ロボットインテリジェンス

第1講

知能とは何か

ショートサーキットの知能

・スキル

身体の臨機応変な使用、ジャンプ、指スキル、切迫した状況で目に入るものはなんでも即座に利用など

・自己修復

事故の設計知識、診断知識

・自然言語

意味を持つ単語列

・記憶

連想記憶

・学習

本を高速に読む、模倣学習

・感情

人間性

・知性の発生メカニズム

生存本能

ロボット工学三原則

・ループ

知覚→判断→機構→物理ほうそく+他のループの影響→環境変化

・学習

相関学習

目標とアプローチ

・本気で賢いシステムを作りたい

・人間でない知的存在を創出したい

・今まで散々プログラムを書いたが、書いたとおりに動くだけじゃ賢さには到達しない

・遠回りでも知能の根源を明らかにしなければ

・創発、発達、身体性の原理

極限作業ロボット

介護・介助ロボット

災害救助ロボット

ホームロボット

フィールドロボット

医療ロボット

エンタテイメントロボット

監視ロボット

など

おーい、RX、何か叩くものを持ってきてくれ

に対応するため、

「音声認識と自然言語理解、資格認識、ことものの形・機能・場所の知識、推論、行動計画、経路計画」

その途中

「障害物回避、ナビゲーション、地図作成、教師月学習、強化学習、運動学習、経路計画、行為理解、協調行動」

木槌が見当たらないとしたら

「定型行動、物体認識、身体像、物体の機能理解、行動予測」

「意志推定、感情認識、事故の行為理解、自然言語対話」

「模倣学習、運動学習、リズム運動生成」

知能研究の２つの流れ

・人間の特定の知的パフォーマンスを光学的に実現

・人間の知能を根元からの成り立ちを解明・構成

究極的には融合するはずなので両方を意識する必要がある

第2講

知能とは、変動する複雑な環境中で安定に目標を達成する行動能力である

一見単純な最近も、外界の情報を感じ取り、よりより環境へ移動する能力を持つ

大腸菌ではkの間買う情報処理に関わるタンパク質が全て同定され、三次元構造も次つぎに明らかにされているので生物のシステムの働きを丸ごと分子レベルで理解するための非常に有利な系となっている

感覚運動写像

写像が学習できれば操縦してやると避け方を学ぶ

なぜ学習するか

新体制が感覚運動情報構造を定める

プログラマが勝手に感覚運動関係を定義してはうまくいかない

実際に行動し、サンプルを得て感覚運動情報構造を推定すべき

多変数関数近似

感覚運動写像はベクトル値関数

これを経験から自動的に求めるのが学習

多項式近似、直交多項式法、区間多項式法、規定関数展開、ラグランジュの補間公式、SVM、ニューラルネット

最小に情報

SVD

ベクトル微分公式

ニューロンモデルと学習則

ニューロンの基本動作

入力、統合、出力

Nモデルはパーセプトロン

Hebb学習：最も基本的な学習

２個のニューロンが同時に活性化すると、その間の結合が教科される

相関パターンの学習

第3講

教師付き学習：単純パーセプロトン

ニューラルネットについて

結合性

結合性：有効グラフ

全結合：ポップフィールドネットワーク

双方向・再帰結合あり：理科レントネットワーク

結合が層間のみ：層状ネットワーク

結合が１方向のみ層状：フィードフォワードネットワーク

２層のみ：単縦パーセプトロン

多層のフィードフォーワード：多層パーセプトロン

第4講

誤差逆伝播について

制約付き最適化問題

BPアルゴリズム

ニューラルネットの近似能力

多変数関数

sin,cosはsigmoidで近似できる

任意の多変数関数は多変数フーリエ級数で近似できる

したがって、事実上任意の多変数関数は多入力出力３層フィードフォワードニューラルネットワークで任意の精度で近似できる

ディープニューラルネット技法

コンボリューション

BPの応用と注意

応用：音声→単語

ALVINN

人間が５分間運転士訓練データ蓄積、１０分間の誤差逆伝播法学習後、自動運転

第5講

感覚運動写像の機能設計論

感覚運動写像

単純なものの振る舞いは環境の振る舞いが完全に記述できるなら、状態方程式が✖️

原理的には制御理論で扱える

感覚運動写像の意味単位と構成論

・NNで任意の感覚運動写像が実現できる

廉造関数による行動表現

人工ポテンシャル場法

写像以外の行動制御の必要性

古典的な写像とその固定的重ね合わせでは限界がある

実世界では様々な状況ごとに行動を切り替えることが重要

ある目的に向けて一連の動作手順を順序よく行うことなど

動物の本能行動

生得的触発機構

行動のための知覚

鍵刺激のような考え方で、行動に必要最小限で十分な情報抽出の仕方を考えるのは大事

例：運動知覚と行動制御

オプティカルフローから対象や自己の運動パラメータを推定し、それに基づいて衝突予測や回避軌道計算などを行う

第6講

行動制御情報の直接知覚

オプティカルフローから障害物と相対運動を推定するためには距離情報を別途入手する必要がある

また対象物領域の切り出しや運動推定など複雑な計算が必要

このような計算や距離計測を必要とせず、直接的に回避行動のための情報である衝突までの時間を得ることができる

多くの動物がこれを利用している

行動単位の生成・制御

歩行

神経系・身体・環境の相互作用

神経振動子による歩行、リミットサイクル、エントレインメント

引き込み原理

第7講

・AI、ロボットは総合格闘技

・必要な知識、技能は多岐にわたる

・その中でも特に重要なポイントを講義

Neural Oscillator as a model of CPG

行動手順、状態遷移、オートマトン言語

状態遷移関数のプログラミング

状態遷移

決定性有限オートマトンと有向グラフ表現

行動統合アーキテクチャ

第8講

行動の階層化・モード切り替え

行動調停

自立行動

フレーム問題

Sojournerの行動制御

Behavior based architecture

Herbert

Colony Architecture

モジュール分解の指針

どのエージェントも他のエージェントの内部構造に依存してはいけない

各サブタスクは局所的情報のみ使用

判断は時間的に局在する

行動モジュール

行動分解

反応行動の本質的限界と解決策

デッドロック

Memory

空間記憶の表現方式

OctTree

地図生成の基本

自己位置同定しつつ、その点から観測できる環境情報を地図に反映していく

自己位置推定

Kalman Filter

地図の用途

地図生成

自己位置同定

経路計画

ナビゲーション

第9講

探索と知識表現

BFS

DFS

ヒューリスティック探索

A*Search

移動経路の状態表現

第10講

状態空間モデル

問題をどう表現すればグラフ探索問題に帰着するか？

高次元状態表現

状態空間：地図から一般空間へ

推論と知識表現

状況計算

一階述語論理による行為の記述と推論

高い記述力、任意の推論

プロダクションシステム

前向き推論

後ろ向き推論

アルゴリズム

知識表現

知識表現のデータ構造と対応する操作

宣言的

手続き的

第11講

人工知能の本質に関する議論

フーレム問題、記号接地問題、中国語の部屋、鳥と飛行機、意識

フレーム問題

行為の伴う世界の変化を計算するとき、際限なく計算の範囲や記述の範囲が広がってしまう問題

状態空間や記号は世界を表すか？

強いAI、よわいAI

知能研究の２つの流れ

鳥と飛行機

意識をめぐる問題

第12講

現状のAIの孕む問題の解決と次世代人工知能に向けて

———————————————————————————-

—————————