思考・推論への順逆モデルアプローチ

点击翻译按钮获取中文摘要

WCSTは、トランプのカードを順次4つの山のいずれかに分類し、分類が正しかったか否かの教示情報に基づいて、未知の分類規則(色による分類、形による分類、数による分類の3種類)を推論するものである。対象課題としてWCSTを取り上げたのは、正常な人でも時々間違えるという適度な難しさを有しており、また前頭葉に障害のある患者で種々の実験がなされているからである。本研究では、第一にWisconsin Card Sorting Test(WCST)の被験者実験を行うための実験システムをワークステーション上に構築した。なお正答が10回程度続いた場合、これまでの規則を破棄し新しい規則に変更する。第二に、この実験システムを用いて被験者実験を行ない、被験者の応答および応答時間をワークステーションおよびビデオカメラでも記録した。個人差があると思われるので、20数人の被験者を対象として実験を行なった。個人差はあるが、正答率はおおむね80%〜90%であった。第三に、WCSTの思考・推論モデルを構築し、被験者実験データを説明できるよう強化学習を用いてモデルパラメータを推定した。モデルの振る舞いと被験者実験データを対照することにより、モデルの精緻化を図る。逆モデルの修正方法としては強化学習を用いる。ここでの困難な点は、いつ規則が変更されたかが教えられる訳ではなく、あくまでも各々の回答が正答か誤答かののみが教えられ、また、たとえ正答であっても実験システムで想定している規則と被験者が考えている規則が一致しているとは限らないことである。分類規則の変更直後に1〜3回の誤答が見られるが、その後は正しい分類規則が見つかっている。なお人間は複雑な推論を行なうので、もう少し少ない誤り回数で規則が発見できる。