KI2013
今回は、2013年9月16日～20日にドイツのコブレンツ大学で開催された第36回ドイツ人工知能会議（KI 2013）の会議録について述べる。
1975年にGerman Workshop on AI (GWAI)によって始められたこのGerman Conference on Artificial Intelligenceは、ドイツの人工知能研究の主要なフォーラムであり、海外からも多くのゲストが参加している。この会議には、伝統的に、人工知能のあらゆる分野の学術研究者と産業界の研究者が集まっている。この会議は、ドイツ情報学会の人工知能専門委員会（Fachbereich Ku ̈nstliche Intelligenz der Gesellschaft fu ̈r In- formatik e.V. ）によって運営されている。KI 2013に続いて、第43回ドイツ情報学会議（Informatik2013）、第4回JAWS（Joint Agent Workshops in Synergy）と共同開催された第11回MATES 2013（German Conference on Multi-Agent System Technologies）など、5つの共同会議が開催された。これらを合わせると、AIコミュニティ内や他のコミュニティとの間で、興味深い議論や情報交換を行うための完璧な基盤となる。
長年にわたり、人工知能はドイツのコンピュータサイエンスにおける主要な分野となり、数多くのプロジェクトやアプリケーションを成功させてきました。人工知能のアプリケーションや手法は、ビジネス情報学、物流、eヒューマン、金融、認知科学、医学など、多くの領域や研究分野に影響を与えてきた。これらのアプリケーションは、ドイツのAIコミュニティにおける洗練された理論的・方法論的努力と成功に基づいて実現可能になっている。このように、KI 2013のテーマは「研究からイノベーション、そして実用化へ」となる。
今回は70件の投稿があり、国際プログラム委員会は24件をフルペーパーとして、8件をショートペーパー（ポスター）として条件付きで採択し、採択率は46%となった。各投稿には少なくとも3回の査読が行われ、プログラム委員会のメンバーは投稿論文の議論に多大な努力を払れた。論文内容は、エージェント、ロボット、認知科学、機械学習、群知能、計画、知識モデリング、推論、オントロジーと多岐にわたる。
以下に詳細について述べる。
現在、環境の不測の事態や不確実性に直面して高度に柔軟かつ頑健に行動する自律システム（ソフトウェアエージェントやロボット）を開発するために、生物学の原理やメカニズムを応用したエキサイティングな複合領域が急速に形成されていることがわかる。本講演では、この分野の様々な側面について概観する。本講演では、この分野の様々な側面を概観し、システム適応、機能・構造最適化、集団・群れ行動、運動、センサー・モーター制御、（共）進化など、生物にヒントを得たアプローチの多様な事例を紹介する予定である。特に、マーストリヒト大学Swarmlabで行われた、生物にヒントを得た自律システムに関する代表的な研究に焦点を当て、ハチやアリなどの社会性昆虫の行動からヒントを得た最近の研究についても紹介する予定である。
我々は、部分順序因果関係リンク(POCL)計画システムが、状態ベース計画から知られるヒューリスティックを用いて探索を導くことができる技術を提案する。
この技術は、与えられた部分順序付き部分計画を、与えられた部分計画から到達可能な解と同じ集合をもたらす新しい古典的計画問題として符号化する。与えられた部分計画のヒューリスティックな推定として、状態に基づくヒューリスティックを用い、符号化された問題における初期状態のゴール距離を推定することが可能である。また、本手法は、状態ベースのヒューリスティックを用いることにより、POCL計画のための最初の許容ヒューリスティックを提供する。本技術の可能性を示すため、現在最強の状態ベースプランニングのヒューリスティックと、現在最良の情報を持つPOCLプランニングのヒューリスティックの2つを比較する実験を行なった。
