人工知能技術

ここでは人工知能技術に関して以下のマップに示される領域の情報について述べている。目次の項目をクリックすると該当サマリーにジャンプする。

人工知能の理論とアルゴリズム

人工知能技術について

人工知能技術について。人工知能は、人間らしく振る舞うよう設計された装置やソフトウェアを指し、1956年のダートマス会議で誕生した。初期の人工知能は、現在のような大規模な計算は苦手で、条件分岐を活用した推論や探索、暗号解読などが中心だった。ダートマス会議から約70年が経ち、人工知能技術は広範囲に発展しており、本稿では特に機械学習以外の技術に焦点を当てている。

人工知能技術の理論と基本的なアルゴリズム

人工知能技術の理論と数学とアルゴリズム。人工知能技術は、人間の知的活動を模倣することを目的とした理論、数学、アルゴリズムの集合体である。その基盤には、統計学、線形代数、確率論、最適化理論などの数学的枠組みが存在し、これらが人工知能の推論、探索、意思決定を支えている。アルゴリズムの観点からは、条件分岐や探索アルゴリズムなどの古典的手法から、機械学習や強化学習、深層学習に至るまで、幅広い技術が発展してきた。ここでは、人工知能技術の根底にある理論と数学的基盤、そしてそれを具体的に実装するアルゴリズムの相互関係を探求し、機械学習以外の技術にも焦点を当てている。

グラフデータアルゴリズム

グラフデータ処理アルゴリズムと機械学習/人工知能タスクへの応用。グラフは対象同士の結びつきを表現する方法で、多くの問題をグラフの問題に変換できる。これに関連するアルゴリズムには、探索アルゴリズム、最短経路アルゴリズム、最小全域木アルゴリズム、データフローアルゴリズム、強連結成分分解などがある。また、DAG、SAT、LCA、決定木などのアルゴリズムや、グラフ構造を基盤とした知識データ処理やベイズ処理などの応用についても説明されている。

オートマトンと状態遷移/ペトリネット、自動計画と数え上げ問題

オートマトンと状態遷移/ペトリネット、自動計画と数え上げ問題。オートマトン理論は計算理論の一分野であり、形式言語、計算能力、自然言語処理などに応用される重要な理論である。有限状態機械（FSM）は、入力に応じて状態を遷移し、出力を生成する計算モデルを表す。一方、ペトリネットは並行システムをモデリングする手法で、工業制御やソフトウェア開発で活用される。さらに、自動計画は目標状態に至る行動シーケンスを自動生成する技術で、AIやロボット工学などで研究されている。ここでは、これらの理論、活用事例、実装について詳述する。

ハードウェアとAI

機械学習のハードウェアからのアプローチ – FPGA・光コンピューティング・量子コンピューティング

機械学習のハードウェアからのアプローチ – FPGA・光コンピューティング・量子コンピューティング。現代のコンピューターは主に電気を使って計算を行うが、過去には蒸気、光、磁気、量子なども利用されてきた。ここでは、コンピュータの基本原理を解説した後、Raspberry Piを用いた機械学習について述べ、さらにFPGAやASICによる専用計算機の事例を紹介する。最後に、次世代技術として量子コンピューターや光コンピューターにも触れる。

自然言語処理と知識活用

自然言語処理技術

自然言語処理技術。言葉は人間同士のコミュニケーション手段であり、人が自然に身につけるものだが、コンピューターにとって扱うのは非常に難しい。自然言語処理は、その言葉をコンピューターで扱う研究分野で、初期は規則に基づいていたが、1990年代後半からは実際の言語データを用いた統計的手法が主流となった。ここでは、自然言語の哲学・言語学・数学的側面を概観し、自然言語処理技術全般、言葉の類似性、さらにコンピューターで利用するためのツールとプログラミング実装について解説し、実際のタスクへの応用方法を述べている。

知識データとその活用

知識情報処理技術。知識を情報としてどのように扱うかは人工知能技術の中心課題であり、コンピューターの発明以来、様々な方法が検討されてきた。ここでは、知識を自然言語からコンピューターが処理可能な情報に変換する方法を論じ、知識の定義、セマンティックウェブ技術やオントロジー、数理論理学に基づく述語論理、Prologを用いた論理プログラミング、そして解集合プログラミングとその応用について解説している。

