权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Robust AI by Integration of Knowledge Representation and Machine Learning

通过知识表示和机器学习的集成实现强大的人工智能

基本信息

批准号：
21H04905
负责人：
井上克巳
金额：
$ 26.54万
依托单位：
National Institute of Informatics
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (A)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-05 至 2025-03-31
项目状态：
未结题

项目摘要

機械学習(ML)と知識表現・推論(KR)の両技術を有機的に統合することで説明可能でありロバスト性も有するようなAI技術基盤の確立を目指し、3つの目標:(A)KR技術の導入によるML技術の説明可能性・更新容易性の向上(B)ML技術に支えられたロバストなKR技術の開発(C)MLとKRの統合による画期的なAI応用、を設定し研究2年目の2022年度は以下の進捗があった。(A)機械学習における分類器の入出力関係を正しく説明するために、KRの信念修正で研究されてきた合理的基準を分類器の編集に適用し、オペレータに対する構成的特徴付けを与え分類器のロバスト性を向上させた。また変分オートエンコーダのアンサンブル手法を提案し膨大な数から重要な遺伝子だけを抽出する方法を開発し、論理プログラムを用いて活性化された遺伝子から細胞状態を予測する実験によりアンサンブルの有効性を確認した。さらにSNSユーザの振る舞い予測モデル構築の基礎として議論フレームワークと論理プログラムを相互参照して統合的に推論を行う枠組を開発した。(B)SAT問題を線形空間におけるコスト関数最小化問題として解くSATソルバMatSatの初期値をSAT問題を学習したグラフニューラルネットにより与えることにより、求解性能を飛躍的に高めることに成功した。また一階述語論理プログラム学習を微分可能化することでロバストかつスケーラブルな帰納論理プログラミング方式を開発した。(C)論理式等の記号的知識表現と画像や数値等の連続データ分析を組み合わせた手法として安定性に関する制約を付加した場合の時系列深層モデルに関する手法を開発した。また深層論理プログラミング言語T-PRISMをツールとしてより利用し易くするための改良を行った。さらにロバストなチーム生成法に関して変化時の技能回復率と計算効率とのトレードオフを考慮した部分ロバスト性の概念を提案した。

Machine Learning (ML), Knowledge Representation, Reasoning (KR), Technology Integration, Explanation Possibility, Possibility, Establishment of AI Technology Base, Objective:(A) Introduction of KR Technology, Explanation Possibility, Ease of Renewal,(B) Development of ML Technology, Support for KR Technology,(C) AI Application, Establishment of ML and KR Integration, and Research Progress for 2 Years to 2022. (A)Machine learning classifier input/force relationship is explained, belief correction is studied, reasonable criteria are applied to classifier compilation, classification and classification characteristics are improved. The method of extracting the important genes is developed, and the logic is used to activate the genes, predict the cell state, and confirm the existence of the genes. The foundation of SNS communication system is discussed in detail. The logic of SNS communication system is cross-referenced and the inference of SNS communication system is developed. (B)SAT problem: linear space optimization problem: SAT solution: MatSat initial value optimization problem: SAT learning problem: linear space optimization problem: SAT solution: SAT solution: MatSat initial value optimization problem: SAT solution: SAT solution: SAT problem: SAT solution: SAT solution: SAT problem: SAT problem: SAT solution: SAT problem: SAT problem: SAT solution: SAT problem: SAT solution: SAT problem: SAT problem: SAT solution: SAT The first order predicate logic is developed to learn differential probability. (C)Knowledge representation of symbols such as logical expressions, images, numerical values, etc., and analysis of combinations of techniques, stability constraints, and time series of techniques are developed. Deep logic is used to improve speech quality. In this paper, we propose a new method of skill recovery rate calculation and partial skill recovery rate calculation.