ワークフローのクラスタリングの問題は、ワークフローリポジトリの数とサイズが大きくなるにつれて、重要性が増している比較的新しい再検索領域です。リポジトリに蓄積されたワークフロー資産を分析し、そのコンテンツの概要を把握し、ナビゲーションを容易にするための手法として有用である。本論文では、2 つの伝統的なクラスタリングアルゴリズム（k-medoid と AGNES）をワークフ ロークラスタリングに適応させることにより、ワークフロークラスタリングを調査する。クラスタリングは、元々ケースベース推論の文脈で開発されたワークフローのためのセマンティックな類似性測定によって導かれる。さらに、インターネットソースから自動的に抽出された料理ワークフローを含むリポジトリ上で2つのアルゴリズムを評価するケーススタディが提示されている。
人工知能に共感能力を持たせることで、人工知能の社会的行動を向上させ、好感度、信頼度、思いやりを高めることができると考えられている。神経心理学的な知見によれば、共感は、人の気分、性格、他者との社会的関係などの要因によって、その程度が異なることが実証されています。人工的なエージェントに感情、性格、社会的関係を構築する能力を持たせることに関心が高まっているが、これらの要因が共感行動に与える影響についてはほとんど注目されていない。本論文では、仮想人間が異なる程度の共感を示すことを可能にする共感に関する計算モデルを提示する。このモデルは、共感に関する心理学的モデルに基づいており、会話エージェントシナリオのコンテキストに適用され、評価されている。
人工知能のサポートレベルが高ければ高いほど、ユーザーの認知的作業負荷が軽減されるかどうかを実験的に検証しています。アイトラッキング技術を応用し、目の動きと瞳孔の反応を捉えることで、ユーザーの認知的作業負荷をより客観的に測定する方法を示す。現実的な作業状況を適切に反映した実験室環境において、プローブが、類似のユーザー・インターフェースを持ちながら、人工知能のサポートレベルが大きく異なる2種類のシステムを使用する。私は、客観的なアイトラッキングデータ（瞳孔径の平均値、瞳孔径の偏差、注視の回数、左右両眼のサッカード速度など）を記録・分析し、認知的作業負荷の指標として、両テストシステム間で有意な系統的認知的作業負荷の差を発見しました。この結果から、AIサポートが高いほど、ユーザーの認知作業負荷が低くなることがわかりました。
記述論理（DL）は知識表現形式の一つであり、標準的なウェブオントロジー言語であるOWLの理論的基礎を提供するものである。最小公倍数従属子（lcs）や最特定概念（msc）などの一般化サービスは、いくつかのオントロジー設計手法の基礎であり、類似性測定の中核を形成しています。OWL 2 ELプロファイルの大部分をカバーするDL ELORでは、lcsとmscは一般に存在する必要はないが、与えられたロール深さに再制限されれば常に存在する。我々は、これらのロール深さに制限された一般化を計算するアルゴリズムを提示する。本手法はELORの多項式時間補完アルゴリズムに基づいているため、容易に実装することができる。
式の簡略化はSATソルバーの性能にとって重要である。しかし、変数の消去のような強力な前処理技術は、完成まで適用すると非常に時間がかかる。そのため、これらの技術は通常、リソースに制限を設けて使用されます。SATの並列解法については多くの研究がなされているが、並列前処理についてはこれまで注目されてこなかった。本論文では、前処理技術である包含、節強化、変数除去をどのように並列化できるかを示す。このタスクには、高レベルの変数グラフ式分割と、きめ細かなロックスキーマのいずれかを使用することができる。後者を選択し、句の順序を強制することで、強力な並列簡約化アルゴリズムが得られます。特に事前処理時間が長い場合、並列化は有効であり、MINISATは最近の競技用ベンチマークを11%多く解くのに役立っています。
都市における交通コンセプトの開発と維持は、交通インフラの変更や新たな資源獲得のための高額な投資が必要である。我々は、公共交通システムのモデリング、シミュレーション、評価、最適化のためのエージェントベースのアプローチを、動的なミクロモデルを導入することによって提示する。様々な利害関係者のアクターは、知的エージェントによって表現される。エージェント間のコミュニケーションと個々の行動を説明しながら、旅行者エージェント向けの情報システムの実装と、オープンソースの地理情報システム、およびドイツ交通会社協会が提供する標準的な交通スケジュールとのマッチングに焦点を当てる。このシステムの性能、効率、限界は、ブレーメンの公共交通インフラストラクチャの中で評価される。また、乗客の行動が交通網全体に及ぼす影響について議論し、システムの柔軟性と旅行計画における事故の影響についても検証している。