オントロジー技術

オントロジー技術。オントロジーは、情報科学ではデータを体系化し構造化するための形式的モデルであり、概念や事物、属性、関係を共有可能な形式で表現する。これにより、情報検索、データベース設計、知識管理、自然言語処理、人工知能、セマンティックウェブなどで、データの一貫性や相互運用性を向上させる。さらに、特定の分野に特化したドメイン固有オントロジーも、情報共有や統合に活用される。ここでは、情報工学の視点からオントロジーの活用について論じる。

Semantic Web技術

セマンティックウェブ技術。セマンティックウェブ技術は、Webページの意味を扱う標準やツールを開発し、WWWを「ドキュメントの網」から「データの網」へ進化させるプロジェクトである。DIKWピラミッドのInformationやKnowledgeを、オントロジーやRDFといったフレームワークで表現し、DXやAIのタスクに活用する。ここでは、セマンティックウェブ技術やオントロジー技術、さらにISWC（国際セマンティックウェブ会議）の学会論文について論じる。

推論技術

推論技術。推論手法には、演繹法と4つの非演繹法（帰納法、投射法、類比法、アブダクション法）があり、事実間の関係性をたどる方法と定義される。古典的アプローチとして前向き推論と後ろ向き推論があり、機械学習的手法として関係学習、決定木、シーケンシャルパターンマイニング、確率的生成手法などがある。ここでは、エキスパートシステム、SAT問題、解集合プログラミング、帰納論理プログラミングを含む推論技術について述べる。

エージェントと自律AI

人工生命とエージェント

人工生命とエージェント技術。人工生命（ALife）は、人間が設計した生命を、生化学、コンピュータモデル、ロボットを用いてシミュレーションし、生命プロセスや進化を研究する分野である。1986年にクリストファー・ラングトンが命名し、手法により「ソフトALife」（ソフトウェア）、「ハードALife」（ロボット）、「ウェットALife」（生化学）に分類される。近年の哲学では、生命が知能発現の契機となり、意図から関係性に意味が生じるとされる。この視点から、人工生命をAIシステムにフィードバックすることは妥当なアプローチとされ、ここでは哲学的、数学的、人工知能的観点からその詳細を論じる。

自律的な人工知能と自己拡張を行う機械

自律的な人工知能と自己拡張を行う機械。自律的な人工知能（Autonomous AI）とは、目標を自ら設定し、環境情報を基に判断と行動を行う能力を有するAIであり、自己決定性、学習能力、適応性、安全性、倫理が特徴である。応用分野としては、自動運転車、ロボット工学、金融取引、宇宙探査、医療支援などが挙げられ、強化学習や深層学習などの関連技術が活用されている。自己拡張を行う機械とは、自らの能力や構造を改善・進化させるAIシステムを指し、学習ベースの進化や物理的自己改良、ソフトウェアの更新、目標適応性が特徴である。応用分野には、ロボット工学、医療、自動診断、宇宙探査などがあり、進化的アルゴリズムや自己修復技術が関連技術として用いられている。

チャットボットと質疑応答技術について

チャットボットと質疑応答技術。チャットボット技術は、様々なビジネス分野で汎用的なユーザーインターフェースとして利用されており、多くの企業が参入している領域である。質疑応答技術に基づき、単なるユーザーインターフェース技術に留まらず、自然言語処理技術や推論技術、深層学習、強化学習、オンライン学習などの人工知能や機械学習技術を組み合わせた高度な技術を活用している。しかし、現時点では多くのチャットボットは、これらを駆使せず、ルールベースのシンプルなものにとどまっている。ここでは、チャットボットと質疑応答技術に関して、成り立ちからビジネス的側面、最新のアプローチを含めた技術的概要、さらには実際に利用可能な具体的な実装方法まで、さまざまなトピックについて述べている。

データ処理と可視化

Visualization & UX

ユーザーインターフェースとデータビジュアライゼーション技術。コンピューターを使ってデータを処理することは、データの構造をビジュアライゼーションすることで価値を創出することに等しい。データには複数の視点や解釈が可能であり、それをビジュアライゼーションするためには、巧妙に設計されたユーザーインターフェースが不可欠である。ここでは、主に学会で発表された論文を基に、さまざまなユーザーインターフェースの事例について述べている。

