AIが考えていることを人間が理解するためには 松本和馬

近年、ディープラーニングを始めとする、人工知能(AI)技術の発展により、AIはより賢くなってきています。ある特定の分野においては人間の思考・知識を超えるAIも出現してきました。これからは、賢いAIから人間が知識を学ぶ時代が来るかもしれません。本研究では、AIの思考、すなわち知識を人間が解釈しやすいように学習するシステムを提案します。

 

 人間のような学習システムとは 臼居 浩太郎

・リンケージ型学習分類子システム

 無数にある行動ルールの中から,環境の特徴を表すような行動ルールを獲得するアプローチです.人間も「次の信号を右に曲がれば着きます」というように目的地に辿り着く上で鍵になる情報のみを獲得することを自然とできています.私のシステムでは行動ルールをリンクしていくことで上記のような環境の特徴となる行動ルールを獲得していきます.

 従来の手法であるXCS [Wilson, 95]やXCSAM [Nakata, 12]では,例え小さな環境変化であっても,環境変化前に獲得した知識の多くは再利用できず,始めから知識を学習し直す必要がありました.

 提案手法であるリンケージ型学習分類子XCSL (XCS with Linkage-Classifier)により,環境変化前に獲得した知識を環境変化後にも適用させることができ,従来手法よりも早く新しい環境に適応することを可能としました.



 学習分類子システムにおける学習方針に関する考察 中田雅也

生物の環境への適応過程である進化と学習モデルを組み込んだ学習分類子システム(Learning Classifier System: LCS)は,1)解釈性に優れた知見獲得技術を有し,2)機械学習における幅広い問題(ロボット制御問題等)に適用可能という利点があります.そのため,LCSは有望なマイニング手法として,実問題への適用に向けた研究が盛んに行われています.本研究では,その一環として,学習モデルと進化モデルの相互作用に着目し,マイニング精度の高精度化を目的とした効率的な学習方法について探求します.以下のような課題に取り組んでいます.

・学習方針がマイニング精度や速度に与える影響について

例: Complete map v.s. Best action map

comp_vs_best

・マイニング精度を維持した最適解の抽出法について

抽出過程: video»

complete_best_action

ppsn poster