
G検定#06|AIに常識を教える? エキスパートシステム
皆さん、ご安全に! 技術屋たかちゃんです。
コンピューターに医師の知識を教え込めば、医師のように病気を診断できるのでしょうか。
実は、半世紀以上前から、研究者たちはこの問題に挑んできました。専門家の知識をコンピューターに登録し、判断させる。ところが、現実の世界には例外がたくさんあります。
今回は、エキスパートシステムからオントロジーへ、AIが知識を扱うために重ねてきた工夫をたどります。
専門家の頭の中をルールにする
1980年代を中心とする第2次AIブームで注目されたのが、エキスパートシステムです。専門家の知識をコンピューターに登録し、その知識を使って問題を判断する仕組みです。
基本は「もしAならばB」というIF-THEN形式のルールです。
医療分野では、1970年代に開発されたMYCINが知られています。細菌感染症の診断を支援し、適切な抗生物質の選択を助ける研究システムでした。
化学分野では、1960年代に開発が始まったDENDRALが代表例です。化学分析のデータから、有機化合物の分子構造を推定することを目指しました。
専門家の判断をルールに置き換えることで、特定分野の問題を解決しようとしたのです。
知識を登録するだけでは足りない
ここで壁にぶつかります。
たとえば、機械の温度が高くても、必ず故障しているとは限りません。周囲の温度や運転条件によって、正常な場合もあります。
例外を追加するたびにルールは増え、管理が難しくなります。さらに、熟練者の勘のように、経験に基づいていても言葉で説明しにくい知識があります。
この問題は、知識獲得のボトルネックと呼ばれます。人間の知識をコンピューターが利用できる形に変換する作業が、AI開発の大きな障壁になったのです。
知識を点と線でつなぐ
そこで重要になるのが、知識表現です。個々の知識を登録するだけでなく、概念同士の関係も整理し、推論に利用できるようにします。
その方法の一つが意味ネットワークです。
「犬は動物の一種である」「タイヤは車の一部である」。こうした関係を、概念を表す点と、それらを結ぶ線で表現します。
さらに、概念や属性、概念同士の関係を体系的に定義する枠組みがオントロジーです。知識を整理するための設計図、と考えると分かりやすいでしょう。
1984年に始まったCycプロジェクトは、人間が日常生活で使う一般常識をコンピューターに記述し、推論に役立てようとする長期的な研究です。
相棒のAI(アイ)君が調べたところでは、Cycは膨大な一般常識を明示的に記述し、コンピューターが推論に利用できるようにすることを目指したそうです。
答えられることと、理解すること
1960年代に開発されたELIZAは、入力された文章のパターンに応じて返答する対話プログラムです。人間らしい会話に見えても、それだけで人間と同じように意味を理解しているとはいえません。
2011年には、IBMの質問応答システムWatsonが、米国のクイズ番組『Jeopardy!』で歴代チャンピオンに勝利しました。大量の情報を分析し、自然言語の質問に回答する能力を示した出来事です。
日本の「東ロボくん」プロジェクトでも、大学入試問題への挑戦を通じて、AIが得意とする問題と、文章の意味を読み取る必要がある問題との違いが検証されました。
AIの答えをどう評価するか
僕の見解では、AIの歴史から学べるのは、答えを出せることと、その意味を十分に理解していることは同じではない、という点です。
専門家の知識をルールに変え、知識同士の関係を整理する。研究者たちは、コンピューターが知識を扱う方法を少しずつ発展させてきました。
AIの回答を見るときは、答えの正しさだけでなく、どんな情報や仕組みに基づいているのかも考える。その姿勢が、AIを適切に活用するための手がかりになります。
技術屋たかちゃんでした。ご安全に!!
G検定 連載
前回:
次回:
目次(マガジン):
付録:G検定の重要用語
エキスパートシステム
特定分野の専門家の知識をルールなどで表現し、推論によって問題解決を支援するシステム。第2次AIブームの代表例。
IF-THENルール
「もし条件Aを満たすなら、結論Bを導く」という形式のルール。エキスパートシステムの知識表現に広く使われる。
MYCIN
1970年代に開発された感染症の診断・治療支援システム。知識をルールとして表現し、細菌感染症に対する抗生物質の選択などを支援した。1979年の評価研究では、髄膜炎10症例に対する処方について、専門家による許容評価が65%だった。限定された症例での評価であり、医師全般より優れていたことを示す数字ではない。
DENDRAL
1960年代にスタンフォード大学で開発が始まった化学分野のシステム。質量分析などのデータを用いて、有機化合物の分子構造を推定した。初期のエキスパートシステムの代表例として知られる。
知識獲得のボトルネック
人間の専門知識や暗黙知を、コンピューターが扱える形式に変換することが難しいという問題。知識を収集・形式化する負担が、知識ベースの構築や拡張を妨げる。
意味ネットワーク
概念をノード、概念間の関係をリンクで表現する知識表現手法。is-aは上位・下位概念、part-ofは全体・部分の関係を表す。
オントロジー
概念、属性、関係などを体系的に定義した知識の枠組み。情報を共有し、機械処理や推論に利用しやすくするために用いられる。
ヘビーウェイト・オントロジー/ライトウェイト・オントロジー
知識の厳密な定義や豊かな公理体系を重視するものと、概念や関係を比較的簡潔に整理するものを説明する際に使われる区分。厳密さと構築コスト、扱いやすさの間に設計上のトレードオフがある。
Cycプロジェクト
1984年に始まった、日常生活の一般常識を明示的に記述し、コンピューターの推論に利用することを目指すプロジェクト。一般常識を知識ベースとして構築する取り組みの代表例。
ELIZA
1966年に論文で発表された初期の対話プログラム。入力文に含まれるキーワードなどを手がかりに、パターンに応じた応答を生成する。対話プログラムの歴史的な例であり、典型的なエキスパートシステムとは異なる。
IBM Watson
自然言語の質問に回答する質問応答システム。2011年に米国のクイズ番組『Jeopardy!』で人間の歴代チャンピオンに勝利した。特定の課題に対し、複数の技術を組み合わせて回答を導いた。
東ロボくん
国立情報学研究所などが進めた「ロボットは東大に入れるか」プロジェクトで開発されたAI。2016年のセンター試験形式の模試で、5教科8科目の合計偏差値57.1を記録した。エキスパートシステムそのものではなく、大学入試問題を通じてAIの能力と限界を検証したプロジェクトである。
セマンティックWeb
Web上の情報に機械処理可能な意味情報を付与し、情報の連携や自動処理を目指す構想。オントロジーなどを利用して、情報の意味や関係をコンピューターが扱いやすくする。