ワークフロー&サービス

ワークフロー&サービス技術。各種学会で発表されたサービスプラットフォーム、ワークフロー分析、実ビジネスへの応用に関する論文をまとめ、医療、法律、製造業、科学などのビジネスドメインにおけるセマンティックウェブを活用したサービスプラットフォームについて述べている。

画像情報処理技術

画像情報処理技術。現代のインターネット技術やスマートフォンの発展により、膨大な画像がWeb上に存在し、それらから新たな価値を生み出すために画像認識技術が必要とされている。この技術は、画像固有の制約やパターン認識、機械学習、さらに応用分野の専門知識が求められ、扱う領域が広範囲にわたる。また、深層学習の成功により、画像認識に関する研究が急増し、その全体を把握することが難しくなっている。ここでは、画像情報処理技術の理論とアルゴリズム、Python/Kerasを使用した深層学習の実践、スパースモデルや確率生成モデルを用いたアプローチについて述べている。

音声認識技術

音声認識技術。機械学習技術は、信号処理の領域で重要な役割を果たしており、特に時間軸で変化する一次元データであるセンサーデータや音声信号に適用される。音声信号認識には、深層学習をはじめとするさまざまな機械学習技術が使用される。ここでは、音声認識技術に関して、自然言語と音声のメカニズム、AD変換、フーリエ変換、動的計画法(DP法)、隠れマルコフモデル(HMM)、深層学習などを用いた話者適応、話者認識、耐雑音音声認識などの応用について述べている。

地理空間情報処理

地理空間情報処理技術。地理空間情報は、位置情報や位置と結びついた情報を指し、行政で扱う情報の80%は位置情報と関連しているとされる。位置情報を活用することで、地図上に情報をプロットして分布を把握したり、GPSデータを用いて目的地へ誘導したり、軌跡を追跡することができる。この情報を基に過去、現在、未来の出来事を元にサービスを提供することも可能である。地理空間情報を活用することで、科学的発見やビジネス展開、社会問題の解決が進む。具体的な活用方法として、QGISやR、機械学習ツール、ベイズモデルとの組み合わせについて述べられている。

センサーデータ&IOT

センサーデータ&IOT技術。センサー情報の活用はIoT技術の中心であり、ここでは時間的に変化する1次元のデータに焦点を当てている。IoTのアプローチには、個別にセンサーを設定して測定対象を詳細に解析する方法と、複数のセンサーを使って異常検知を行う方法がある。具体的な技術として、IoT規格（WoTなど）、時系列データの統計処理、隠れマルコフモデルを使った確率的アプローチ、劣モジュラ最適化を用いたセンサー配置、BLEなどのハードウェア制御、スマートシティ関連の知見について述べられている。

異常検知と変化検知

異常検知と変化検知技術。機械学習による異常検知は、通常の状況から逸脱した異常を検出する技術であり、変化検知は状況の変化を検出する技術である。これらは、製造ラインの故障やネットワーク攻撃、金融取引の不正など、異常な振る舞いを検出するために使用される。異常検知・変化検知の技術には、ホテリングのT2法、ベイズ法、近傍法、混合分布モデル、サポートベクトルマシン、ガウス過程回帰、疎構造学習などがあり、これらのアプローチが述べられている。

ストリームデータ技術

データストリーム(時系列データ)の機械学習とシステムアーキテクチャ。現代社会は動的データで溢れており、工場、プラント、交通、経済、ソーシャルネットワークなどの分野で膨大なデータが生成されている。例えば、工場のセンサーやモバイルデータ、ソーシャルネットワークでは、毎分数万回の観測が行われ、様々なユースケースでリアルタイムのデータ分析が求められている。具体的には、タービンの故障予測や公共交通機関の位置、人々の議論を追跡するなど、細かな問題への解決策が必要とされる。本書では、これらのストリームデータを扱うリアルタイム分散処理フレームワークや時系列データの機械学習処理、またそれらを活用したスマートシティやインダストリー4.0の応用例について述べる。

AIの研究と最新動向

AI学会論文を集めて

AI学会論文を集めて。ここではAAAI、ISWC、ILP、RW等のAI関連の学会論文/予稿集を集めた。