Simon’s ant on the beach につ

いて考えてみる。

http://www.balint.ch/geschichten.htm

Herbert Alexander Simon (June 15, 1916 - February 9, 2001) was an American researcher in the fields of cognitive psychology, computer science, public administration, economic sociology, and philosophy (sometimes described as a polymath).

3

人間は何を「見る」か

一様ならざる思い込みか

誰でもが共通に感じるのか

「知的」だとの思い込みはかなり普遍的

知的とみえること

潜在的危険性と有用性chat ロボット

知的情報処理・システムの例

ありすぎて、分類できなくて困るのだが、、、、ロボットチャットボットweb 検索エンジン – Google, Yahoo,,,自動翻訳機 – 音声翻訳機, 翻訳ソフト画像認識, 画像検索 – 郵便自動区分機, 監視カメラ音声認識 – ナビゲーション, 音声応答,ガイダンス・ヘルプ

データマイニング知識管理予測

使える・使う技術の例

これも多岐にわたる

認識技術 – 実は意味する範囲が広すぎ

音声と画像ではかなり違う

自然言語処理技術構文解析、意味解析

マシン・ラーニング – これも広すぎ

データベース

統計処理

言語学

認知科学、心理学、学習

インターフェイス技術

並列化技術、ネットワーク処理技術

歴史は古い: チェッカーの学習

訓練例をえて目標関数

学習関数

訓練値

訓練値を得る規則:

荷重変更の規則自乗平均 小化 (LMS) 荷重更新規則:

REPEAT訓練例 b をランダムに選択

error(b) を計算

それぞれの盤面特徴 fi, に対し、その荷重 wi を更新:

但し cは正の小さい定数で、学習係数

( )bV̂

( )bV

( )bVtrain

( ) ( )( )bVbV Successortrainˆ←

( ) ( ) ( )bVbV berror ˆ−= train

( )berrorfcww ⋅⋅+← iii

Arthur Samuel(1901-1990) : Playing checkers at SAIL, with teletype ~1970

これを発展させると、TD学習になる

A. Newell, J.C. Shaw, and H.A. Simon, Chess-Playing Programs and the Problem of Complexity(1958).

歴史は古い: 簡単な対話システム

Eliza: 古典的な（1966年! J. Weizenbaum）対話シ

ステム

例: SWI-Prolog comes with ABSOLUTELY NO WARRANTY. This is free software,and you are welcome to redistribute it under certain conditions.Please visit http://www.swi-prolog.org for details.For help, use ?- help(Topic). or ?- apropos(Word).1 ?- ['eliza.pl'].Hello. I am ELIZA. How can I help you?> all men are alike.In what way?> they always want the same thing.What resemblance do you see?> are you trying to be funny?Why are you interested in whether I am trying to be funny or not?> computers are stupid.Do computers worry you?> This conversation is silly.I am not sure I understand you fully.> quitGoodbye. My secretary will send you a bill.> % eliza.pl compiled 0.03 sec, 68,532 bytesYes2 ?-

4

歴史は古い: 自動走行ニューラルネットワーク

Autonomous Learning Vehicle In a Neural Net (ALVINN): Pomerleau et alNavlab-5 に到り終了 (1995). 高速道路を 70mph で. "No Hands Across America"

http://www-2.cs.cmu.edu/afs/cs/user/tjochem/www/nhaa/nhaa_home_page.html

ちょっと脱線

この本を知っていますか？

話題の中心（偏見が入りますが）

機械学習Machine learning の翻訳

もともとは、言葉の通り、機械（計算機ですね）が、学習しながら、段々と賢くなること

自然言語処理自然言語による記述を、コンピュータを用いて処理し、我々に役立つ情報に変換する

web上には、玉石混交だが、自然言語で書かれた資料が大量にある

取り上げる話題

web ブラウザ (復習です)自然言語とは. 構文と意味

web 検索. 自然言語処理として

web 検索. 様々な試み

テキストマイニング

機械学習の基礎

決定木

Bayes 的なアプローチ

データマイニング