1 人工知能とは |
1.1 知能とは 1 |
1.1.1 知能の周辺 1 |
1.1.2 人間の知能と機械の知能 2 |
1.1.3 機械の知能は測れるか 3 |
1.2 人工知能の定義 4 |
1.3 人工知能の歴史 7 |
1.3.1 黎明期 7 |
1.3.2 AIの原点-ダートマス会議- 9 |
1.3.3 AIの創成期 10 |
1.3.4 AI第一世代-知能の時代- 12 |
1.3.5 AI第二世代-知識の時代- 12 |
1.3.6 AIの発展期 13 |
1.3.7 AIブーム 15 |
1.3.8 AI第三世代-エージェントの時代- 17 |
1.4 人工知能の研究対象 19 |
演習問題 19 |
2 問題解決 |
2.1 問題解決のプロセス 21 |
2.2 AIで対象とする問題 24 |
2.3 問題の定式化法 26 |
2.3.1 状態空間法 26 |
2.3.2 問題分割法 31 |
2.3.3 手段目標解析 33 |
演習問題 34 |
3 探索 |
3.1 ブラインド探索 36 |
3.1.1 縦型探索 37 |
3.1.2 横型探索 38 |
3.1.3 縦型vs横型 39 |
3.1.4 反復深化探索 42 |
3.2 ヒューリスティック探索 43 |
3.2.1 山登り法 44 |
3.2.2 最良優先探索 45 |
3.2.3 A*アルゴリズム 46 |
3.2.4 実時間A*アルゴリズム 49 |
3.2.5 ヒューリスティック関数の具体例 50 |
3.3 ゲーム木の探索 51 |
3.3.1 ミニ・マックス法 53 |
3.3.2 α-β法 53 |
3.3.3 ゲームプログラミングの現状 54 |
演習問題 55 |
4 知識表現 |
4.1 知識ベースシステム 57 |
4.1.1 問題解決と知識ベースシステム 57 |
4.1.2 知識と知識ベース 58 |
4.1.3 知識ベースシステムの特徴 58 |
4.2 知識処理の3フェーズ 60 |
4.3 知識の分類 61 |
4.3.1 専門知識と常識 61 |
4.3.2 宣言的知識と手続き的知識 61 |
4.3.3 経験的知識と理論的知識 61 |
4.3.4 ドメイン知識とタスク知識 62 |
4.3.5 完全な知識と不完全な知識 62 |
4.4 知識表現の概要 63 |
4.5 代表的な知識表現法 64 |
4.5.1 プロダクションルール 64 |
4.5.2 セマンティックネット 66 |
4.5.3 フレームシステム 68 |
4.5.4 論理 71 |
4.5.5 論理プログラミング 74 |
演習問題 76 |
5 プラニング |
5.1 STRIPSプラニング 78 |
5.2 半順序プラニング 87 |
5.3 即応プラニング 94 |
5.3.1 即応プラニングの具体例 98 |
5.3.2 服属アーキテクチャ 101 |
演習問題 104 |
6 推論 |
6.1 演繹・帰納・アブダクション 107 |
6.2 常識推論 110 |
6.2.1 デフォルト論理 112 |
6.2.2 サーカムスクリプション 116 |
6.2.3 自己認識論理 117 |
6.2.4 閉世界仮説 118 |
6.3 仮説推論 120 |
6.4 類推 122 |
演習問題 122 |
7 機械学習 |
7.1 帰納学習 126 |
7.1.1 仮説空間における探索 127 |
7.1.2 バージョン空間法 128 |
7.1.3 バイアス 132 |
7.2 説明に基づく学習:EBL 134 |
7.2.1 説明に基づく一般化:EBG 135 |
7.2.2 マクロオペレータ学習システム 139 |
7.3 決定木の帰納学習 141 |
7.4 強化学習 145 |
7.4.1 Q学習 146 |
7.4.2 バケツリレーと利益共有 149 |
7.5 事例に基づく学習 152 |
7.5.1 Nearest Neighbor法 152 |
7.5.2 記憶に基づく推論 154 |
演習問題 157 |
8 分散人工知能と進化的計算 |
8.1 分散人工知能 161 |
8.1.1 黒板モデル 161 |
8.1.2 契約ネットプロトコル 163 |
8.2 進化的計算 168 |
8.2.1 遺伝的アルゴリズム 168 |
8.2.2 遺伝的プログラミング 172 |
8.2.3 進化的学習 174 |
演習問題 178 |