3 0 0 0 OA 説明可能AI技術のこれまでとこれから
- 著者
- 亀谷 由隆
- 出版者
- 一般社団法人 電子情報通信学会
- 雑誌
- 電子情報通信学会 基礎・境界ソサイエティ Fundamentals Review (ISSN:18820875)
- 巻号頁・発行日
- vol.16, no.2, pp.83-92, 2022-10-01 (Released:2022-10-01)
- 参考文献数
- 81
現在注目される人工知能技術は高い予測性能をもつ機械学習モデルが主体となっており,これらのモデルを健康や財産に関わる分野へ応用する試みも始まっている.しかし,その際の問題の一つがモデルの不透明性であり,このような不透明性を軽減するための一連の技術が近年「説明可能AI (explainable artificial intelligence, XAI)」という研究分野を形成している.本稿ではXAI研究の流れを振り返り,現在行われているXAI研究における概念と手法の分類や整理を行うとともに,XAI研究における将来の課題について述べる.
3 0 0 0 OA 命題論理に基づく確率モデルのためのベイズ推定
- 著者
- 石畠 正和 亀谷 由隆 佐藤 泰介
- 出版者
- 人工知能学会
- 雑誌
- 人工知能学会全国大会論文集 (ISSN:13479881)
- 巻号頁・発行日
- vol.25, 2011
規則性と不確実性が入り交る世界をモデル化するため,論理の記述力と確率モデルの モデリング力を組み合わせる研究が行われている.本研究では任意の命題論理式上の ベイズ推定を提案する.ここでは事前知識のうち,決定的なものは論理式として,確率的 なものは事前分布として表現される.これにより我々の知識をより柔軟にモデルに取り入 れることが可能となる.更に本研究では提案法を代謝経路に関する仮説の評価に適用する.
1 0 0 0 OA PRISM: 確率モデリングのための論理プログラミング処理系
- 著者
- 亀谷 由隆 佐藤 泰介 周 能法 泉 祐介 岩崎 達也
- 出版者
- 日本ソフトウェア科学会
- 雑誌
- コンピュータ ソフトウェア (ISSN:02896540)
- 巻号頁・発行日
- vol.24, no.4, pp.4_2-4_22, 2007 (Released:2007-12-31)
近年の人工知能分野においては,記号データ中に存在する不確実性をどう扱うかが大きな課題となっている.不確実性を扱うためには,まず確率モデルを構築し,その上で確率推論を行う方法が考えられる.更に近年では,記号列データや関係データベースなど,従来の単一の表データとしては表現できない,構造をもつデータの重要性が増しており,それらを扱うための一般的手法として,一階述語論理と確率の統合を目指す枠組みが数多く提案されている.その中の1つに確率論理プログラミング処理系PRISMがあるが,PRISMは宣言的な意味論,論理プログラムの高い記述力,効率的な組み込みの確率推論機構を備えており,確率モデリングに要する労力を大幅に省くことが期待される.本論文ではPRISM処理系のツールとしての側面に注目し,PRISMプログラムの記述例,処理系が提供する機能,処理速度に関するベンチマーク評価について述べる.
1 0 0 0 不確実情報からの知識合成
PRISMは将棋の戦略や文章の曖昧性の解決といった複雑な確率事象を表現し、事象の分布の統計的パラメータをデータから自動的に学習する能力を持つ、世界的に見てもユニークなプログラミング言語である。今年度は確率的モデリング言語としての能力を更に強化するため、様々な改良を行い、PRISM1.11として公開した。PRISM1.11では、(1)PRISMの探索部分の実装言語であるB-Prologの最新バージョンであるB-Prolog7.0との統合を行い、メモリ効率を向上させた。(2)並列EM学習が行えるようになった。確率文脈自由文法のパラメータ学習ではCPU数にほぼ比例して数十倍の速度向上がみられた。(3)決定性のアニーリング方式に基づいたEM学習が利用できるようにした。これはEM学習の局所解の問題を避けるのに効果が期待できる。(4)N-viterbiアルゴリズムを実装し、上位N個のビタビ解を求められるようにした。(5)次に述べるようにベイズ的学習法である変分ベイズ学習法を実装した。確率モデリングでは通常最尤推定に基づくパラメータ学習を行うが、PRISMでは新たにパラメータにディリクレ分布を事前分布として導入し、ディリクレ分布のハイパーパラメータを変分ベイズ学習により学習出来るようにした。そのためPRISM用の変分ベイズ学習アルゴリズムを導出し、実装した。PRISMの変分ベイ学習は従来知られていた隠れマルコフモデルや確率文脈自由文法をはるかに越える範囲の変分ベイズ学習を可能にしており、例えば、バイオフィフォマティクスで使われるプロファイル隠れマルコフモデルの変分ベイズ学習が可能になった。