現在、天文学のカタログには、数億個の天体のパターンが含まれており、そのデータ量はテラバイト級である。今後予定されているプロジェクトでは、数十億個の天体のパターンを、ペタバイトからエクサバイトのデータで収集する予定である。機械学習の観点からは、このような環境では、教師なし、半教師付き、あるいは完全スーパーバイザーのタスクが、大規模な学習セットと膨大なテストセットを用いて行われることが多い。近年の研究により、単純な最近傍モデルのようなプロトタイプベースの学習方式の有効性が示されている。しかし、空間データ構造を用いて実装した場合、このような設定において最も計算効率の良い手法の一つであるが、与えられたカタログに残っている全てのパターンにこれらのモデルを適用すると、簡単に数時間から数日かかってしまう。本研究では、このような状況において、GPUベースのアプローチによる最近傍クエリの実用的な有効性を調査しています。その結果、空間検索構造をマルチコアデバイス用に慎重にチューニングすることで、実用的な実行時間を大幅に短縮できることがわかった。これにより、得られたフレームワークは、天文学における現在および将来のデータ解析のための重要なアルゴリズムツールとなる。
パラメータ設定が進化的最適化の成功に大きく影響することから、突然変異率などのパラメータ制御に関する研究が長い間行われてきた。しかし、同じ実験条件下で、異なるチューニングや制御戦略を比較した研究はほとんどない。本論文の目的は，単純な単峰性の問題に対して，同じアルゴリズム設定を用いて，突然変異率の調整と制御の手法を包括的かつ基礎的に比較することである．OneMax上の(1+1)-EAにおける様々な突然変異率の解析の後、メタ進化とRchenbergの1/5ルールおよび自己適応を比較する。
本論文では、デポ間経路を持つ連続モニタリング問題(CMPID)に対する方法を提供する。この問題は、多数のエージェントまたは車両が一組の場所を持続的に調査しなければならないときに発生する。各エージェントは限られたエネルギー貯蔵量（例えば、燃料タンクやバッテリー容量）を持っており、利用可能な任意の基地局でこのリソースを更新することができます。この定式化により、様々な実世界のシナリオをモデル化することが可能である。本論文では、この問題の応用として、無人航空機による広域監視を行う災害対応管理への適用を検討する。本論文では、挿入ヒューリスティックとメタヒューリスティックである変数近傍探索に基づく新しい手法を提案する。提案アルゴリズムでは、大規模な実環境シナリオに対する解を数秒で計算し、それを繰り返し改善する。また，小規模なインスタンス（最適解が計算可能なインスタンス）において得られた解は，平均して最適解から2.6%離れていることがわかった．さらに、提案アルゴリズムは、連続監視問題（CMP）において、解の品質（3倍）および計算時間（400倍以上）の両方で既存の手法を凌駕する。
オントロジーベースの問合せ応答は、二次記憶と非常に表現力の高いオントロジーをサポートしなければ、実用的な要件を満たせない場合がある。最近、S. Wandeltの論文において、二次記憶に保存されたビッグデータの記述から概念に基づくインスタンス検索を行うための表現力豊かなDL SHIが発表された。本論文では、このアプローチを拡張し、接地型接続問合せに応答するための最適化アルゴリズムを研究する1。
近年、車載情報システムの利用が増加している。これらのシステムはユーザーを支援するが、同時に付加的な認知的負荷を引き起こす可能性がある。本論文では、ドライバーのパフォーマンスとユーザーエクスペリエンスを最適化するために、情報およびエンターテイメントシステムを適応させるための作業負荷の推定を行う研究を行った。この目的のために、スマートフォンのセンサーデータ、状況要因、および基本的なユーザー特性が考慮されています。その結果、運転状況、ユーザーの性別、運転頻度が、ユーザーの作業負荷に大きく影響することがわかりました。これらの情報とスマートフォンのセンサーデータのみを用いることで、ドライバーの現在の作業量を86%の精度で推定することができます。
ヒューリスティック探索は古典的なプランニングの主要なアプローチである。しかし、多くの現実的な問題は、行動結果の決定論や完全な観測可能性といった古典的な仮定を破っている。本論文では、古典的手法の一つである抽象化ヒューリスティックを用いた情報探索を、部分観測可能な非決定論的計画にどのように、そしてどのようにうまく移行させることができるかを検討する。具体的には、部分観測可能な条件下での強周期計画のためのインフォームド・プログレッション探索の文脈で、自動生成されたパターンを用いたパターン・データベース・ヒューリスティックを探求する。そのために、我々は、信念状態を直接または含まれる世界状態に戻ることによってヒューリスティックに評価することができる投影と方法について議論し、得られたヒューリスティックを内部的に、削除緩和およびブラインドアプローチと比較して経験的に評価する。実験から、ガイダンスの観点からは、抽象化において非決定性と部分的観測可能性の両方を（それらを緩和する代わりに）表現することが望ましく、結果として得られる抽象化ヒューリスティックは、ブラインド探索と非決定性と部分的観測可能性も緩和した削除緩和アプローチの両方を著しく上回ると結論付けることができる。
自動定理証明器（ATP）は通常、証明の開始時にすべての関連する公理と予想が分かっている有限の入力で動作する。しかし、証明者が実世界の知識表現アプリケーションに組み込まれる場合、データベースやウェブサービスなどのオンラインソースにアクセスするなどして、ローカルファイルではすぐに利用できないデータを利用しなければならないことがある。これは、遅延時間のような技術的な問題と、健全性と完全性に関する形式的な問題の両方につながる。我々は、外部データソースを我々のATPシステムE-KRHyperとその基礎となるハイパータブローカルキュラスに統合した。本論文では、その変更点を説明し、統合に伴う問題点と解決策を議論する。また、この統合を応用したabductive query relaxationの適用例を示す。
制約付き連続ブラックボックス最適化の多くのアプリケーションでは、適合度や実現可能性の評価にコストがかかる。それゆえ、制約関数の呼び出しを減らすという目的は、依然として挑戦的な研究テーマである。過去に、この問題を解決するために、様々な代理モデルが提案されてきた。本論文では、サポートベクトル分類と事前選択型代理モデル管理戦略に基づいて、自己適応的進化戦略のための実現可能性の局所代理モデルを提案する。また、進化的収束の減速や実現可能性の停滞といった負の副作用を制御パラメータにより防止する。さらに、自己適応的突然変異は、進化的収束をサポートするために、サロゲート支援アライメントによって拡張される。実験結果より、制約関数の呼び出しが大幅に減少し、収束に好影響を与えることがわかった。
不確実な知識と変化する信念に対処することは、動的環境における推論に不可欠である。本論文では、相対エントロピーを利用して確率的な信念状態を調整するアプローチを命題型言語へ一般化する。本論文の第二の貢献として、二重問題を考慮することにより、このような信念の変化を計算する方法を提示し、最初の応用と実験結果を提示する。
シングルエージェントの場合、一般的なゲームプレイと行動計画は関連するテーマであるため、確立されたプランナーを使って一般的なシングルプレイヤー・ゲームの取り扱いを改善することが期待できるかもしれません。しかし、両者にはそれぞれGDLとPDDLという独自の記述言語が付属している。本論文では、GDLで記述されたシングルプレイヤーゲームをPDDLの計画タスクに翻訳する方法を提案し、幅広い種類のシングルプレイヤーゲームについて、翻訳後の形式と元の形式でのゲームの接地と解決の効率を比較する評価を提供する。
次回はKI2014について述べる。
コメント
[…] 前回はKI2013について述べた。今回は2014年9月22日〜26日にドイツのシュトゥットガルトで開催された。第37回ドイツ人工知能会議（KI 2014）について述べる。 […]